زمانی که حسابی خودتان را در دنیای آنالیز دیتا (Data Analytics) غرق کنید، حتما با این سوال مواجه می‌شوید که بین سگمنت (Segment) و کوهورت (Cohort) چه تفاوت‌هایی وجود دارد؟ هم Segment و هم Cohort بخشی از داده‌ها هستند و ظاهرا با یکدیگر تفاوتی ندارند. خودم هم تا همین چند وقت پیش نمی‌دانستم این دو موضوع چه فرق‌هایی با هم دارند. اما تفاوت‌هایی بین این دو مفهوم وجود دارد و استفاده از اسم‌های متفاوت برای آنها با دلیل و منطق صورت گرفته است. می‌خواهم به شکل خیلی ساده، مفاهیمی را که در جریان جستجوهایم یاد گرفته‌ام، توضیح بدهم.
تفاوت بین عام و خاص
می‌توان گفت Cohort به نوعی همان Segment است که به صورت ویژه‌تری به آن نگاه شده است. حالا این چیزی که گفتم یعنی چه؟ حرف‌ام به این معنا است که هر Cohort اساسا و ذاتا یک سگمنت است؛ اما سگمنتیشن (Segmentation) در آن بر مبنای ویژگی‌های جزئی‌تری صورت گرفته است. اگر با دنیای برنامه‌نویسی آشنا باشید، حتما با مفهوم Specificity آشنایی دارید. با این مقایسه می‌توان گفت که Cohort از Segment خیلی Specificتر است. امیدوارم که موضوع برایتان جا افتاده باشد و بیشتر گیج نشده باشید.
یک مثال می‌زنم: فرض کنید تعدادی از آدم‌های جامعه دارای مدرک کارشناسی باشند. از این تعداد، عده‌ای هستند که مدرک کارشناسی مهندسی صنایع دارند. عده‌ای هم هستند که مدرک کارشناسی مهندسی صنایع را از دانشگاه امیرکبیر گرفته‌اند. می‌بینید؟ هر چه جلوتر می‌رویم، داریم سگمنت‌بندی جزئی‌تری انجام می‌دهیم. حالا می‌توانیم بگوییم هر یک از این موارد یا ترکیب آنها با یکدیگر می‌توانند یک سگمنت از جامعه‌ی ما را تشکیل دهند. اما آیا می‌توانیم بگوییم این بخش از جامعه، یک کوهورت است؟ جواب سوال منفی است و دلیل‌اش را در قسمت بعدی با هم مرور می‌کنیم.
افرادی که درون یک Cohort قرار می‌گیرند، باید کار مشخصی را در یک زمان مشخص یا در جریان یک یک رویداد مشترک انجام داده باشند.
زمان؛ عامل جدایی
یکی از موارد جزئی که در حین جدا کردن کوهورت‌ها حتما باید در نظر گرفته شود، زمان است. افرادی که درون یک Cohort قرار می‌گیرند، باید کار مشخصی را در یک زمان مشخص یا در جریان یک یک رویداد مشترک انجام داده باشند. دوباره مثال قبلی درباره‌ی دانشجویان را در نظر بگیرید. اگر به هر مورد از موارد ذکرشده در آن مثال، یک سال وقوع اضافه کنیم، یک کوهورت ساخته‌ایم. مثلا افرادی که در سال ۱۳۸۴ مدرک کارشناسی گرفته‌اند یا آنهایی که مدرک کارشناسی مهندسی صنایع را در همان سال دریافت کرده‌اند. پس برای اینکه یک کوهورت داشته باشیم، حتما باید این اشتراک زمانی را لحاظ کنیم. یک مثال دیگر هم می‌زنم تا موضوع بهتر در ذهن‌تان جا بیفتد. می‌توانیم بگوییم افرادی که تماشاچی فینال جام جهانی سال ۲۰۱۸ روسیه بوده‌اند هم در یک کوهورت قرار می‌گیرند.
بالاخره عامل تفاوت Cohort و Segment چه بود؟
تفاوت بین این دو مفهوم حالا باید برایتان روشن شده باشد. Cohort و Segment هر دو برای جدا کردن بخشی از داده‌ها به کار می‌روند. تنها تفاوت‌شان هم در این است که سگمنت کردن بر اساس هر چیزی ممکن است (چه عامل زمانی و چه غیر زمانی)؛ اما در کوهورت، حضور داشتن اشتراکات زمانی ضروری است. با این منطق می‌توانیم بگوییم هر کوهورت یک سگمنت است؛ اما هر سگمنت لزوما کوهورت نیست! پس آن بخشی از جامعه که در سال ۱۳۸۴ مدرک کارشناسی رشته‌ی مهندسی صنایع گرفته است، هم یک سگمنت است و هم یک کوهورت. اما دارندگان مدرک کارشناسی مهندسی صنایع، تنها یک سگمنت را تشکیل می‌دهند.
هر کوهورت یک سگمنت است؛ اما هر سگمنت لزوما کوهورت نیست.
کوهورت‌ها کجا به درد می‌خورند؟
با استفاده از تحلیل کوهورت (Cohort Analysis) می‌توان داده‌ها را بر اساس اتفاقات زمانی تحلیل کرد. دیدن ترندهایی که در زمان‌های خاصی می‌آیند و می‌روند، به تحلیل‌گران اجازه می‌دهد تا تصمیم‌های بهتری برای آینده بگیرند. مثلا می‌توان با تحلیل کوهورت به این درک رسید که عملکرد یک کانال دیسپلی (Display) در مقایسه با کانال‌های دیگر در یک بازه‌ی زمانی مشخص چه روندی داشته است.
یا مثلا می‌توان تحلیل کرد که میزان ارزش طول عمر مشتری (LTV) در طول زمان چه تغییری داشته است. هر مارکتری برای بهتر کار کردن به چنین دیتاهای ارزشمندی نیاز خواهد داشت.
منبع عکس کاور این نوشته، Unsplash است.