Slik utfører du en kohortanalyse med Google Analytics [Guide]

Du kan ikke kontrollere og administrere hva du ikke kan måle . Heldigvis er Google Analytics-rapporter din perfekte kunnskapsmekanisme for måling, planlegging og administrasjon av webkampanjer . I lang tid kunne du bare utføre en kohortanalyse på Google Analytics via segmenteringsfunksjonen, noe som ikke var noe mer enn en publisert web hack.

Men med tilgjengeligheten av en dedikert kohortanalysefane, kan du nå utføre en avgjørende analyse som gir deg de nødvendige atferdsmessige dataene du kan utnytte for å finjustere innholdet, søkeordene dine og strategier for markedsføring på Internett. Du kan kombinere alle dine individuelle kohortrapporter og fusjonere dem i en skikkelig PDF for å presentere dataene på en måte som bidrar til å øke en kampanjes effektivitet.

I mitt siste innlegg - En titt på: Cohort Analysis i Google Analytics - Jeg har beskrevet flere fordeler med å utføre en kohortanalyse. I denne andre delen skal jeg dele de essensielle analysene trinnene som muliggjør en korrekt kohortanalyse .

Utføre din egen kohortanalyse

For å gjennomføre en effektiv kohortanalyse anbefaler vi at du noterer deg følgende punkter før du går videre med jobben:

(1) Kontroller at du har et spørsmål som trenger å svare .

Det er fordi hele poenget med en kohortanalyse er å skaffe handlingsbar informasjon til et bestemt formål, for eksempel et firma som søker data som kan bidra til å forbedre forretningsprosessen, produktproduksjonen og til og med den generelle brukeropplevelsen. For å sikre at disse prosessene kan optimaliseres, er det derfor viktig at du spør den riktige typen spørsmål for å finne den rette løsningen . Igjen - spør det rette og presise spørsmålet.

(2) Definer alltid beregningene som gjør at du kan finne riktig svar på spørsmålet ditt.

En omfattende kohortanalyse krever anerkjennelse av de spesifikke egenskapene til enhver hendelse. Disse hendelsene kan inneholde registreringer av brukere som sjekker ut, med forhåndsreguleringer som forteller deg hvor mye en bruker har betalt.

(3) Identifiser din situasjonsspesifikke kohorte (det vil si kohorter som er relevante for analysen din ).

Prosessen med å opprette en kohort innebærer å analysere alle sanntidsbrukere og målrette dem, eller utføre attributtbaserte bidrag for å oppnå relevante forskjeller som vil markere egenskapene som en bestemt kohorte.

(4) Når du har alle dataene dine, kan du nå fortsette å utføre din kohortanalyse.

Årsaken til at kohortanalyse er så kommersielt populær, er at bedrifter kan bruke resultatene til å identifisere mangler i deres selskap.

Hvordan utføre en nøyaktig kohortanalyse

Trinn 1: Trekk ut rå data

I et generelt scenario lagres informasjonen som kreves for å utføre en kohortanalyse, i en fysisk eller virtuell database av noe slag, og må eksporteres til regnearkbasert programvare. Du kan bruke verktøy som MySQL eller Microsoft Excel for å få dette gjort.

Hvis du for eksempel ønsker å studere forbrukerens kjøpsadferd, vil du at resultatene dine skal være lesbare og presentert i en form for et dataark eller datatabell som inneholder en enkelt post per kundekjøp.

Tilsvarende har hver enkelt rekord en kundes ID som vanligvis er enten en unik alfanumerisk kode eller en gyldig e-postadresse, dato, sted og tidspunkt for kjøp, total innkjøpsverdi og kundens første kjøpsdato, vanligvis kjent som "kohortdatoen". Og i de generelle tilfellene kan du alltid bruke MySQL-spørringen for å hente opp slik informasjon.

Du vil imidlertid ideelt sett inkludere flere egenskaper, for eksempel en henvisnings kilde, SKU for deres første kjøp. Og for å gjøre arbeidet ditt mye lettere, kan du bruke verktøy som beregninger for å gi deg automatisk tilgang til disse egenskapene.

2. Lag kohortidentifikatorer

For å opprette en kohortidentifikator skal du åpne dataene du har hentet ut i Excel. Etter at du har trukket "kohortdato" -egenskapene, kan du utføre den stadig populærste kohortanalysen der du kan gjøre ting som sammenlign kohorter av kunder basert på når de gjorde sitt første kjøp.

Så i et slikt tilfelle hvor du kan gruppere kohorten din basert på en bestemt måned der de faktisk gjorde sitt første kjøp, må du først oversette hver av dine "kohortdato" -verdier til en virtuell bøtte som vil være en representasjon av året og måneden av kundens opprinnelige kjøp.

3. Måle livscykeltrinn

Etter at du har fastslått kohorten som kunden din tilskriver, må du også regulere "livssyklusstadiet" av analysen din på hendelsen som skjedde for det aktuelle kohortmedlemmet.

Hvis kundene dine foretar et kjøp på et hvilket som helst tidspunkt og den etterfølgende etter noen måneder, ville de falle under kohorten av deres opprinnelige kjøpsdato . Følgelig vil deres første kjøp også være i den første livssyklusfasen, og deres neste kjøp vil falle under andre livscykeltrinn.

For å kunne beregne livscykeltrinnet nøyaktig, må du også finne ut hvor lang tid det har gått mellom kundens første kjøp og kjøpet du angir.

4. Opprett et pivottabell og en graf

Det siste trinnet i kohortanalysen er å lage pivottabeller . Disse tabellene er kritiske for analysen din fordi de lar deg beregne en kollektiv som summen eller til og med gjennomsnittlig på tvers av flere dimensjoner av kohortdataene dine .

Hvis du bruker pivottabellen for virksomheten din, er du for det meste som å måtte opprette en som utfører et SUM av kunders transaksjonsbeløp, som viser en rad for hver kohort og en kolonne per relevant tidsperiode.

Hvis du har problemer med å se dataene dine, kan du enkelt visualisere det på de mest grunnleggende av Excel-linjediagrammer.

Wrap Up

Selv om kohortanalyser for det meste har vært avhengig av brukerretensjon og brukeradferdsstudier, kan Google Analytics-avataren av det samme håndteres av eksperter fra webanalyser for å studere beregninger som sidevisninger, øktvarigheter, målutførelser .

I tillegg kan beregninger med hensyn til brukervalg, for eksempel søk etter bruker, økt varighet per gruppe og sidevisninger for en bestemt bruker.

Det er nok der inne for å hjelpe deg med å gjøre mer fornuftig av brukerens oppførsel, effektiviteten av markedsførings taktikken din, og suksess for kampanjene dine. stol på denne veiledningen og start din avanserte kohortanalyse med Google Analytics.

Les nå: En titt på: Cohort-analyse i Google Analytics

Integrer CRM i Gmail ved hjelp av Streak

Hvis du driver en bedrift eller er involvert i salg, bruker du sannsynligvis mesteparten av tiden din i Gmail, kommuniserer med kunder, kunder og kanskje til og med potensielle ansatte. Thing er, Gmail er ikke designet for CRM-oppgaver som organisering og synkronisering av salg og kundeservice. Sikker på at du kan bruke dedikert CRM-programvare, men hva om det var mulig å integrere CRM-funksjoner i Gmail og ha alt på ett sted? M

(Tekniske og design tips)

Lag en animert Favicon Loader med JavaScript

Favicons er en viktig del av online branding, de gir en visuell signal til brukere, og hjelper dem å skille nettstedet ditt fra andre. Selv om de fleste favikoner er statiske, er det også mulig å lage animerte favikoner .Et konstant bevegelig favicon er absolutt irriterende for de fleste brukere, og det skader også tilgjengeligheten, men når det bare animeres i kort tid som svar på en brukerhandling eller en bakgrunnshendelse, for eksempel en sidebelastning, kan den gi ekstra visuell informasjon - derfor forbedre brukeropplevelsen.I det

(Tekniske og design tips)