Impara Analisi delle coorti | Segmentazione e Analisi Comportamentale

Scorri per mostrare il menu

L'analisi delle coorti è una tecnica potente nell'analisi dei prodotti che consente di confrontare gruppi di utenti che condividono un punto di partenza comune, come il mese di registrazione o la data del primo acquisto. Immagina di gestire un'app e voler capire come si comportano nel tempo gli utenti che si sono iscritti a gennaio rispetto a quelli che si sono iscritti a febbraio. Invece di calcolare la media di tutti gli utenti, l'analisi delle coorti permette di monitorare la retention e l'engagement di ciascun gruppo mentre progrediscono nel loro ciclo di vita.

Pensa a una coorte come a una classe che si diploma: tutti gli studenti che hanno iniziato nello stesso anno vivono il loro percorso insieme, e puoi osservare quanti rimangono a ciascuna tappa. Nell'analisi dei prodotti, questo significa che puoi vedere se gli utenti di determinati mesi restano più a lungo, si coinvolgono di più o abbandonano a ritmi diversi.

Ad esempio, potresti notare che gli utenti iscritti a febbraio hanno una retention alla quarta settimana superiore rispetto a quelli di gennaio. Questo potrebbe indicare cambiamenti di prodotto riusciti, effetti stagionali o differenze nei canali di acquisizione. Suddividendo gli utenti in coorti, ottieni una visione più chiara di come aggiornamenti di prodotto, campagne di marketing o eventi esterni influenzano gruppi specifici nel tempo.

Definizione

Una coorte è un gruppo di utenti che condividono una caratteristica comune, come il mese di registrazione.


              1234567891011121314151617181920212223242526272829303132333435
            
import pandas as pd

# Example user data: user_id, signup_date, activity_date
data = [
    {"user_id": 1, "signup_date": "2024-01-10", "activity_date": "2024-01-10"},
    {"user_id": 1, "signup_date": "2024-01-10", "activity_date": "2024-01-17"},
    {"user_id": 2, "signup_date": "2024-01-15", "activity_date": "2024-01-15"},
    {"user_id": 2, "signup_date": "2024-01-15", "activity_date": "2024-01-22"},
    {"user_id": 3, "signup_date": "2024-02-05", "activity_date": "2024-02-05"},
    {"user_id": 3, "signup_date": "2024-02-05", "activity_date": "2024-02-12"},
    {"user_id": 4, "signup_date": "2024-02-20", "activity_date": "2024-02-20"},
    {"user_id": 4, "signup_date": "2024-02-20", "activity_date": "2024-02-27"},
]

df = pd.DataFrame(data)
df["signup_month"] = pd.to_datetime(df["signup_date"]).dt.to_period("M")
df["activity_week"] = (
    pd.to_datetime(df["activity_date"]) - pd.to_datetime(df["signup_date"])
).dt.days // 7

# Keeping only the first activity per user per week
df_cohort = df.drop_duplicates(subset=["user_id", "activity_week"])

# Counting users in each cohort and week
cohort_pivot = (
    df_cohort.groupby(["signup_month", "activity_week"])["user_id"]
    .nunique()
    .unstack(fill_value=0)
)

# Calculating cohort sizes (week 0)
cohort_sizes = cohort_pivot[0]
retention = cohort_pivot.divide(cohort_sizes, axis=0)

print(retention)

Interpretare i risultati dell'analisi delle coorti può offrire preziose informazioni per la strategia di prodotto. Se si osserva che le coorti più recenti presentano una migliore retention, ciò potrebbe indicare che le ultime funzionalità o i miglioramenti nell'onboarding stanno avendo effetto. Al contrario, un improvviso calo della retention per una specifica coorte potrebbe evidenziare problemi legati a un nuovo rilascio o a un cambiamento nelle tattiche di marketing.

L'analisi delle coorti consente di andare oltre le metriche superficiali e comprendere il reale impatto delle modifiche al prodotto sul comportamento degli utenti. Monitorando il percorso di ciascuna coorte, è possibile identificare quali strategie favoriscono l'engagement e la retention a lungo termine, e dove potrebbe essere necessario modificare l'approccio per mantenere alta la fidelizzazione degli utenti.

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 3. Capitolo 2

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Sezione 3. Capitolo 2