antidotum na wskaźniki próżności, gdy masz mniej niż 1 godzinę/tydzień na analitykę marketingową
na początku tego roku w Humanlytics przeprowadziliśmy wywiady z ponad 100 małymi i średnimi firmami (SMB), aby dowiedzieć się o ich największych bolączkach związanych z marketingiem cyfrowym. Odkryliśmy, że dwa powtarzające się motywy ciągle pojawiały się w kółko:
- ograniczony czas / przepustowość dla analityki: większość właścicieli małych firm i marketerów ma bardzo ograniczony czas i przepustowość na analizę swoich danych. Są zbyt zajęci prowadzeniem biznesu. Jak ujął to jeden z właścicieli firmy: „korzystanie z danych jest jak próba uratowania fortepianu z płonącego pomieszczenia-miło to mieć, ale mam wyższe priorytety.”Dzieje się tak dlatego, że potrzeba dużo czasu i szkoleń, aby przekształcić dane w Przydatne informacje biznesowe, tj. odpowiadać na pytania biznesowe i wspierać podejmowanie decyzji biznesowych.
- wskaźniki próżności nie dodają wartości biznesowej: wskaźniki próżności to wskaźniki, które sprawiają, że czujesz się dobrze w swojej firmie, ale w rzeczywistości nie pomagają w podejmowaniu decyzji (nie można ich zaskarżyć). Problem z metrykami próżności polega na tym, że mogą być gorsze niż nieużywanie analityki. To nie tylko strata czasu, ale mogą wprowadzić w błąd decyzje biznesowe. Zagregowane dane, takie jak na przykład” nowe sesje ” w Twojej witrynie, mogą przesłaniać więcej niż ujawniają. Na przykład, jeśli liczba nowych sesji wzrasta, czy jest to dobra rzecz (uzyskanie trakcji z nowymi użytkownikami), czy zła (retencja z powracającymi użytkownikami spada)?
tu pojawia się analiza kohortowa. Funkcja analizy kohortowej w Google Analytics jest antidotum na oba problemy (ograniczony czas i mylące wskaźniki próżności).
co to jest kohorta? W skrócie, kohorta jest po prostu podzbiorem użytkowników pogrupowanych według wspólnych cech. W kontekście analityki biznesowej kohorta zazwyczaj odnosi się do podzbioru użytkowników podzielonego według daty przejęcia (tj. gdy użytkownik po raz pierwszy odwiedza Twoją witrynę).
„analiza kohortowa” pozwala po prostu porównać zachowanie i metryki różnych kohort w czasie. Następnie można znaleźć kohorty o najwyższych (lub najniższych) wynikach i jakie czynniki napędzają tę wydajność.
raport z analizy kohortowej jest jedną z najbardziej niedocenianych funkcji Google Analytics. Dlaczego? Ponieważ pomaga wyizolować wpływ różnych działań marketingowych na określoną grupę odbiorców, zamiast szumu w danych.
przeprowadzenie analizy kohortowej jest jednym z najprostszych sposobów przeprowadzenia eksperymentu dla Twojej firmy. Jako marketer możesz prowadzić kampanię czasową o określonych cechach, które chcesz przetestować: treści reklamowe, kanał marketingowy, grupa docelowa, Projekt strony docelowej itp. Następnie możesz porównać wskaźniki dotyczące zasięgu, zaangażowania i konwersji dla tych różnych kampanii marketingowych, aby zobaczyć, które czynniki kampanii faktycznie dodały wartość Twojej firmie, a które nie.
jest to przede wszystkim prawdziwa wartość i cel analityki marketingowej. Mówiąc najprościej, analityka marketingowa informuje, co działa, a co nie, i jak dostosować swoje działania marketingowe w oparciu o te informacje zwrotne. Analiza kohortowa robi to właśnie poprzez skupienie się na wpływie każdego działania marketingowego lub zmiany na określoną grupę odbiorców w czasie.
jeśli chodzi o problem niedoboru czasu dla wielu firm, przeglądanie typowej analizy kohortowej co tydzień zajmie ci mniej niż godzinę. Każda firma ma inne potrzeby w zakresie analityki marketingowej. Ale dla wielu firm, jeśli masz tylko czas i przepustowość, aby spojrzeć na jeden raport Google Analytics na tydzień, często polecam rozpoczęcie od raportu analizy kohortowej, zamiast tracić czas na metryki próżności.
w tym artykule omówimy:
- do czego służy analiza Kohortowa
- ograniczenia analizy Kohortowej w Google Analytics
- Elementarz dla początkujących do raportu analizy Kohortowej w Google Analytics
- kilka przykładów analiz kohortowych na początek
jako technika analityki biznesowej, Analiza Kohortowa pozwala na porównywanie zmiennych i zmian między danymi.kampanie marketingu cyfrowego.
na przykład, jak prawdziwe sklepy stacjonarne, strony internetowe się zmieniają. Jeśli robisz to dobrze, zmieniają się bardzo często. Możesz użyć analizy kohortowej, aby spróbować wyizolować wpływ modyfikacji witryny na zachowanie użytkowników.
oto kilka czynników, które mogą wpływać na zachowanie użytkowników, które możesz przeanalizować za pomocą analizy Kohortowej:
- grupa docelowa
- treść reklam
- kanały
- kampanie / eksperymenty
- przeprojektowanie strony internetowej
- nowe linie produktów i oferty usług
- sprzedaż, rabaty, kampanie promocyjne
w analityce internetowej można porównać wyniki kohort w metrykach ruchu (np. powracający użytkownicy), zaangażowania (np. średni czas trwania sesji) lub konwersji (np. sesje z transakcjami).
chociaż teoretycznie można analizować każdy z tych czynników za pomocą analizy kohortowej, nie każde narzędzie analityczne (np. Google Analytics) pozwala analizować wpływ wszystkich tych czynników na zachowanie użytkowników.
ograniczenia analizy Kohortowej w Google Analytics
chociaż analiza kohortowa może być bardzo przydatna w teorii, raport z analizy kohortowej w Google Analytics ma wiele ograniczeń w praktyce.
przede wszystkim kohorty ogólnie można technicznie pogrupować według dowolnej wspólnej cechy. Jednak raport z analizy kohortowej w Google Analytics (który od jakiegoś czasu jest w wersji beta) może obecnie definiować kohorty tylko na podstawie daty pozyskania (tj. gdy użytkownik po raz pierwszy odwiedza Twoją witrynę).
po drugie, śledzenie zatrzymywania i powracania użytkowników w witrynie (do czego często stosuje się analizę kohortową) jest obecnie nieprecyzyjnym ćwiczeniem dla Google Analytics. Na przykład, Powiedzmy, że Pete jest użytkownikiem Twojej witryny i odwiedza ją dzisiaj. Jeśli odwiedzi ponownie jutro, Google Analytics powinien zarejestrować go jako powracającego użytkownika.
jednak, jeśli Pete zrobi którąkolwiek z tych rzeczy, Google Analytics może nie być w stanie prawidłowo śledzić jego następnej sesji jako sesji powracającej:
- usuwanie plików cookie przeglądarki
- odwiedzanie witryny na innym urządzeniu lub przeglądarce
- odwiedzanie witryny w trybie incognito
typowy cyfrowy konsument ma obecnie średnio 3,64 urządzenia, a 36% Amerykanów ma smartfon, komputer i tablet. Ta niezdolność do konsekwentnego śledzenia użytkowników na różnych urządzeniach, przeglądarkach i sesjach nie jest trywialnym problemem.
wreszcie jest problem z pomieszaniem zmiennych. Jak już wspomnieliśmy wcześniej, pomocne może być nałożenie wskaźników kohortowych na kalendarz marketingowy, aby zobaczyć, jak zmieniają się one wraz z działaniami marketingowymi.
ale każdy związek między kampanią marketingową a wzrostem wskaźników jest korelacją, a nie przyczynowością. Może Facebook rozpoczął tę nową kampanię reklamową w ostatni poniedziałek, ale czy wzrost retencji użytkowników naprawdę można przypisać jakości reklam na Facebooku? Czy może być tak, że jeden ze starszych postów na blogu zaczyna nabierać tempa?
o ile nie uruchamiasz randomizowanych kontrolowanych badań (rcts), w których losowo przydzielasz użytkowników do grupy kontrolnej lub grupy leczonej, nie możesz ostatecznie ustalić związku przyczynowego między kampanią marketingową a zmianami metrycznymi. Jest to szczególnie ważne, jeśli masz kilka kampanii prowadzonych w tym samym czasie.
mimo swoich ograniczeń raport z analizy kohortowej w Google Analytics może być nadal kierunkowy do podejmowania decyzji opartych na danych, zwłaszcza jeśli testujesz swoje kampanie marketingowe i zmiany, takie jak oddzielne eksperymenty (np. jeśli wyświetlasz reklamy na Facebooku tylko w styczniu, reklamy na Twitterze w lutym, kampanie Adwords w marcu itp.).
Oto omówienie sposobu korzystania z funkcji analizy kohortowej w Google Analytics.
początkujący Elementarz raportu z analizy Kohortowej w Google Analytics
raport z analizy Kohortowej można znaleźć w sekcji Audience.
w górnej części raportu analizy kohortowej można dostosować ustawienia typu kohortowego, rozmiaru kohortowego, metryki i zakresu dat.
- Typ kohorty: obecnie jedyną opcją jest data pozyskania (Data pierwszej sesji użytkownika)
- Rozmiar kohorty: możesz zdefiniować kohorty według dnia, tygodnia lub miesiąca. Na przykład, jeśli wybierzesz według miesiąca, każda kohorta reprezentuje użytkowników nabytych w danym miesiącu (np. kohorta styczniowa obejmuje wszystkich użytkowników, którzy mieli pierwszą sesję w styczniu)
- zakres dat: okno czasu, które chcesz zbadać (np. Ostatnie 6 tygodni)
- Metryka: dane, które zobaczysz w raporcie. Domyślnym wskaźnikiem jest retencja użytkowników, który mierzy procent zwracanych użytkowników.
Możesz również wybrać te wskaźniki „na użytkownika” i „ogółem”:
następnie można wybrać, które kohorty mają być wyświetlane na wykresie.
możesz również dodać dodatkowe segmenty (np. ruch na urządzeniach mobilnych/tabletach itp.) do porównania, tak jak w przypadku każdego innego raportu, klikając przycisk plus obok „wszyscy użytkownicy” na górze raportu. Nasz samouczek na temat korzystania z segmentów Google Analytics do analizy odbiorców znajdziesz tutaj:
jednak prawdziwym mięsem raportu z analizy kohorty jest mapa cieplna tuż pod tym wykresem. Na przykład poniżej porównuję wszystkich użytkowników z płatnym segmentem ruchu.
ta mapa cieplna pozwala szybko zidentyfikować najwyższe (i najniższe)wskaźniki wydajności według kohort i tydzień po dacie pozyskania. Tydzień 0 oznacza tydzień, w którym użytkownicy tej kohorty mieli pierwszą sesję. Ta mapa cieplna kohorty nie może być eksportowana, więc może być konieczne skopiowanie/wklejenie lub zrzut ekranu Grafiki.
powiedzmy, że przeprowadziłem nową kampanię remarketingową Adwords w tygodniu 11 września, aby ponownie przyciągnąć użytkowników, którzy odwiedzili moją stronę. Jak widać w powyższym raporcie z analizy Kohortowej, moja retencja użytkowników znacznie wzrosła w tym tygodniu. Może to być dowód na to, że moja kampania remarketingowa zwiększa retencję użytkowników, co mogę dokładniej zbadać w moim raporcie Adwords (w sekcji Akwizycja).
dlatego polecam wyciągnięcie kalendarza marketingowego w osobnym oknie, aby nałożyć mapę ciepła kohorty na kontekst Twoich działań marketingowych. Jeśli chcesz tylko śledzić daty swoich kampanii marketingowych, sugeruję wypróbowanie wbudowanej funkcji adnotacji w raportach Google Analytics.