Tingnan ang data ng Pagsusuri sa Cohort
Para buksan ang ulat sa Pagsusuri sa Cohort:
- Mag-sign in sa Google Analytics.
- Mag-navigate sa iyong view.
- Buksan ang Mga Ulat.
- Pumili ng Audience > Pagsusuri sa Cohort.
Available ang data ng Pagsusuri sa Cohort sa lahat ng Analytics account. Walang kinakailangang pagbabago sa tracking code.
I-configure ang ulat
Gamitin ang mga menu upang piliin:
- Ang mga dimensyon na kumakatawan sa mga cohort (Uri ng Cohort)
- Ang laki ng mga cohort (Sukat ng Cohort): tutukuyin mo ang laki ng cohort sa pamamagitan ng pagpili sa uri ng value para sa dimensyon. Halimbawa, kung tinukoy mo ang cohort ayon sa dimensyong Petsa ng Pagkuha, maaari mong palitan ang uri ng value ng dimensyon at gawin itong araw, linggo, o buwan. Sa mga setting na ito, ang isang cohort ay magiging lahat ng user na nakuha sa parehong araw, o sa loob ng parehong linggo o buwan.
- Ang sukatan na gusto mong suriin (Sukatan)
- Ang kaugnay na hanay ng petsa ng data at ang bilang ng mga cohort (Hanay ng Petsa)
- Aling mga cohort ang inilalarawan sa chart (N (na) pinili)
Unawain ang data
Chart
Bilang default, ipinapakita ng chart ang pinagsama-samang sukatan ng mga halaga para sa lahat ng mga cohort. Gamitin ang menu na N (na) pinili upang pumili ng isang pinagsama-samang linya ng chart at/o mga linya ng chart para sa indibidwal na mga cohort.
Mga Column
Tinutukoy ng unang column ang mga cohort at bilang ng mga user sa bawat cohort. Halimbawa, kung Petsa ng Pagkuha ang dimensyong ginagamit mo upang tukuyin ang mga cohort, ililista ng column na ito ang petsa ng pagkuha para sa bawat cohort, at ang bilang ng mga user na nakuha mo sa loob ng yugto ng panahong iyon (araw, linggo, buwan).
Ipinapakita ng natitirang mga column ang mga pagdagdag sa oras na pipiliin mo para sa Laki ng Cohort. Halimbawa, kung pinili mo ang ayon sa araw, kasama sa bawat column ang isang araw ng data. Mayroong 13 mga column ng pagdagdag ng oras, 0-12.
Mga Row
Ipinapakita ng unang row ang kabuuang halaga ng sukatan para sa lahat ng mga cohort para sa bawat column. Halimbawa, kung ang sukatan ay mga Pageview at ang mga column ay araw-araw na data, ipapakita ng unang row kung gayon ang kabuuang mga pageview para sa araw.
Ipinapakita ng iba pang mga row ang mga halaga para indibidwal na mga cohort.
Mga Cell
Nililipon ng mga cell para sa 0-12 na mga pagdagdag sa oras ang mga may-kaugnayang halaga sa sukatan. Halimbawa, kung ginagamit mo ang sukatang Mga Pageview, maglalaman ang bawat cell ng bilang ng mga pageview bawat cohort bawat pagdagdag sa oras.
Mga Kulay
Gumagamit ang Analytics ng 5 value ng kulay bilang indikasyon ng mga relatibong value ng sukatan: kinakatawan ng pinakamadilim na kulay ang pinakamatataas na value ng sukatan, at kinakatawan naman ng pinakamapusyaw na kulay ang pinakamabababang value ng sukatan. Kinakatawan ng bawat kulay ang parehong relatibong hanay ng mga value. Halimbawa, kung 100% ang pinakamataas na value sa talahanayan, kinakatawan ng bawat kulay ang isang hanay na 20 (100/5); kung 50% ang pinakamataas na value sa talahanayan, kinakatawan ng bawat kulay ang isang hanay na 10 (50/5).
Mga Segment
Kapag naglapat ka ng mga segment sa ulat na ito, ipapakita sa hiwalay na talahanayan ang data para sa bawat segment.
Dahil batay sa user ang Ulat sa Pagsusuri sa Cohort , kung maglalapat ka ng mga segment batay sa mga session, makakakuha ka ng mga hindi inaasahang resulta kung saan hindi kasama ang 100% ng mga user sa Araw 0 tulad ng aasahan mo.
Halimbawa, kung ang isang segment ay nakabatay sa isang kundisyon tulad ng Lokasyon: Ang Bansa ay eksaktong tumutugma sa United States, na nasasaklawan ng session, hindi kasama sa column na Araw 0 ang mga user na nagmula ang mga session sa Araw 0 sa mga bansang iba pa sa United States kapag inilapat mo ang segment.
Mga Filter
Ang mga filter na nagbubukod sa mga user ng Araw 0 ay maaaring makaapekto sa data para sa mga kasunod na araw. Halimbawa, kung maglalapat ka ng filter na nagbubukod ng mga session sa Araw 0 para sa ilang user ngunit nagsasama ng mga session para sa mga parehong user na iyon sa mga kasunod na araw, maaaring lumampas sa 100% ang mga value para sa mga kasunod na araw na iyon.
Mga Halimbawa
Mga micro trend
Ang pagsusuri sa mga micro trend na kung pagsasama-samahin ay bumubuo sa iyong mga macro trend ay makakapagbigay sa iyo ng isang mas makatotohanang larawan ng iyong negosyo. Halimbawa, maaaring ipakita ng iyong data bawat quarter ang isang tuluy-tuloy na pagtaas sa mga transaksyon sa paglipas ng panahong iyon, na ituturing mong isang positibong resulta. Gayunpaman, kung susuriin mo ang mga lingguhang cohort na bumubuo sa mas malaking set ng data na iyon, maaari mong makita na habang nag-aambag sa lumalaking bilang ng mga transaksyon ang kabuuang pagdagsa ng mga bagong user, mayroong isang regular at malakihang pagbaba sa mga transaksyon pagkatapos ng linggo 5. Ngayon, alam mo na mismo kung kailan muling makikipag-ugnayan sa mga user (linggo 4) upang mapahusay ang performance ng bawat micro trend, at dahil dito ay mapapalaki mo ang epekto nito sa iyong macro trend.
Pagkakapare-pareho, pagpapahusay, o pagkasira sa mga cohort
Sa pamamagitan lang ng paghahambing sa mga value sa iisang column, maaari mong makita kung may pare-parehong gawi sa iyong mga cohort, o kung humuhusay ba o bumabagsak ang performance. Habang tinitingnan mo ang data pababa sa column para sa bawat mas bagong cohort, tinitingnan mo ang oras sa hinaharap (halimbawa, nangyayari ang Araw 5 para sa pangalawang cohort pagkatapos ng Araw 5 para sa unang cohort bagama't lumalabas ang mga ito sa iisang column).
Kung sinusuri mo ang pang-araw-araw na data, maaari kang tumingin sa iisang column, halimbawa, column ng Araw 5, upang makita kung nagpe-perform ang lahat ng cohort sa halos parehong antas sa puntong iyon ng kanilang karanasan, o kung nagsasaad ang data ng mga pataas o pababang trend. Halimbawa, kung napapanatili mo ang parehong porsyento ng mga user sa lahat ng cohort sa Araw 5, maaaring nagsasaad iyon ng karanasan ng user na tuluy-tuloy at magkakapareho. Sa kabilang banda, kung nakakakita ka ng isang tuluy-tuloy na pagtaas sa pagpapanatili sa Araw 5, maaari mo itong iugnay sa pagpapahusay sa iyong content o sa pag-upgrade sa bilis ng performance ng app mo. Kung tuluy-tuloy ang pagbaba sa pagpapanatili ng user sa Araw 5, maaari itong mangahulugan ng isang lumang content, o isang level sa laro na sobrang hirap o kaya ay hindi maayos na na-code--bagay na nagiging dahilan upang mabawasan nang mabawasan ang mga user na magpapatuloy sa karanasan.
Pakikipag-ugnayan, pagpapanatili at pagkuha
Ang pag-unawa sa punto kung saan hindi nakikipag-ugnayan ang mga user ay matutulungan kang tukuyin ang dalawang bagay: (halimbawa, simulan ang mas kaunting mga session, tingnan ang mas kaunting mga page, bumuo ng mas mababang kita) ay maaaring makatulong sa iyong matukoy ang dalawang bagay:
- Mga karaniwang punto ng pagsisisi dahil sa takot na maaaring madaling bigyan ng lunas
- Ang rate kung saan kailangan mong kumuha ng mga bagong user upang matugunan ang hindi maiiwasang pag-alis
Halimbawa, kung napansin mong regular na nagsisimulang bumaba ang kita sa pangatlo o pang-apat na linggo pagkatapos ng pagkuha, maaari kang makipag-ugnayang muli sa mga user gamit ang isang campaign sa remarketing o email na nag-aalok ng mga diskwento o ad para sa mga bagong produkto na naidagdag simula noong huli nilang mga session. Maaari ka ring makipag-ugnayang muli sa mga user na iyon gamit ang dynamic na remarketing sa pamamagitan ng pag-aalok ng mga ad para sa mga produktong nauugnay sa mga binili nila noong una silang nakipag-ugnayan.
Kung natukoy mo ang mga di-maiiwasang pattern ng pagsisisi dahil sa takot, sabihin nating 10% sa isang buwan, mauunawaan mo pagkatapos ang rate kung saan kailangan mong kumuha ng mga bagong user upang gumawa ng gusto mong rate ng paglago para sa iyong negosyo.
Pagtugon sa mga pagsusumikap sa short-term na marketing
Kung nagpapagana ka ng mga panandaliang pagsusumikap sa marketing tulad ng mga pang-isang araw na campaign sa email, nagbibigay sa iyo ang ulat na ito ng pagkakataong subaybayan lang ang gawi ng mga user na nakuha mo sa loob ng mga nauugnay na yugto ng panahon. Halimbawa, kung sunud-sunod kang nagpapagana ng 30% diskwento, 25% diskwento, at 20% diskwento na mga campaign habang papalapit ang isang holiday, makikita mo ang kaibahan ng iba't ibang sukatan tulad ng Kita bawat User at Mga Transaksyon bawat User sa mga grupo ng mga user na nakuha mo sa mga petsa kung kailan gumana ang bawat campaign.
