Η αναφορά ανάλυσης κοόρτης

Σε αυτό το άρθρο ακολουθούν τα εξής:

Προβολή δεδομένων ανάλυσης κοόρτης

Για να ανοίξετε την αναφορά "Ανάλυση κοόρτης":

  1. Συνδεθείτε στο Google Analytics.
  2. Μεταβείτε στην αναλυτική προβολή.
  3. Ανοίξτε το στοιχείο Αναφορές.
  4. Επιλέξτε Κοινό > Ανάλυση κοόρτης.

Τα δεδομένα ανάλυσης κοόρτης διατίθενται σε όλους τους λογαριασμούς Analytics. Δεν απαιτείται καμία αλλαγή στον κώδικα παρακολούθησης.

Διαμόρφωση της αναφοράς

Μενού που χρησιμοποιούνται για τη διαμόρφωση της αναφοράς "Ανάλυση κοόρτης"

Χρησιμοποιήστε τα μενού για να επιλέξετε τα εξής:

  • Την ιδιότητα που χαρακτηρίζει τις κοόρτες (τύπος κοόρτης)
  • Το μέγεθος των κοόρτεων (μέγεθος κοόρτης): Καθορίζετε το μέγεθος της κοόρτης επιλέγοντας τον τύπο τιμής για την ιδιότητα. Για παράδειγμα, αν καθορίσετε την κοόρτη από την ιδιότητα "Ημερομηνία απόκτησης", μπορείτε να αλλάξετε τον τύπο τιμής ιδιότητας σε ημέρα, εβδομάδα ή μήνα. Με αυτές τις ρυθμίσεις, μια κοόρτη θα ήταν όλοι οι χρήστες που αποκτήθηκαν την ίδια ημέρα ή κατά τη διάρκεια της ίδιας εβδομάδας ή του ίδιου μήνα.
  • Τη μέτρηση που θέλετε να αξιολογήσετε (μέτρηση)
  • Το σχετικό εύρος ημερομηνιών των δεδομένων και τον αριθμό των κοορτών (εύρος ημερομηνιών)
  • Ποιες κοόρτες εμφανίζονται στο γράφημα (N επιλεγμένες)

Κατανόηση των δεδομένων

Αναφορά που έχει διαμορφωθεί έτσι ώστε να εμφανίζει κοόρτες ημερομηνίας απόκτησης από τη μέτρηση "Διατήρηση χρήστη"

Διάγραμμα

Από προεπιλογή, το γράφημα δείχνει τις αθροιστικές τιμές μετρήσεων για όλες τις κοόρτες. Χρησιμοποιήστε το μενού N επιλεγμένες, για να επιλέξετε μια αθροιστική γραμμή γραφήματος ή/και γραμμές γραφήματος για μεμονωμένες κοόρτες.

Στήλες

Η πρώτη στήλη προσδιορίζει τις κοόρτες και τον αριθμό των χρηστών σε κάθε κοόρτη. Για παράδειγμα, αν η ιδιότητα με την οποία χαρακτηρίζετε τις κοόρτες είναι η Ημερομηνία απόκτησης, η συγκεκριμένη στήλη αναφέρει την ημερομηνία απόκτησης για κάθε κοόρτη και τον αριθμό των χρηστών που αποκτήσατε κατά τη διάρκεια αυτού του χρονικού πλαισίου (ημέρα, εβδομάδα, μήνας).

Οι υπόλοιπες στήλες αντικατοπτρίζουν τα χρονικά διαστήματα που επιλέγετε για το Μέγεθος κοόρτης. Για παράδειγμα, αν επιλέξετε κατά ημέρα, τότε κάθε στήλη περιλαμβάνει μία ημέρα δεδομένων. Υπάρχουν 13 στήλες χρονικών διαστημάτων, 0-12.

Σειρές

Η πρώτη σειρά δείχνει τη συνολική τιμή μέτρησης για όλες τις κοόρτες για κάθε στήλη. Για παράδειγμα, αν η μέτρηση είναι Προβολές σελίδων και οι στήλες είναι ημερήσια δεδομένα, τότε η πρώτη σειρά δείχνει τις συνολικές προβολές σελίδων για την ημέρα.

Οι άλλες σειρές δείχνουν τις τιμές για τις μεμονωμένες κοόρτες.

Κελιά

Στα κελιά για τα χρονικά διαστήματα 0-12 βρίσκονται οι σχετικές τιμές μετρήσεων. Για παράδειγμα, αν χρησιμοποιείτε τη μέτρηση Προβολές σελίδων, τότε κάθε κελί περιέχει τον αριθμό των προβολών σελίδων ανά κοόρτη ανά χρονικό διάστημα.

Χρώματα

Το Analytics χρησιμοποιεί 5 τιμές χρωμάτων ως ένδειξη των σχετικών τιμών μέτρησης: το πιο σκούρο χρώμα αντιπροσωπεύει τις υψηλότερες τιμές μέτρησης και το πιο ανοιχτό χρώμα αντιπροσωπεύει τις χαμηλότερες τιμές μέτρησης. Κάθε χρώμα αντιπροσωπεύει το ίδιο σχετικό εύρος τιμών. Για παράδειγμα, αν η υψηλότερη τιμή στον πίνακα είναι 100%, τότε κάθε χρώμα αντιπροσωπεύει ένα εύρος της τάξεως του 20 (100/5). Αν η υψηλότερη τιμή στον πίνακα είναι 50%, τότε κάθε χρώμα αντιπροσωπεύει ένα εύρος της τάξεως του 10 (50/5).

Τμήματα

Όταν εφαρμόζετε τμήματα σε αυτήν την αναφορά, τα δεδομένα για κάθε τμήμα εμφανίζονται σε ξεχωριστό πίνακα.

Επειδή η αναφορά ανάλυσης κοόρτης βασίζεται σε χρήστες, αν εφαρμόσετε τμήματα που βασίζονται σε περιόδους σύνδεσης, μπορεί να λάβετε μη αναμενόμενα αποτελέσματα που δεν περιλαμβάνουν το 100% των χρηστών την Ημέρα 0, όπως θα περιμένατε.

Για παράδειγμα, αν κάποιο τμήμα βασίζεται σε μια συνθήκη όπως Τοποθεσία: Χώρα που αντιστοιχεί ακριβώς στις Ηνωμένες Πολιτείες, η οποία βασίζεται σε περιόδους σύνδεσης, τότε οι χρήστες των οποίων οι περίοδοι σύνδεσης την Ημέρα 0 προέρχονται από χώρες εκτός των Ηνωμένων Πολιτειών δεν θα περιλαμβάνονται στη στήλη "Ημέρα 0", όταν εφαρμόζετε το τμήμα.

Φίλτρα

Τα φίλτρα που εξαιρούν χρήστες της Ημέρας 0 μπορεί να επηρεάσουν τα δεδομένα των επόμενων ημερών. Για παράδειγμα, αν εφαρμόσετε ένα φίλτρο που εξαιρεί τις περιόδους σύνδεσης της Ημέρας 0 για ορισμένους χρήστες, αλλά περιλαμβάνει τις περιόδους σύνδεσης για τους ίδιους χρήστες τις επόμενες ημέρες, τότε οι τιμές για τις επόμενες ημέρες μπορεί να υπερβούν το 100%.

Παραδείγματα

Μικρο-τάσεις

Η εξέταση των μικρο-τάσεων οι οποίες αθροιστικά συνιστούν τις μακρο-τάσεις μπορεί να σας δώσει μια πιο ρεαλιστική εικόνα της επιχείρησής σας. Για παράδειγμα, τα τριμηνιαία δεδομένα σας μπορεί να δείχνουν μια σταθερή αύξηση στις συναλλαγές κατά τη διάρκεια αυτής της περιόδου, την οποία θα εκλαμβάνατε ως θετικό αποτέλεσμα. Ωστόσο, αν επρόκειτο να εξετάσετε τις εβδομαδιαίες κοόρτες που αποτελούν το μεγαλύτερο σύνολο δεδομένων, μπορεί να διαπιστώσετε ότι παρόλο που μια συνολική εισροή νέων χρηστών συνεισφέρει σε έναν αυξανόμενο αριθμό συναλλαγών, υπάρχει μια τακτική, δραματική πτώση στις συναλλαγές μετά την εβδομάδα 5. Τώρα μπορείτε να γνωρίζετε ακριβώς πότε να προσελκύσετε ξανά τους χρήστες (εβδομάδα 4), προκειμένου να βελτιώσετε την απόδοση κάθε μικρο-τάσης και, επομένως, να πολλαπλασιάσετε το αποτέλεσμα της μακρο-τάσης.

Συνέπεια, βελτίωση ή επιδείνωση στις κοόρτες

Συγκρίνοντας απλώς τις τιμές σε μία στήλη, μπορείτε να δείτε εάν υπάρχει συνεπής συμπεριφορά στις κοόρτες σας ή εάν η απόδοση βελτιώνεται ή επιδεινώνεται. Καθώς κοιτάζετε προς τα κάτω τη στήλη με τα δεδομένα για κάθε νεότερη κοόρτη, κοιτάζετε μπροστά στον χρόνο (για παράδειγμα, η Ημέρα 5 για τη δεύτερη κοόρτη συμβαίνει μετά την Ημέρα 5 για την πρώτη κοόρτη, παρόλο που εμφανίζονται στην ίδια στήλη).

Αν αξιολογείτε ημερήσια δεδομένα, μπορείτε να κοιτάξετε σε μία στήλη, ας πούμε στη στήλη Ημέρα 5, για να δείτε εάν όλες οι κοόρτες έχουν περίπου την ίδια απόδοση στο συγκεκριμένο σημείο στην εμπειρία τους ή εάν τα δεδομένα υποδεικνύουν βελτίωση ή επιδείνωση των τάσεων. Για παράδειγμα, αν διατηρείτε το ίδιο ποσοστό χρηστών σε όλες τις κοόρτες την Ημέρα 5, τότε αυτό μπορεί να υποδεικνύει την ύπαρξη επιθυμητής συνέπειας στην εμπειρία χρήστη. Ωστόσο, αν παρατηρήσετε μια σταθερή αύξηση στη διατήρηση την Ημέρα 5, ίσως μπορείτε να τη συσχετίσετε με μια βελτίωση στο περιεχόμενο ή με μια αναβάθμιση στην ταχύτητα απόδοσης της εφαρμογής σας. Μια σταθερή επιδείνωση της διατήρησης χρήστη την Ημέρα 5 μπορεί να υποδεικνύει παλιό περιεχόμενο ή ένα ασυνήθιστα δύσκολο ή άσχημα κωδικοποιημένο επίπεδο σε κάποιο παιχνίδι, κάτι που έχει ως αποτέλεσμα τη συνέχιση της συγκεκριμένης εμπειρίας από ολοένα λιγότερους χρήστες.

Αφοσίωση, διατήρηση και απόκτηση

Η κατανόηση του σημείου στο οποίο συνήθως οι χρήστες χάνουν το ενδιαφέρον τους (για παράδειγμα, ξεκινούν λιγότερες περιόδους σύνδεσης, προβάλλουν λιγότερες σελίδες, δημιουργούν λιγότερα έσοδα) μπορεί να σας βοηθήσει να προσδιορίσετε δύο πράγματα:

  • τα συνήθη σημεία φθοράς που μπορεί να αντιμετωπιστούν εύκολα
  • τον ρυθμό στον οποίο πρέπει να αποκτάτε νέους χρήστες, για να αντισταθμίσετε την αναπόφευκτη φθορά

Για παράδειγμα, αν παρατηρήσετε ότι τα έσοδα συνήθως αρχίζουν να μειώνονται κατά την τρίτη ή τέταρτη εβδομάδα μετά την απόκτηση, μπορείτε να προσελκύσετε ξανά τους χρήστες με μια καμπάνια επαναληπτικού μάρκετινγκ ή ηλεκτρονικού ταχυδρομείου που προσφέρει εκπτώσεις ή διαφημίσεις για νέα προϊόντα που έχουν προστεθεί από τις τελευταίες περιόδους σύνδεσής τους. Επίσης, θα μπορούσατε να προσελκύσετε ξανά αυτούς τους χρήστες με δυναμικό επαναληπτικό μάρκετινγκ, προσφέροντας διαφημίσεις για προϊόντα που σχετίζονται με εκείνα που αγόρασαν, όταν επέλεξαν αρχικά την επιχείρησή σας.

Αν διαπιστώσετε ότι υπάρχουν αναπόφευκτα μοτίβα φθοράς, ας πούμε 10% το μήνα, τότε μπορείτε να κατανοήσετε τον ρυθμό στον οποίο πρέπει να αποκτάτε νέους χρήστες, για να δημιουργήσετε τον ρυθμό ανάπτυξης που θέλετε για την επιχείρησή σας.

Απόκριση σε βραχυπρόθεσμες προσπάθειες μάρκετινγκ

Αν πραγματοποιείτε βραχυπρόθεσμες προσπάθειες μάρκετινγκ όπως καμπάνιες ηλεκτρονικού ταχυδρομείου μίας ημέρας, η συγκεκριμένη αναφορά σάς δίνει τη δυνατότητα να παρακολουθείτε τη συμπεριφορά μόνο των χρηστών που αποκτήσατε κατά τη διάρκεια των σχετικών χρονικών πλαισίων. Για παράδειγμα, αν προβάλλετε διαδοχικές καμπάνιες με εκπτώσεις 30%, 25% και 20%, καθώς πλησιάζει κάποια εορταστική περίοδος, μπορείτε να δείτε ποια είναι η συγκριτική απόδοση διαφορετικών μετρήσεων, όπως είναι τα Έσοδα ανά χρήστη και οι Συναλλαγές ανά χρήστη μεταξύ των ομάδων χρηστών που αποκτήσατε κατά τις ημερομηνίες προβολής κάθε καμπάνιας.

Σας βοήθησε αυτό;
Με ποιον τρόπο μπορούμε να το βελτιώσουμε;