השיטה "כל משך החיים של המשתמש" מציגה את התנהגות המשתמשים לאורך כל התקופה שבה הם כלקוחות באתר או באפליקציה. השיטה הזו יכולה לעזור לכם לגלות תובנות ספציפיות, למשל:
-
המקור, אמצעי ההגעה לאתר והקמפיין שדרכם הגיעו המשתמשים שהניבו את ההכנסות הגבוהות ביותר לאורך כל משך החיים שלהם, בהשוואה להכנסות שהתקבלו רק בחודש הנבחר.
-
הקמפיינים הפעילים שבזכותם מצטרפים משתמשים שצפויים להניב יותר רווחים, עם סבירות גבוהה יותר לרכישה וסבירות נמוכה יותר לנטישה. התובנות האלה מחושבות על ידי המודלים לחיזוי של Google Analytics.
-
תובנות לגבי התנהגות של משתמשים ייחודיים, למשל מתי הייתה הפעם האחרונה שמשתמשים פעילים בחודש נתון קנו משהו באתר, או מתי הייתה האינטראקציה האחרונה שלהם עם האפליקציה.
יצירת ניתוח מסוג "כל משך החיים של המשתמש"
- בדף מה חדש, משמאל לאפשרות התחלה של ניתוח חדש, לוחצים על גלריית תבניות.
הערה: הקישור הקודם מעביר אתכם לנכס האחרון ב-Analytics שאליו נכנסתם. כדי לפתוח את הנכס, אתם צריכים להיות מחוברים לחשבון Google. אפשר לבחור נכס אחר באמצעות בורר הנכסים.
- בוחרים בתבנית "כל משך החיים של המשתמש".
נתונים על כל משך החיים של המשתמש
אפשר לראות נתוני משך חיים רק על משתמשים שהיו פעילים באתר או באפליקציה אחרי 15 באוגוסט 2020. היקף הנתונים שנאספים על המשתמשים בשיטה "כל משך החיים של המשתמש" כולל את כל הנתונים החל מהביקור הראשון שלהם באתר או באפליקציה. אבל משתמש שהתחיל לבקר באתר בדצמבר 2019, ושהפסיק לבקר בו ב-14 באוגוסט 2020, לא ייכלל בנתונים שתקבלו. אם אותו משתמש היה פעיל ב-16 באוגוסט 2020, תראו את כל הנתונים שלו, החל מהפעילות בשנה שעברה.
השיטה "כל משך החיים של המשתמש" מציגה נתונים נצברים של המשתמשים באתר או באפליקציה. באופן ספציפי, השיטה הזו יכולה להציג את הפרטים הבאים לגבי כל משתמש:
- אינטראקציות ראשונות: נתונים שמשויכים לפעם הראשונה שבה פעילות של המשתמש נמדדה בנכס מסוים. לדוגמה, הביקור הראשון או תאריך הרכישה הראשונה של המשתמש, או הקמפיין שדרכו הוא הגיע לאתר או לאפליקציה.
- אינטראקציות אחרונות: נתונים שמשויכים לפעם האחרונה שפעילות המשתמש נמדדה בנכס מסוים. לדוגמה, הפעילות האחרונה או תאריך הרכישה האחרון.
- אינטראקציות בכל משך החיים: נתונים נצברים לאורך כל משך החיים של המשתמש. לדוגמה, ההכנסות או האינטראקציות מכל משך החיים.
- מדדים חזויים: נתונים שנוצרים באמצעות למידה מכונה כדי לחזות את התנהגות המשתמשים:
- סבירות לרכישה
- סבירות לרכישה באפליקציה
- סבירות לנטישה
כל אחד מהמדדים הזמינים בשיטה הזו, חוץ ממספרי משתמשים, יכול להיות מוצג כממוצע, סכום כולל או אחד מ-4 האחוזונים הייצוגיים (האחוזון העשירי, ה-50, ה-80 וה-90) כדי לתת לכם תובנות על התפלגות המדדים. לדוגמה, נניח שאתם רוצים לבדוק את ערך חיי המשתמש (LTV) לפי אמצעי ההגעה לאתר שמשויך לנקודת הצירוף של המשתמש. אתם יכולים להציג את הנתונים הבאים לגבי המשתמשים, לפי אמצעי ההגעה שהיה אחראי לביקור הראשון שלהם באפליקציה או באתר:
- ערך חיי המשתמש (USD): סה"כ: מציג את הסכום של ערכי חיי המשתמשים שצורפו באמצעות כל אמצעי הגעה לאתר.
- ערך חיי המשתמש (USD): ממוצע: מציג את ערך חיי המשתמש הממוצע של המשתמשים שצורפו באמצעות כל אמצעי הגעה לאתר.
- ערך חיי המשתמש (USD): האחוזון העשירי: מציג את ערך חיי המשתמש ש-10% מהמשתמשים נמצאים מתחתיו (לדוגמה, אם הערך הוא 20$, זה אומר של-10% מהמשתמשים יש ערך חיי משתמש נמוך מ-20$). הנתון הזה מוצג לגבי כל אמצעי הגעה.
- ערך חיי המשתמש (USD): האחוזון ה-90: מציג את ערך חיי המשתמש ש-90% מהמשתמשים נמצאים מתחתיו (לדוגמה, אם הערך הוא 100$, זה אומר של-90% מהמשתמשים יש ערך חיי משתמש נמוך מ-100$). הנתון הזה מוצג לגבי כל אמצעי הגעה.
שימו לב: לפעמים כשמדדי הכנסות כמו ערך חיי משתמש מוצגים באחוזונים, הם שווים לאפס. הסיבה היא שרוב המשתמשים הם משתמשים שלא משלמים, ואפילו האחוזון ה-90 הוא אפס (ל-90% מהמשתמשים יש ערך חיי משתמש נמוך או שווה לאפס). במקרים האלה, כדאי להחיל פלח שכולל רק משתמשים משלמים וככה לראות תובנות יותר משמעותיות לגבי האופן שבו ערך חיי המשתמש מתחלק בינם, במקום בין כל המשתמשים.
טווחי התאריכים בניתוחים מסוג "כל משך החיים של המשתמש"
כשבוחרים טווח תאריכים, מוצגים בניתוח משתמשים שהיו פעילים בטווח הזה עם מידע על כל משך החיים שלהם, כולל נתונים מהתקופה שלפני הטווח שנבחר.
אי אפשר לשנות את תאריך הסיום כשמגדירים ניתוח של כל משך החיים של משתמש. ההגדרה הקבועה של התאריך הזה היא "אתמול".
זיהוי של מי שמדווח בניתוח "משך החיים של משתמש"
התכונה User-ID מספקת לנכסי Google Analytics 4 שתי דרכים לזהות משתמשים ולדווח עליהם בפלטפורמות ובמכשירים שונים. שיטת הזיהוי שמוגדרת בנכס משפיעה על הנתונים של כל משך החיים של המשתמשים, באופן הבא:
לפי User-ID, ואחר כך לפי מכשיר
השיטה הזאת מדויקת יותר כי היא מבוססת על מזהה המשתמש. אם נאספים מזהי משתמשים, המערכת מבדילה בעזרתם בין המשתמשים, וככה מאחדת בדוחות ובניתוחים את כל האירועים שקשורים למשתמש ספציפי. אם מזהי המשתמשים לא נאספים, מערכת Analytics מסתמכת במקום זאת על מזהה מכשיר כדי לזהות את המשתמש. מזהה המכשיר מסווג כ-Client-ID לגבי אתרים או כמזהה מופע של אפליקציה לגבי אפליקציות.
יכול להיות שהמערכת תזהה פעילות של משתמש מסוים בטווח התאריכים שהוגדר, גם כשהוא היה מחובר לחשבון וגם כשהוא לא היה מחובר. במקרים כאלה, יופיעו בניתוח רק נתונים על הפעילות במצב מחובר מתוך כל משך החיים של המשתמש. ככה אפשר לקבל ייצוג מדויק יותר של נתוני המשתמשים. כשמדדים כמו ערך חיי המשתמש (LTV) מתבססים על User-ID, הדיווח מדויק יותר ואין כפילויות בספירת המשתמשים. נתונים על פעילות של משתמשים כשהם לא מחוברים לחשבון לא נכללים בניתוח.
הערה: אם בנכס מופעל איסוף פרטים שהמשתמשים סיפקו (בטא), ומתבצע בו גם איסוף של מזהי משתמשים, יכולים להיות הבדלים בין הנתונים בניתוחי "כל משך החיים של המשתמש" לנתונים שהמשתמשים מספקים. ספציפית, ייתכן שיהיו כפילויות במספרי המשתמשים או שהמספרים יהיו נמוכים בהשוואה למדדים בניתוח "כל משך החיים של המשתמש". זה יכול לקרות כשטווח התאריכים בניתוח חופף לתאריך שבו הופעל האיסוף של פרטים שהמשתמשים סיפקו. אפשר לבדוק מתי האיסוף הופעל בהיסטוריית השינויים של הנכס. בנוסף, בנכסים שבהם מופעל איסוף פרטים שמשתמשים סיפקו אין כרגע תמיכה בניתוחי "כל משך החיים של המשתמש" שמבוססים על מזהי משתמשים.
לפי מכשיר בלבד
בשיטה הזו המערכת מוצאת את זהות המשתמש רק לפי מזהה המכשיר. בתור מזהה המכשיר, המערכת משתמשת בערך client_id של קובץ ה-cookie של Analytics כשמדובר באתרים, או במזהה מופע של אפליקציה כשמדובר באפליקציות לנייד. אם נאספים מזהי משתמש, המערכת מתעלמת מהם. בשיטה הזו, הנתונים מכל משך החיים של המשתמש נצברים ברמת המכשיר.