[GA4] ניתוח קבוצות משתמשים

איך מפיקים תובנות מההתנהגות ומהביצועים של קבוצות משתמשים בעלות מאפיינים משותפים?

קבוצה בעלת מאפיינים משותפים (cohort) היא קבוצה של משתמשים שחולקים תכונה משותפת, המזוהה בדוח הזה באמצעות מאפיין של Analytics. לדוגמה, כל המשתמשים שתאריך הצירוף שלהם זהה שייכים לאותה קבוצת משתמשים. ניתוח קבוצות משתמשים מאפשר לכם לבדוק איך הקבוצות האלה מתנהגות באתר או באפליקציה שלכם לאורך זמן.

דוגמה לניתוח קבוצות משתמשים

איך יוצרים ניתוח קבוצות משתמשים?

  1. כניסה ל-Google Analytics.
  2. בצד ימין למטה לוחצים על ניתוח.
    גישה לניתוח מתקדם ב-Google Analytics
  3. בוחרים באפשרותניתוח קבוצות משתמשים.
  4. מגדירים קריטריון להכללה: משתמשים שיעמדו בתנאי הזה יתווספו לקבוצה בעלת מאפיינים משותפים (cohort).
  5. מגדירים קריטריון לחזרה: תנאי משני שהמשתמשים צריכים לעמוד בו כדי להישאר בקבוצה.
  6. בוחנים את קבוצת המשתמשים בתאריכים שונים כדי לראות איך ההתנהגות שלה משתנה לאורך זמן.

לדוגמה, אתם יכולים לראות כמה זמן עובר מרגע שמשתמשים חדשים מצטרפים ועד שהם קונים משהו, ואיך פרק הזמן הזה משתנה בשבוע שבו אתם עורכים מבצע. אתם יכולים לבדוק כמה משתמשים נשארים איתכם לאורך זמן, ואם העיצוב החדש של האפליקציה שיפר את השיעור של שימור הלקוחות.

איך עובדות קבוצות בעלות מאפיינים משותפים

כדי להתחיל בניתוח של קבוצות משתמשים, קודם צריך למצוא את המשתמשים שעומדים בקריטריון להכללה ובקריטריון לחזרה. אתם יכולים ליצור קבוצות בעלות מאפיינים משותפים על סמך תאריך הצירוף של המשתמשים, אירועים שהם הפעילו, עסקאות שביצעו או המרות שהשלימו.

קבוצות בעלות מאפיינים משותפים (cohort) מבוססות על נתוני המכשיר של המשתמש בלבד. ערך User-ID לא נלקח בחשבון בעת יצירת קבוצה בעלת מאפיינים משותפים.

ניתוח קבוצות משתמשים יוצר קבוצות בעלות מאפיינים משותפים ברמת פירוט יומית, שבועית או חודשית. בטבלת הנתונים תוכלו לראות כמה משתמשים משתייכים לכל קבוצה בעלת מאפיינים משותפים לאורך תקופת הניתוח.

בכל תא בטבלת הנתונים מוצג מספר המשתמשים שעמדו בקריטריון לחזרה לאחר תאריך ההתחלה. לדוגמה, אם בוחרים רמת פירוט יומית ובודקים את הקבוצה בעלת המאפיינים המשותפים שנוצרה ב-1 בינואר, בעמודה של היום הראשון מוצגים נתונים על המשתמשים שעמדו בקריטריון להכללה ב-1 בינואר וגם עמדו בקריטריון לחזרה ב-2 בינואר.

המשתמשים מוקצים לכל הקבוצות בעלות המאפיינים המשותפים שעומדות בקריטריונים של הכללה. לדוגמה, אם בוחרים עסקאות בתור קריטריון להכללה, משתמש שמשלים עסקה בכל שבוע של מסגרת הזמן לניתוח מוקצה לכל שורה (cohort) בטבלה.

מגדירים את ניתוח קבוצות המשתמשים

הכללה בקבוצת משתמשים

זהו התנאי הראשוני שהמשתמש צריך לעמוד בו כדי להיכלל בקבוצה.

  • כניסה ראשונה (תאריך הצירוף): הפעם הראשונה שבה המשתמש נכנס לאפליקציה או לאתר שלכם, כפי שנמדדה על-ידי נכס Google Analytics הזה.
  • כל אירוע: האירוע הראשון של המשתמש בטווח התאריכים של הניתוח.
  • כל עסקה: הפעם הראשונה שבה למשתמש היה אירוע עסקה בטווח התאריכים של הניתוח.
  • כל המרה: הפעם הראשונה שבה למשתמש היה אירוע המרה בטווח התאריכים של הניתוח.
  • אחר: אירוע ספציפי שהופעל על-ידי המשתמש.

קריטריון לחזרה

זה התנאי שמשתמש צריך לעמוד בו כדי להיכלל בקבוצה בעלת מאפיינים משותפים.

  • כל אירוע: למשתמש יש אירוע אחד לפחות בתקופת הזמן של הניתוח.
  • כל עסקה: למשתמש יש אירוע עסקה אחד לפחות בתקופת הזמן של הניתוח.
  • כל המרה: למשתמש יש אירוע המרה אחד לפחות בתקופת הזמן של הניתוח.
  • אחר: אירוע ספציפי שמופעל על ידי המשתמש בתקופת הזמן של הניתוח.
לדוגמה, תוכלו להשתמש בניתוח קבוצות משתמשים כדי לראות איך איכות המוצר משפיעה על שימור המשתמשים. כדי לעשות את זה אתם צריכים להגדיר קבוצה בעלת מאפיינים משותפים שכוללת משתמשים שנתקלו בשגיאה ולאחר מכן הסירו את האפליקציה.
 
לשם כך:
 
  • להכללה בקבוצה בעלת מאפיינים משותפים, בקטע אחרים בוחרים אירוע שגיאה בהתאמה אישית שהגדרתם.
  • לקריטריוני חזרה, בקטע אחרים בוחרים את האירוע app_remove.

רמת הפירוט של קבוצה בעלת מאפיינים משותפים

רמת הפירוט מכתיבה את פרק הזמן הראשוני שבו נקבעת ההכללה בקבוצה, ואת פרק הזמן שבו נבדקת העמידה בקריטריון לחזרה. רמת הפירוט של תקופת החזרה זהה לרמת הפירוט של ההכללה בקבוצה. אלה רמות הפירוט האפשריות:

  • יומית: מחצות עד חצות באזור הזמן של הנכס.
  • שבועית: מראשון עד שבת (כולל) – לא מדובר בסיכום נתונים מצטבר.
  • חודשית: מתחילת החודש עד סוף החודש.

פירוט לפי מאפיין

מחלק כל קבוצה בעלת מאפיינים משותפים לקבוצות משנה לפי מאפיין לבחירתכם כדי שתוכלו להשוות בקלות שינויים בקבוצה לאורך זמן לפי המאפיין שנבחר.

לדוגמה, את הקבוצות בעלות מאפיינים משותפים שהגדרתם למעלה על סמך שגיאות באפליקציה תוכלו לחלק לפי דגם המכשיר הנייד כדי לראות אם יש בעיות במכשירים ספציפיים.

ערכים

אתם יכולים להגדיר איזה מדד יוצג בטבלה של קבוצות המשתמשים. לדוגמה, המדד משתמשים פעילים מראה כמה משתמשים פעילים עומדים בקריטריון להכללה בכל תא בטבלה.

מעל ההצגה החזותית יוצג הסבר לגבי ההגדרה של הקבוצה בעלת המאפיינים המשותפים.

דוגמאות לניתוח קבוצות משתמשים

דוגמה 1

דוגמה לניתוח קבוצות משתמשים: עסקאות שבועיות 1

בין 6 באוקטובר ל-12 באוקטובר נרשמו לאתר הזה 17,093 משתמשים.

17,093 המשתמשים החדשים האלה ביצעו 176 עסקאות בשבוע שבו הם נרשמו לאתר (מ-6 עד 12 באוקטובר).

בשבוע שאחרי ההרשמה לאתר (מ-13 עד 19 באוקטובר) אותם 17,093 משתמשים ביצעו 38 עסקאות נוספות.

דוגמה 2

דוגמה לניתוח קבוצות משתמשים: עסקאות שבועיות 2

בין 6 באוקטובר ל-12 באוקטובר נרשמו לאתר הזה 17,093 משתמשים.

171 מתוך 17,093 המשתמשים החדשים האלה ביצעו עסקה אחת לפחות בשבוע שבו נרשמו לאתר (מ-6 עד 12 באוקטובר).

31 מתוך 17,093 המשתמשים החדשים שנרשמו בשבוע שבין 6 ל-12 באוקטובר ביצעו עסקה אחת לפחות בשבוע שלאחר מכן (מ-13 עד 19 באוקטובר).

דוגמה 3

דוגמה לניתוח קבוצות משתמשים: עסקאות שבועיות 3

בין 6 ל-12 באוקטובר ביצעו 270 משתמשים באתר הזה עסקה אחת לפחות.

מתוך 270 המשתמשים שביצעו עסקה אחת לפחות בפרק הזמן הזה, 14 ביצעו עסקה אחת לפחות גם בשבוע שלאחר מכן (מ-13 עד 19 באוקטובר).

דוגמה 4

דוגמה לניתוח קבוצות משתמשים: מאפיין פירוט

בדוגמה הזו אפשר לראות מה קורה כשמוסיפים את קטגוריית המכשיר בתור מאפיין הפירוט. כל קבוצת משתמשים מתפלגת לפי סוג המכשיר של כל משתמש במועד הצירוף שלו (מחשב, טלפון נייד או טאבלט).

כאשר מפלגים את הנתונים לפי מאפיין מסוים, המשתמשים משויכים רק למופע הראשון של ערך הפירוט הרלוונטי להם. לדוגמה, נניח שמשתמש א' מופיע לראשונה כמשתמש של טלפון נייד, ומאוחר יותר באותו יום חוזר לאתר דרך מחשב. משתמש א' יופיע בפירוט של אותה קבוצה בעלת מאפיינים משותפים רק בקטגוריית הטלפון הנייד.

המגבלות של ניתוח קבוצות משתמשים

  • בניתוח קבוצות משתמשים אפשר להציג עד 60 קבוצות משתמשים.
  • כשמוסיפים מאפיין פירוט, המערכת מציגה רק את 15 הערכים המובילים של המאפיין הזה.
  • מאפיינים דמוגרפיים יכולים להיכלל בניתוח רק אם מספר המשתמשים הרלוונטיים גדול ממינימום מסוים. אם מספר המשתמשים בקבוצה בעלת מאפיינים משותפים קטן מדי כך שהוא לא מאפשר לשמור על האנונימיות שלהם, המשתמשים האלה לא ייכללו בניתוח.
האם המידע הועיל?
איך נוכל לשפר את המאמר?