modgiften til forfængelighedsmålinger, når du har mindre end 1 time / uge til marketinganalyse
tidligere i år talte vi hos Humanlytics mere end 100 små og mellemstore virksomheder (SMB ‘ er) for at lære om deres største smertepunkter for digital markedsføring. Hvad vi fandt var, at to tilbagevendende temaer holdt kommer op igen og igen:
- knap tid / båndbredde til analyse: de fleste ejere af små virksomheder og marketingfolk har meget begrænset tid og båndbredde til at analysere deres data. De har for travlt med at drive deres forretning. Som en virksomhedsejer udtrykte det, “at bruge data er som at forsøge at redde et klaver fra et brændende rum — det er rart at have, men jeg har højere prioriteter.”Dette skyldes, at det tager meget tid og træning at omdanne data til handlingsbar forretningsindsigt, dvs.at besvare forretningsspørgsmål og understøtte forretningsbeslutning.
- Forfængelighedsmålinger tilføjer ikke forretningsværdi: Forfængelighedsmålinger er målinger, der får dig til at føle dig godt tilpas med din virksomhed, men faktisk ikke hjælper dig med at træffe beslutninger (de kan ikke handles). Problemet med forfængelighedsmålinger er, at de faktisk kan være værre end ikke at bruge analyser. De er ikke kun spild af tid, de kan faktisk vildlede dine forretningsbeslutninger. Samlede målinger som “nye sessioner” på din hjemmeside kan for eksempel skjule mere, end de afslører. For eksempel, hvis dit antal nye sessioner går op, er det en god ting (at få trækkraft med nye brugere) eller en dårlig ting (tilbageholdelse med tilbagevendende brugere går ned)?
det er her kohortanalyse kommer ind. Kohortanalysefunktionen i Google Analytics er modgift mod begge problemer (begrænset tid og vildledende forfængelighedsmålinger).
Hvad er en kohorte? I en nøddeskal er en kohorte simpelthen en delmængde af brugere grupperet efter delte egenskaber. I forbindelse med forretningsanalyse henviser en kohorte normalt til en delmængde af brugere, der specifikt er segmenteret efter anskaffelsesdato (dvs.første gang en bruger besøger din hjemmeside).
en “kohortanalyse” giver dig derefter simpelthen mulighed for at sammenligne adfærd og målinger for forskellige kohorter over tid. Du kan derefter finde de bedst præsterende (eller lavest præsterende) kohorter, og hvilke faktorer der driver denne præstation.
kohortanalyserapporten er en af de mest undervurderede funktioner på Google Analytics. Hvorfor? Fordi det hjælper dig med at isolere virkningen af dine forskellige marketingaktiviteter på en bestemt gruppe modtagere i stedet for støj i dataene.
kørsel af en kohortanalyse er en af de enkleste måder at køre et eksperiment for din virksomhed. Som marketingmedarbejder kan du køre en tidsbundet kampagne med bestemte egenskaber, du vil teste: annonceindhold, marketingkanal, målgruppe, destinationsside design osv. Du kan derefter sammenligne metrics for rækkevidde, engagement og konvertering for disse forskellige marketingkampagner for at se, hvilke faktorer i kampagnen der faktisk tilføjede værdi til din virksomhed, og hvilke der ikke gjorde det.
dette er den reelle værdi og formålet med marketing analytics i første omgang. Kort sagt, marketing analytics fortæller dig, hvad der fungerer, hvad der ikke fungerer, og hvordan du justerer dine marketingaktiviteter baseret på denne feedback. Kohortanalyse gør netop det ved at fokusere på effekten af hver marketingaktivitet eller ændring på et bestemt publikum i tide.
hvad angår tidsknaphedsproblemet for mange virksomheder, vil det tage mindre end en time at gennemgå din typiske kohorteanalyse hver uge. Hver virksomhed har forskellige behov for marketinganalyse. Men for mange virksomheder, hvis du kun har tid og båndbredde til at se på en Google Analytics-rapport om ugen, anbefaler jeg ofte at starte med kohortanalyserapporten i stedet for at spilde tid med forfængelighedsmålinger.
i denne artikel dækker vi:
- hvilken Kohortanalyse er god til
- begrænsninger af Kohortanalyse i Google Analytics
- en Begynders Primer til Kohortanalyserapporten i Google Analytics
- et par eksempler på Kohortanalyser for at komme i gang
som en Forretningsanalyseteknik giver en Kohortanalyse dig mulighed for at sammenligne variabler og ændringer mellem dine digitale marketing kampagner.
for eksempel, ligesom rigtige mursten og mørtel butikker, hjemmesider forandring. Hvis du gør det rigtigt, ændrer de sig meget og ofte. Du kan bruge en kohortanalyse til at forsøge at isolere effekten af hjemmesideændringen på brugeradfærd.
her er nogle faktorer, der kan påvirke brugeradfærd, som du måske vil analysere med en Kohorteanalyse:
- målgruppe
- annonceindhold
- kanaler
- kampagner / eksperimenter
- redesign af hjemmesiden
- nye produktlinjer og servicetilbud
- salg, rabatter, promoveringskampagner
i internetanalyse kan du sammenligne, hvordan kohorter klarer sig i trafikmålinger (f. eks. tilbagevendende brugere), engagementsmålinger (f. eks. gennemsnitlig sessionsvarighed) eller konverteringsmålinger (f. eks. sessioner med transaktioner).
selvom du teoretisk kan analysere nogen af disse faktorer med en kohorteanalyse, giver ikke alle analyseværktøjer (f.eks.
begrænsninger af Kohortanalyse i Google Analytics
selvom kohortanalyse kan være meget nyttig i teorien, har kohortanalyserapporten i Google Analytics mange begrænsninger i praksis.
først og fremmest kan kohorter generelt teknisk grupperes efter enhver fælles karakteristik. Kohortanalyserapporten i Google Analytics (som har været i beta i et stykke tid) kan i øjeblikket kun definere kohorter baseret på overtagelsesdato (dvs.første gang en bruger besøger din hjemmeside).
for det andet er sporing af fastholdelse og tilbagevendende brugere på din hjemmeside (hvilket kohortanalyse ofte bruges til) i øjeblikket en upræcis øvelse for Google Analytics. Lad os for eksempel sige, at Pete er bruger på din side og besøger din side i dag. Hvis han besøger igen i morgen, skal Google Analytics registrere ham som en tilbagevendende bruger.
men hvis Pete gør nogen af disse ting, kan Google Analytics muligvis ikke spore sin næste session korrekt som en tilbagevendende session:
- rydning af cookies
- besøg på en anden enhed eller bro. ser
- besøg på siden i inkognitotilstand
den typiske digitale forbruger ejer nu i gennemsnit 3,64 enheder, og 36% af amerikanerne ejer en smartphone, en computer og en tablet. Denne manglende evne til konsekvent at spore brugere på tværs af enheder, bro.Serere og sessioner er ikke et trivielt problem.
endelig er der problemet med forvirrende variabler. Som vi diskuterede tidligere, kan det være nyttigt at overlejre dine kohortemetrikker med din marketingkalender for at se, hvordan metrics ændres med dine marketingaktiviteter.
men enhver sammenhæng mellem en marketingkampagne og en uptick i metrics er en sammenhæng, ikke en årsagssammenhæng. Måske startede du den nye Facebook-annoncekampagne sidste mandag, men kan stigningen i brugeropbevaring virkelig tilskrives kvaliteten af dine Facebook-annoncer? Eller kan det være, at et af dine ældre blogindlæg begynder at få trækkraft?
medmindre du kører randomiserede kontrollerede forsøg (RCT ‘ er), hvor du tilfældigt tildeler brugere til en kontrolgruppe eller en behandlingsgruppe, kan du ikke definitivt fastslå årsagssammenhæng mellem en marketingkampagne og de metriske ændringer. Dette gælder især, hvis du har flere kampagner, der kører på samme tid.
når det er sagt, selv med sine begrænsninger, kan kohortanalyserapporten i Google Analytics stadig være retningsbestemt korrekt til datadrevet beslutningstagning, især hvis du tester dine marketingkampagner og ændringer som separate eksperimenter (f.eks. hvis du kun kører Facebook-annoncer i Januar, Kvidreannoncer i Februar, annoncekampagner i Marts osv.).
her er en gennemgang af, hvordan du bruger kohortanalysefunktionen i Google Analytics.
en Begynders Primer til Kohortanalyserapporten i Google Analytics
du kan finde Kohortanalyserapporten under målgruppe.
øverst i rapporten kohorteanalyse kan du justere indstillingerne for kohortetype, kohortestørrelse, metrik og datointerval.
- Kohorttype: i øjeblikket er den eneste mulighed anskaffelsesdato (datoen for brugerens første session)
- Kohortestørrelse: du kan vælge at definere kohorter efter dag, uge eller måned. For eksempel, hvis du vælger efter måned, repræsenterer hver kohorte de brugere, der er erhvervet i en bestemt måned (f.eks. Januar-kohorten inkluderer alle de brugere, der havde deres første session i Januar)
- datointerval: det tidsvindue, du vil undersøge (f. eks. de sidste 6 uger)
- Metric: de data, du vil se i rapporten. Standardmetrikken er brugerretention, som måler procentdelen af brugere, der vender tilbage.
du kan også vælge disse “per bruger” metrics og” total ” metrics:
du kan derefter vælge, hvilke kohorter der skal vises på grafen.
mobil / tablet trafik osv.) til sammenligning, ligesom med enhver anden rapport, ved at klikke ved at klikke på plusknappen ud for “alle brugere” øverst i rapporten. Du kan finde vores tutorial om brug af Google Analytics-segmenter til at analysere dit publikum her:
men det virkelige kød i kohortanalyserapporten er varmekortet lige under denne graf. For eksempel sammenligner jeg nedenfor Alle brugere med det betalte trafiksegment.
dette varmekort giver dig mulighed for hurtigt at identificere de højeste (og laveste) udførende målinger efter kohorte og uge efter overtagelsesdato. Uge 0 repræsenterer den uge, hvor kohortens brugere havde deres første session. Dette kohortvarmekort kan ikke eksporteres, så du skal muligvis kopiere/indsætte eller screenshot grafikken.
lad os sige, at jeg kørte en ny remarketingkampagne ugen 9/11 for at retarget brugere, der besøgte min side. Som du kan se i Kohortanalyserapporten ovenfor, steg min brugerretention markant den uge. Dette kan være tegn på, at min remarketingkampagne øger brugeropbevaring, hvilket jeg kan undersøge yderligere i min Ads-rapport (under erhvervelse).
derfor anbefaler jeg at trække din marketingkalender op i et separat vindue for at overlejre dit kohortvarmekort med konteksten af dine marketingaktiviteter. Hvis du bare vil spore datoerne for dine marketingkampagner, foreslår jeg at prøve den indbyggede Annotationsfunktion i Google Analytics-rapporter.