Hur man kör en Kohortanalys i Google Analytics för att bättre segmentera din trafik

Google Analytics är en stapelvara i varje erfaren Digital Marknadsförare uppsättning verktyg. Detta beror främst på att det ger en mängd data som täcker praktiskt taget allt du kanske vill veta om hur besökare interagerar med din webbplats.

Kohortanalys är en särskilt användbar funktion för marknadsförare och småföretag. Det kan berätta hur bra din webbplats presterar totalt sett. Det ger dig också djupgående insikter om användarbeteende på din webbplats.

Vad är en Kohortanalys?

för att förstå vad en kohortanalys är, är det nödvändigt att definiera en “kohort” först.

denna term avser en delmängd av personer grupperade tillsammans på grund av ett delat värde.

Google definierar det som en grupp användare som delar en gemensam egenskap, identifierad av en Analytics-dimension.

en kohortanalys är då processen att analysera beteendet hos grupper av användare.

du kan jämföra grupper med varandra och leta efter skillnader och trender.

om du identifierar några mönster kan det hjälpa dig att avgöra vilka förändringar och beteendemässiga skillnader som ledde till olika resultat.

för att vara tydlig är denna process inte unik för digital marknadsföring. Du kan köra en kohortanalys för att jämföra många olika typer av grupper.

faktum är att termen härstammar från medicinska studier, där forskare jämför grupper av människor som rökare och icke-rökare för att identifiera skillnader mellan de två.

Tänk på att kohortmöjligheterna är begränsade till de data du kan samla in från dina besökare medan de surfar.

till exempel grupperas kohorter i Google Analytics baserat på förvärvsdatum eller användarnas första besök på din webbplats.

nya förvärv’ kohort typ kan vara till stor hjälp för att ge sammanhang till data. Att analysera specifika segment, istället för din publik som helhet, ger dig en tydligare uppfattning om vad som gör en bra kund för ditt företag.

en kohortanalys går också utöver grundläggande datapunkter för att föreslå orsakerna till förändringar i dina webbplatsbesökares beteende.

som ett resultat kan Jämförelse av kohorter hjälpa dig att lära dig mer om vad som påverkar specifika beteenden och vilken inverkan dina marknadsföringskampanjer och strategier har.

till exempel, när barnens online klädaffär Spearmint LOVE ville identifiera trender på deras webbplats skapade de flera kohortanalysrapporter:

med hjälp av denna analys kunde de bestämma hur länge den genomsnittliga besökaren skulle fortsätta att återvända till sin webbplats, liksom den genomsnittliga tiden mellan inköp.

de använde också denna insikt för att bryta sina kohorter i “anpassade fönster” baserat på olika köpbeteenden hos mammor under graviditeten och de första åren av deras barns liv.

på så sätt kan de mer exakt förutsäga vad kohorterna nästa köp kan vara, sedan basera deras annonskampanjinnehåll och timing på dessa förutsägelser.

och även om detta var bara en av flera strategier Spearmint kärlek används för att förbättra sin marknadsföring, slutresultatet var 991% årsbasis tillväxt från 2015 till 2016.

hur man kör en Kohortanalys i Google Analytics

att köra en kohortanalys i Google Analytics är en ganska enkel process.

Under fliken Audience väljer du Kohortanalys.

som standard visar huvudinstrumentpanelen för den här rapporten en graf med webbplatsens Anskaffningsdatumkohorter genom Användarretention.

i det här fallet representerar dag 0 varje användares första besök på din webbplats och de följande dagarna visar om de återvände.

om du märker en nedgång i detta diagram, var inte orolig.

kohorter faller oundvikligen över tiden när användare slutar återvända till din webbplats.

att upprätthålla ett stadigt flöde av återvändande besökare är utmanande för även de mest erfarna marknadsförarna — så bli inte förvånad om detta antal gradvis minskar för de flesta av dina kohorter.

under det här diagrammet visar rapporten också en tabell som visar webbplatsens användarretention, uppdelad i grupper baserat på datumet för användarnas första besök.

i det här fallet representerar varje rad en annan kohort av användare efter förvärvsdatum.

om du märker att några rader visar väsentligt olika retentionsnivåer från resten kan detta vara en bra utgångspunkt för analys.

detta gäller särskilt om du kör några större marknadsföringskampanjer.

till exempel kan en högpresterande kohort indikera att kampanjen du körde den dagen var särskilt effektiv för att locka engagerad trafik.

sedan kan du, högst upp på denna instrumentpanel, justera data som ingår i din rapport.

just nu är den enda Kohorttypen som är tillgänglig förvärvsdatum eller datumet för en användares första besök på din webbplats.

men du kan justera Kohortstorleken för att återspegla grupper av användare efter dag, vecka eller månad.

detta är särskilt användbart om du startar och kör nya kampanjer på en tidslinje som uppfyller en av dessa varaktigheter.

därefter kan du välja mellan några olika mätvärden för att analysera din kohort.

standardmåttet är användarretention, vilket visar procentandelen av en kohort som returnerar på efterföljande dagar efter deras ursprungliga besök.

om ett av dina primära mål är att öka din totala trafik och upprätthålla ett stadigt flöde av återvändande besökare kan den här rapporten vara till stor hjälp.

för de flesta webbplatsägare ger dock de två följande uppsättningarna mer värdefulla insikter när de relaterar till de åtgärder som en användare tar utöver att bara besöka din webbplats.

uppsättningen” per användare “med mätvärden visar det genomsnittliga antalet åtgärder som varje medlem i en kohort tog på din webbplats, inklusive:

• mål kompletteringar per användare:

• sidvisningar per användare:

• intäkter per användare:

• sessionslängd per användare:

• sessioner per användare:

• transaktioner per användare:

istället för att analysera dina kohorter baserat på om de konsekvent återvänder till din webbplats kan du fokusera på de åtgärder som påverkar dina viktigaste mål.

nästa uppsättning mätvärden är liknande, men istället för att visa ett genomsnitt per användare kommer det att visa summan för det mätvärde du väljer, inklusive:

• mål slutföranden:

• sidvisningar
• intäkter

• sessionslängd
• sessioner
• transaktioner
• användare

slutligen kan du justera datumintervallet för din rapport för att inkludera data från föregående vecka, två veckor, tre veckor eller månad.

det intervall du väljer beror på omfattningen av data du vill analysera, liksom storleken på din kohort. En vecka kan ge massor av data om dina kohorter är uppdelade efter dag, men du måste välja ett större datumintervall för större kohorter.

Tips för att få mest nytta av din Google Analytics-Kohortanalys

för att få användbar och användbar information från din kohortanalys bör du ta hänsyn till några bästa metoder.

använd ytterligare segment för att lära dig mer om din publik

det faktum att den aktuella inställningen bara låter dig skapa kohorter baserat på förvärvsdatum kan verka som en begränsning.

lyckligtvis kan du använda ytterligare segment för att segmentera dina data ytterligare. I själva verket tillåter Analytics för närvarande upp till fyra segment i kohortanalysrapporten.

när du lägger till nya segment visas var och en i en ny tabell under tabellen “alla sessioner”.

du kan till exempel gräva djupare i din kohortanalys genom att segmentera mobiltrafik vs. all trafik.

du får ett jämförelsediagram så här:

om du bläddrar ner till kolumnerna kan du se data för de enskilda kohorterna.

denna rapport visar att 3.98% av de 125,499 stationära användare som registrerade sig veckan i April 1 – April 7 kom tillbaka på Vecka 1, 2.41% kom tillbaka på Vecka 2, 2.05% på Vecka 3.

när du jämför det med mobil ser du att skrivbordet fortfarande behåller användare bättre än mobil.

utöver de förinställda alternativen som vi har diskuterat kan du också använda alla anpassade segment som du har skapat i Analytics.

det betyder att du kan använda kohortanalysrapporten för att komma åt data om uppsättningar användare som du redan har identifierat som värdefulla för din webbplats.

nedan kan du till exempel se en jämförelse mellan en webbplats besökare som registrerade sig för en gratis provperiod och de som laddade ner en vitbok.

oavsett vilka segment du använder, Vill du hålla ett öga på alla som utför väsentligt annorlunda än rapporten “alla sessioner”.

detta hjälper dig att identifiera grupper av användare som skiljer sig från den genomsnittliga användarens beteende, antingen på positiva eller negativa sätt.

om en grupp presterar bättre, till exempel genom att återvända till din webbplats till högre priser, Vill du gräva i de potentiella orsakerna till den skillnaden. Därefter kan du använda denna insikt för att replikera det beteendet över andra segment av din trafik.

mäta svar på kortsiktiga marknadsföringsinsatser

kohortanalysrapporten kan också vara till hjälp för att analysera hur din publik svarar på kortsiktiga marknadsföringsinsatser, som e-postkampanjer.

med varje e — post du skickar når du en något annorlunda uppsättning användare-och övervakning av användarnas beteende som ett resultat kan vara ett bra sätt att mäta din framgång.

så länge du använder utm-spårning för dina kampanjer kan du fortsätta återskapa ett nytt segment i kohortanalysrapporten och välja “Trafikkällor” i den vänstra kolumnen.

ange kampanjens parametrar och jämför sedan detta segment med webbplatsens totala trafik.

så om du till exempel kör en e-postkampanj i tre dagar med 25% rabatt kan du spåra beteendet hos användare som använde rabatten under denna period.

om användarna du nådde med din kampanj presterade bättre för ditt målvärde är detta en solid indikator på att det var effektivt för att nå den typ av trafik och kunder du vill ha.

lär dig mer om e-handel shoppingvanor

en av de bästa funktionerna i Kohortanalysrapporten är införandet av e-handelsspecifika data, inklusive intäkter per användare, transaktioner per användare, totala intäkter.

om man tittar på transaktioner per användare efter förvärvsdatum kan man visa den genomsnittliga tid det tar för en användare att göra ett köp.

till exempel i det här exemplet ökade inköpen fem dagar efter inköpsdatumet.

det är viktigt att överväga andra faktorer som kan ha orsakat denna spik, som en kampanj eller remarketingkampanj. Att ha dessa data kan ge dig en starkare förståelse för publikens köpbeteende och den genomsnittliga tiden det tar dem att fatta ett beslut.

du kan också ta saker ett steg längre genom att korshänvisa dessa data med rapporten Lifetime Value (LTV).

låt oss till exempel säga att du märker i en kohortanalys att du under en 12-veckors kampanj såg betydande avbrott i användarretentioni veckor fem och 11.

du kan hoppa över till LTV-rapporten för samma tidsram och sedan avgöra om det finns några kanaler eller kampanjer som ser samma lågpresterande veckor.

för att komma åt dessa data, välj LifeTime Value från menyn Audience.

därefter bestämmer du vilket mätvärde du vill använda för att bestämma värdet på dina användare. För e-handelswebbplatser kommer detta sannolikt att vara intäkter per användare.

nästa steg är att sortera dina data efter förvärvskanal, Källa, medium eller kampanj.

detta kan ge dig en uppfattning om vilka kanaler du behöver förbättra för att eliminera avbrott i webbplatsens prestanda och öka din användarretention och intäkter.

använd anteckningar för att övervaka effekten

när du analyserar dina kohortrapporter är det viktigt att komma ihåg alla faktorer som kan påverka de data du ser.

lyckligtvis kan du göra anteckningar för att hålla reda på dessa faktorer och enkelt se datum för specifika händelser, kampanjer och webbplatsändringar.

nb

följande diagram visar till exempel tre viktiga händelser för ett företags marknadsföringsinsatser.

i det här fallet visar det datum då byrån publicerade en artikel på en tredjepartsplattform.

några dagar senare såg de ett betydande hopp i trafiken.

även om detta kan vara förvirrande när man bara tittar på kohortanalysrapporten, säkerställer anteckningen att användare som tittar på dessa data inte glömmer att överväga den signifikanta faktorn och analysera data i enlighet därmed.

spara rapporter för dina viktigaste kohorter

om du planerar att använda funktionen Kohortanalys ofta, spara dina rapporter är ett utmärkt sätt att spara tid.

det säkerställer också att du konsekvent tittar på samma datamängder så att du inte drar några felaktiga slutsatser helt enkelt för att en inställning i din rapport är något annorlunda.

du kan spara en rapport genom att klicka på “Spara” – knappen högst upp på instrumentpanelen och skapa ett namn.

detta kommer att hålla alla anpassningar intakta, inklusive avancerade segment, sekundära dimensioner och sortering — så att nästa gång du vill använda kohortanalysfunktionen behöver du inte slösa bort tid på att återskapa din datamängd.

slutsats

om du letar efter ett sätt att segmentera dina data till mer hanterbara bitar är kohortanalysfunktionen i Google Analytics ett utmärkt sätt att fokusera på specifika delmängder av din publik.

du kan använda den för att lära dig mer om segment (aka kohorter) som du redan har skapat och se hur deras beteende skiljer sig från andra segment, liksom webbplatsens trafik som helhet.

det är också användbart för att mäta svar på specifika kampanjer, lära sig mer om e-handel shoppers beteende och övervaka effekterna av andra viktiga händelser relaterade till ditt företag.

om du behöver hjälp med att skapa och hantera de data du får från din analys — eller införliva den i din övergripande marknadsföringsstrategi — vi är här för att hjälpa.

Hur använder du Kohortanalysrapporten för din webbplats?