Kā veikt kohortas analīzi ar Google Analytics [Guide]
Jūs nevarat kontrolēt un pārvaldīt to, ko nevar izmērīt. Par laimi, Google Analytics pārskati ir jūsu ideāls zināšanu mehānisms tīmekļa kampaņu mērīšana, plānošana un pārvaldība. Ilgu laiku jūs varat veikt kohortu analīzi tikai pakalpojumā Google Analytics segmentācija iezīme, kas bija nekas vairāk kā publiskots tīmekļa hack.
Bet, ja ir pieejama īpaša kohortu analīzes cilne, tagad varat veikt pārliecinošu analīzi, kas nodrošina jūs ar nepieciešamos uzvedības datus, kurus varat izmantot noskaņot savu saturu, atslēgvārdus un tīmekļa mārketinga stratēģijas. Jūs varat apvienojiet visus savus individuālos kohortu ziņojumus un apvienot tos pareizā PDF formātā, lai sniegtu datus tādā veidā, kas palīdz palielināt kampaņas efektivitāti.
Manā pēdējā postenī - Izpētīt: Kohēzijas analīze Google Analytics - es detalizēti aprakstīju vairākus uzņēmējdarbības ieguvumus, veicot kohortu analīzi. Šajā otrajā daļā es dalīšos būtiski analīzes soļi to veicina pareizu kohortu analīzi.
Veikt savu kohortu analīzi
Lai veiktu efektīvu kohortu analīzi, pirms darba uzsākšanas iesakām atzīmēt šādus punktus:
(1) Pārliecinieties, ka jums ir jautājums, uz kuru ir jāatbild.
Tas ir tāpēc, ka viss punkts ir kohortu analīze iegūt apstrīdamu informāciju priekš īpašam mērķim, piemēram, uzņēmums, kas meklē datus, kas var palīdzēt uzlabot tā biznesa procesu, produktu ražošanu un pat vispārēju lietotāju pieredzi. Tāpēc, lai pārliecinātos, ka šos procesus var optimizēt, ir svarīgi, lai jūs uzdot pareizo jautājumu, lai atrastu pareizo risinājumu. Atkal - jautājiet pa labi un precīzs jautājums.
(2) Vienmēr definējiet rādītājus, kas ļaus jums atrast pareizo atbildi uz jūsu jautājumu.
Visaptverošai kohortu analīzei ir jāatzīst jebkura notikuma specifiskās īpašības. Šie notikumi var ietvert lietotāju izrakstīšanās ierakstus ar iepriekšējiem rādītājiem, kas ļauj jums uzzināt, cik daudz maksā lietotājs.
(3) Nosakiet savu situāciju konkrētajā grupā (ti, grupām, kas atbilst jūsu analīzei)).
Kohortas izveides process ietver visu reālā laika lietotāju analīzi un mērķauditorijas atlasi, vai arī uz atribūtiem balstītas iemaksas, lai iegūtu atbilstošas atšķirības, kas izceļ to īpašības kā konkrētu kohortu.
(4) Kad jums būs visi jūsu dati, tagad varat turpināt veikt kohortas analīzi.
Iemesls, kāpēc kohortu analīze ir tik komerciāli populāra, ir tāpēc, ka uzņēmumi var izmantot rezultātus, lai noteiktu trūkumus savā uzņēmumā.
Kā veikt precīzu kohortu analīzi
1. solis: izvilkt neapstrādātus datus
Vispārējā scenārijā informācija, kas nepieciešama, lai veiktu kohortu analīzi, tiek glabāta fiziskā vai virtuālā datu bāzē, kas ir kāda veida un ir jāeksportē uz izklājlapu balstītu programmatūru. Lai to paveiktu, varat izmantot tādus rīkus kā MySQL vai Microsoft Excel.
Piemēram, ja jūs vēlaties izpētīt patērētāju pirkumu uzvedību, jūs vēlētos, lai jūsu rezultāti būtu salasāmi un uzrādīti kādā veidā a datu lapu vai datu tabulu kas ietver vienu ierakstu katram klienta pirkumam.
Attiecīgi katram atsevišķam ierakstam ir klienta ID, kas parasti ir unikāla burtu un ciparu taga vai derīga e-pasta adrese, datums, vieta un pirkuma laiks, kopējā pirkuma vērtība un klienta pirmais pirkuma datums, parasti pazīstams kā the “kohortas datums.” Un jūsu vispārējos gadījumos jūs vienmēr varat izmantojiet MySQL vaicājumu, lai atvērtu šādu informāciju.
Jūs tomēr vēlaties ideāli iekļaut papildu pazīmes piemēram, klienta nosūtīšanas avots, to pirmā pirkuma SKU. Un, lai padarītu savu darbu daudz vieglāku, varat izmantot rīkus, piemēram, metriku lai dotu jums automātisku piekļuvi šiem atribūtiem.
2. Izveidojiet kohortu identifikatorus
Lai izveidotu kohortas identifikatoru, jūs atvērsiet datus, ko esat ieguvis programmā Excel. Pēc tam, kad esat izvilkis “kohortas datums” raksturlielumi, jūs varat veikt arvien populārāku kohortu analīzi, kurā jūs varat darīt tādas lietas, kā salīdzināt klientu grupu, pamatojoties uz pirmo pirkumu.
Tādā gadījumā, ja jūs varētu grupēt savas kohortas, pamatojoties uz konkrētu mēnesi, kurā viņi faktiski veica pirmo pirkumu, vispirms jums tulkot katru no jūsu “kohortas datums” vērtības uz a virtuāls spainis, kas būs pārstāvība no klienta sākotnējā pirkuma gada un mēneša.
3. Gabarīta dzīves cikla posmi
Pēc tam, kad esat noskaidrojuši, kāda ir jūsu klienta atribūts, jums arī ir jābūt regulēt “dzīves cikla posms” no jūsu analīzes gadījumā, kas noticis konkrētajā kohortas loceklī.
Ja jūsu klienti veic pirkumu jebkurā brīdī un pēc tam pēc dažiem mēnešiem, viņi to darītu uz to sākotnējo pirkuma datumu. Līdz ar to to pirmais pirkums būtu arī tādā sākotnējā dzīves cikla posmā, un to nākamais pirkums attiektos uz otro dzīves cikla posmu.
Lai precīzi aprēķinātu dzīves cikla posmu, jums būs jāpārliecinās arī par laiks, kas ir beidzies starp jūsu klienta pirmo pirkumu un jūsu norādīto pirkumu.
4. Izveidojiet pagrieziena tabulu un grafiku
Jūsu kohortas analīzes pēdējais solis ir izveidot pivot tabulas. Šīs tabulas ir būtiskas jūsu analīzei, jo tās ļauj jums aprēķināt kolektīvu kā summa vai pat vidējais, vairākos jūsu kohortas datu aspektos.
Ja izmantojat jūsu uzņēmuma apgrieztās tabulas, jūs visbiežāk vēlaties to izveidot veic SUM klientu darījumu summu, kas parāda vienu rindu katrai kohortai un vienu kolonnu attiecīgajā laika periodā.
Ja jums ir problēmas ar jūsu datu skatīšanu, to var viegli vizualizēt uz Excel pamata līnijām.
Satīt
Lai gan kohortu analīzes galvenokārt ir izmantotas lietotāju saglabāšanas un lietotāju uzvedības pētījumi, Google Analytics iemiesojumu var izmantot tīmekļa analīzes speciālisti izpētīt metriku, piemēram, lapu skatījumus, sesijas ilgumus, mērķa pabeigšanu.
Turklāt var tikt pētītas arī metrikas lietotāja izvēles ziņā, piemēram, meklēšanas vaicājumi katram lietotājam, sesijas ilgums katrai grupai un lapas skatījumi konkrētam lietotājam..
Tur ir pietiekami daudz palīdzēt jums labāk izprast jūsu lietotāju uzvedību, mārketinga taktikas efektivitāte un jūsu reklāmas kampaņu panākumi; uzticieties šai rokasgrāmatai un sāciet uzlabotas kohortu analīzes, izmantojot Google Analytics.
Tagad lasiet: skatīties: kohortu analīze Google Analytics
