Na samym początku musimy się dowiedzieć, czym tak naprawdę jest kohorta? Kohorta jest to termin pochodzący ze statystyki, który w odniesieniu do Google Analytics oznacza grupy użytkowników, które zostały wydzielone z całego ruchu na stronie na podstawie wspólnej cechy. Obecnie tą cechą jest data pozyskania użytkownika.
Ten raport powinien być wykorzystywany przez osoby analizujące sprzedaż e-commerce – dzięki czemu można poznać “model” zakupowy użytkowników, jak również osoby, które analizują “konsumpcję” treści na blogu czy portalu.
Krotko mówiąc jest to grupa osób, które doznały tego samego doświadczenia w ciągu tego samego przedziału czasu. Czyli są to osoby, które łączy przynajmniej jedna wspólna cecha. Najprostszym przykładem kohorty jest grupa użytkowników, która odwiedza Nasz serwis.
Aby otworzyć raport Analiza kohortowa, należy po zalogowaniu się na konto Google Analitycs wejść do odpowiedniego widoku danych, wybrać kartę „Raportowanie” i na pasku nawigacyjnym ” Raport” wybrać kolejno: Odbiorcy – > Analiza Kohortowa.
Ważną informacją jest iż dane analizy kohortowej są dostępne na wszystkich kontach Analitycs i nie trzeba modyfikować kodu śledzenia. Ja powyższym zdjęciu ukazane jest menu służące do konfigurowania raportu . Pośród opcji możemy wybrać:
- wymiar jaki charakteryzuje kohortę ( Typ kohorty )
- rozmiar kohorty
- dane, które chcemy przeanalizować
- zakres dat
Dzięki temu możemy zobaczyć, jak długo dany użytkownik,
którego pozyskaliśmy konkretnego dnia przebywał na naszej stronie, transakcje danego użytkownika lub generowane przez niego przychody. Warto dodać, że w przyszłości raporty z analizy kohortowej będą rozwijane. Obecnie udostępniono jeden typ kohorty – data pozyskania użytkownika. Nie bez znaczenia pozostaje również jasna, czytelna i przejrzysta forma raportów.
Odczytywanie danych z analizy kohortowej
Dla przykładu będziemy analizować ilość odsłon na stronie ue.katowice.pl/ przez ostatni tydzień jej działania ( 04.11.2016-10.11.2016)
Na początku, warto, krótko opisać co znajduje się na obrazku powyżej. Wykres domyślnie pokazuje skumulowane wartości danych wszystkich kohort. Aby wybrać skumulowaną linię wykresu wraz albo lub liniami wykresu poszczególnych kohort należy użyć menu wybierania. Jeżeli chodzi o kolumny to pierwsza kolumna przedstawia kohorty i liczbę użytkowników w każdej z nich. Dla przykładu jeśli wymiar, za pomocą którego określimy kohorty, to odsłony, jak w tym przypadku, to ta kolumna przedstawia datę odsłon dla każdej kohorty oraz liczbę użytkowników pozyskanych w tym czasie (dzień, tydzień lub miesiąc). Pozostałe kolumny odzwierciedlają okresy czasu wybrane dla Wielkości kohorty.
Przykład: jeśli wybierzesz według dnia, każda kolumna zawiera jeden dzień danych. Takich kolumn jest 13 (0-12). Jak chodzi o wiersze to pierwszy z nich przedstawia łączną wartość danych wszystkich kohort dla każdej kolumny.
Przykład: jeśli wybrane dane to Odsłony, a kolumny przedstawiają dane według dni, pierwszy rząd pokazuje łączną liczbę odsłon na dany dzień. Pozostałe wiersze pokazują wartości dla poszczególnych kohort. Kolejne są komórki. Komórki przyrostu czasu (0-12) zawierają odpowiednie wartości danych.
Przykład: jeśli używasz danych Odsłony, każda komórka zawiera liczbę odsłon dla danej kohorty w danym okresie. Ostanie są segmenty, gdy je zastosujemy w tym raporcie, dane dla każdego z nich zostaną wyświetlone w osobnej tabeli ( dla przykładu ruch z komórek, również dla danych dotyczących odsłon
Zaczynając analizę raportów, na wstępie można powiedzieć iż łączna ilość odsłon wyniosła 48 824. Tydzień zerowy liczony jest od momentu, gdy internauta po raz pierwszy wszedł w interakcję z serwisem. W tym przypadku zawiera sumę odsłon z wszystkich analizowanych okresów. Pozostałe dni (tydzień 1, 2, 3 itd.), traktowane są jako kolejne kohorty. Suma dni jaka została wypracowana przez użytkowników w kolejnych tygodniach przedstawia się następująco:
- dzień 1: 3 591 odsłon
- dzień 2: 2 362 odsłon
- dzień 3: 1 704 odsłon
- dzień 4: 546 odsłon
- dzień 5: 229 odsłon
- dzień 6: 162 odsłon
- dzień 7: 0 odsłon
W kolumnach omawianego raportu zauważymy liczbę dotyczącą metryk, które mierzymy. Przykładowo mogą to być użytkownicy należący do kohorty i odpowiedniego okresu. Intensywność koloru w każdej komórce wizualnie wskazuje odsetek użytkowników w całej kohorcie. Raport z analizy kohortowej służy przede wszystkim grupowaniu użytkowników i porównywaniu ich działań na naszej witrynie. Dzięki temu pozwala dokładnie zbadać zachowanie każdego z nich również w późniejszym czasie i na tej podstawie wyciągnąć wnioski, które kampanie reklamowe i kanały przyciągnęły najwięcej długofalowych i najbardziej „wartościowych” użytkowników.
Analiza kohortowa pozwala zrozumieć zachowanie poszczególnych grup w oderwaniu od wszystkich użytkowników jako całości. Przykłady wykorzystania analizy kohortowej:
- Można analizować poszczególne kohorty pod kątem reakcji na krótkoterminowe działania marketingowe, np. jednodniowe kampanie e-mailowe.
- Można sprawdzić, jak zachowanie i wyniki poszczególnych grup użytkowników zmieniają się z dnia na dzień, z tygodnia na tydzień i z miesiąca na miesiąc, w porównaniu z czasem pozyskania tych użytkowników.
- Można podzielić użytkowników na grupy na podstawie wspólnych cech (np. Daty pozyskania), a następnie przeanalizować zachowanie tych grup pod kątem takich danych jak Zatrzymanie użytkowników czy Przychody.
Analiza kohortowa najbardziej pomocna jest przy analizie wyników ecommerce. Jako iż Uniwersytet ekonomiczny w Katowicach nie ma działalności ecommerce, na potrzeby tego artykułu znalazłem tabelkę w Internecie :
Wielkość kohorty została określona wg. tygodnia. Raport przedstawia przychody uzyskane w sklepie internetowym w kolejnych dwunastu tygodniach od pozyskania klienta. Suma przychodów osiągnęła 2 415 031,34zł, jest to suma przychodów z kolejnych okresów, od kiedy użytkownik wszedł w interakcję ze stroną po razy pierwszy. Kolejną kohortą jest tydzień 1, jest to kohorta w której to użytkownicy powrócili po tygodniu, od momentu pozyskania ich. Patrząc na w/w tabelę użytkownicy, którzy powrócili po tygodniu od pierwszej wizyty na stronie wygenerowali 418 275,08zł. Jak napisane jest wcześniej im ciemniej tym wyższy odsetek, w tym wypadku wyższy odsetek przychodów. Analizując powyższą tabele, najlepiej konwertują użytkownicy pozyskani pomiędzy 30 listopada a 6 grudnia ( prawdopodobnie duży wpływ na taki wynik miało zbliżające się Mikołajki ). W tygodniu zerowym wypracowali oni aż 251 624,12zł. Ci sami użytkownicy w kolejnych dwóch tygodniach dokonali również najwyższej ilości zakupów ( pod względem pieniężnym nie ilościowym ) średnio 65 000zł.
W przypadku ecommerce musimy pamiętać, że ludzie dokonują zakupu na przestrzeni dłuższego okresu niż jeden dzień, wejdą na naszą stronę, ale w większości przypadków od razu nie kupią, tylko sprawdzą konkurencyjne oferty i strony. Dlatego konwersję są rozłożone w czasie. Użytkownicy pozyskani w okresie 30.11-6.12 przez następne 7 tygodni wypracowali ponad 300 000zł.
Przy analizie kohortowej musimy spojrzeć na jedną bardzo ważną rzecz, suma okresów dla każdego tygodnia zmniejsza się. Dla przykładu Dla tygodnia 1 suma ta wynosi 12 tygodni, ale dla drugiego tygodnia ten okres jest mniejszy o1, a więc (x-1) 11 tygodni. Dlatego bardzo ważne jest aby nie porównywać ze sobą sumy przychodów dla każdego z tygodni. Porównywać można dopiero wtedy, kiedy będziemy mieli szczegółowe informacje, a takich informacji możemy oczekiwać po wyliczeniu średniej sumy przychodów w kolejnych tygodniach. Wtedy to dzielimy sumę przychodów przez liczbę tygodni.
Wynikiem tego działania będzie średni przychód w tygodniu 0, a więc w pierwszym tygodniu pozyskania klienta. Dodając liczby z pierwszej kolumny i dzieląc przez 12,dostajemy średni przychód w tygodniu pozyskania klienta, a więc w tygodniu 0.
( 171 254,67 + 234 861,67 + 233 861,47…..+ 168 457,70)/12 = 201 252,53zł
Ale co ciekawego można zauważyć? Dokładnie Ci sami użytkownicy, w ciągu kolejnych 12 tygodni powracają i tworzą średni przychód w wysokości ponad 110 000zł. Dlaczego to takie ważne? Ponieważ patrząc na to przez pryzmat tygodnia zero, jest to dodatkowy przychód, który wynosi ponad 50% przychodu, który firma uzyskała w tygodniu 0. Posiadając takie informacje można zacząć szacować, iż w ciągu kolejnych 3 miesięcy od pozyskania nowego klienta, oprócz przychodu w tygodniu początkowym, jakim jest tydzień 0, uzyskamy dodatkowy dochód w wysokości podobnej do 55%. Takie informacje są bardzo potrzebne do przyszłego planowania strategii czy przewidywania zachowania naszych klientów w przyszłości. A jest to jedna z wielu informacji jakie można wyczytać z google analitycs i analizy kohortowej. To dopiero początek analizowania raportów, można włączyć o wiele bardziej zaawansowane segmenty przy raportowaniu. Każdy kolejny segment który włączymy wyświetla się jako osobna tabela z danymi, wrócę znowu do ue.katowice.pl i na jej przykładzie włączę „ruch z komórek” oraz „użytkownicy z jedną sesją”
Jak widać mamy kolejną tabelką, z której można wywnioskować kolejne wnioski. Analizy nie można dokonywać tylko i wyłącznie dla całego ruchu, aby uzyskać dokładniejsze informacje powinno się rozdzielić i porównać dane chociażby z tabel z płatnym i bezpłatnym ruchem oddzielnie lub sprawdzić i porównać ruch z komórek i komputerów. Analizować tak naprawdę można całe dnie. Dzięki kohortom możemy sprawdzić oraz co ważne porównać wartość wizyty użytkownika. Poznamy jaki średni przychód wypracowuje nam użytkownik, którego pozyskaliśmy z jednego z kanałów jakie ma strona. Na tej podstawie możemy wyliczyć przychód jaki dostajemy po wejściu użytkownika niezależnie czy dany użytkownik zakupił coś na naszej stronie czy też nie.
Jeszcze jednym powodem dla którego warto dodać raporty analizy kohortowej do ulubionych raportów jest możliwość podejrzenia ilości transakcji dla każdego okresu. Jest to kolejna funkcja, która dobrze zanalizowana może pomóc nam oraz firmie w stworzeniu lepszej strategii w przyszłości i sprawdzenia jak różnego rodzaju okazje wpływają na sprzedaż, a także w jakich okresach czasowych, o jakich porach oraz w jakich konkretnie dniach najlepiej jest przeprowadzać różnego rodzaju akcje reklamowe czy promocje na stronie.
Jak dobrze wiemy liczby nigdy nie kłamią. Zatem weryfikacja stale osiąganych wyników w Google Analytics za pomocą raportów analizy kohortowej może przybliżyć nas oraz nasza firmę do sukcesu, a co za tym idzie do zwiększenia naszych zysków.
Padawan GA
Ostatnie wpisy Padawan GA (zobacz wszystkie)
- Google Analytics: E-commerce - 6 grudnia 2017
- Google Analytics: Technologia - 3 grudnia 2017
- Google Analytics: Dane geograficzne - 3 grudnia 2017