Please enable JavaScript.
Coggle requires JavaScript to display documents.
تحلیل محصول - Coggle Diagram
تحلیل محصول
تحلیل cohort
churn rate trend ID
retention trend ID
costumer behavior ID
feature efficiency ID
cohort type
demographic cohort
product cohort
CLV cohort
NPS cohort
behavieral cohort
رود مپ کوهورت
data collection
cohort setting
calculate retention rate
KPI setting
iteration
انواع نگاه در کوهورت
۲. نگاه عمودی (Column Analysis)
«در یک بازه زمانی مشخص، همه کوهورتها چطور بودند؟»
میبینی که در همان نقطه از lifecycle، کوهورتهای مختلف چه retention داشتند
سوال: آیا محصول ما در ماه سوم برای همه کوهورتها بهتر شده؟
هر ستون = یک دوره زمانی مشخص (مثلاً ماه سوم)
کاربرد: سنجش تأثیر تغییرات محصول روی کاربران قدیمیتر
سنجش بهبود محصول
۳. نگاه مورب (Diagonal Analysis)
«در یک تاریخ تقویمی مشخص، وضع چطور بود؟»
هر مورب = یک snapshot از یک لحظه واقعی
ترکیبی از کوهورتهای مختلف در سنین مختلف
سوال: در دیماه ۱۴۰۳، مجموع فعالیت کاربران چقدر بود؟
کاربرد: تحلیل seasonality و اثر رویدادهای بیرونی (تعطیلات، کمپینها)
seasonality و اثر رویداد
نگاه افقی (Row Analysis)
«هر کوهورت چطور در طول زمان رفتار کرد؟»
هر ردیف = یک گروه از کاربران که همزمان جذب شدند
میبینی که retention اون گروه هفته به هفته یا ماه به ماه چقدر افت کرده
سوال: آیا کاربران ماه X بهتر از کاربران ماه Y نگه داشته شدند؟
کاربرد: مقایسه کیفیت کوهورتها با هم
مقایسه کیفیت acquisition
cohort usecase
۱. Retention Analysis
«چند درصد کاربران برمیگردند؟»
متداولترین کاربرد کوهورت
میبینی کدام کوهورت بعد از ۳۰/۶۰/۹۰ روز هنوز فعاله
مثال: کاربرانی که از طریق تبلیغ اینستاگرام اومدن vs کاربران ارگانیک
۳. Churn Analysis
«کجا و چرا کاربران میریزند؟»
کمک میکنه بفهمی churn در کدام هفته/ماه spike داره
معکوس retention — روی افت تمرکز میکنی
مثال: اگر ستون سوم همه کوهورتها افت شدید داره ← مشکل محصول در هفته سوم
۲. Revenue / LTV Analysis
«هر کوهورت چقدر پول آورد؟»
به جای تعداد کاربر، مقدار درآمد رو در کوهورت میذاری
میفهمی LTV واقعی هر گروه چقدره
مثال: آیا کاربران جذبشده در کمپین نوروز ارزش داشتند؟
۴. Feature Adoption Analysis
کوهورت بر اساس زمان استفاده از یک فیچر خاص
میفهمی آیا فیچر جدید retention رو بهتر کرده یا نه
«کاربران فیچر جدید رو چقدر استفاده کردند؟»
مثال: کاربرانی که از قابلیت چت استفاده کردند vs نکردند
۵. Acquisition Channel Analysis
کوهورتبندی بر اساس source جذب (SEO، پوش، تبلیغ، دهانبهدهان)
مقایسه retention و LTV هر کانال با هم
مثال: کاربران دیوار vs کاربران گوگل ادز
«کدام کانال جذب، کاربر باکیفیتتری آورد؟»
۶. Onboarding Optimization
«آیا onboarding جدید تأثیر گذاشت؟»
کوهورت قبل و بعد از تغییر onboarding رو مقایسه میکنی
نگاه عمودی (column) اینجا خیلی مفیده
مثال: آیا کاربران بعد از redesign فرم ثبتنام، بیشتر ماندند؟
۷. Pricing / Plan Change Analysis
«تغییر قیمت یا پلن روی رفتار کاربر اثر داشت؟»
کوهورتبندی بر اساس پلن انتخابی یا زمان تغییر قیمت
میبینی churn بعد از تغییر قیمت spike زد یا نه
آزمون های فرض
z -test
large sample
normal dist
population means
T-test
small sample
deviation unknown
p - value
کمتر از 5% یعنی معنا داری آماری
فرض های H0 & H1 در ab test
خطای نوع اول
false positive
دکتر به ادم سالم بگه مریض
چیزی نباشه ما فکر کنیم باشه
سخت گیرانه کردن پی ولیو(ولی برخی تفاوت های واقعی هم از خط رد نمیشند)
پول هدر میره
1 more item...
خطای نوع دوم
false negetive
دکتر به ادم مریض بگه سالم
چیزی باشه مانفهمیم
با افزایش نمونه اماری کم میشه ولی نوع یک به وجود میاد(و اشتباهات هم از اون پی ولیو رد میشه)
فرصت ها از دست میره
1 more item...
H0 معمولا مخالف اتفاق مفروض است
دلیلش این است که بار اثبات به عهده مدیر محصول است. هیچ اتفاقی نیافتاده مگر خلافش اثبات شود
multivariate testing
data driven decision making
data types
quantitive
behaviral data
usage statistics
با توجه به ماهیت بیزینس کدام متریک بهتر است
numeric mesurements
qualitative
user feedback
bios Risk
survey and interview
observation
data colection
analytic platforms
user feedback channel
user interaction data
market research reports
mckinsey market research
data analysis technique
descriptive analysis
this thing happend
historical data
visualization of data
diagnostic analysis
this thing happend FOR
specification
root cuase
action insight for problem solving
predict analysis
آینده پژوهی
regression analysis
time serious forcasting
prescriptive analysis
a/b testing
concepts
event tracking
sum of events
funnels
cohort
یک رفتار در طول زمان های مختلف سنجیده میشود.
این سنجش مبتنی بر گروهی از یوزر هاست که رفتار یا پرسونای یک سان دارند.
تحلیل عمودی کوهورت
تاثیر یک ماه نسبت به همه
segments
metrics
DAU(daily active users)
تاثیر شما بر زندگی روزمره افراد
MAU(monthly active users)
DG kala 50 M!
Retention rate
نگاه کلان و کلی می دهد.
conversion rate
نگاه جزء می بخشد که کاربر در هرمرحله چه میکند
Churn rate
جزء و کلان
روند انجام کار
یوزر آنبوردینگ یک اپلیکیشن
قدم 1: data collection
visual user flew
KPI setting
correlation analysis
kpi mapping on problems
a/b test confirmation
1 more item...
وظیفه مدیر محصول
فیچر سازی با اولویت
Convertion rate
churn rate
user engagement
retention rate
NPS
تحلیل محصول
segmentation
بالا بردن ROI
بهبود پروداکت استراتژی
بالابردن نرخ تبدیل
انواع سگمنتیشن برای بیزینس ها
5
7-9
3
+10
انواع سگمنتیشن
RFM
demographic
behavioral
psychigraphic
recency
چند روز
frequency
نگاه روبه عقب و چند بار
دلایل استفاده
اولویت بندی
تارگت کردن
شخصی سازی
monetary
نگاه کمی و چقدر
11 G of RFM
champion
all 3 features
refferal
loyal
خرید منظم
upselling
new costumer
اخرین خرید ها مال اینها بوده
ساخت رابطه و انبوردینگ
potential loyal
اخیرا خرید خوبی کرده اند
پیشنهاد ممبر شیپ و پریویلیج
promissing
قبلا جزو potential loyal بودند
کد تخفیف
need attention
مشتریان هسته که مدتی است خرید نکردند
افر با تایم محدود و شخصی سازی شده باید داد
about to sleep
خریدی داشتند ولی در ماه اخیر اینتراکشنی با سایت داشتند
علایقشان را بیابید و روی آنها پیشنهاد دهید
cant lose them
قبلا چمپ بودند و مدت طولانی است که کاری نکردند
مصاحبه
at risk
اینا لویال بودند و خیلی وقته خرید نکردند
ایمیل پرسونالییزه شده
hibernating costumers
اینا مبالغ کم خرید کرده بودند که خیلی وقته خرید نکردند
lost
خیلی وقته نه خرید کرده نه برگشته
با کمپین های ریچ بیارشون یا ایگنور کن