Sådan køres en Kohorteanalyse i Google Analytics for bedre at segmentere din trafik

Google Analytics er en hæfteklammer i enhver erfaren digital marketingmedarbejders sæt værktøjer. Dette skyldes primært, at det giver et væld af data, der dækker stort set alt, hvad du måske vil vide om, hvordan besøgende interagerer med din hjemmeside.

Kohortanalyse er en særlig nyttig funktion for marketingfolk og små virksomheder. Det kan fortælle dig, hvor godt din hjemmeside klarer sig generelt. Det giver dig også dybdegående indsigt i brugeradfærd på din hjemmeside.

Hvad er en Kohortanalyse?

for at forstå, hvad en kohortanalyse er, er det nødvendigt at definere en “kohorte” først.

dette udtryk refererer til en delmængde af mennesker grupperet sammen på grund af en delt værdi.

Google definerer det som en gruppe brugere, der deler en fælles karakteristik, identificeret ved en Analytics-dimension.

en kohortanalyse er derefter processen med at analysere adfærd hos grupper af brugere.

du kan sammenligne grupper med hinanden og se efter forskelle og tendenser.

hvis du identificerer mønstre, kan det hjælpe dig med at bestemme, hvilke ændringer og adfærdsmæssige forskelle der førte til forskellige resultater.

for at være klar er denne proces ikke unik for digital markedsføring. Du kan køre en kohorteanalyse for at sammenligne mange forskellige typer grupper.

faktisk stammer udtrykket fra medicinske studier, hvor forskere sammenligner grupper af mennesker som rygere og ikke-rygere for at identificere forskelle mellem de to.

Husk, at kohortmulighederne er begrænset til de data, du kan indsamle fra dine besøgende, mens de gennemser.

for eksempel grupperes kohorter i Google Analytics baseret på Anskaffelsesdato eller brugernes første besøg på din hjemmeside.

nye opkøb’ kohorttype kan være yderst nyttig til at give kontekst til data. Analysere specifikke segmenter, i stedet for dit publikum som helhed, vil give dig en klarere ide om, hvad der gør en god kunde til din virksomhed.

en kohortanalyse går også ud over grundlæggende datapunkter for at foreslå årsagerne til ændringer i dine besøgendes adfærd.

som et resultat kan sammenligning af kohorter hjælpe dig med at lære mere om, hvad der påvirker specifik adfærd og den indflydelse, dine marketingkampagner og strategier har.

for eksempel, da børnenes online tøjbutik Spearmint LOVE ønskede at identificere tendenser på deres hjemmeside, skabte de flere kohortanalyserapporter:

ved hjælp af denne analyse kunne de bestemme, hvor længe den gennemsnitlige besøgende ville fortsætte med at vende tilbage til deres hjemmeside, samt den gennemsnitlige tid mellem køb.

de brugte også denne indsigt til at bryde deres kohorter i “brugerdefinerede vinduer” baseret på de forskellige købsadfærd hos mødre under graviditeten og de første par år af deres børns liv.

på denne måde kunne de mere præcist forudsige, hvad kohortenes næste køb kan være, og derefter basere deres annoncekampagneindhold og timing på disse forudsigelser.

og mens dette kun var en af flere strategier Spearmint LOVE brugt til at forbedre deres markedsføring, var slutresultatet 991% YoY vækst fra 2015 til 2016.

Sådan køres en Kohortanalyse i Google Analytics

kørsel af en kohortanalyse i Google Analytics er en ret simpel proces.

vælg Kohortanalyse under fanen målgruppe.

som standard viser hoveddashboardet for denne rapport en graf med din sides Overtagelsesdatokohorter efter brugeropbevaring.

i dette tilfælde repræsenterer dag 0 hver brugers første besøg på din hjemmeside, og de efterfølgende dage viser, om de vendte tilbage.

hvis du bemærker et fald i dette diagram, skal du ikke være foruroliget.

kohorter falder uundgåeligt over tid, da brugerne holder op med at vende tilbage til din side.

at opretholde en jævn strøm af tilbagevendende besøgende er udfordrende for selv de mest erfarne marketingfolk — så vær ikke overrasket, hvis dette antal gradvist falder for de fleste af dine kohorter.

under dette diagram, Rapporten viser også en tabel, der viser din sides brugeropbevaring, opdelt i grupper baseret på datoen for brugernes første besøg.

i dette tilfælde repræsenterer hver række en anden kohorte af brugere efter Overtagelsesdato.

hvis du bemærker, at rækker viser signifikant forskellige tilbageholdelseshastigheder fra resten, kan dette være et godt udgangspunkt for analyse.

dette gælder især, hvis du kører nogen større marketingkampagner.

for eksempel kan en højtydende kohorte indikere, at den kampagne, du kørte den dag, var særlig effektiv til at tiltrække engageret trafik.

derefter kan du øverst på dette dashboard justere dataene i din rapport.

lige nu er den eneste tilgængelige Kohorttype Anskaffelsesdato eller datoen for en brugers første besøg på din hjemmeside.

men du kan justere Kohortestørrelsen, så den afspejler grupper af brugere efter dag, uge eller måned.

dette er især nyttigt, hvis du starter og kører nye kampagner på en tidslinje, der opfylder en af disse varigheder.

dernæst kan du vælge mellem et par forskellige målinger, hvormed du kan analysere din kohorte.

standardmetrikken er brugerretention, som viser procentdelen af en kohorte, der vender tilbage på efterfølgende dage efter deres oprindelige besøg.

hvis et af dine primære mål er at øge din samlede trafik og opretholde en jævn strøm af tilbagevendende besøgende, kan denne rapport være yderst hjælpsom.

for de fleste site ejere, men de næste to sæt giver mere værdifuld indsigt, som de vedrører de handlinger, en bruger tager ud over blot at besøge din hjemmeside.

metrics “Per Bruger” viser det gennemsnitlige antal handlinger, som hvert medlem af en kohorte har foretaget på din side, herunder:

• Målafslutninger pr. bruger:

• sidevisninger pr. bruger:

• omsætning pr. bruger:

• sessionens varighed pr. bruger:

• sessioner pr. bruger:

• transaktioner pr. bruger:

i stedet for at analysere dine kohorter baseret på, om de konsekvent vender tilbage til din side, kan du fokusere på de handlinger, der har indflydelse på dine vigtigste mål.

det næste sæt metrics er ens, men i stedet for at vise et gennemsnit pr. bruger, viser det summen for den valgte metric, herunder:

• mål færdiggørelser:

• sidevisninger
• indtægter

• sessionsvarighed
• sessioner
• transaktioner
• brugere

endelig kan du justere datointervallet for din rapport, så det inkluderer data fra den foregående uge, to uger, tre uger eller måned.

det område, du vælger, afhænger af omfanget af data, du vil analysere, samt størrelsen på din kohorte. En uge kan give masser af data, hvis dine kohorter er opdelt efter dag, men du skal vælge et større datointerval for større kohorter.

Tips til at få mest udbytte af din Google Analytics Kohorteanalyse

for at få nyttige og handlingsrettede oplysninger fra din kohorteanalyse, bør du tage et par bedste praksis i betragtning.

brug yderligere segmenter til at lære mere om dit publikum

det faktum, at den aktuelle opsætning kun giver dig mulighed for at oprette kohorter baseret på Anskaffelsesdato, kan virke som en begrænsning.

heldigvis kan du bruge yderligere segmenter til at segmentere dine data yderligere. Faktisk giver Analytics i øjeblikket mulighed for op til fire segmenter i kohortanalyserapporten.

når du tilføjer nye segmenter, vises hver enkelt i en ny tabel under tabellen “alle sessioner”.

for eksempel kan du grave dybere ned i din kohorteanalyse ved at segmentere mobiltrafik vs. al trafik.

du modtager et sammenligningskort som dette:

hvis du ruller ned til kolonnerne, kan du se dataene for de enkelte kohorter.

denne rapport viser, at 3,98% af de 125.499 desktop – brugere, der tilmeldte ugen 1.April-7. April, kom tilbage i uge 1, 2,41% kom tilbage i uge 2, 2,05% i uge 3.

når du sammenligner det med mobil, vil du se, at desktop stadig bevarer brugere bedre end mobil.

ud over de forudindstillede indstillinger, vi har diskuteret, kan du også anvende alle brugerdefinerede segmenter, du har oprettet i Analytics.

det betyder, at du kan bruge kohorteanalyserapporten til at få adgang til data om sæt af brugere, som du allerede har identificeret som værdifulde for din hjemmeside.

nedenfor kan du f.eks. se en sammenligning mellem besøgende på et site, der tilmeldte sig en gratis prøveperiode, og dem, der hentede en hvidbog.

uanset hvilke segmenter du bruger, skal du holde øje med alle, der udfører væsentligt anderledes end rapporten “alle sessioner”.

dette hjælper dig med at identificere grupper af brugere, der adskiller sig fra den gennemsnitlige brugers adfærd, enten på positive eller negative måder.

hvis en gruppe klarer sig bedre ved f.eks. at vende tilbage til din hjemmeside med højere priser, så vil du undersøge de mulige årsager til denne forskel. Derefter kan du bruge denne indsigt til at replikere denne adfærd på tværs af andre segmenter af din trafik.

Gauge svar på kortsigtet marketingindsats

kohortanalyserapporten kan også være nyttig til at analysere, hvordan dit publikum reagerer på kortvarig marketingindsats, som e-mail-kampagner.

med hver e — mail, du sender, når du et lidt andet sæt brugere-og overvågning af adfærden hos de brugere, du når som et resultat, kan være en fantastisk måde at måle din succes på.

så længe du bruger UTM-sporing til dine kampagner, kan du fortsætte med at genskabe et nyt segment i kohortanalyserapporten og vælge “Trafikkilder” i venstre kolonne.

Indtast din kampagnes parametre, og sammenlign derefter dette segment med din hjemmesides samlede trafik.

så hvis du for eksempel kører en e-mail-kampagne i tre dage med 25% rabat, kan du spore adfærden hos brugere, der brugte rabatten i denne periode.

hvis de brugere, du nåede med din kampagne, presterede bedre for din målmåling, er dette en solid indikator for, at den var effektiv til at nå den slags trafik og kunder, du ønsker.

Lær om e-handel shoppingvaner

en af de bedste funktioner i Kohortanalyserapporten er inkluderingen af e-handelsspecifikke data, inklusive indtægter pr.bruger, transaktioner pr. bruger, samlede indtægter.

hvis du ser på transaktioner pr.bruger efter anskaffelsesdato, kan det vise den gennemsnitlige tid, det tager for en bruger at foretage et køb.

for eksempel steg køb i dette eksempel fem dage efter overtagelsesdatoen.

det er vigtigt at overveje andre faktorer, der kunne have forårsaget denne stigning, som en kampagne eller remarketingkampagne. At have disse data kan give dig en stærkere forståelse af dit publikums købsadfærd og den gennemsnitlige tid det tager dem at træffe en beslutning.

du kan også tage tingene et skridt videre ved at krydshenvise disse data med rapporten Lifetime Value (LTV).

lad os for eksempel sige, at du bemærker i en kohortanalyse, at du i løbet af en 12-ugers kampagne så betydelige drop-offs i brugerretentioni uger fem og 11.

du kan hoppe over til LTV-rapporten for den samme tidsramme og derefter afgøre, om der er nogen kanaler eller kampagner, der ser de samme lavpresterende uger.

for at få adgang til disse data skal du vælge LifeTime Value i menuen Audience.

vælg derefter, hvilken metric du vil bruge til at bestemme værdien af dine brugere. For e-handelssider vil dette sandsynligvis være indtægter pr.

dit næste trin er at sortere dine data efter anskaffelseskanal, Kilde, medium eller kampagne.

dette kan give dig en ide om, hvilke kanaler du skal forbedre for at eliminere drop-offs i Site performance og øge din brugeropbevaring og indtjening.

brug kommentarer til at overvåge effekt

når du analyserer dine kohortrapporter, er det vigtigt at huske på faktorer, der kan påvirke de data, du ser.

heldigvis kan du lave kommentarer for at holde styr på disse faktorer og nemt se datoerne for specifikke begivenheder, kampagner og stedændringer.

nb

for eksempel viser følgende diagram tre vigtige begivenheder for en virksomheds marketingindsats.

i dette tilfælde viser det datoen, hvor agenturet havde en artikel offentliggjort på en Tredjepartsplatform.

et par dage senere så de et betydeligt spring i trafikken.

selvom dette kan være forvirrende, mens man kun ser på kohortanalyserapporten, sikrer annotationen, at brugere, der ser på disse data, ikke glemmer at overveje den væsentlige faktor og analysere dataene i overensstemmelse hermed.

Gem rapporter til dine vigtigste kohorter

hvis du planlægger at bruge Kohorteanalysefunktionen ofte, er det en glimrende måde at spare tid på at gemme dine rapporter.

det sikrer også, at du konsekvent ser på de samme datasæt, så du ikke drager nogen unøjagtige konklusioner, simpelthen fordi en indstilling i din rapport er lidt anderledes.

du kan gemme en rapport ved at klikke på knappen “Gem” øverst på dit dashboard og oprette et navn.

dette holder alle tilpasninger intakte, inklusive avancerede segmenter, sekundære dimensioner og sortering — så næste gang du vil bruge kohorteanalysefunktionen, behøver du ikke spilde tid på at genskabe dit datasæt.

konklusion

hvis du leder efter en måde at segmentere dine data i mere håndterbare bidder, er kohorteanalysefunktionen i Google Analytics en fantastisk måde at fokusere på specifikke undergrupper af dit publikum.

du kan bruge den til at lære mere om segmenter (aka-kohorter), du allerede har oprettet, og se, hvordan deres adfærd adskiller sig fra andre segmenter, såvel som din sides trafik som helhed.

det er også nyttigt til at måle svar på specifikke kampagner, lære mere om e-commerce shoppers adfærd og overvåge virkningen af andre vigtige begivenheder relateret til din virksomhed.

hvis du har brug for hjælp til at oprette og administrere de data, du får fra din analyse — eller indarbejde dem i din overordnede marketingstrategi — er vi her for at hjælpe.

hvordan bruger du Kohorteanalyserapporten til din hjemmeside?