Kohortanalyse-rapporten

Du finner følgende informasjon i denne artikkelen:

Se data for kohortanalyse

Slik åpner du Kohortanalyse-rapporten:

  1. Logg på Google Analytics.
  2. Naviger til ønsket datautvalg.
  3. Åpne Rapporter.
  4. Velg Målgruppe > Kohortanalyse.

Data om kohortanalyser er tilgjengelige i alle Analytics-kontoer. Det er ikke nødvendig å gjøre endringer i sporingskoden.

Konfigurer rapporten

Menyene du bruker for å konfigurere Kohortanalyse-rapporten

Bruk menyene for å velge følgende:

  • dimensjonen som beskriver gruppene (Kohorttype).
  • Størrelsen på kohortene (Kohortstørrelse). Du bestemmer størrelsen på kohorten ved å velge verditypen for dimensjonen. Hvis du for eksempel fastslår kohorten etter dimensjonen «Anskaffelsesdato», kan du endre typen dimensjonsverdi til dag, uke eller måned. Med disse innstillingene omfatter en kohort alle brukerne som ble anskaffet den samme dagen, eller i løpet av den samme uken eller måneden.
  • beregningen du ønsker å evaluere (Beregning).
  • den relative datoperioden for dataene, og antallet grupper (Datoperiode).
  • hvilke grupper som skal avbildes i diagrammet (N selected (N er valgt))

En forklaring av dataene

Rapporten er konfigurert slik at Anskaffelsesdato-kohorter vises inndelt etter Brukerlojalitet-beregningen

Diagram

De samlede beregningsverdiene for alle gruppene blir som standard vist i diagrammet. Bruk N selected-menyen (N er valgt) for å velge en samlet diagramlinje og/eller samlede diagramlinjer for enkeltgrupper.

Kolonner

I den første kolonnen identifiseres kohortene og antallet brukere i hver kohort. Hvis du for eksempel deler inn kohortene etter Anskaffelsesdato-dimensjonen, blir anskaffelsesdatoen for hver kohort samt antallet brukere du fikk i denne perioden (dag, uke, måned), ført opp i denne kolonnen.

I de andre kolonnene kan du se tidsintervallene du velger for Kohortstørrelse. Hvis du for eksempel velger etter dag, inneholder hver kolonne data for én dag. Det finnes 13 tidsintervallkolonner, 0–12.

Rader

Den første raden inneholder den samlede beregningsverdien for alle gruppene for hver kolonne. Hvis for eksempel beregningen er Sidevisninger, og kolonnene er daglige data, inneholder den første raden de samlede sidevisningene for den aktuelle dagen.

De andre radene inneholder verdiene for de enkelte gruppene.

Celler

Cellene for tidsintervallene 0–12 inneholder de relevante beregningsverdie. Hvis du for eksempel bruker Sidevisninger-beregningen, inneholder hver av cellene antallet sidevisninger per kohort for hvert tidsintervall.

Farger

I Analytics blir det brukt fem fargeverdier for å indikere de relative beregningsverdiene. Jo mørkere fargen er, dess høyere er den aktuelle beregningsverdien – og motsatt. Hver farge representerer samme relative verdiområde. Hvis den høyeste verdien i tabellen for eksempel er 100 %, representerer hver farge et verdiområde på 20 (100/5). Hvis den høyeste verdien i tabellen er 50 %, representerer hver farge et verdiområde på 10 (50/5).

Segmenter

Når du tar med segmenter i denne rapporten, blir dataene for hvert segment vist i en separat tabell.

Kohortanalyse-rapporten er brukerbasert. Hvis du dermed bruker segmenter basert på økter, kan du få uventede resultater som ikke omfatter 100 % av brukerne på dag 0, motsatt av det du nok hadde ventet deg.

Hvis for eksempel et segment er basert på et vilkår som Sted: Landet samsvarer eksakt med USA, som har øktomfang, blir ikke brukerne som har økter på dag 0 som oppsto i andre land enn USA, tatt med i «Dag 0»-kolonnen når du bruker segmentet.

Filtre

Filtre der du ekskluderer brukere fra dag 0, kan påvirke dataene for de påfølgende dagene. Hvis du for eksempel bruker et filter der du ekskluderer økter på dag 0 for visse brukere, samtidig som du tar med økter med de samme brukerne på påfølgende dager, kan verdiene for de påfølgende dagene overskride 100 %.

Eksempler

Mikrotrender

Du kan danne deg et mer realistisk bilde av bedriften din ved å se på mikrotrendene som til sammen utgjør makrotrendene dine. Det kan for eksempel hende at de kvartalsvise dataene dine viser en jevn økning i antallet transaksjoner i løpet av den aktuelle perioden. Dette kan du anse som et positivt utfall. Hvis du derimot undersøker de ukentlige kohortene som utgjør dette større datasettet, kan det hende du finner ut at selv om en tilstrømning av nye brukere bidrar til et økende antall transaksjoner, har det vært en jevn, dramatisk nedgang i antallet transaksjoner etter uke 5. Denne informasjonen gjør at du vet nøyaktig når du skal engasjere brukerne på nytt (uke 4) for å forbedre resultatene for hver mikrotrend, og på denne måten kan du øke effekten dette har på makrotrenden din.

Konsekvens, forbedring eller forverring i flere grupper

Hvis du gjør noe så enkelt som å sammenligne verdiene i én enkelt kolonne, kan du se om atferden til medlemmene av kohortene dine er konsekvent, eller om resultatene blir bedre eller dårligere. Etter hvert som du jobber deg nedover i tabellen og ser på dataene for stadig nyere kohorter, ser du fremover i tid (dag 5 for den andre kohorten forekommer f.eks. etter dag 5 for den første kohorten, selv om begge vises i samme kolonne).

Hvis du evaluerer daglige data, kan du se på én enkelt kolonne, for eksempel kolonnen for dag 5, for å se om alle kohortene har omtrent de samme resultatene på dette punktet i brukeropplevelsen, eller om dataene indikerer oppadgående eller nedadgående trender. Hvis du for eksempel har den samme prosentandelen av brukere i alle kohortene på dag 5, kan det tyde på at brukeropplevelsen er konsekvent. Hvis du derimot ser en jevn økning i lojaliteten på dag 5, kan det kanskje knyttes til en forbedring av innholdet ditt eller en oppgradering som har gjort appen din raskere. En jevn svekkelse i brukerlojaliteten på dag 5 kan være en indikasjon på at innholdet er foreldet, eller at brukerne har nådd et uvanlig vanskelig eller dårlig kodet nivå i et spill. Dette kan føre til at stadig flere brukere slutter å bruke appen eller innholdet.

Engasjement, lojalitet og brukeranskaffelse

Hvis du forstår hvor det er brukerne avbryter (f.eks. ved at de setter i gang færre økter, ser på færre sider, genererer lavere inntekter), blir det enklere for deg å identifisere to ting:

  • Felles steder brukerne avbryter på, som det gjerne er enkelt å gjøre noe med.
  • frekvensen for anskaffelse av nye brukere for å kompensere for at brukere faller av lasset

Hvis du for eksempel ser at inntektene ofte begynner å avta i tredje eller fjerde uke etter brukeranskaffelsen, kan du engasjere brukerne på nytt med en remarketing- eller e-postkampanje med tilbud om rabatter eller annonser for nye produkter som er lagt til etter brukernes siste økter. Du kan også engasjere brukerne på nytt gjennom dynamisk remarketing, ved å vise annonser for produkter relatert til de produktene de kjøpte i løpet av det første engasjementet.

Hvis du finner uunngåelige frafallsmønstre, for eksempel 10 % i måneden, kan du forstå hvilken hastighet du trenger å anskaffe nye brukere i for å skape den veksten du ønsker for bedriften din.

Responsen på kortsiktige markedsføringstiltak

Hvis du iverksetter kortsiktige markedsføringstiltak, for eksempel e-postkampanjer som kjøres i én dag, kan du bruke denne rapporten for å spore atferden til akkurat de brukerne du skaffet deg i løpet av de aktuelle tidsperiodene. Hvis du for eksempel kjører etterfølgende kampanjer med en rabatt på henholdsvis 30 %, 25 % og 20 % når sommerferien nærmer seg, kan du sammenligne resultatene du oppnår i gruppene med brukere du skaffet deg på datoene da hver kampanje ble kjørt, gjennom beregninger som Inntekt per bruker og Transaksjoner per bruker.

Var dette nyttig for deg?
Hvordan kan vi forbedre den?