L’antidoto per vanity metrics quando si hanno meno di 1 ora/settimana per il marketing analytics
All’inizio di quest’anno, noi di Humanlytics abbiamo intervistato più di 100 piccole e medie imprese (PMI) per conoscere i loro più grandi punti dolenti del marketing digitale. Quello che abbiamo scoperto è che due temi ricorrenti continuavano a venire più e più volte:
- Scarso tempo / larghezza di banda per l’analisi: la maggior parte dei proprietari di piccole imprese e di marketing hanno molto limitato il tempo e la larghezza di banda per analizzare i loro dati. Sono troppo occupati a gestire le loro attività. Come ha detto un imprenditore, ” usare i dati è come cercare di salvare un pianoforte da una camera ardente — è bello avere ma ho priorità più alte.”Questo perché ci vuole un sacco di tempo e formazione per trasformare i dati in intuizioni di business attuabili, vale a dire per rispondere alle domande di business e sostenere il processo decisionale aziendale.
- Le metriche di vanità non aggiungono valore al business: le metriche di vanità sono metriche che ti fanno sentire bene con la tua attività, ma in realtà non ti aiutano a prendere decisioni (non sono perseguibili). Il problema con le metriche di vanità è che possono effettivamente essere peggio che non usare l’analisi. Non sono solo una perdita di tempo, possono effettivamente indurre in errore le vostre decisioni di business. Le metriche aggregate come” nuove sessioni ” sul tuo sito Web, ad esempio, possono oscurare più di quanto rivelino. Ad esempio, se il numero di nuove sessioni aumenta, è una buona cosa (ottenere trazione con i nuovi utenti) o una cosa negativa (la ritenzione con gli utenti di ritorno sta diminuendo)?
È qui che entra in gioco l’analisi di coorte. La funzione di analisi di coorte in Google Analytics è l’antidoto a entrambi i problemi (tempo limitato e metriche di vanità fuorvianti).
Che cos’è una coorte? In poche parole, una coorte è semplicemente un sottoinsieme di utenti raggruppati per caratteristiche condivise. Nel contesto di business analytics, una coorte di solito si riferisce a un sottoinsieme di utenti specificamente segmentato per data di acquisizione (cioè la prima volta che un utente visita il tuo sito web).
Una “analisi di coorte”, quindi, consente semplicemente di confrontare il comportamento e le metriche delle diverse coorti nel tempo. È quindi possibile trovare le coorti più performanti (o meno performanti) e quali fattori stanno guidando questa performance.
Il rapporto di analisi di coorte è una delle caratteristiche più sottovalutate su Google Analytics. Perché? Perché ti aiuta a isolare l’impatto delle tue diverse attività di marketing su un gruppo specifico di destinatari, invece del rumore nei dati.
Eseguire un’analisi di coorte è uno dei modi più semplici per eseguire un esperimento per la tua azienda. In qualità di marketer, puoi eseguire una campagna a tempo limitato con determinate caratteristiche che desideri testare: contenuto pubblicitario, canale di marketing, pubblico di destinazione, design della pagina di destinazione, ecc. Puoi quindi confrontare le metriche per reach, engagement e conversion per queste diverse campagne di marketing, per vedere quali fattori della campagna hanno effettivamente aggiunto valore alla tua attività e quali no.
Questo è il valore reale e lo scopo di analisi di marketing in primo luogo. In poche parole, l’analisi di marketing ti dice cosa funziona, cosa non funziona e come regolare le tue attività di marketing in base a questo feedback. L’analisi di coorte fa proprio questo concentrandosi sull’effetto di ogni attività di marketing o cambiamento su un pubblico specifico nel tempo.
Per quanto riguarda il problema della scarsità di tempo per molte aziende, passare attraverso la tipica analisi di coorte ogni settimana ti richiederà meno di un’ora. Ogni azienda ha esigenze diverse di analisi di marketing. Ma per molte aziende, se hai solo il tempo e la larghezza di banda per guardare un rapporto di Google Analytics a settimana, spesso consiglio di iniziare con il rapporto di analisi di coorte, invece di perdere tempo con le metriche di vanità.
In questo articolo, tratteremo:
- Quali Analisi di Coorte è Buona Per
- Limitazioni di Analisi di Coorte in Google Analytics
- Un Principiante Primer per l’Analisi di Coorte Report di Google Analytics
- Alcuni Esempi di Analisi di Coorte per iniziare
Come un business analytics tecnica, una Coorte di Analisi consente di confrontare le variabili e le modifiche tra le tue campagne di marketing digitale.
Ad esempio, come i veri negozi di mattoni e malta, i siti web cambiano. Se lo stai facendo bene, cambiano molto e spesso. È possibile utilizzare un’analisi di coorte per cercare di isolare l’effetto della modifica del sito web sul comportamento dell’utente.
Ecco alcuni fattori che possono influire sul comportamento dell’utente che potresti voler analizzare con un’analisi di coorte:
- Target
- Annuncio di contenuto
- Canali
- Campagne/esperimenti
- riprogettazione del Sito web
- Nuove linee di prodotto e di servizio offerte
- Vendita, sconti, campagne di promozione
In analisi Web, è possibile confrontare le prestazioni delle coorti nelle metriche di traffico (ad esempio utenti di ritorno), nelle metriche di coinvolgimento (ad esempio durata media della sessione) o nelle metriche di conversione (ad esempio sessioni con transazioni).
Sebbene sia possibile analizzare teoricamente uno qualsiasi di questi fattori con un’analisi di coorte, non tutti gli strumenti di analisi (ad esempio Google Analytics) consentono di analizzare l’impatto di tutti questi fattori sul comportamento dell’utente.
Limitazioni dell’analisi di coorte in Google Analytics
Sebbene l’analisi di coorte possa essere molto utile in teoria, il rapporto di analisi di coorte in Google Analytics ha molte limitazioni nella pratica.
Prima di tutto, le coorti in generale possono tecnicamente essere raggruppate per qualsiasi caratteristica condivisa. Tuttavia, il report di analisi delle coorti in Google Analytics (che è stato in beta per un po’) può attualmente definire solo le coorti in base alla data di acquisizione (cioè la prima volta che un utente visita il tuo sito web).
In secondo luogo, il monitoraggio della conservazione e del ritorno degli utenti sul tuo sito Web (che è ciò per cui l’analisi di coorte viene spesso utilizzata) è attualmente un esercizio impreciso per Google Analytics. Ad esempio, supponiamo che Pete sia un utente sul tuo sito e visiti il tuo sito oggi. Se visita di nuovo domani, Google Analytics dovrebbe registrarlo come utente di ritorno.
Tuttavia, se piero non fa nessuna di queste cose, Google Analytics potrebbe non essere in grado di monitorare correttamente la sua prossima sessione di ritorno sessione:
- Rimozione dei cookie del browser
- Visita il sito su un altro dispositivo o browser
- Visita il sito in modalità di navigazione in incognito
Il tipico consumatore digitale ora possiede una media di dispositivi 3.64 e il 36% degli americani possiede uno smartphone, un computer e un tablet. Questa incapacità di monitorare costantemente gli utenti su dispositivi, browser e sessioni non è un problema banale.
Infine, c’è il problema di confondere le variabili. Come abbiamo discusso in precedenza, può essere utile sovrapporre le metriche di coorte con il calendario di marketing per vedere come le metriche cambiano con le attività di marketing.
Ma qualsiasi associazione tra una campagna di marketing e un aumento delle metriche è una correlazione, non una causalità. Forse hai iniziato quella nuova campagna pubblicitaria di Facebook lunedì scorso, ma l’aumento della fidelizzazione degli utenti può davvero essere attribuito alla qualità dei tuoi annunci di Facebook? O potrebbe essere che uno dei tuoi post sul blog più vecchi stia iniziando a ottenere trazione?
A meno che non si eseguano studi controllati randomizzati (RCT) in cui si assegnano casualmente utenti a un gruppo di controllo o a un gruppo di trattamento, non è possibile stabilire in modo definitivo la causalità tra una campagna di marketing e le modifiche della metrica. Ciò è particolarmente vero se si dispone di più campagne in esecuzione allo stesso tempo.
Detto questo, anche con i suoi limiti, il rapporto di analisi di coorte in Google Analytics può ancora essere direzionalmente corretto per il processo decisionale basato sui dati, specialmente se si testano le campagne di marketing e le modifiche come esperimenti separati (ad esempio se si eseguono solo annunci Facebook a gennaio, annunci Twitter a febbraio, campagne Adwords a marzo, ecc.).
Ecco una panoramica di come utilizzare la funzione di analisi di coorte in Google Analytics.
Un primer per principianti per il rapporto di analisi di coorte in Google Analytics
È possibile trovare il rapporto di analisi di coorte sotto Pubblico.
Nella parte superiore del report analisi coorte, è possibile regolare le impostazioni per tipo di coorte, dimensione coorte, metrica e intervallo di date.
- Tipo di coorte: attualmente, l’unica opzione è data di acquisizione (la data della prima sessione dell’utente)
- Dimensione di coorte: è possibile scegliere di definire le coorti per giorno, per settimana o per mese. Ad esempio, se selezioni per mese, ogni coorte rappresenta gli utenti acquisiti in un determinato mese (ad esempio, la coorte di gennaio include tutti gli utenti che hanno avuto la loro prima sessione a gennaio)
- Intervallo di date: la finestra di tempo che desideri esaminare (ad esempio le ultime 6 settimane)
- Metrica: i dati che vedrai nel report. La metrica predefinita è la conservazione degli utenti, che misura la percentuale di utenti restituiti.
Puoi anche scegliere queste metriche “per utente ” e metriche” totali”:
È quindi possibile selezionare quali coorti visualizzare sul grafico.
È inoltre possibile aggiungere ulteriori segmenti (ad es. cellulare/tablet traffico, ecc) per il confronto, proprio come con qualsiasi altro rapporto, facendo clic su fare clic sul segno più accanto a “Tutti gli Utenti” nella parte superiore del report. Puoi trovare il nostro tutorial sull’utilizzo dei segmenti di Google Analytics per analizzare il tuo pubblico qui:
Tuttavia, la vera carne del rapporto di analisi di coorte è la mappa di calore proprio sotto questo grafico. Ad esempio, di seguito confronto tutti gli utenti con il segmento di traffico a pagamento.
Questa mappa di calore consente di identificare rapidamente il massimo (e minimo) esecuzione di metriche da coorte e la settimana dopo la data di acquisizione. Settimana 0 rappresenta la settimana in cui gli utenti di quella coorte hanno avuto la loro prima sessione. Questa mappa di calore di coorte non può essere esportata, quindi potrebbe essere necessario copiare / incollare o screenshot del grafico.
Diciamo che ho eseguito una nuova campagna di remarketing Adwords la settimana del 9/11 per retarget utenti che hanno visitato il mio sito. Come puoi vedere nel rapporto di analisi di coorte sopra, la mia conservazione degli utenti è aumentata in modo significativo quella settimana. Questo potrebbe essere la prova che la mia campagna di remarketing sta aumentando la fidelizzazione degli utenti, che posso esplorare ulteriormente nel mio rapporto Adwords (in fase di acquisizione).
Questo è il motivo per cui consiglio di tirare su il tuo calendario di marketing in una finestra separata per sovrapporre la tua mappa di calore di coorte con il contesto delle tue attività di marketing. Se vuoi solo tenere traccia delle date delle tue campagne di marketing, ti suggerisco di provare la funzione di annotazioni integrata nei report di Google Analytics.