+38 (067) 360-24-25    office@welldostudio.com

логотип велдо студіо
Зв’язатись

Зв'язок з нами:

Адреса : м. Львів, просп. В'ячеслава
Чорновола, 59

Телефон :+38 (067) 360-24-25

E-mail : office@welldostudio.com Skype : a_kyrychenko

Головна Блог веб студії Welldo Як використовувати когортний аналіз в Google Analytics?
07
жовт
Як використовувати когортний аналіз в  Google Analytics?

Як використовувати когортний аналіз в Google Analytics?

Світовий експерт із веб-аналітики Джастін Картоні є автором цікавої прикладної статті, у якій докладно пояснює, навіщо потрібен когортний аналіз в Google Analytics, як його налаштувати та для чого використовувати. Спробуємо поділитися із Вами деякими матеріалами із цього відмінного матеріалу!

 

Одним із прийомів, який найчастіше використовується в аналітиці, є когортний аналіз.

 

Когорта − це частина користувачів, вибрана за визначеною датою, наприклад, когортою можуть бути користувачі, відібрані за датою їх залучення (в Google Analytics це називається датою першої сесії). Іншою когортою можуть стати користувачі, які здійснили першу покупку у визначений період часу.

Багато звітів в Google Analytics важко використовувалися у зв’язку із відсутністю когортного функціоналу. Протягом довгого часу для того, щоб виділити певну когорту, потрібно було створювати сегментацію − і над цим варто було довго думати. Тепер існує справжній звіт “Когортний аналіз” − і все набагато спростилося.

 

Як працює когортний аналіз?

 

Спробуємо розібратися із усіма складовими звіту “Когортний аналіз”.

Звіт складається із 3 основних частин: налаштувань, даних на часовій діаграмі та даних в таблиці.

*Date Range − інструменти для створення когортного звіту.
*1 selected  − використовуйте цей пункт для зміни графіків. Можна вивести по одній лінії для кожної когортної групи.
*Дані звіту.

 

Тепер поговоримо про налаштування звіту.

 

Існує 4 основних показники, над якими Вам варто задуматися при налаштуванні свого “Когортного аналізу”:

 

1.Тип когорти.

Як вже було зазначено вище, когорта − це вибірка користувачів за датою. Вибираючи тип когорти, Ви обираєте тип дати, за якою Google Analytics побудує звіт. В даний час нам доступний лише один варіант − Дата залучення користувача (Acquisition Date), під якою розуміється дата, коли користувач вперше відвідав Ваш сайт або використав додаток, іншими словами − це дата першої сесії.

 

2. Розмір когорти.

Під розміром когорти розуміється часовий період, який буде використаний як одиниця виміру при перегляді звіту. Якщо Ви оберете “день”, значить, Ви маєте на меті побачити у звіті всіх користувачів, які були залучені в один і той же день. Якщо ж виберете тиждень у якості розміру когорти, це означатиме, що Ви хочете побачити користувачів, які були залучені протягом одного і того ж тижня.

 

3. Метрика.

Цей показник також варто оцінити у звіті. Доступними є як сумарні метрики, наприклад, перегляд сторінок, так і показники за користувачами − сесії або дохід.

Запам’ятайте, що суть аналітики проявляється тут у тому, щоб вибрати визначений показник для когорти (сегмента!) і спостерігати, як він змінювався із часом. Основна ідея полягає у наступному: з’ясувати, чи є якісь зміни у показниках між різними когортами.

 

4. Діапазон дат.

Це часові рамки, обрані для того, щоб побудувати когорту. Коли Google Analytics вибудовує когорту, тоді він використовує саме діапазон дат для визначення часу в типі когорти − у нас це є дата залучення користувача.

 

Якщо Ви назначили часовий діапазон когорти на останні 7 днів (а сьогодні 6 лютого), то Google Analytics підготує звіт за даними від 30 січня до 6 лютого, побудувавши дані для кожної дати залучення користувачів. Ось приклад того, як

Google Analytics розглядає “дні” даних, беручи до уваги, що першим днем залучення користувача було обране 30 січня.

День 0 = 30 січня.

День 1 = 31 січня.

День 2 = 1 лютого.

День 3 = 2 лютого.

День 4 = 3 лютого.

День 5 = 4 лютого.

День 6 = 5 лютого.

День 7 = 6 лютого.

*День 0 − день залучення користувача
*День 1 − наступний день після залучення
*День 2 − другий день після залучення
*День 7 − сьомий день після залучення
 
 

А ось так будуть виглядати дані за “днями” для кожної когорти у таблиці. Зверніть увагу, що в кожній ніші розміщується окрема група користувачів за кожним днем.

*Діапазон дат: 30 січня − 5 лютого
Сьогодні: 6 лютого

           

Запам’ятайте, що у даному випадку мова ведеться про дні, оскільки ми самі обрали “день” у якості розміру когорти. Якщо б був обраний “тиждень”, тоді б ми бачили у графіку тижні; тиждень був би періодом 7 днів, починаючи із вчорашнього дня і далі назад, у минуле.

Зверніть увагу, що часові рамки також відображаються в даних таблиці.

Важлива деталь: в таблиці завжди відображаються 12 колонок з даними і немає значення, який розмір когорти Ви обрали: день, тиждень чи місяць. Колонок завжди буде 12. Чому?

Багато хто думає, що якщо було обрано когорту за днями за 30 − денний період, то можна побачити 30 колонок і 30 рядків − дані для кожної когорти. Але схоже на те, що більшості взагалі не потрібна можливість переглянути кожну комбінацію. Наприклад, небагато можна зрозуміти, якщо поглянути на 17 день когорти із 22 днів загалом.

Але якщо Вам так потрібен цей довготривалий аналіз, то просто використайте більший розмір когорти, наприклад, тиждень − і аналізуйте свої дані.

Кількість даних у звіті залежить від розміру когорти та діапазону дат, які Ви обираєте.

Якщо вибрати щоденну когорту (cohort size = by day), то Ви зможете переглянути дані максимум на 30 днів назад.

Якщо обрати щотижневу когорту (cohort size = by week), то Ви зможете переглянути дані максимально на 12 тижнів назад.

Якщо вибрати щомісячну когорту (cohort size = by month), то Ви зможете переглянути дані максимум на 3 місяці назад.

           

Як працювати з когортним аналізом?

 

Вище ми ознайомилися, з чого складається когортний аналіз, тепер спробуємо розібратися, як проводиться робота з ним. Припустимо, що я блогер, і хочу зрозуміти поведінку користувачів, які читають мене кожного тижня.

З точки зору бізнесу, я хочу, щоб користувачі поверталися на мій сайт (чи додаток!) якомога частіше. Відомості про те, скільки у мене відвідувачів протягом тижня, є дуже корисними.

Першочергово, вибираємо тип когорти − за днем залучення користувача (Acquisition Date). Тут ми нічого іншого поки що не можемо вибрати.

Згодом, оскільки у мене багато публікацій, я вибираю розмір когорти − за днями. В якості показника я обираю “утримування користувача” (User Retention) − це відсоток користувачів, які повертаються на мій сайт (чи додаток!) у визначений день.

І, нарешті, встановлюю діапазон дат на 7 останніх днів.

Тепер звіт для аналізу у мене в руках! А щоб у ньому розібратися, я відразу звернуся до даних у таблиці − під часовим графіком.

Кожен рядок даних є окремою когортою. Я обрав когорти за днями, оскільки окремий рядок представляє той чи інший день. Рядків усього 8 − мій діапазон дат був встановленим на 7 днів, а 8 рядок − це дані зі всіх сесій.

В таблиці вказані дані по утриманню користувачів для кожної когорти протягом останніх 7 днів. Аналізуючи, я шукаю в таблиці ніші, виділені темним кольором. Ви можете зосередити особливу увагу на цифрах, беручи до уваги ті, які є вищими у порівнянні із іншими днями. Проте можна звертати увагу тільки на колір.

У цьому звіті я бачу, що користувачі, які вперше заходили на мій сайт 27 січня, з високою ймовірністю повернулися на наступний день − з набагато більшою вірогідністю, ніж користувачі інших когорт.

*Acquisition Date − це дата, з якої збирається когорта. Дата залучення − дата першого відвідування.
*User Retention − це показник, який використовується для кожної когорти у звіті.
*Date Range − це діапазон дат, який використовується для вибору періоду часу звіту. Він завжди буде починати свій звіт зі вчорашнього дня.
*All Sessions − це і є когорти. Показані 7 когорт за днями, оскільки був вибраний “щоденний” розмір і “останні 7 днів” у якості діапазону дат.
*17, 01% − це ніша із даними за користувачами, які були залучені 26 січня 2015 року. Вона показує дані утримання користувачів на перший день (тобто 27 січня) після залучення. Перефразую: “17, 01% користувачів із тих, які були залучені 26 січня, повернулися на наступний день”. За кольором ніші можна відразу визначити, що тут більше користувачів, ніж у інші дні.
 

Що трапилося із цими користувачами? Чому їхня поведінка так відрізняється від інших? Цікаве запитання!

Поки Ви вивчаєте таблицю, спробуйте поглянути на ці дні з точки зору свого бізнесу. Згадайте про свою маркетингову активність у ці дні. Можливо, були запущені якісь компанії чи акції, які мали вплив на показники?

Може бути так, що Ви зовсім не розумієте, що відбулося. Не турбуйтеся − сегментація допоможе!

 

Сегментація когортного аналізу

 

Що мені дійсно подобається у цьому когортному аналізі, так це можливість сегментувати дані. До звіту можна застосувати до 4 різних сегментів, кожен з яких буде відображатися в окремій таблиці під даними “Усіх сесій”.

Пам’ятайте, що когорта − це сегмент користувачів, заснований на даті. Так що, коли Ви застосовуєте сегментацію у цьому звіті, то просто додаєте ще один її прошарок. Ось такий вигляд мають дані після того, як я сегментував трафік з мобільних пристроїв.

*Нові сегменти, виділені із когорти, з’являються тут − під стандартним звітом.
*Цікаво, що трапилося із користувачами, які були залучені 30 січня?
 

Аналізуючи дані, я порівнюю показники кожного сегменту із загальними показниками усіх сесій. Мені потрібно знайти такий сегмент когорти, який відрізняється від інших.

Я також рекомендую сегментацію за джерелом трафіка чи окремої компанії. Це особливо важливо із врахуванням того, що наш єдиний доступний тип когорти − за датою залучення користувача.

 

Яку когорту вибрати?

 

Сподіваюся, що до цього моменту Ви вже розібралися, як працює цей звіт і як Ви можете його використовувати. Ймовірно, Ви помітили, що це не той звіт, яким необхідно користуватися кожен день. Давайте спробуємо розібрати декілька поширених варіантів когорт, в основу яких покладено різні бізнес − моделі.

Пам’ятайте, наразі ми обмежені єдиним типом когорти − за датою залучення користувачів.

 

Ecommerce

Існує декілька дійсно корисних показників для електронної комерції, які ми можемо проаналізувати в когортному звіті: дохід від одного користувача, кількість транзакцій користувача, загальний дохід (Revenue).

Не забувайте, що когорта все одно буде вибудовуватися за датою, коли клієнт вперше відкрив Ваш сайт чи додаток.

Пам’ятайте про степінь деталізації когорти, а також про часовий цикл покупки.

Якщо Ви хочете зрозуміти поведінку користувачів, які купують дорогі товари, але роблять це не так часто − то період 7 днів може виявитися не таким вже й корисним. Використайте режим тижневої когорти і перегляньте дані за 10+ тижнів.

  • Тижнева когорта (Weekly Cohort), дохід на користувача (User revenue), останні 12 тижнів (last 12 weeks).
  • Тижнева когорта (Weekly Cohort), транзакції на користувача(Transactions per User), останні12 тижнів (last 12 weeks).

 

Якщо Ваші користувачі купують не дуже дорогі товари, то, скоріш за усе, роблять це частіше. Ви можете використати режим щоденної когорти за останні 30 днів.

  • Щоденна когорта (Daily Cohort), дохід на користувача (User revenue), останні 30 днів (last 30 days).
  • Щоденна когорта (Daily Cohort), транзакції на користувача (Transactions per User), останні 30 днів (last 30 days).

 

Спробуйте додати сегментацію за товаром. На цьому графіку я додав сегментацію за визначеним товаром і зауважив, що загальний дохід зріс на п’ятий день після першого відвідування.

Спробуйте і сегментацію за доходом на окремого користувача. Шукайте найцінніших та найменш цінних клієнтів. Як з часом змінюється їхня поведінка залежно від дати їх залучення?

 

Покупки в додатках

Це область, в якій когортний аналіз проявляє себе вповні. Це неймовірна можливість зрозуміти поведінку користувачів після того, як вони вперше скористаються Вашим додатком.

Модель покупок у іграх та додатках значно відрізняється від традиційної у E-commerce − покупки в додатках є значно дрібнішими, проте, зазвичай, робляться частіше. Я поглянув би на когорти:

  • Щоденна когорта (Daily Cohort), дохід на користувача (User revenue), останні 7/14/30 днів (last 7/14/30 days).
  • Щоденна когорта (Daily Cohort), транзакції на користувача (Transactions per User),  останні 7/14/30 днів (last 7/14/30 days).

 

Я також хотів би знати, наскільки залучені користувачі, які не роблять покупок. Я зможу зрозуміти, чи користуються вони взагалі додатком. Створюємо наступні когорти:

  • Щоденна когорта (Daily Cohort), кількість сесій на користувача (Sessions per Users), останні 7/14/30 днів (last 7/14/30 days).
  • Щоденна когорта (Daily Cohort), довжина сесії на користувача (Session Duration per User), останні 7/14/30 днів (last 7/14/30 days).

 

Після цього використайте додаткову сегментацію за доходом на користувача = 0 (Revenue per User = 0).

 

Видавці (комп’ютери та мобільні)

Для видавців я рекомендував би розібратися із залученням користувачів за часом. До речі, у нас якраз є показники, які ми можемо використати для побудови когорти. Спробуйте наступні:

  • Щоденна когорта (Daily Cohort), кількість сесій на користувача (Sessions per User), останні 7/14/30 днів(last 7/14/30 days).
  • Щоденна когорта (Daily Cohort), утримання користувача (User Retention), останні 7/14/30 днів (last 7/14/30 days).
  • Щоденна когорта (Daily Cohort), переглядів сторінок на користувача (Pageviews per User), останні 7/14/30 днів (last 7/14/30 days).
  • Щоденна когорта (Daily Cohort), довжина сесії на користувача (Sessions Duration per User), останні 7/14/30 днів (last 7/14/30 days).

 

Якщо в Google Analytics є дані про дохід, наприклад, через AdSense чи інші джерела, я раджу скористатися і когортами подібними до тих, які використовуються для транзакцій у додатках.

Не забувайте про свій графік публікацій. Якщо мова іде про New York Times чи Wall Street Journal, де велика кількість контенту публікується кожен день, то варто звернути увагу на діапазон дат − 7 днів. Проте, якщо Ви блогер, який лише декілька разів на місяць публікує нову статтю, то, ймовірно, Вам більш підійде діапазон у 21 чи 30 днів.

 

Лідогенерація

Як і в минулих звітах, Ваша когорта по лідогенерації буде залежати від  того, скільки часу, в середньому, необхідно Вашому бізнесу для отримання ліду. Якщо Ви продаєте дорогий товар, то спробуйте тижневу когорту і довгий діапазон дат. Якщо ж Ваш товар є недорогим, скористайтеся щоденною когортою з більш коротким часовим діапазоном.

Складністю є відсутність показника конверсії визначеної цілі. Необхідно переглядати “Досягнення цілі” (Goal Completions), яке покаже Вам всі налаштовані цілі, а я передбачаю, що їх у Вас є декілька.

Найкращим варіантом при лідогенерації є перегляд показників залучення. Шукайте когорти, які показують найбільше залучення за часом і кількістю сесій на користувача із врахуванням усіх Ваших цілей.

Сподіваюсь, тепер Вам стало зрозуміло, навіщо використовувати когортний аналіз і як це робити в Google Analytics.

Ще одна порада наостанок.

Використовуйте ярлики, щоб зберігати визначені звіти. Це зекономить багато Вашого часу! Ви вже звернули увагу, що для кожного звіту необхідно зазначати параметри? Якщо Ви часто звертаєтеся до когорного аналізу, то зекономте свій час − використовуйте ярлики. Потім Ви зможете повернутися до цих звітів за один клік.

1. Виберіть налаштування.
2. Створіть ярлик.
3.Ваш звіт збережеться в цьому списку.
 

Когортний аналіз − унікальна можливість зрозуміти, як поводять себе різні групи користувачів, об’єднані однією датою. Сподіваюсь, що Ви спробуєте когортний аналіз і переконаєтеся, наскільки він корисний.

 

 Переклад статті "Understanding the Google Analytics Cohort Report" by Justin Cutroni.

Залишити коментар

Архів