Digital Marketing Academy · บทเรียน

คิวรีกลุ่ม Cohort และกรวย

ตอบคำถามเรื่องการรักษาผู้ใช้

คิวรีกลุ่ม Cohort และกรวย เป็นบทเรียน Digital Marketing Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Digital Marketing Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Digital Marketing Academy มีบทเรียนทั้งหมด 4 บทเรียน

โคฮอร์ตคืออะไร

โคฮอร์ตคือกลุ่มผู้ใช้ที่มีเหตุการณ์เริ่มต้นร่วมกัน โดยมักเป็นเดือนที่สมัครใช้งาน การติดตามโคฮอร์ตแต่ละกลุ่มตลอดเวลาช่วยให้เห็นการรักษาผู้ใช้ที่แท้จริง

ตัวชี้วัดรวมอาจซ่อนการเลิกใช้งาน แต่การวิเคราะห์โคฮอร์ตเผยให้เห็นว่าผู้ใช้ใหม่ยังคงใช้งานต่อจริงหรือไม่

SELECT user_id,
       DATE_TRUNC('month', signup_date) AS cohort_month
FROM users;

กำหนดโคฮอร์ต

ขั้นแรกคือการกำหนดโคฮอร์ตให้ผู้ใช้แต่ละราย DATE_TRUNC จะปัดวันที่สมัครใช้งานลงเป็นระดับเดือน เพื่อให้จัดกลุ่มผู้ใช้ได้อย่างเป็นระเบียบ

จัดเก็บสิ่งนี้เป็นองค์ประกอบที่นำกลับมาใช้ได้สำหรับทุกขั้นตอนถัดไป

SELECT DATE_TRUNC('month', signup_date) AS cohort_month,
       COUNT(*) AS cohort_size
FROM users
GROUP BY 1
ORDER BY 1;

ช่วงกิจกรรม

การรักษาผู้ใช้วัดกิจกรรมในช่วงหลายเดือนหลังการสมัครใช้งาน ให้คำนวณช่วงเวลาเป็นระยะห่างระหว่างเดือนที่สั่งซื้อกับเดือนของโคฮอร์ต

ช่วงที่ 0 คือเดือนที่สมัครใช้งาน ช่วงที่ 1 คือเดือนถัดไป และต่อไปเรื่อย ๆ

SELECT o.user_id,
       (DATE_PART('year', o.order_date) - DATE_PART('year', u.signup_date)) * 12
       + (DATE_PART('month', o.order_date) - DATE_PART('month', u.signup_date)) AS period
FROM orders o
JOIN users u ON u.user_id = o.user_id;

สร้างตารางการรักษาผู้ใช้

รวมเดือนของโคฮอร์ตกับช่วงเวลา แล้วนับจำนวนผู้ใช้ที่ใช้งานอยู่และไม่ซ้ำกันในแต่ละเซลล์ ผลลัพธ์คือตารางสามเหลี่ยมการรักษาผู้ใช้แบบมาตรฐาน

แต่ละแถวคือโคฮอร์ต และแต่ละคอลัมน์คือจำนวนเดือนนับจากการสมัครใช้งาน

SELECT DATE_TRUNC('month', u.signup_date) AS cohort,
       DATE_PART('month', AGE(o.order_date, u.signup_date)) AS period,
       COUNT(DISTINCT o.user_id) AS active
FROM users u
JOIN orders o ON o.user_id = u.user_id
GROUP BY 1, 2;

อัตราการรักษาผู้ใช้

จำนวนดิบเปรียบเทียบกันได้ยากเมื่อโคฮอร์ตมีขนาดต่างกัน ให้หารจำนวนผู้ใช้ที่ใช้งานอยู่ในแต่ละช่วงด้วยขนาดเริ่มต้นของโคฮอร์ต

ฟังก์ชันหน้าต่างจะดึงขนาดในช่วงที่ 0 มาไว้ในทุกแถวเพื่อใช้คำนวณอัตราส่วน

SELECT cohort, period,
       active * 1.0 / FIRST_VALUE(active) OVER (
         PARTITION BY cohort ORDER BY period
       ) AS retention
FROM cohort_activity;

ฟันเนลคืออะไร

ฟันเนลติดตามผู้ใช้ผ่านขั้นตอนที่เรียงตามลำดับ ได้แก่ เข้าชม สมัครใช้งาน เพิ่มลงตะกร้า และซื้อสินค้า จำนวนที่ลดลงระหว่างขั้นตอนจะแสดงให้เห็นว่าคุณสูญเสียผู้ใช้ตรงจุดใด

การวิเคราะห์ฟันเนลเปลี่ยนคำร้องเรียนกว้าง ๆ เรื่อง "อัตราการเปลี่ยนเป็นลูกค้าต่ำ" ให้กลายเป็นการระบุขั้นตอนที่มีผู้ใช้หลุดออกอย่างชัดเจน

SELECT step, COUNT(DISTINCT user_id) AS users
FROM events
WHERE step IN ('visit', 'signup', 'cart', 'purchase')
GROUP BY step;

นับผู้ใช้ในแต่ละขั้นตอน

การรวมค่าแบบมีเงื่อนไขนับผู้ใช้ในแต่ละขั้นได้ในการประมวลผลรอบเดียว FILTER นับจำนวนผู้ใช้ที่ไม่ซ้ำกันซึ่งไปถึงแต่ละขั้นตอน

คำสั่งสอบถามเดียว แถวเดียว เห็นภาพฟันเนลทั้งหมดได้ทันที

SELECT
  COUNT(DISTINCT user_id) FILTER (WHERE step = 'visit') AS visits,
  COUNT(DISTINCT user_id) FILTER (WHERE step = 'signup') AS signups,
  COUNT(DISTINCT user_id) FILTER (WHERE step = 'purchase') AS buyers
FROM events;

อัตราการเปลี่ยนผ่านในแต่ละขั้นตอน

ตัวเลขที่น่าสนใจคืออัตราส่วนระหว่างขั้นตอนที่ต่อเนื่องกัน การหารแต่ละขั้นด้วยขั้นก่อนหน้าช่วยให้เห็นจุดที่ผู้ใช้หลุดออกมากที่สุด

แปลงค่าเป็นเลขทศนิยม เพื่อไม่ให้การหารจำนวนเต็มทำให้อัตราของคุณกลายเป็นศูนย์

SELECT signups * 1.0 / NULLIF(visits, 0) AS visit_to_signup,
       buyers * 1.0 / NULLIF(signups, 0) AS signup_to_buy
FROM funnel_counts;

ฟันเนลตามลำดับพร้อมเวลา

ฟันเนลแบบเข้มงวดกำหนดให้ขั้นตอนต่าง ๆ เกิดขึ้นตามลำดับ เชื่อมแต่ละขั้นกับขั้นถัดไปเฉพาะเมื่อเวลาของขั้นถัดไปอยู่หลังขั้นก่อนหน้า

วิธีนี้ป้องกันการนับการซื้อที่เกิดขึ้นก่อนการสมัครใช้งานที่ตรงกัน

SELECT COUNT(DISTINCT v.user_id) AS visited,
       COUNT(DISTINCT p.user_id) AS purchased
FROM events v
LEFT JOIN events p
  ON p.user_id = v.user_id
  AND p.step = 'purchase'
  AND p.event_time > v.event_time
WHERE v.step = 'visit';

ฟันเนลแยกตามช่องทาง

การแยกฟันเนลตามช่องทางการได้มาช่วยให้เห็นว่าแหล่งใดส่งผู้ใช้ที่เปลี่ยนเป็นลูกค้าจริง ไม่ใช่เพียงผู้ที่คลิก

จัดกลุ่มจำนวนแบบมีเงื่อนไขตามช่องทางเพื่อเปรียบเทียบคุณภาพของแต่ละแหล่ง

SELECT channel,
       COUNT(DISTINCT user_id) FILTER (WHERE step = 'visit') AS visits,
       COUNT(DISTINCT user_id) FILTER (WHERE step = 'purchase') AS buyers
FROM events
GROUP BY channel;

จากข้อมูลเชิงลึกสู่การลงมือทำ

โคฮอร์ตบอกคุณได้ว่าการรักษาผู้ใช้ดีขึ้นหรือไม่จากรุ่นหนึ่งไปอีกรุ่นหนึ่ง ส่วนฟันเนลบอกว่าควรแก้ไขขั้นตอนใดก่อน

ทั้งสองอย่างช่วยเปลี่ยนการตลาดจากการรายงานสิ่งที่เกิดขึ้น ไปสู่การวินิจฉัยสาเหตุและจุดที่ควรลงทุนต่อไป

ตรวจสอบความเข้าใจ

ฟันเนลของคุณนับผู้ใช้ในขั้นเข้าชม สมัครใช้งาน และซื้อสินค้า อัตราส่วนของขั้นตอนที่ต่อเนื่องกันเผยให้เห็นอะไร

ทบทวน

โคฮอร์ตจัดกลุ่มผู้ใช้ตามเดือนเริ่มต้นและติดตามการรักษาผู้ใช้ในแต่ละช่วง โดยใช้ DATE_TRUNC และ AGE ฟันเนลนับจำนวนผู้ใช้ที่ไม่ซ้ำกันในแต่ละขั้นตามลำดับ และเปรียบเทียบอัตราส่วนของขั้นตอนที่ต่อเนื่องกัน

ตอนนี้คุณมีชุดเครื่องมือขั้นสูงสำหรับวินิจฉัยการรักษาผู้ใช้และการเปลี่ยนเป็นลูกค้าด้วย SQL อย่างครบถ้วนแล้ว

คำถามที่พบบ่อย

บทเรียน “คิวรีกลุ่ม Cohort และกรวย” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “คิวรีกลุ่ม Cohort และกรวย” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Digital Marketing Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Digital Marketing Academy มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “คิวรีกลุ่ม Cohort และกรวย”

ตอบคำถามเรื่องการรักษาผู้ใช้ คุณปฏิบัติ Digital Marketing Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Digital Marketing Academy หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน Digital Marketing Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 4 จากทั้งหมด 4 บทเรียน

บทเรียน “คิวรีกลุ่ม Cohort และกรวย” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน Digital Marketing Academy นี้ได้ไหม

ได้ บทเรียน Digital Marketing Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ Digital Marketing Academy