Какво представлява кохортният анализ и какви ползи за бизнеса ни може да донесе той
Google Analytics 4 е мощен (и безплатен!) инструмент, който се използва от всеки опитен дигитален маркетолог. Това, разбира се, има своята съвсем логична причина - чрез него можем да получим огромен обем данни, които покриват почти всичко, което бихме искали да знаем за това как посетителите взаимодействат със сайта ни. Една от възможностите за анализ, които ни предоставя Google Analytics 4, е именно кохортният анализ.
Преди да се потопим в дълбокото нека първо изясним какво представляват кохортите - те са група от потребители, които споделят обща характеристика. Тази обща характеристика би могла да бъде възраст на потребителите, пол, дата на първо посещение на сайта, дата на извършена първа покупка и др.
Вземайки предвид тази дефиниция за кохортите, кохортният анализ е процес на анализиране на поведението на тези групи от потребители.
Всъщност, кохортният анализ не е нов метод, ако го разглеждаме извън контекста на маркетинга - от десетилетия той се използва в медицината за наблюдение над групи от пациенти, които са изложени на рискови фактори от здравен характер и имат общи симптоми.
Вероятно вече се питате какви ползи може да донесе кохортният анализ на бизнеса ви и защо да отделите от времето си за него? Отговаряме ви веднага:
Kохортният анализ предоставя ценна информация относно потребителското поведение, позволявайки на бизнесите да вземат информирани решения, свързани с:
- идентифициране на клиентски сегменти, за които е по-вероятно да конвертират или да откликнат на определена маркетингова кампания;
- откриване на възможности за повишаване на лоялността на клиентите;
- проследяване на представянето на нови продукти и кампании, както и идентифициране на потенциални проблеми и области за подобрение.
Как да създадете cohort exploration в GA4?
След като вече се запознахме с това какво представлява кохортният анализ и защо е важно да му отделим внимание, вече е време да се потопим по-дълбоко и да научим как да използваме Cohort exploration в платформата на GA4.
Стъпка 1:
Отворете желаното от вас property, за което искате да създадете cohort exploration.
Стъпка 2:
От навигационната лента вляво изберете “Explore”.
Стъпка 3:
Кликнете на Template Gallery.
Стъпка 4:
Кликнете на шаблон Cohort Exploration.
Възможно е да отнеме няколко секунди за зареждане на екрана, но вече имате нашите поздравления - току-що създадохте първия си Cohort exploration!
Конфигуриране на Cohort exploration
След като вече създадохме Cohort exploration, е време да се запознаем и с гъвкавите възможности за неговото конфигуриране. На екранa ще видите 3 основни секции:
- Variables - съдържа сегментите, величините и метриките, които ще имаме възможност да използваме при конфигурирането;
- Settings - където можем фактически да конфигурираме кохортния анализ;
- Cohort exploration - представя резултатите от анализа в табличен вид.
Нека разгледаме по-подробно всяка от секциите и нейното съдържание.
Таб Variables
В този таб разполагаме с широк обхват от възможности за избор на параметри. Можем да използваме бутона “+”, за да добавим променливи, без значение дали са метрики, сегменти или величини. Можем да използваме както стандартни, така и custom променливи.
Важно е да знаем, че за да бъдат включени в exploration отчета, който създаваме, тези променливи трябва да бъдат прехвърлени в таб Settings, като това се случва чрез drag & drop.
Ето и повече подробности за всеки един от елементите в таб Variables:
Exploration name
Желателно е да дадем ясно и разпознаваемо име на отчета, за да бъде впоследствие по-лесно откриването му в секцията “Explore”.
Date range
Тук можем да изберем периода, който бихме искали да разгледаме в създадения от нас cohort exploration.
По подразбиране периодът е 28 дни назад от датата на създаване на отчета, но има множество възможности за персонализация.
Segments
В тази подсекция можем да използваме включените сегменти по подразбиране или да създадем нови на база на различни критерии - изпълнение на дадено събитие, сходни демографски индикатори и т.н.
Dimensions
Можем да изберем от посочените величини или да добавим други. Този параметър се използва, когато желаем да разбием кохорта на групи по даден критерий (например възраст на потребителите). За целта е необходимо да издърпаме стойността на избраната величина в подсекцията Breakdown от таб Settings.
Metrics
От тази секция можем да изберем различни метрики, за да получим количествена информация за кохортата, която разглеждаме. Най-често използвани са метриките за потребителите (All users, Active users), но според целите на анализа можем да използваме и много други, свързани с транзакции и приходи например.
Таб Settings
Време е да разгледаме и таб Settings, защото тук става наистина интересно - this is where the magic happens!
Чрез настройките в този таб можем да персонализираме анализа на кохортите според конкретните си нужди. За създаване на кохорта можем да определим какво да включим като действия на потребителите (например покупка или първо посещение). Също така, можем да зададем return критерий, да изберем периодичност на анализите (седмична, месечна и т.н.) и метод за изчисляване на резултатите.
Тези настройки ни позволяват да фокусираме анализа върху поведението на отделни групи потребители във времето, както и да получим по-задълбочени познания за тяхната активност.
Нека сега разгледаме и включените в таб Settings подсекции:
Segment comparisons
В тази подсекция чрез drag & drop можем да изберем сегменти от подсекция Segments, които искаме да сравним (например можем да сравним поведението на новите активни потребители, които сме придобили за периода, и които са използвали desktop/mobile устройства).
Cohort inclusion
Тук избираме критерий, спрямо който ще бъдат включени участниците в кохорта.
Има както предефинирани опции, от които да изберем (например “First Touch”), така и възможност за добавяне на други критерии (Others), като например изпълнение на посочени от нас събития.
Всички потребители, които изпълняват условието за включване в кохорта за съответния период, ще се появят в колона “Week 0” в отчета.
Return criteria
В тази подсекция избираме критерий за завръщане в кохорта. И тук можем да избираме от предефинирани и custom стойности. Важно е да се знае, че само потребители, които вече са влезли в кохорта (отговарящи на inclusion criteria), се разглеждат при проверката за покриване на return criteria.
Cohort granularity
Cohort granularity определя какъв времеви интервал ще използваме за анализа на кохортите. Можем да изберем дали искаме да групираме данните по дни, седмици или месеци.
Например, ако изберем седмична грануларност, ще проследим как потребителите, които са направили покупка през дадена седмица, са активни през следващите седмици.
Calculation
Това е важна конфигурация, чрез която посочваме какъв период да се вземе предвид при проверката дали потребителят покрива критерия за завръщане в кохортата (return criteria). Опциите са следните:
- Standard - включват се само потребители, които покриват критерия за връщане в кохортата за посочения от нас период;
- Rolling - включват се потребители, които покриват критерия за връщане в кохортата както за посочения от нас период, така и за предходни периоди;
- Cumulative - включват потребители, покриващи return criteria, без оглед на периода, в който това се е случило.
Изборът на метод на изчисление зависи от целта на анализа: ако искате да видите как се задържат потребителите във всеки период, използвайте Standard; ако искате да разберете кумулативния ефект от задържането през времето, изберете Cumulative. За проследяване на продължителната активност на потребителите във времето най-подходящ е Rolling, тъй като той показва как потребителите остават ангажирани през последователни периоди.
Breakdown
Тази подсекция позволява да разбием кохорта на подгрупи, като за критерии тук се използват зададените в подсекция Variables/Dimensions, които се прехвърлят чрез drag & drop в подсекция Breakdown.
Values
Това е мястото, от което избираме стойностите, които да се виждат в отчета.
Избираме опциите за тях чрез drag & drop от подсекция Variables/Metrics.
Metric Type
Тук избираме дали метриките да се визуализират като сбор (Sum) или като процент (Per cohort user) от общия брой потребители в кохорта.
Пример за използване на Cohort exploration
По-долу бихме искали да ви запознаем с един от множеството примери за използването на Cohort exploration.
Какво искаме да анализираме
В този пример целим да анализираме поведението на потребители, които са направили първоначална покупка и след това са се върнали за повторни покупки.
Основната цел е да разберем какъв процент от тези потребители се връщат във времето и извършват допълнителни транзакции, както и да идентифицираме кои фактори допринасят за това поведение.
Чрез този анализ можем да открием колко ефективни са маркетинговите ни усилия за задържане на клиентите и дали определени промоции или продукти стимулират повторни покупки. Това ще ни помогне да оптимизираме стратегии за лоялност и ремаркетинг.
Създаване и конфигуриране на кохорта
- Създайте Cohort exploration от Explore/Template gallery/Cohort Explorations.
- Изберете следните настройки за конфигуриране:
- Exploration name: Purchase analysis;
- Date range: Last 90 days;
- Cohort inclusion: Others/Purchase;
- Return criteria: Others/Purchase;
- Cohort granularity: Weekly;
- Cohort Calculation: Standard;
- Metric Type: Sum.
Анализ на резултатите
След като вече сме настроили конфигурацията на кохортата, е време да направим анализ на това, което виждаме в отчета.
Групиране по седмици
Всяка редица представлява кохорта от потребители, които са направили покупка в дадена седмица (например кохортата от 16 юли до 20 юли включва 835 потребители).
Стойностите в колоните след това показват колко от тези потребители са били активни в седмиците след първата покупка и са извършили друга покупка. Например от кохортата от 16 юли 39 потребители са били активни през втората седмица след покупката, 44 - през третата и така нататък.
Задържане на потребителите
Както можем да видим, най-високото задържане на потребители е през първите няколко седмици след покупката. Всяка кохорта започва с голям брой активни потребители (например 1,802 потребители за периода 28 юли – 3 август), но след това активността намалява рязко в следващите седмици.
Например, за кохортата от 16 юли (835 потребители), през втората седмица има 39 активни потребители, а към седмица 12 остават само 8 активни потребители.
Тенденция за отпадане
Общата тенденция за всички кохорти показва, че след първите няколко седмици след покупката броят на активните потребители намалява значително, което е обичайно при повечето онлайн бизнеси. Това предполага, че голяма част от потребителите не се връщат след първоначалната покупка или стават неактивни сравнително бързо.
Активност след покупка
За всяка кохорта след четвъртата или петата седмица активността рязко намалява. Това може да означава, че кампаниите за задържане на клиентите или ремаркетингът не са достатъчно ефективни в този период.
Заключение от примерния анализ
Този анализ подчертава необходимостта от стратегии за задържане на клиентите, тъй като голяма част от потребителите не се връщат за повторна покупка. Може би има нужда от по-ефективни ремаркетинг кампании или програми за лоялност, които да насърчат повторното участие на тези клиенти в рамките на първите няколко седмици след покупката.
Как можем да споделим и свалим създадения exploration
Споделянето на създадения expoloration става чрез избор на съответния бутон в горния десен ъгъл на екрана.
Отчетът ще бъде достъпен в read-only вариант за всички потребители, имащи достъпи до съответното property.
Имаме възможност и за сваляне на информацията чрез бутон Download в горния десен ъгъл:
Възможни са следните опции:
- CSV;
- TSV;
- PDF;
- PDF (all tabs);
- Google Sheets.
Заключение
Кохортният анализ в Google Analytics 4 ни предлага ценни възможности за разбиране на поведението на потребителите във времето, което е от критично значение за всеки бизнес.
Чрез използването на този инструмент можем да проследим задържането на клиентите, да анализираме ефективността на кампаниите си и да идентифицираме възможностите за оптимизация на маркетинговите ни стратегии.
Конфигурирането на кохортен анализ в GA4 е сравнително лесно и предлага гъвкавост, за да отговори на различните ни бизнес цели - били те проследяване на повторни покупки или анализ на потребителско поведение по канали. С правилно настроен Cohort Exploration имаме възможности да подобрим своите стратегии за задържане на клиенти, за увеличаване на приходите и за дългосрочен успех.