En titt på: Cohort-analyse i Google Analytics

Google Reports er blant de enkleste, men mest brukte og mest effektive analysverktøyene blant kresne webmastere. En av de siste rapportene som er lagt til under Google Analytics, er Cohort Analysis Report .

Denne rapporten er ekstremt nyttig for bedriftseiere, da det bidrar til å avdekke de viktige fakta som bidrar til å forstå kundeadferdene og hvordan de skal beholde dem for å øke fortjenesten . Selv om webmastere er bundet til å føle tilbøyeligheten til å hoppe på analysene på grunn av den fantastiske forretningskunnskapen som skal oppnås, er det fornuftig å ta ting sakte.

I dagens innlegg, en første av to deler, gir jeg en grunnleggende forståelse av Cohort Analysis-funksjonaliteten i Google Analytics, og kjernevennene til hvordan analysene mashes opp data for å knuse våre hemmeligheter. I tillegg berører jeg noen praksis for å hjelpe deg med å forberede kohortanalysene dine flittig, og bruke det samme for målbare forretningsfordeler.

Når du plukker opp nyansene til et forretningsmessig resultat, sentriske kohortanalyser, utfører vi trinnene i den andre delen.

Hva er kohortanalyse?

Første ting først; en kohorte er bare en gruppe, et segment eller en kategori av objekter som har vist vanlig oppførsel, attributter eller erfaringer innenfor en bestemt tidsramme .

Så, en kohortanalyse er studien fokusert på aktivitetene i en bestemt kohort . For eksempel, hvis du måtte beregne gjennomsnittlig inntekt for ansatte i et bestemt selskap i løpet av en fireårsperiode etter rekruttering, ville du effektivt gjennomføre en kohortanalyse.

Selv om mange godtar de smarte funksjonene som er innlemmet i Google Analytics, har mange webansvarlige og nettanalytikere også vært tøffe på grunn av den tilsynelatende mangelen på Cohort-funksjonalitet, noe som ville ha økt sin appell betydelig.

Unveiling hemmelighetene bak rå data

En unik egenskap ved en kohortanalyse er at egenskapene eller egenskapene til brukerne er tidsbundne ; Det har blitt fastslått at enda en enkelt bruker kan vise forskjellige egenskaper over forskjellige tidsrammer .

For eksempel kan den samme brukeren kjøpe produkt X i januar måned, men kjøpe produkt Y i februar. Fra et e-handelsperspektiv kan en bestemt bruker logge inn på nettstedet ditt på mandag via en bærbar PC, men besøk igjen på tirsdag via en smarttelefon.

Timing er avgjørende, og kohortanalyser fanger dette.

Nå definerer Google Analytics brukerattributter i sine detaljerte rapporter - både primær og sekundær - når det gjelder "dimensjoner", inkludert land, by, trafikkilde, søkeord, produkt og så videre. Så alle brukere som har besøkt nettstedet ditt fra et bestemt land, tilhører en felles "country" kohorte og alle brukerne som kjøpte et produkt X tilhører en produkt X-kohorte .

Den samme brukeren kan være medlem av flere kohorter samtidig, avhengig av hvordan du segmenterer og tolker dataene .

Et annet interessant faktum er at en kohortanalyse blir mer interessant når kohorter blir sammenlignet over en periode .

Denne rapporten finner du under Målgruppe-delen som vist på skjermbildet nedenfor:

Bruke kohortanalyse - Grunnleggende

Bedriftsfordelene som en detaljert kohortanalyse kan velsigne deg med, er uansett. Cohort-analyse er en velsignelse for e-handel nettsteder.

Nettsteder som Myntra, Snapdeal, Couponmachine osv. Utnytter det til å forstå brukeradferd og abonnement patrons over tid. Selvfølgelig er det bare ett av programmene; Det er et hav av kunnskap gjemt på den andre siden av en godt utført kohortanalyse.

Trinn 1: Foreløpig spørsmål

Først og fremst, som en analyse, bør kohortanalysen begynne med et spørsmål . Det spiller ingen rolle om det er den kvintessige "hvorfor salget stiger eller faller", den forventende "hva er den beste tiden eller sesongen for å lansere en ny annonse", eller perfeksjonismen? Hvor tidlig skal et e-handelsnettsted sende ut e-post før en ferie eller arrangement for å få det høyeste antallet salg "?

Når du har bestemt deg for spørsmålet, vil du også vite hva du vil måle i analysen.

Trinn 2: Zeroing inn på felles kjernegenskaper

Å identifisere den vanlige karakteristikken som definerer kohorten du vil måle, er et annet viktig skritt for å hjelpe deg med å få det du leter etter.

Faktisk, hvis det gjøres riktig, kan en kohortanalyse gå så langt som å hjelpe deg med å klargjøre og etablere forretningstrender, slik at du kan fortsette. Disse rapportene vil hjelpe deg med å nå noen svært åpenbare konklusjoner angående butikken din eller e-handel.

En spesiell funksjon som du virkelig vil like om Cohort-rapporten, er dens evne til å segmentere data . Du kan søke på flere segmenter i rapporten, og hvert segment vil opprette et nytt datatabell .

Cohort Analyse for Business

Cohort-analyse er som gullstøv for enhver voksende detaljhandel, fordi det vil tillate forretningsforvalterne å forstå observert online kundeadferd. Hvis du vil studere kundene dine, kan du begynne med å gruppere dem i henhold til hvordan de ble henvist til virksomheten din eller nettsiden, og deretter spore beløpet de har tilbrakt over tid.

En av de mest populært utførte kohortanalysene er en som grupperer kunder basert på deres tilmelding, innmelding eller abonnementsdato. Dette gir deg mulighet til å studere utgifterstrendene for bestemte kohorter over ulike perioder i tid og til og med indikere om standarden på den gjennomsnittlige kunden din øker eller faller over tid.

Hva kohortanalyser kan gjøre for deg

I en kohortanalyse er brukerens oppbevaring den mest nyttige metriske blant alle tilgjengelige alternativer, særlig siden de fleste kohortrapporter brukes til å observere adferdskonsekvenser over tid .

Det finnes imidlertid en rekke beregninger, inkludert måloppnåelse, økter, øktvarighet og sidevisninger. Her er et raskt øyeblikksbilde av de mest uimotståelige fordelene som kommer til bordet ved Cohort Analysis i Google Analytics:

(1) Med Google Analytics kan du starte sammenligninger mellom segmenteringsfunksjoner på samme måte som andre Google Analytics-rapporter. Google Analytics har et løsningsgalleri som kan brukes eller importeres til en pågående analyse, slik at brukerne får mest mulig ut av løsninger utviklet av andre analytikere.

(2) Rapportresultatene dine vil vises som et trekantet tabell med beregninger, som effektivt skal kontrollere hvor langvarig forbrukeradferd som foregår. Og hvis det ikke er omfattende nok for deg, genereres også en tidslinjediagram . Men som analytiker ville du sannsynligvis være mer interessert i bordet. Når du har brukt den, vil du etter hvert finne klare bruksområder av kohortrapporter.

(3) Samfunnsrapporter gir deg mulighet til å kvalifisere data fra et bærekraftig synspunkt . For eksempel, hvis det kommer en økning i volum eller trafikk, kan du finne ut om bare en bestemt kohorte er ansvarlig, og hvis den tilsynelatende økningen er bærekraftig. Kohortanalyse er et viktig verktøy som gjør det mulig for detaljhandelsbedrifter å finne ut mer om sine kunder og deres oppførsel, særlig i longitudinale studier.

(4) En nøyaktig kohortanalyse vil til og med hjelpe deg med å identifisere forskjeller i beregninger som oppbevaring, oppkjøp eller engasjement eller samhandling, til markedsføringsutvikling, slik at du kan spørre forbrukere de riktige spørsmålene .

(5) Gratulerer med Google Analytics, som lar deg lagre dine unike kohortrapporter, og sparer timer for tiden din, spesielt siden du ville vite at konfigurering av Cohorts-rapport kan være en lang kjedelig oppgave (en som du gjerne vil unngå!). Intuitive snarveier kan nås med et enkelt klikk på brukergrensesnittet for Google Analytics.

Konklusjon

Således kan det bli enighet om at kohortanalyse er en veldig nyttig måte å forstå hvordan forskjellige, men bestemte brukergrupper utfører basert på vanlige attributter eller egenskaper .

Når det er sagt, er Google Analytics 'nåværende kohortanalyseværktøy fortsatt ganske mye i sin barndom. Før verden våkner for å kunne bruke den som det avgjørende verktøyet som det er ment å være, må du sørge for at du blander forretningshet, webstrategier og analytiske ferdigheter for å skape litt handlingsvennlig kunnskap fra de rå dataene som genereres hvert sekund fra nettsteder.