Så här utförs en kohortanalys med Google Analytics [Guide]
Du kan inte styra och hantera vad du inte kan mäta. Tack och lov är Google Analytics-rapporterna din perfekta kunskapsmekanism för mäta, planera och hantera webbkampanjer. Under lång tid kunde du bara utföra en kohortanalys på Google Analytics via segmentering funktion, vilket var inget mer än en publicerad webbhack.
Men med tillgången till en dedikerad kohortanalys flik kan du nu göra en avgörande analys som ger dig den nödvändiga beteendeuppgifter som du kan utnyttja för att finjustera ditt innehåll, sökord och webbmarknadsstrategier. Du kan kombinera alla dina individuella kohortrapporter och sammanfoga dem i en riktig PDF för att presentera data på ett sätt som bidrar till att öka en kampanj effektivitet.
I mitt senaste inlägg - En titt på: Cohort-analys i Google Analytics - Jag har beskrivit flera fördelar med att utföra en kohortanalys. I den här andra delen kommer jag att dela väsentliga analyser steg den där underlätta korrekta kohortanalyser.
Utföra din egen kohortanalys
För att utföra en effektiv kohortanalys rekommenderar vi att du noterar följande punkter innan du fortsätter jobbet:
(1) Se till att du har en fråga som behöver svara.
Det beror på att hela poängen för en kohortanalys är att få handlingsbar information för en specifikt ändamål, till exempel ett företag som söker data som kan förbättra sin affärsprocess, produkttillverkning och till och med övergripande användarupplevelse. Så, för att säkerställa att dessa processer kan optimeras är det viktigt att du fråga rätt typ av fråga för att hitta rätt lösning. Återigen - fråga höger och exakt fråga.
(2) Definiera alltid de mätvärden som gör att du kan hitta rätt svar på din fråga.
En omfattande kohortanalys kräver erkännande av de specifika egenskaperna hos varje händelse. Dessa händelser kan innehålla register över användarna som checkar ut, med förskottsmått som ger dig information om hur mycket en användare har betalat.
(3) Identifiera din situationsspecifika kohort (det vill säga kohorter som är relevanta för din analys).
Processen att skapa en kohort involverar att analysera alla realtidsanvändare och rikta in dem eller utföra attributbaserade bidrag för att erhålla relevanta skillnader som kommer att markera deras egenskaper som en specifik kohort.
(4) När du har alla dina data kan du nu fortsätta med att utföra din kohortanalys.
Anledningen till att kohortanalys är så kommersiellt populär är att företag kan använda resultaten för att identifiera brister inom sitt företag.
Hur man utför en exakt kohortanalys
Steg 1: extrahera rådata
I ett generellt scenario lagras den information som krävs för att utföra en kohortanalys i en fysisk eller virtuell databas av något slag och måste exporteras till kalkylbladbaserad programvara. Du kan använda verktyg som MySQL eller Microsoft Excel för att få det gjort.
Om du till exempel vill studera konsumenternas köparbeteende vill du att dina resultat ska vara läsbar och presenterad i någon form av a datablad eller datatabell som inkluderar en enskild post per kundinköp.
På motsvarande sätt har varje enskild post ett kunds ID som normalt är antingen en unik alfanumerisk tagg eller en giltig e-postadress, datum, plats och inköpsdatum, totalt köpvärde och kundens första inköpsdatum, vanligen känt som de “kohortdatum.” Och i dina allmänna fall kan du alltid använd MySQL-fråga för att få fram sådan information.
Du skulle dock vilja helst inkludera ytterligare egenskaper till exempel en kundreferenskälla, SKU för deras första köp. Och för att göra ditt arbete mycket enklare kan du Använd verktyg som mätvärden för att ge dig automatisk tillgång till dessa attribut.
2. Skapa kohortidentifierare
För att skapa en kohortidentifierare öppnar du de data du har extraherat till Excel. När du har dragit “kohortdatum” egenskaper kan du genomföra den någonsin populära kohortanalysen där du kan göra saker som jämför kundkohorter baserat på när de gjorde sitt första köp.
Så, i ett sådant fall där du kanske skulle gruppera dina kohorter baserat på en viss månad där de faktiskt gjorde sitt första köp måste du först översätt var och en av dina “kohortdatum” värden in i en virtuell hink som kommer att bli en representation av året och månaden för din kunds första köp.
3. Stegets livscykelsteg
När du har fastställt kohorten som din kund tillskrivs måste du också reglera “livscykelstadiet” av din analys vid den händelse som inträffade för den särskilda kohortmedlemmen.
Om dina kunder gör ett köp vid någon tidpunkt och den efterföljande efter några månader, skulle de faller under kohorten av deras ursprungliga köpdatum. Följaktligen kommer deras första köp också att vara i det första livscykelstadiet och deras nästa köp skulle falla under det andra livscykelstadiet.
För att noggrant beräkna livscykelstadiet måste du också kontrollera tid som har gått bort mellan din kunds första köp och det köp du anger.
4. Skapa ett pivottabell och en graf
Det sista steget i din kohortanalys är att skapa pivottabeller. Dessa tabeller är kritiska för din analys eftersom de tillåter dig att beräkna en kollektiv som en summa eller till och med ett genomsnitt, över flera dimensioner av din kohortdata.
Om du använder pivottabellen för ditt företag, är du för det mesta som kommer att behöva skapa en sådan utför en summa av kundernas transaktionsbelopp, som visar en rad för varje kohort och en kolumn per relevant tidsperiod.
Om du har problem med att visa dina data kan du enkelt visualisera den på de mest grundläggande av Excel-linjediagrammen.
Sammanfatta
Även om kohortanalyser för det mesta har åberopats för användarretention och användarbeteende studier, Google Analytics-avataren av samma kan utnyttjas av webbanalyssexperter till studera mätvärden som sidvisningar, sessionstider, målavslutningar.
Dessutom kan man också studera metriska värden för användarval, som sökfrågor per användare, varaktighet per grupp och sidvisningar för en viss användare..
Det finns tillräckligt med där hjälper dig att göra mer känsla för användarnas beteende, effektiviteten av din marknadsföring taktik och framgång för din kampanj mix lita på den här guiden och starta dina avancerade kohortanalyser med Google Analytics.