[GA4] Explorative Kohortenanalyse

Eine Kohorte ist eine Gruppe von Nutzern mit gemeinsamen Eigenschaften. Im Bericht wird sie anhand einer Analytics-Dimension festgelegt. Beispielsweise gehören alle Nutzer mit demselben Akquisitionsdatum zur gleichen Kohorte. Mit der explorativen Kohortenanalyse können Sie das Verhalten dieser Gruppen in Ihrer App oder auf Ihrer Website im Zeitverlauf untersuchen.

Themen in diesem Artikel

• Explorative Kohortenanalyse erstellen
• Funktionsweise von Kohortenanalysen
• Explorative Kohortenanalyse konfigurieren
• Grundlagen explorativer Kohortenanalysen
• Einschränkungen explorativer Kohortenanalysen

Explorative Kohortenanalyse erstellen

1. Melden Sie sich in Google Analytics an.
2. Klicken Sie links auf  Entdecken.

3. Klicken Sie oben auf dem Bildschirm auf Vorlagengalerie und wählen Sie die Vorlage Explorative Kohortenanalyse aus.
4. Definieren Sie das Aufnahmekriterium, also die Bedingung für die Aufnahme eines Nutzers in die Kohorte.
5. Legen Sie das Rückkehrkriterium fest. Diese Bedingung müssen Nutzer erfüllen, um in der Kohorte zu bleiben.
6. Vergleichen Sie Kohorten aus verschiedenen Zeiträumen, um zu verfolgen, wie sich das Nutzerverhalten im Zeitverlauf ändert.

So können Sie beispielsweise erkennen, nach welchem Zeitraum neu gewonnene Nutzer Transaktionen auf Ihrer Website ausführen und wie sich dieser Wert in einer Woche ändert, in der eine Werbeaktion läuft. Vielleicht möchten Sie auch herausfinden, wie viele Nutzer dauerhaft Ihre App verwenden oder ob durch ein neues App-Design die Bindungsrate gestiegen ist.

Funktionsweise explorativer Kohortenanalysen

Bei der explorativen Kohortenanalyse werden zuerst die Nutzer ermittelt, die die ausgewählten Aufnahme- und Rückkehrkriterien erfüllen. Kohorten lassen sich anhand des Akquisitionsdatums der Nutzer, eines von ihnen ausgelösten Ereignisses, ihrer Transaktionen oder ihrer Conversions erstellen.

Sie beruhen nur auf den Gerätedaten der Nutzer. Die User-ID wird beim Erstellen einer Kohorte nicht berücksichtigt.

Bei der Kohortenanalyse werden die Kohorten nach dem Detaillierungsgrad „täglich“, „wöchentlich“ oder „monatlich“ aufgeschlüsselt. In der Datentabelle sehen Sie, wie viele Nutzer jede Kohorte für die Dauer der explorativen Datenanalyse umfasst.

In jeder Zelle der Datentabelle ist die Anzahl der Nutzer angegeben, die das Rückkehrkriterium nach dem Startdatum erfüllen. Wenn Sie beispielsweise den Detaillierungsgrad „täglich“ auswählen und sich die Kohorte für den 1. Januar ansehen, enthält die Spalte „Tag 1“ die Teilmenge der Nutzer, die das Aufnahmekriterium am 1. Januar und das Rückkehrkriterium am 2. Januar erfüllt haben.

Nutzer werden allen Kohorten zugewiesen, deren Aufnahmekriterium sie erfüllen. Angenommen, Sie haben Transaktionen als Aufnahmekriterium ausgewählt. Ein Nutzer, der in jeder Woche des explorativen Datenanalysezeitraums eine Transaktion durchführt, wird dann in jede Zeile (Kohorte) der Tabelle aufgenommen.

Explorative Kohortenanalyse konfigurieren

In der Kohortenanalyse berücksichtigt

Hier wird die Ausgangsbedingung festgelegt, die ein Nutzer erfüllen muss, um in eine Kohorte aufgenommen zu werden.

• Erstkontaktereignis (Akquisitionsdatum): der Tag, an dem der Nutzer (gemäß den für die Property erfassten Daten) zum ersten Mal Ihre App verwendet oder Ihre Website besucht hat
• Beliebiges Ereignis: das erste Ereignis dieses Nutzers im Zeitraum der explorativen Datenanalyse
• Beliebige Transaktion: das erste Transaktionsereignis dieses Nutzers innerhalb des Zeitraums der explorativen Datenanalyse
• Beliebige Conversion: das erste Conversion-Ereignis dieses Nutzers im Zeitraum der explorativen Datenanalyse
• Andere: ein bestimmtes, vom Nutzer ausgelöstes Ereignis

Rückkehrkriterien

Hier wird die Rückkehrbedingung festgelegt, die ein Nutzer erfüllen muss, um in eine Kohorte aufgenommen zu werden.

• Beliebiges Ereignis: Für den Nutzer wurde im Zeitraum der explorativen Datenanalyse mindestens ein Ereignis aufgezeichnet
• Beliebige Transaktion: Für den Nutzer wurde im Zeitraum der explorativen Datenanalyse mindestens ein Transaktionsereignis gezählt
• Beliebige Conversion: Für den Nutzer wurde im Zeitraum der explorativen Datenanalyse mindestens ein Conversion-Ereignis gezählt
• Andere: ein bestimmtes Ereignis, das der Nutzer im Zeitraum der explorativen Datenanalyse ausgelöst hat

Beispielsweise können Sie mithilfe der explorativen Kohortenanalyse herausfinden, wie sich die Produktqualität auf die Nutzerbindung auswirkt. Hierzu legen Sie eine Kohorte fest, die Nutzer enthält, bei denen ein Fehler aufgetreten ist und die Ihre App anschließend deinstalliert haben.

 

Gehen Sie dazu so vor:

 

• Wählen Sie bei In der Kohortenanalyse berücksichtigt unter Andere ein von Ihnen definiertes Fehlerereignis aus.
• Wählen Sie bei Rückkehrkriterien unter Andere das Ereignis app_remove aus.

Detaillierungsgrad der Kohortenanalyse

Sie legen damit den Ausgangszeitraum und den Rückkehrzeitraum für die Kohorten fest. Der Detaillierungsgrad des Rückkehrzeitraums ist mit dem Detaillierungsgrad der Kohortenanalyse identisch. Verfügbare Optionen:

• Täglich: von Mitternacht bis Mitternacht in der Zeitzone der Property
• Wöchentlich: von Sonntag bis Samstag, nicht an sieben beliebigen aufeinanderfolgenden Tagen
• Monatlich: vom Monatsanfang bis zum Monatsende

Berechnung von Kohorten

Hier wird festgelegt, wie die Nutzeraktivität im Zeitraum der explorativen Datenanalyse zur Messwertberechnung pro Zelle beiträgt. Es gibt drei Berechnungstypen:

Standard

In jeder Zelle ist die Anzahl der Nutzer in der Kohorte angegeben, die das Rückkehrkriterium im definierten Zeitraum erfüllen, unabhängig von anderen Zeiträumen. Der Messwert entspricht dem Gesamtwert für den festgelegten Zeitraum.

Rollierend

In jeder Zelle ist die Anzahl der Nutzer in der Kohorte angegeben, die das Rückkehrkriterium für diesen und alle vorherigen Zeiträume erfüllen. Der Messwert entspricht dem Gesamtwert für den festgelegten Zeitraum.

Kumuliert

In jeder Zelle ist die Anzahl der Nutzer in der Kohorte angegeben, die die Rückkehrkriterien in einem beliebigen Zeitraum der explorativen Datenanalyse erfüllen. Der Messwert entspricht dem kumulierten Gesamtwert für den jeweiligen Zeitraum.

Aufschlüsselung

Jede Kohorte wird damit basierend auf einer ausgewählten Dimension in Untergruppen unterteilt, sodass sich leicht vergleichen lässt, wie sich eine Kohorte in dieser Dimension im Zeitverlauf entwickelt.

Wenn Sie beispielsweise die oben definierten Kohorten für App-Fehler nach Modell des Mobilgeräts aufschlüsseln, können Sie feststellen, ob auf bestimmten Geräten besonders häufig Probleme auftreten.

Werte

Hier wird der Messwert festgelegt, der in der Kohortentabelle dargestellt werden soll. Aktive Nutzer gibt beispielsweise an, wie viele aktive Nutzer das Kriterium für die Aufnahme in die jeweiligen Zellen der Tabelle erfüllen.

Oberhalb der Darstellung wird die Kohortenkonfiguration erläutert.

Grundlagen explorativer Kohortenanalysen

Beispiel 1

Vom 6. bis zum 12. Oktober haben 17.093 neue Nutzer diese Website besucht.

Diese 17.093 neu akquirierten Nutzer haben in derselben Woche (6. bis 12. Oktober) 176 Transaktionen ausgeführt.

In der Woche danach (13. bis 19. Oktober) waren es 38 Transaktionen.

Beispiel 2

Vom 6. bis zum 12. Oktober haben 17.093 neue Nutzer diese Website besucht.

Von den 17.093 neu akquirierten Nutzern haben 171 in der Woche ihrer Akquisition (6. bis 12. Oktober) mindestens eine Transaktion ausgeführt.

In der Woche danach (13. bis 19. Oktober) haben 31 dieser Nutzer mindestens eine Transaktion ausgeführt.

Beispiel 3

Vom 6. bis zum 12. Oktober haben auf dieser Website 270 Besucher mindestens eine Transaktion ausgeführt.

Von diesen wiederum haben 14 in der darauffolgenden Woche (13. bis 19. Oktober) mindestens eine Transaktion ausgeführt.

Beispiel 4

In diesem Beispiel sehen Sie die Ergebnisse, wenn Gerätekategorie als Aufschlüsselungsdimension hinzugefügt wird. Jede Kohorte ist nach dem Gerätetyp aufgeschlüsselt, den der Nutzer bei der Akquisition verwendet hat (Computer, Smartphone oder Tablet).

Wenn Sie eine Aufschlüsselungsdimension hinzufügen, werden Nutzer nur der ersten Instanz des Aufschlüsselungswerts zugeordnet, der auf sie zutrifft. Beispiel: Nutzer A wird zuerst als mobiler Nutzer erfasst und kehrt dann am selben Tag als Computernutzer zurück. Nutzer A wird also nur in der Aufschlüsselung für mobile Nutzer für diese Kohorte erfasst.

Einschränkungen explorativer Kohortenanalysen

• Eine explorative Kohortenanalyse kann maximal 60 Kohorten umfassen.
• Wenn Sie eine Aufschlüsselungsdimension anwenden, werden maximal die ersten 15 Werte dieser Dimension angezeigt.
• Für demografische Dimensionen gilt ein Grenzwert. Wenn die Anzahl der Nutzer in der Kohorte zu gering ist, um ihre Anonymität zu schützen, werden diese Nutzer nicht in die explorative Datenanalyse einbezogen.