Kuinka suorittaa Kohorttianalyysi Google Analyticsissa, jotta voit paremmin segmentoida liikennettä

Google Analytics on katkottua jokaisen kokeneen digitaalisen markkinoijan työkalusarjassa. Tämä johtuu pääasiassa siitä, että se tarjoaa runsaasti tietoa, joka kattaa lähes kaiken, mitä haluat tietää siitä, miten kävijät ovat vuorovaikutuksessa sivustosi kanssa.

Kohorttianalyysi on erityisen hyödyllinen ominaisuus markkinoijille ja pienyrityksille. Se voi kertoa, kuinka hyvin sivustosi toimii kaiken kaikkiaan. Se antaa sinulle myös syvällisiä tietoja käyttäjän käyttäytymisestä sivustossasi.

mikä on Kohorttianalyysi?

jotta voidaan ymmärtää, mikä kohorttianalyysi on, on ensin määriteltävä “kohortti”.

tällä termillä tarkoitetaan ihmisten osajoukkoa, joka on ryhmitelty yhteen yhteisen arvon vuoksi.

Google määrittelee sen Käyttäjäryhmäksi, jolla on yhteinen ominaisuus, jonka tunnistaa Analytiikkaulottuvuudesta.

kohorttianalyysi on siis käyttäjäryhmien käyttäytymisen analysointiprosessi.

ryhmiä voi vertailla keskenään ja etsiä eroja ja trendejä.

jos tunnistat mitään kuvioita, se voi auttaa määrittämään, mitkä muutokset ja käyttäytymiserot johtivat erilaisiin tuloksiin.

selvyyden vuoksi tämä prosessi ei ole ainutlaatuinen digitaalisessa markkinoinnissa. Voit suorittaa kohorttianalyysin, jossa vertaillaan monia erityyppisiä ryhmiä.

itse asiassa termi on peräisin lääketieteellisistä tutkimuksista, joissa tutkijat vertaavat ihmisryhmiä, kuten tupakoitsijoita ja tupakoimattomia, tunnistaakseen näiden kahden väliset erot.

muista, että kohorttimahdollisuudet rajoittuvat tietoihin, joita voit kerätä vierailijoiltasi heidän selatessaan.

esimerkiksi Google Analyticsin kohortit on ryhmitelty hankinta-ajankohdan tai käyttäjien ensikäynnin perusteella.

uusien hankintojen kohorttityyppi voi olla erittäin hyödyllinen tietojen kontekstissa. Analysoimalla tiettyjä segmenttejä, sen sijaan, että yleisö kokonaisuutena, antaa sinulle selkeämmän käsityksen siitä, mikä tekee suuri asiakas yrityksesi.

kohorttianalyysi menee myös perustietopisteitä pidemmälle ja viittaa siihen, miksi sivustosi kävijöiden käytös on muuttunut.

kohorttien vertaaminen voi auttaa sinua oppimaan lisää siitä, mitä vaikutuksia sinulla on tiettyihin käyttäytymismalleihin ja markkinointikampanjoidesi ja strategioidesi vaikutuksiin.

esimerkiksi kun lasten nettivaateliike Spearmint LOVE halusi tunnistaa trendejä sivustollaan, he loivat useita kohorttianalyysiraportteja:

tämän analyysin avulla he pystyivät määrittämään, kuinka kauan keskimääräinen kävijä jatkaisi paluutaan sivustolleen, sekä keskimääräisen ostosten välisen ajan.

he käyttivät tätä oivallusta myös hajottaakseen kohorttinsa “mukautettuihin ikkunoihin”, jotka perustuivat äitien erilaiseen ostokäyttäytymiseen raskauden aikana ja lasten ensimmäisten elinvuosien aikana.

näin he voisivat tarkemmin ennustaa, mikä kohorttien seuraava hankinta voisi olla, ja sitten perustaa mainoskampanjansa sisällön ja ajoituksen noihin ennusteisiin.

ja vaikka tämä oli vain yksi useista strategioista, joita Spearmint LOVE käytti markkinointinsa parantamiseen, lopputuloksena oli 991% Yoyn kasvu vuodesta 2015 vuoteen 2016.

Kohorttianalyysin suorittaminen Google Analyticsissa

Kohorttianalyysin suorittaminen Google Analyticsissa on melko yksinkertainen prosessi.

valitse yleisö-välilehdestä Kohorttianalyysi.

oletuksena, tärkein kojelauta tämän raportin näyttää kuvaajan sivuston hankinta päivämäärä kohortit käyttäjän säilyttäminen.

tässä tapauksessa päivä 0 edustaa kunkin käyttäjän ensimmäistä vierailua sivustossasi,ja seuraavat päivät näyttävät, ovatko he palanneet.

jos huomaat tässä kaaviossa laskun, älä hätäänny.

kohortit väistämättä laskevat ajan myötä, kun käyttäjät lakkaavat palaamasta sivustollesi.

tasaisen paluukävijävirran ylläpitäminen on haastavaa kokeneimmillekin markkinoijille — joten älä ihmettele, jos tämä määrä vähenee vähitellen useimpien kohorttiesi kohdalla.

tämän kaavion alla raportti näyttää myös taulukon, joka osoittaa sivustosi käyttäjän säilyttämisen, jaettuna ryhmiin käyttäjien ensikäyntien päivämäärän perusteella.

tässä tapauksessa jokainen rivi edustaa eri käyttäjien kohorttia hankinta-ajankohdan mukaan.

jos huomaat, että yhdenkin rivin retentioasteet poikkeavat merkittävästi muista, tämä voi olla hyvä lähtökohta analyysille.

tämä pätee erityisesti, jos käytät suuria markkinointikampanjoita.

esimerkiksi hyvin menestynyt kohortti voi osoittaa, että sinä päivänä järjestämäsi kampanja houkutteli erityisen tehokkaasti liikkeelle lähtevää liikennettä.

tämän jälkeen voit säätää raporttiin sisältyviä tietoja tämän kojelaudan yläosassa.

tällä hetkellä ainoa kohortin tyyppi on hankintapäivä tai käyttäjän ensimmäisen käynnin päivämäärä sivustossasi.

mutta kohortin kokoa voi muuttaa vastaamaan käyttäjäryhmiä päivän, viikon tai kuukauden mukaan.

tämä on erityisen hyödyllistä, jos käynnistät ja suoritat uusia kampanjoita aikajanalla, joka vastaa yhtä näistä kestoista.

Seuraavaksi voit valita muutamasta eri mittarista, joiden avulla voit analysoida kohorttisi.

oletusmittari on käyttäjän retentio, joka osoittaa sen kohortin prosenttiosuuden, joka palaa seuraavina päivinä alkuperäisen käynnin jälkeen.

jos yksi ensisijaisista tavoitteistasi on yleisen liikenteen lisääminen ja paluumuuttajien tasaisen virran ylläpitäminen, tämä raportti voi olla erittäin hyödyllinen.

useimmille sivuston omistajille kaksi seuraavaa sarjaa tarjoavat kuitenkin arvokkaampia tietoja, koska ne liittyvät käyttäjän tekemiin toimiin, jotka eivät liity pelkästään sivustossasi vierailemiseen.

“per User” – mittaristo näyttää keskimääräiset toimet, jotka kukin kohortin jäsen teki sivustollasi, mukaan lukien:

• valmistuneet tavoitteet per käyttäjä:

• Sivunäytöt käyttäjää kohti:

• Tulot käyttäjää kohti:

• istunnon kesto käyttäjää kohti:

• istuntoja per käyttäjä:

• tapahtumat käyttäjää kohti:

sen sijaan, että analysoisit kohorttejasi sen perusteella, palaavatko ne jatkuvasti sivustoosi, voit keskittyä toimiin, joilla on vaikutusta tärkeimpiin tavoitteisiisi.

seuraava mittaristo on samanlainen, mutta sen sijaan, että se näyttäisi keskiarvon käyttäjää kohti, se näyttää valitsemasi metriikan kokonaismäärän, mukaan lukien:

• tavoitteiden toteutuminen:

• Sivunäytöt
• Tulot

• istunnon kesto
• istunnot
• tapahtumat
• käyttäjät

lopuksi voit muuttaa raporttisi päiväysväliä sisältämään tiedot edelliseltä viikolta, kahdelta viikolta, kolmelta viikolta tai kuukaudelta.

valitsemasi vaihteluväli riippuu analysoitavien tietojen laajuudesta sekä kohorttisi koosta. Yksi viikko voi tarjota runsaasti tietoja, jos kohorttisi on jaoteltu päivän mukaan, mutta sinun on valittava suurempi päivämääräalue suuremmille kohorteille.

vinkkejä Google Analyticsin Kohorttianalyysistä saa parhaan hyödyn

saadaksesi hyödyllistä ja toimivaa tietoa kohorttianalyysistä, kannattaa ottaa huomioon muutama paras käytäntö.

käytä ylimääräisiä segmenttejä saadaksesi lisätietoja yleisöstäsi

se, että nykyinen järjestelmä sallii sinun luoda kohortteja vain hankinta-ajankohdan perusteella, voi tuntua rajoitukselta.

onneksi voit käyttää muita segmenttejä tietojen segmentoimiseksi edelleen. Itse asiassa analytiikka mahdollistaa tällä hetkellä jopa neljä segmenttiä kohortin analyysiraportissa.

kun uusia segmenttejä lisätään, jokainen niistä ilmestyy uuteen taulukkoon “kaikki istunnot” – taulukon alle.

esimerkiksi kohorttianalyysiin voi syventyä segmentoimalla mobiililiikennettä vs. kaikki liikenne.

saat vertailutaulukon näin:

jos vierität sarakkeisiin, näet yksittäisten kohorttien tiedot.

tämä raportti osoittaa, että 3, 98% niistä 125 499 työpöytäkäyttäjästä, jotka rekisteröityivät viikolla 1 – 7.huhtikuuta, palasi viikolla 1, 2, 41% viikolla 2, 2, 05% viikolla 3.

kun sitä vertaa mobiiliin, huomaa, että desktop säilyttää käyttäjät yhä paremmin kuin mobile.

käsittelemiemme esiasetusasetusten lisäksi voit käyttää myös mitä tahansa analytiikassa luomiasi mukautettuja segmenttejä.

tämä tarkoittaa, että voit käyttää kohortin analyysiraporttia saadaksesi tietoja käyttäjäryhmistä, jotka olet jo todennut sivustollesi arvokkaiksi.Esimerkiksi

alla voit nähdä vertailun sivuston kävijöiden, jotka ovat rekisteröityneet ilmaiskokeiluun, ja whitepaperin ladanneiden välillä.

riippumatta käyttämistäsi segmenteistä, sinun kannattaa pitää silmällä kaikkia, jotka toimivat merkittävästi eri tavalla kuin “All Sessions” – raportti.

tämä auttaa tunnistamaan käyttäjäryhmiä, jotka poikkeavat keskivertokäyttäjän käyttäytymisestä joko positiivisella tai negatiivisella tavalla.

jos ryhmä suoriutuu paremmin, esimerkiksi palaamalla sivustollesi korkeammalla tahdilla, kannattaa kaivaa esiin mahdolliset syyt tähän eroon. Seuraava, voit käyttää tätä tietoa Kopioida, että käyttäytyminen muissa segmenteissä liikennettä.

Gauge Responses to Short-Term Marketing Efforts

the cohort analysis report voi myös olla hyödyllinen analysoitaessa, miten yleisö reagoi lyhyen aikavälin markkinointipyrkimyksiin, kuten sähköpostikampanjoihin.

jokaisella lähettämälläsi sähköpostilla tavoitat hieman erilaisen käyttäjäryhmän — ja saavuttamiesi käyttäjien käyttäytymisen seuraaminen voi olla hyvä tapa arvioida onnistumistasi.

niin kauan kuin käytät UTM-seurantaa kampanjoissasi, voit luoda jatkuvasti uuden segmentin kohortin analyysiraporttiin ja valita “Liikenteen lähteet” vasemmasta sarakkeesta.

syötä kampanjasi parametrit ja vertaa tätä segmenttiä sivustosi kokonaisliikenteeseen.

joten esimerkiksi, jos käytät sähköpostikampanjaa kolmen päivän ajan tarjoten 25% alennusta, voit seurata alennusta käyttäneiden käyttäjien käyttäytymistä tänä aikana.

jos kampanjallasi tavoitetut käyttäjät suoriutuivat tavoitemittaristasi paremmin, tämä on vankka indikaattori siitä, että se oli tehokas tavoittamaan haluamaasi liikennettä ja asiakkaita.

lisätietoja sähköisen kaupankäynnin ostotottumuksista

kohortin analyysiraportin parhaita ominaisuuksia on sähköisen kaupankäynnin tietojen sisällyttäminen, mukaan lukien tulot käyttäjää kohti, tapahtumat käyttäjää kohti, kokonaistulot.

ostotapahtumien tarkastelu käyttäjää kohti hankinta-ajankohdan mukaan voi näyttää, kuinka kauan käyttäjältä kuluu keskimäärin ostoksen tekemiseen.

esimerkiksi tässä esimerkissä ostot nousivat viisi päivää hankinta-ajankohdan jälkeen.

on tärkeää ottaa huomioon muut tekijät, jotka olisivat voineet aiheuttaa tämän piikin, kuten promootio-tai uudelleenmarkkinointikampanja. Ottaa nämä tiedot voivat antaa sinulle vahvemman käsityksen yleisön ostokäyttäytymistä ja keskimääräinen aika se vie heidät tekemään päätöksen.

voit myös viedä asioita pidemmälle vertaamalla näitä tietoja lifetime Value (LTV)-raporttiin.

esimerkiksi sanotaan, että havaitset kohorttianalyysissä, että 12 viikon kampanjan aikana näit merkittäviä pudotuksia käyttäjän retentionissa viikoilla viisi ja 11.

voit siirtyä LTV-raporttiin samalle aikavälille ja selvittää sitten, onko olemassa kanavia tai kampanjoita, jotka näkevät samat heikkotehoiset viikot.

voit käyttää näitä tietoja valitsemalla Katsojavalikosta elinikäisen arvon.

päätä seuraavaksi, mitä mittaria haluat käyttää käyttäjiesi arvon määrittämiseen. Sähköisen kaupankäynnin sivustoja, tämä on todennäköisesti tuloja per käyttäjä.

seuraava askel on lajitella tiedot hankintakanavan, lähteen, median tai kampanjan mukaan.

tämä voi antaa sinulle käsityksen siitä, mitä kanavia sinun on parannettava poistaaksesi sivuston suorituskyvyn pudotukset ja lisätäksesi käyttäjän säilymistä ja tuloja.

käytä merkintöjä vaikutusten seuraamiseen

analysoidessasi kohorttiraportteja on tärkeää pitää mielessä kaikki tekijät, jotka voivat vaikuttaa näkemääsi tietoon.

onneksi voit tehdä merkintöjä pitääksesi kirjaa näistä tekijöistä ja nähdä helposti tiettyjen tapahtumien, kampanjoiden ja sivuston muutosten päivämäärät.

nb

esimerkiksi seuraavassa kuviossa on esitetty kolme merkittävää tapahtumaa yrityksen markkinointiponnisteluille.

tässä tapauksessa se näyttää päivämäärän, jona virasto julkaisi artikkelin kolmannella osapuolella.

muutamaa päivää myöhemmin he näkivät merkittävän hypyn liikenteessä.

vaikka tämä saattaa olla hämmentävää, kun tarkastellaan vain kohortin analyysiraporttia, huomautus varmistaa, että näitä tietoja katsovat käyttäjät eivät unohda ottaa huomioon tätä merkittävää tekijää ja analysoi tietoja sen mukaisesti.

Tallenna raportit tärkeimmille Kohorteillesi

jos aiot käyttää Kohorttianalyysitoimintoa usein, raporttien tallentaminen on erinomainen tapa säästää aikaa.

se varmistaa myös, että tarkastelet jatkuvasti samoja tietokokonaisuuksia, jottet tee virheellisiä johtopäätöksiä vain siksi, että raporttisi asetus on hieman erilainen.

voit tallentaa raportin napsauttamalla “Tallenna” – painiketta kojelaudan yläosassa ja luomalla nimen.

tämä pitää kaikki muokkaukset ennallaan, mukaan lukien kehittyneet segmentit, toissijaiset mitat ja lajittelu — niin, että seuraavan kerran, kun haluat käyttää kohortin analysointitoimintoa, sinun ei tarvitse tuhlata aikaa tietojen uudelleenluomiseen.

Conclusion

jos etsit tapaa jakaa tietosi helpommin hallittaviin paloihin, Google Analyticsin kohorttianalyysitoiminto on loistava tapa keskittyä tiettyihin yleisösi osajoukkoihin.

voit käyttää sitä saadaksesi lisätietoja jo luomistasi segmenteistä (eli kohorteista) ja nähdäksesi, miten niiden käyttäytyminen eroaa muista segmenteistä, sekä sivustosi liikenteestä kokonaisuudessaan.

se on myös hyödyllinen arvioitaessa vastauksia tiettyihin kampanjoihin, oppiakseen lisää verkkokaupan ostajien käyttäytymisestä ja seuratakseen muiden liiketoimintaan liittyvien merkittävien tapahtumien vaikutusta.

jos tarvitset apua analyysiesi tuottamien tietojen luomiseen ja hallintaan — tai niiden sisällyttämiseen markkinointistrategiaasi — olemme täällä auttamassa.

miten käytät sivustosi kohortin analyysiraporttia?