motgiften til forfengelighetsmålinger når du har mindre enn 1 time/uke for markedsføringsanalyse
Tidligere I år intervjuet Vi På Humanlytics mer enn 100 små og mellomstore bedrifter (Smb) for å lære om deres største digitale markedsføringspoeng. Det vi fant var at to tilbakevendende temaer holdt kommer opp igjen og igjen:
- Knappe Tid / Båndbredde For Analyse: de fleste småbedriftseiere og markedsførere har svært begrenset tid og båndbredde for å analysere dataene sine. De er for opptatt med å drive sine virksomheter. Som en bedriftseier sa det, » å bruke data er som å prøve å redde et piano fra et brennende rom — det er fint å ha, men jeg har høyere prioriteringer.»Dette er fordi det tar mye tid og trening å gjøre data om til handlingsbar forretningsinnsikt, dvs. å svare på forretningsspørsmål og støtte forretningsbeslutninger.
- Forfengelighetsmålinger Legger Ikke Til Forretningsverdi: Forfengelighetsmålinger er beregninger som gjør at du føler deg godt om virksomheten din, men hjelper deg faktisk ikke med å ta beslutninger (De er ikke handlingsbare). Problemet med forfengelighet beregninger er at de faktisk kan være verre enn ikke å bruke analytics. De er ikke bare bortkastet tid, de kan faktisk villede dine forretningsbeslutninger. Samlede beregninger som «nye økter» på nettstedet ditt, for eksempel, kan skjule mer enn de avslører. For eksempel, hvis antall nye økter går opp, er dette en god ting (får trekkraft med nye brukere), eller en dårlig ting (oppbevaring med returbrukere går ned)?
det er her kohortanalyse kommer inn. Kohortanalysefunksjonen I Google Analytics er motgift mot begge problemer(begrenset tid og villedende forfengelighet).
Hva er en kohort? I et nøtteskall er en kohort bare en delmengde av brukere gruppert etter felles egenskaper. I sammenheng med forretningsanalyse refererer en kohort vanligvis til et delsett av brukere som er spesifikt segmentert etter oppkjøpsdato (dvs.første gang en bruker besøker nettstedet ditt).
En «kohortanalyse» lar deg da ganske enkelt sammenligne atferd og beregninger av forskjellige kohorter over tid. Du kan deretter finne de høyest presterende (eller lavest presterende) kohortene, og hvilke faktorer som driver denne ytelsen.
kohortanalyserapporten er en Av De mest undervurderte funksjonene På Google Analytics. Hvorfor? Fordi det hjelper deg med å isolere virkningen av de ulike markedsføringsaktivitetene dine på en bestemt gruppe mottakere, i stedet for støy i dataene.
Å Kjøre en kohortanalyse er en av de enkleste måtene å kjøre et eksperiment for bedriften din. Som markedsfører kan du kjøre en tidsbundet kampanje med bestemte egenskaper du vil teste: annonseinnhold, markedsføringskanal, målgruppe, landingssidedesign, etc. Du kan deretter sammenligne beregninger for rekkevidde, engasjement og konvertering for disse ulike markedsføringskampanjene, for å se hvilke faktorer i kampanjen som faktisk gir merverdi til bedriften din, og hvilke som ikke gjorde det..
dette er den virkelige verdien og hensikten med markedsanalyse i utgangspunktet. Enkelt sagt, marketing analytics forteller deg hva som fungerer, hva som ikke fungerer, og hvordan du justerer markedsføringsaktivitetene dine basert på denne tilbakemeldingen. Kohortanalyse gjør nettopp det ved å fokusere på effekten av hver markedsføringsaktivitet eller endring på et bestemt publikum i tide.
når det gjelder tidsknapphetsproblemet for mange bedrifter, vil det ta mindre enn en time å gå gjennom den typiske kohortanalysen hver uke. Hver bedrift har ulike behov for markedsføring analytics. Men for mange bedrifter, hvis du bare har tid og båndbredde til å se På En Google Analytics-rapport per uke, anbefaler jeg ofte å starte med kohortanalyserapporten, i stedet for å kaste bort tid med forfengelighet.
i denne artikkelen vil vi dekke:
- Hvilken Kohortanalyse Er Bra For
- Begrensninger Av Kohortanalyse I Google Analytics
- En Nybegynners Primer til Kohortanalyserapporten I Google Analytics
- Noen Få Eksempler På Kohortanalyser For Å Komme I Gang
Som en forretningsanalyseteknikk lar En Kohortanalyse deg sammenligne variabler og endringer mellom dine digitale data.markedsføringskampanjer.
for eksempel, som ekte murstein og mørtel butikker, endres nettsteder. Hvis du gjør det riktig, endres de mye og ofte. Du kan bruke en kohortanalyse for å prøve å isolere effekten av nettstedendringen på brukeradferd.
her er noen faktorer som kan påvirke brukeradferd som du kanskje vil analysere med En Kohortanalyse:
- Målgruppe
- Annonseinnhold
- Kanaler
- Kampanjer / eksperimenter
- nettsted redesigner
- nye produktlinjer og tjenestetilbud
- Salg, rabatter, kampanjer
i webanalyse kan du sammenligne hvordan kohorter presterer i trafikkberegninger (f. eks. returnerende brukere), engasjementberegninger (f. eks. gjennomsnittlig øktvarighet) eller konverteringsberegninger (f. eks. transaksjoner).
selv om du teoretisk kan analysere noen av disse faktorene med en kohortanalyse, lar ikke alle analyseverktøy (F.Eks. Google Analytics) deg analysere virkningen av alle disse faktorene på brukeradferd.
Begrensninger Av Kohortanalyse I Google Analytics
selv om kohortanalyse kan være svært nyttig i teorien, har kohortanalyserapporten I Google Analytics mange begrensninger i praksis.
først av alt kan kohorter generelt teknisk grupperes etter hvilken som helst felles karakteristikk. Kohortanalyserapporten I Google Analytics (som har vært i beta en stund) kan for øyeblikket bare definere kohorter basert på oppkjøpsdato (dvs.første gang en bruker besøker nettstedet ditt).
for det Andre er sporing av oppbevaring og returnerende brukere på nettstedet ditt (som er hva kohortanalyse ofte brukes til) for Tiden en upresis øvelse For Google Analytics. For eksempel, la Oss si At Pete er en bruker på nettstedet ditt og besøker nettstedet ditt i dag. Hvis Han besøker igjen i morgen, Bør Google Analytics registrere Ham som en returbruker.
Men Hvis Pete gjør noen av disse tingene, Kan Google Analytics kanskje ikke spore sin neste økt som en returøkt:
- Tømme nettleserkapsler
- Besøke nettstedet på en annen enhet eller nettleser
- Besøke nettstedet i inkognitomodus
den typiske digitale forbrukeren eier nå i gjennomsnitt 3,64 enheter, og 36% Av Amerikanerne eier en smarttelefon, en datamaskin og en nettbrett. Denne manglende evne til å konsekvent spore brukere på tvers av enheter, nettlesere og økter er ikke et trivielt problem.
Til Slutt er det problemet med forvirrende variabler. Som vi diskuterte tidligere, kan det være nyttig å overlappe kohortberegningene dine med markedsføringskalenderen din for å se hvordan beregninger endres med markedsføringsaktivitetene dine.
men enhver sammenheng mellom en markedsføringskampanje og en uptick i beregninger er en korrelasjon, ikke en årsakssammenheng. Kanskje du startet Den Nye Facebook-annonsekampanjen sist mandag, men kan økningen i brukerbeholdning virkelig tilskrives Kvaliteten på Facebook-annonsene dine? Eller kan det være at en av dine eldre blogginnlegg begynner å få trekkraft?
med Mindre du kjører randomiserte kontrollerte studier (Rcter) der du tilfeldig tilordner brukere til en kontrollgruppe eller en behandlingsgruppe, kan du ikke definitivt etablere årsakssammenheng mellom en markedsføringskampanje og metriske endringer. Dette gjelder spesielt hvis du har flere kampanjer som kjører samtidig.
selv med sine begrensninger, kan kohortanalyserapporten i Google Analytics fortsatt være retningsrettet korrekt for datadrevne beslutninger, spesielt hvis du tester markedsføringskampanjer og endringer som separate eksperimenter(for Eksempel hvis Du bare kjører Facebook-annonser i januar, Twitter-annonser i februar, Adwords-kampanjer I Mars osv.).
Her er en gjennomgang av hvordan du bruker kohortanalysefunksjonen I Google Analytics.
En Nybegynnerprimer til Kohortanalyserapporten I Google Analytics
Du finner Kohortanalyserapporten under Målgruppe.
øverst i kohortanalyserapporten kan du justere innstillingene for kohorttype, kohortstørrelse, beregning og datointervall.
- Kohorttype: foreløpig er det eneste alternativet oppkjøpsdato (datoen for brukerens første økt)
- Kohortstørrelse: du kan velge å definere kohorter etter dag, uke eller måned. For eksempel, hvis du velger etter måned, representerer hver kohort brukerne som er oppnådd i en bestemt måned (for eksempel januarkohorten inkluderer alle brukerne som hadde sin første økt i januar)
- Datointervall: tidsvinduet du vil undersøke (for eksempel de siste 6 ukene)
- Metrisk: dataene du vil se i rapporten. Standardberegningen er brukeroppbevaring, som måler prosentandelen av brukerne som returnerer.
du kan også velge disse «per bruker» beregninger og «totalt» beregninger:
Du kan deretter velge hvilke kohorter som skal vises på grafen.
du kan også legge til flere segmenter (f. eks mobil/nettbrett trafikk, etc) for sammenligning, akkurat som med alle andre rapporter, ved å klikke ved å klikke på plussknappen ved siden av «Alle Brukere» øverst i rapporten. Du finner vår veiledning om Bruk Av Google Analytics-segmenter for å analysere publikum her:
det virkelige kjøttet i kohortanalyserapporten er imidlertid varmekartet rett under denne grafen. For eksempel, under sammenligner Jeg Alle Brukere Med Det Betalte Trafikksegmentet.
dette varmekartet lar deg raskt identifisere de høyeste (og laveste) utførende beregningene etter kohort og uke etter oppkjøpsdato. Uke 0 representerer uken der kohortens brukere hadde sin første økt. Dette kohortvarmekartet kan ikke eksporteres, så du må kanskje kopiere / lime inn eller screenshot grafikken.
La oss si at jeg kjørte En Ny Adwords remarketingkampanje uken 9/11 for å retarget brukere som besøkte nettstedet mitt. Som du kan se i Kohortanalyserapporten ovenfor, gikk brukeroppbevaring opp betydelig den uken. Dette kan være bevis på at remarketingkampanjen min øker brukerbeholdningen, noe jeg kan se nærmere på i Adwords-rapporten min (Under Oppkjøp).
derfor anbefaler Jeg å trekke opp markedsføringskalenderen din i et eget vindu for å legge over kohortvarmekartet med konteksten til markedsføringsaktivitetene dine. Hvis du bare vil spore datoene for markedsføringskampanjene dine, foreslår jeg at du prøver den innebygde Annoteringsfunksjonen I Google Analytics-rapporter.