컴퍼스 차트 해석, 2부: 상관관계와 코호트

이 문서에서는 상관 관계와 이를 컴퍼스 차트에 어떻게 적용하는지, 그리고 그 결과로부터 코호트를 만드는 방법에 대해 설명합니다. 컴퍼스 차트 해석, 1부를 참조하여 컴퍼스 차트를 읽고 해석하는 방법에 대한 자세한 내용을 확인하십시오.

상관 관계 이해

상관 관계는 두 통계 변수가 서로 어떻게 관련되어 있는지를 측정합니다. 가능한 값 범위는 -1에서 1까지입니다. 점수가 0이면 변수 간에 통계적 관계가 없음을 나타냅니다. 점수가 1이면 완벽한 양의 상관 관계를 나타내며, 점수가 -1이면 완벽한 음의 상관 관계를 나타냅니다.

Amplitude는 상관 관계 점수를 다음과 같이 분류합니다.

• 예측 능력이 매우 높음: |correlation| >= 0.4.
• 적당한 예측 가능성: 0.3 <= |correlation| < 0.4.
• 약간 예측가능: 0.2 <= |correlation| < 0.3.
• 예측 불가능: |correlation| < 0.2.

컴퍼스 차트에서 상호 연관시킬 두 가지 변수는 다음과 같습니다.

• 사용자가 해당 이벤트를 특정 횟수 이상 트리거했는지 여부입니다.
• 사용자가 대상 코호트에 유지되었는지 여부.

상관 관계에 대한 다양한 변형과 정의에 대해 들어본 적이 있을 것입니다. 잘 알려진 예로는 매튜스 상관관계, 피어슨 상관관계, 파이 계수 및 R-값이 있습니다. 이 경우 컴퍼스는 이진 확률 변수 쌍을 조사하기 때문에 이러한 모든 방법은 동일한 결과를 생성합니다.

상관 관계는 인과 관계가 아니므로 컴퍼스 분석을 통해 형성된 가설을 테스트하고 확인하십시오.

상관 관계가 여기에서 사용하기에 적합한 지표인 이유

사용자의 '아하 모먼트'를 포착하는 지표를 찾고 있다면 특정 임계값을 넘는 사용자는 대부분 유지되고, 임계값 이하의 사용자는 대부분 유지되지 않는 지표를 원할 것입니다. 이러한 지표는 양성 예측 값(PPV)이 양호한 임계값을 갖습니다.

또한 이 임계값을 넘어 사용자를 이동시키는 것이 얼마나 쉬운지 고려해야 합니다. PPV 및 NPV가 높은 임계값을 발견했지만 이를 통해 사용자를 이동시키기가 어려운 경우 이 지표는 사용자 기반 확대에 크게 도움이 되지 않습니다. 이를 나타내는 징후는 사용자 중 극소수만이 임계값을 넘었거나 거의 모든 사용자가 이미 임계값을 넘었을 때입니다. 항상 그런 것은 아니지만, 보다 구체적인 정보가 없는 경우 일반적으로 타당한 가정입니다.

컴퍼스는 상관 관계를 사용하여 이러한 임계값을 찾습니다. 이는 상관 관계가 PPV, NPV 및 임계값 이상의 비율을 설명하기 때문입니다. PPV가 높거나 NPV가 높거나 임계값을 초과하는 사용자 비율이 50%에 가깝다면 상관 관계도 높아집니다. PPV가 낮거나 NPV가 낮거나 임계값을 초과하는 사용자 비율이 50%에서 더 멀어지는 경우 상관 관계는 낮아집니다.

결과를 바탕으로 코호트 생성

_코호트 생성_을 눌러 결과로부터 코호트를 생성할 수 있습니다. Amplitude는 코호트의 리텐션과 신규 사용자 리텐션을 자동으로 비교합니다.

이 비교는 Any Active Event가 아닌 Any Event을 기반으로 합니다.

표시 (상관 관계 테이블 옆)를 클릭하면 기본 코호트의 사용자 수가 네 가지 범주(참 양성, 거짓 양성, 거짓 음성, 참 음성) 각각에 대해 표시되는 상세 분할표가 나타납니다.

또한 _표시_를 클릭하여 코호트에 대한 상세 통계를 볼 수도 있습니다(상세 통계 옆).

이러한 통계에 대한 자세한 내용은 컴퍼스를 사용하여 회사의 변화 지표 찾기에서 확인하십시오.

다음으로, 컴퍼스를 사용하여 사용자 여정에서 그로쓰를 촉진하는 데 중요한 순간을 식별하는 방법에 대한 헬프 센터 문서를 참조하십시오.