Google Analytics: Analiza kohortowa

Chcesz dowiedzieć się czy twój biznes się opłaca? Najnowsze analizy potrafią wskazać kanały ruchu na twojej stronie, które pomimo poniesionych kosztów marketingowych są zbyt krótkotrwałe i generują przychody jedynie podczas kampanii. Dlaczego tak się dzieje? Jeśli chcesz zatrzymać swojego klienta i zarabiać na nim w długofalowej kampanii, zacznij analizować kohorty a na pewno nie pożałujesz.

Zaczynając od ciekawostek historycznych – Kohorta była podstawową jednostką taktyczną Legionu Rzymskiego po reformach Gajusza Mariusza w 107 r p.n.e. Początkowo rzymski legion składał się z dziesięciu kohort, z których każda składała się z 480 mężczyzn. Dzisiaj używamy terminu kohort, aby analizować dane generowane w Google Analytics.

Czym jest kohorta w naszym mniemaniu?

Dla naszych celów kohorty to łatwy sposób grupowania ludzi, jeśli po raz pierwszy odwiedzasz stronę internetową 19 lutego wówczas należysz do kohorty z 19 lutego ,a także do kohorty 3-go tygodnia lutego i kohorty miesiąca lutowego. W ten sposób możesz być częścią więcej niż jednej kohorty, ale wszystko nadal będzie opierać się na tej dacie, w której zostałeś pierwszy raz pozyskany.

Co to jest analiza kohortowa?

Analiza kohortowa sprawdza określoną przez nas grupę ludzi, w określonym przedziale czasowym, rozróżniając ich zachowania. Pomyśl o tym w ten sposób. Jeśli wyślesz e-mail do 100 osób, niektórzy kupią Twój produkt pierwszego dnia, mniej w drugim dniu, jeszcze mniej w dniu trzecim itd. Jeśli jednak wyślesz kolejną wiadomość e-mail do 100 osób tydzień później, kupią twój produkt w dniu zerowym. Kohorta może pomóc ci w porównaniu potencjalnych nabywców w zależności od drogi i czasu, w którym zostali pozyskani, w celu porównania ich zachowania.

Być może pierwszy e-mail przyciągnął ludzi lepiej w pierwszym dniu, ale znacznie gorzej w dniu drugim lub trzecim. Może ludzie, którzy przybyli w drugim tygodniu lutego, mają znacznie wyższy wskaźnik Retencji (wracają do Twojej witryny) niż jakikolwiek inny w innym tygodniu. Analiza ta może pomóc wskazać różnice w pomiarach, takich jak zaangażowanie, zachowanie lub reakcja na działania marketingowe i trendy. Różnice te mogą prowadzić do zadawania właściwych pytań.

Przeprowadzając takie badanie można uzyskać odpowiedź na:

  • Jak staż użytkowników mojej strony wpływa na ilość zamówień?
  • Jak zmiany dokonane w serwisie wpływają na grupę osób z określonym stażem?
  • Możesz podzielić użytkowników na grupy na podstawie wspólnych cech, a następnie przeanalizować zachowanie tych grup pod kontem takich danych jak Przychody czy zatrzymanie użytkowników.
  • Jak aktualne działania marketingowe wpływają na cele biznesowe?
  • Można sprawdzić, jak zachowanie i wyniki poszczególnych grup użytkowników zmieniają się z dnia na dzień, z tygodnia na tydzień oraz z miesiąca na miesiąc, w porównaniu z czasem pozyskania tych użytkowników.

Jak odczytać dane z raportu „ Analiza kohortowa”?

Jeśli odpowiednio skonfigurowaliśmy nasz raport i w panelu ukazał się wykres wraz ze znajdującą się pod nim tabelą wypełnioną danymi możemy rozpocząć naszą zabawę z analizą danych. Jeśli to twój pierwszy kontakt z analizą kohortowa, pozwól mi przeprowadzić cię przez jej podstawowe funkcje. Jeśli wcześniej nie zgłębiłeś tematu kohort w Google Analytics . Nie martw się jej interpretacja nie jest aż tak trudna jak mogło by się wydawać, na samym początku musimy przyjrzeć się temu jak jest ona zbudowana.

Pierwsza z kolumn odnosi się do wcześniej wyznaczonych kohort i zawiera ważne informacje o ich liczebności oraz zakresie dat, na bazie których powstały. Następne kolumny przedstawiają konkretne okresy czasu uzależnionych od tego jaką wielkość kohorty ustaliliśmy. Mogą odnosić się do kolejnych dni, tygodni a nawet miesięcy. Spójrzmy z kolei na pierwszy, znajdziemy w nim zbiorcze podsumowanie danych dotyczących wszystkich kohort i odnoszące się w kolejnych kolumnach. W następnych wierszach znajdziemy dane dla kolejnych kohort stworzonych na podstawie wcześniej ustalonych kryteriów.

Google Analytics

Na wskazanym przykładzie widzimy trzy grupy użytkowników kohorty. Każda z podanych grup zawiera w sobie użytkowników, którzy w wybranym okresie czasu odwiedzili nasza witrynę po raz pierwszy. Jak widać mamy 16 963 użytkowników, którzy po raz pierwszy zagościli na naszej stronie w okresie 4 – 10 Grudnia 2016 , 15 567 użytkowników w okresie 11 – 17 Grudnia oraz 12044 użytkowników dla okresu 18 – 24 Grudnia. W pierwszym wierszu zsumowana ilość użytkowników pozyskanych w okresie 4 – 24 Grudnia wyniosła 44574.

W tym momencie powinniśmy sprawdzić tabelę, nieco bardziej w prawą stronę na dane zawarte w tym miejscu. Wybrane zostały nie przypadkiem przychody jako główny miernik wybranej przez nas kohorty i to właśnie one są widoczne w następnych kolumnach na zamieszczonym screenie.

Łatwo można zauważyć iż w tygodniu zerowym wszystkie nasze kohory wygenerowały dane które odzwierciedlają przychód w dolarach w danym okresie. W zerowym wyniósł on 244444,73 dolarów, w tygodniu pierwszym było to już 46008,49 dolarów, a w tygodniu drugim już tylko 7738,22 dolary., nie wspominając o tygodniu trzecim który wygenerował 0$. W tym momencie i miejscu musimy zwrócić naszą uwagę na to w jaki sposób liczone są w podanym przykładzie wspomniane przez nas tygodnie. Tydzień zero jest bowiem tygodniem liczonym od momentu pozyskania użytkownika, analogicznie jest z kolejnymi tygodniami, gdzie tydzień pierwszy to okres 8 -14 dni od momentu pozyskania użytkownika. Rzecz jasna analogicznie sytuacja wygląda gdy dokonujemy analizy po dniach lub miesiącach.

Gdy będziemy interpretować dane powinniśmy zwracać uwagę na istotne fakty, z racji iż kohory, są wyznaczane na podstawie daty nich pozyskania z ostatnich dni, tygodni a także miesięcy, lecz nie dla każdej kohory jesteśmy w stanie przypisać określoną datę.

Aby wytłumaczyć musimy przytoczyć wcześniej prezentowany screen:

Google Analytics

Osoby które szczegółowo przeanalizowały zamieszony obraz z pewnością zwróciły uwagę na fakt, że począwszy od pierwszej wyznaczonej kohorty wraz z każdą kolejną prezentowany jest o jeden przedział czasowy mniej. Biorąc po uwagę kohortę dla daty jej pozyskania 4 – 10 Grudnia widzimy pola tygodnia 0,1,2,oraz pole 3 dla kolejnej kohorty już tylko do tygodnia 2, a dla jeszcze następnej tylko do tygodnia 1 itd.

W przypadku gdy mówimy o analizie przychodów znacznie lepszym rozwiązaniem aby obiektywnie analizować te dane jest spojrzenie na średni przychód generowany przez jednego użytkownika.

Analizując kohorty, skupiaj się na segmentacji danych, porównuj je względem siebie. Zestawienie różnych źródeł promocji (Organic, PPC, Facebook, itd.) umożliwiają analizę przychodów, jakie są generowane na Twoim serwisie z różnych kanałów promocji. Dzięki zastosowaniu analizy kohortowej względem różnych segmentów, uzyskasz informacje, jakie źródło przynosi Twojemu serwisowi lojalnych i zaangażowanych odbiorców.

Jako przedsiębiorca zapewne wiesz, ile wynosi średni koszt kliknięcia w reklamę, dlatego też polecam Ci porównać uśrednioną wartość jednej wizyty jaka przypada na użytkownika (tzw. koszt pozyskania klienta). Dowiesz się ile średnio wypracowuje jeden użytkownik z wybranego źródła promocji.

Do czego wykorzystać dane z raportu „Analiza kohortowa”?

Korzystają z analiz kohortowych przede wszystkim powinniśmy patrzeć na nie przez pryzmat możliwości dojścia do konkretnych wniosków mogących wpłynąć na nasz biznes. Same dane nie są dla nas wiele warte gdy nie potrafimy dostrzec płynących z nich dla nas konkretnych informacji.

Na podstawie danych jakich dostarcza nam analiza kohortowa możemy choćby przeanalizować „czas życia” klientów i wyciągnąć konkretne wnioski co do tego kiedy należy podejmować już jakieś działania mające na celu ponowne zaangażowanie użytkowników. Odniesienie tego do kryterium na podstawie, którego tworzone są kohorty a więc daty pozyskania pozwoli nam również przeanalizować czy poczynione przez nas w serwisie zmiany wpłynęły pozytywnie na okres aktywności odwiedzających nas osób.

Za sprawą raportu „Analiza kohortowa” mamy też możliwość spojrzenia na efektywność naszych kampanii marketingowych. Daje to bowiem możliwość oceny czy na przykład użytkownicy pozyskiwani w czasie trwania naszej akcji marketingowej generują więcej transakcji w naszym serwisie. Możemy również przyjrzeć się temu jak nasze działania przekładają się na retencję użytkowników.

Czy analiza kohortowa posiada wady?

Po głębszej analizie kohort w Google Analytics dla strony makeupbys.pl można zauważyć, że Retencja nie jest zbyt oczywista dla naszej domeny. Gdyż ruch na tej domenie jest po prostu bardzo stabilny, bez względu na wybrany zakres dat. Prawdopodobnie dzieje się tak dlatego iż mamy slaby napływ nowych odwiedzających , a każdy wzrost to tylko niewielka zmiana procentowa.

A więc jeśli zmiany w procentach są zbyt małe i mieszczą się w zakresie pomiędzy 3,5% i 4,5% i mają ten sam odcień w tabeli, trudno jest zatem określić prawdziwe różnice.

Co więcej w Google Analytics istnieje za mało rodzajów kohort, miejmy nadzieje że ta funkcja przejdzie z fazy BETA do pełnej sprawności w jak najbliższym czasie.

Podsumowując ten wprowadzający materiał

Oczywistą sprawą jest iż pozyskiwanie tego typu danych było możliwe dużo wcześniej, zanim w Google Analytics pojawił się raporty kohortowe. Proces dojścia do wniosków był jednak dużo bardziej żmudny niż jest w tym momencie. Wymagał umiejętnego wykorzystania segmentów do filtrowania naszych danych odnoszących się do wyznaczonych grup użytkowników w określonym czasie. Mimo wszystko korzystając z analizy kohortowej warto nadal korzystać z segmentów bowiem mogą one się okazać niezwykle użyteczne.

Musimy pamiętać o zasadzie która nigdy nie przestanie być „stara”, a mowa tu o „segmentuj albo giń”, który w tym wypadku również ma zastosowanie a korzystanie z analizy kohortowej dla danych dotyczących wszystkich użytkowników serwisu nie zawsze da nam pełny obraz sytuacji. Bardzo często do naprawdę ciekawych danych dotrzemy wówczas gdy przystąpimy do bardziej złożonej analizy uwzględniającej choćby różne kanały dotarcia użytkowników do strony. Dopiero wtedy może się bowiem okazać, że na przykład użytkownicy pozyskiwani z organicznych wyników wyszukiwania wydają u nas więcej i generują więcej transakcji niż Ci pochodzący z mediów społecznościowych.

A więc zabierajmy się do pracy, gdyż ciągła analiza naszej witryny może doprowadzić nas do sukcesu z którego będziemy dumni przez resztę życia.

The following two tabs change content below.

Padawan GA

Student na Uniwersytecie Ekonomicznym w Katowicach. Dopiero się uczy, więc mógł popełnić błędy w artykule.

Ostatnie wpisy Padawan GA (zobacz wszystkie)

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *