10

Nowy raport w Google Analytics, który odpowiada na najważniejsze pytanie

kohorty w GAJakie jest najważniejsze pytanie w życiu prawie każdego właściciela biznesu?

Oczywiście brzmi ono: czy mi się ten interes opłaca.

Właściciele sklepów i innych biznesów internetowych są na pozór w dobrej sytuacji, bo w zasadzie wszystkie dane są na wyciągnięcie ręki… tylko czasami trudno je zinterpretować.

Tak było też do niedawna z próbą oceny, przy pomocy Google Analytics, czy poszczególne kanały pozyskiwania ruchu są rentowne czy nie.

Proste pytanie: jeśli wydam dzisiaj złotówkę na AdWords, żeby sprowadzić potencjalnego klienta, to zarobię na tym, czy stracę?

A co jeśli do pierwszej transakcji dołożę, ale [highlight]zarobię na kolejnych, zrealizowanych z udziałem tego samego klienta[/highlight]? Muszę wiedzieć, jak to ocenić, żeby nie wstrzymać kampanii, która traci pieniądze w perspektywie 7 dni, ale zarabia w perspektywie 12 tygodni.

Google Analytics, wraz z wprowadzeniem zaawansowanych segmentów, które obecnie znamy, dodało opcję segmentowania wg daty pierwszej wizyty. To był krok w świetnym kierunku, żeby oceniać wartość użytkowników w czasie, ale do ideału jeszcze trochę brakowało – analiza danych cały czas nie była prosta.

Wyobraźcie sobie zatem, jaka była moja radość, gdy na jednym z kont ujrzałem taki oto nowy raport:

Analiza kohortowa - raport w GA

Tak jest, analiza kohortowa w postaci samodzielnego raportu!

Tutaj należy się słowo wyjaśnienia, czym jest kohorta, bo nie wszyscy mogą znać to pojęcie.

Jest to termin wywodzący się ze statystyki, o następującej definicji (za Wikipedią):

Kohorta – termin stosowany w statystyce i naukach stosujących ją (np. demografia, medycyna), oznaczający zbiór obiektów, najczęściej ludzi, [highlight]wyodrębniony z populacji z uwagi na zachodzące jednocześnie dla całego zbioru wydarzenie lub proces[/highlight] w celu przeprowadzenia analizy. Kohorta powinna być wyodrębniona na podstawie istotnych statystycznie cech i jednorodna pod ich względem.

W przypadku Google Analytics, to wyodrębnienie na razie może odbywać się wyłącznie na podstawie daty pierwszej wizyty danego użytkownika – to jedyne dostępne kryterium.

Sądząc po tym, w jaki sposób sformułowane są dymki pomocy do najnowszego raportu kohort, możemy się spodziewać, że już wkrótce dojdą inne kryteria wyodrębniania kohort. Kryterium, które ja chciałbym zobaczyć najbardziej, to wyodrębnienie wg daty pierwszej transakcji czy dowolnej innej konwersji.

1 Jak działa analiza kohortowa w Google Analytics?

Przede wszystkim, jest bardzo możliwe, że raport ten nie jest jeszcze dostępny na Twoim koncie GA (wg stanu na 17 stycznia 2015 r.). Również u mnie pojawił się dopiero na kilku wybranych kontach, a na większości jest na razie niedostępny.

Jeśli jednak masz już dostęp, to natychmiast po uruchomieniu nowego raportu zobaczysz ekran podobny do poniższego:

Przykładowy raport kohort

Co widać na tym ekranie (kliknij w zrzut, żeby go powiększyć)?

Domyślnie raport ten pokazuje, jaki odsetek użytkowników pozyskanych w dniu zero powraca w kolejnych dniach. Można więc uznać, że jest to raport lojalności i zaangażowania użytkowników.

To jednak dopiero początek, za chwilę będzie znacznie ciekawej. A wszystko dzięki opcjom, które mamy do wyboru.

wszystkie opcje analizy kohortowej

Wyjaśnię je po kolei, a potem pokażę Ci, jak z tego wyczarować naprawdę genialne raporty.

Typ kohorty

Pierwsza opcja i najkrótsze wyjaśnienie. Jak już wspomniałem, na razie jedyną dostępną kohortą jest kohorta zbudowana na bazie daty pierwszego pozyskania użytkownika.

data pozyskania jako podstawa kohorty

Wielkość kohorty

Z pomocą tej opcji określamy wielkość „worka”, do którego chcemy wrzucać użytkowników należących do tej samej kohorty.

Dostępne są trzy warianty:

wielkość kohorty

 

Opcja „według dnia” oznacza, że do kohorty wpadną użytkownicy pozyskani danego dnia; wg tygodnia – pozyskani w danym tygodniu, itd.

Opcja ta ma także wpływ na zawartość menu Zakres dat, ale o tym za chwilę.

Dane

Serce całego systemu, dzięki któremu jest on tak wartościowy.

Z tego menu wybierasz, które dane dane chcesz analizować na przestrzeni czasu.

Jak widziałeś kilka akapitów wcześniej, domyślnie jest to po prostu utrzymanie użytkowników, ale możliwości są o niebo większe.

Opcji jest tak dużo, że nie jestem w stanie zmieścić ich na jednym zrzucie ekranu, więc spójrz tylko na przedsmak całości:

Dane dostępne w kohortach

Zaczynasz dostrzegać potencjał?

[highlight]Jak dobrze będzie wreszcie policzyć, ile faktycznie mamy przychodu z raz pozyskanego użytkownika, prawda? :-)[/highlight]

Zakres dat

Zawartość tego menu jest uzależniona od opcji wybranej w menu „Wielkość kohorty

Zależność jest następująca:

[unordered_list style=”tick”]
  • wielkość kohorty wg dnia -> maksymalny zakres dat to 30 dni
  • kohorta wg tygodnia -> maksymalnie 12 tygodni
  • wg miesiąca -> maksymalnie 3 miesiące
[/unordered_list]

Opcja druga i trzecia obejmują taki sam okres, ale w innym ujęciu.

Oczywiście możesz zawsze wybrać krótszy zakres, jak na zrzucie:

zakres dat w analizie kohortowej

 

Niestety, w obecnej konstrukcji menu wyboru dat ma jedno, ale istotne ograniczenie – wszystkie zakresy zaczynają się od słowa ostatnie – ostatnie 7 dni, ostatnie 6 tygodni itd.

Nie ma opcji, żeby przeanalizować dane z arbitralnie wybranego okresu.

2 Jak analizować kohortami wyniki ecommerce?

Moim zdaniem, to będzie podstawowa analiza, którą właściciele i menedżerowie sklepów internetowych będą wykonywać z użyciem tego nowego narzędzia.

Każdy chce odpowiedzieć sobie na pytanie, czy inwestycje w pozyskanie ruchu się zwracają.

Jednocześnie też coraz więcej osób ma świadomość, że [highlight]konwersje są rozłożone w czasie[/highlight] i zwrot należy rozpatrywać czasami na przestrzeni tygodni a nie dni.

Jeśli też tak uważasz, skonfiguruj raport wg następującego wzorca:

W efekcie otrzymasz zestawienie podobne do poniższego:

Wyniki kohort

Jak je interpretować?

Raport pokazuje oczywiście przychody uzyskane w sklepie internetowym, w kolejnych tygodniach od pozyskania użytkownika.

Przejdźmy przez to krok po kroku.

  1. Suma przychodów w tygodniu zero to nieco ponad 940 tys. pln. Jest to po prostu suma przychodów z kolejnych 12 okresów, każdy o długości tygodnia, kiedy tworzone były poszczególne kohorty.
  2. Suma przychodów w tygodniu 1 to suma przychodów, które wypracowali użytkownicy tydzień po tym, jak zostali pozyskani. W pokazanym przykładzie jest to 113 tys. pln.
  3. Jednocześnie widać, jak przychody w pierwszym tygodniu po pozyskaniu zmieniają się dla poszczególnych kohort. Na czoło wybijają się użytkownicy pozyskani między 23 a 29 listopada, którzy w tygodniu zero wypracowali 91,9 tys. pln, ale w kolejnym dorzucili jeszcze 19 tys. pln.
  4. Widać również, że jeszcze lepsi byli użytkownicy pozyskani między 16 a 22 listopada, którzy w tygodniu zero zostawili w naszym sklepie 107 tys. pln, tydzień później dodali prawie 17 tys. pln, a jeszcze tydzień później kolejne 19 tys.
  5. Wiersz sumy na górze tabeli pokazuje, ile przychodu wypracowane zostało łącznie w 1, 2, 3 tygodniu po pozyskaniu użytkowników. Przykładowo, tydzień pierwszy to 113 tys. pln, tydzień drugi to 60 tys. pln itd.

Analizując takie dane, szczególną uwagę zwróciłbym na tygodnie wymienione w punkcie 3 i 4, żeby zrozumieć, [highlight]co sprawiło, że pozyskany w tym okresie ruch tak dobrze konwertował[/highlight] również w kolejnych tygodniach:

[unordered_list style=”tick”]
  • jakie były kanały pozyskania ruchu?
  • czy były w tym okresie działania promocyjne, które podtrzymywały konwersje i zachęcały użytkowników do powrotu?
[/unordered_list]

Jeżeli chodzi o punkt 5, czyli sumy przychodów z kolejnych tygodni, jest jeden ważny element, na który musisz zwrócić uwagę.

Zauważ, że w podanym przykładzie suma dla tygodnia 1 to suma wyników z 12 tygodni. Suma dla tygodnia 2 to już tylko 11 tygodni; suma dla tygodnia 3 to 10 tygodni itd.

Dlatego moim zdaniem nie możesz tych liczb porównywać wprost do siebie. Lepiej wyliczyć sobie (np. w Excelu), ile średnio dodajemy przychodu w kolejnych tygodniach, dzieląc sumę przez liczbę tygodni, które były uwzględnione.

Ja przygotowałem sobie takie zestawienie:

Analiza w excelu

Kliknij w obrazek, aby go powiększyć do pełnych rozmiarów.

 

Wynika z niego, że średni przychód w tygodniu zero to 78 tys. pln.

Do tego średnio, w ciągu kolejnych 12 tygodni, dochodzi kolejne prawie 35 tys. pln przychodu wypracowanego przez tych samych, już pozyskanych użytkowników.

Jest to 44% przychodu wypracowanego w tygodniu zero, czyli w momencie, kiedy ci użytkownicy odwiedzili Twój serwis po raz pierwszy.

Uzbrojony w tę wiedzę, nagle zyskujesz nowe spojrzenie na swój biznes – wiesz, że możesz oczekiwać, że działania podjęte w danym momencie, oprócz przychodu widocznego niemal natychmiast, w ciągu kolejnych 12 tygodni dorzucą do ogólnego wyniku 44% ponad to, co zostało wypracowane w tygodniu zero.

Świetnie, ale analiza dla całego ruchu nie ma sensu

Jeśli tak pomyślałeś, masz oczywiście rację. Od zawsze cytuję przy wszystkich możliwych okazjach Avinasha Kaushika, który mówi „segment or die„.

Kohorty są genialne, ale stają się jeszcze lepsze, gdy rozbijesz dane na różne źródła ruchu, co dopiero da Ci niesamowity wgląd w ich funkcjonowanie.

Analiza kohort w pełni obsługuje zaawansowane segmenty w GA, więc zróbmy z tego wspólnie dobry użytek.

Ja jestem ciekaw, jak wypada porównanie organicznego ruchu z wyszukiwarek do płatnego, a Ty?

Uruchamiam zatem dwa segmenty:

segmenty w kohortach

I już za chwilę wszystko jest dla mnie jasne:

wykres liniowy kohort

Ruch organiczny idą z płatnym łeb w łeb, z minimalną przewagą ruchu organicznego.

Google Analytics jest nawet tak uprzejme, że pod wykresem daje mi teraz dwie, ładnie pokolorowane tabele – oddzielną dla każdego segmentu:

Ruch organiczny:

ruch organiczny

Ruch z płatnego wyszukiwania

ruch płatny

Widać, że ruch organiczny przynosi nieco więcej przychodu zarówno w tygodniu zero, jak i tydzień później, ale już proporcja między tygodniem 1 a 0 jest niemal identyczna dla ruchu organicznego i płatnego.

W jaki sposób jeszcze wykorzystać segmentację? Lista pomysłów jest bardzo długa, ale kilka najbardziej użytecznych moim zdaniem (oprócz powyższej) to:

[unordered_list style=”tick”]
  • analiza ruchu z kampanii newsletterowych, jeśli takie prowadzisz. Jak długo po wysyłce mailingu ludzie wracają do sklepu?
  • analiza ruchu z porównywarek – czy to klienci jednorazowi czy powracający?
  • analiza segmentu klientów, którzy kupowali z kodem rabatowym vs. klienci, którzy kupowali bez kodu rabatowego.
[/unordered_list]

A jak sprawdzić wartość wizyty, a nie bezwzględny przychód?

Jeśli zadajesz takie pytanie, bardzo mnie to cieszy, bo to jest dobre pytanie.

Jako menedżer projektu ecommerce, często doskonale wiesz, że pozyskanie jednej wizyty z AdWords kosztuje Cię 50 groszy, wizyty z Ceneo 65 groszy, a całkowite nakłady na SEO, podzielone przez liczbę wizyt, kształtują tę kwotę na poziomie 35 groszy (wartości oczywiście przykładowe).

Dlatego zamiast analizować całkowite przychody z poszczególnych kanałów, czasami wygodniej spojrzeć na to, ile średnio wypracowuje jeden użytkownik pozyskany z każdego takiego kanału.

Nic prostszego dzięki nowej analizie kohort. Skonfiguruj następujący raport:

przychody na użytkownika

Dzięki temu zobaczysz wyniki podobne do poniższych (cały czas mam aktywne segmenty, więc przykład będzie dla ruchu organicznego):

kohorta przychody per user

Jak widzisz, zamiast bezwzględnych kwot przychodu, teraz widzę uśrednioną wartość jednej wizyty z ruchu organicznego dla całego ruchu z tego kanału (niezależnie od tego, czy konkretny użytkownik kupił, czy nie).

Widzę wyraźnie np., że szczególnie dobrze zachowywali się użytkownicy pozyskiwani z wyszukiwania między 9 a 15 listopada – zarówno w tygodniu zero, jak i tydzień później.

Z kolei analizując kohortę, dla której mam dane z pełnych 12 tygodni, czyli utworzoną między 19 a 25 października 2014 r., stwierdzam, że pełna wartość jednego takiego użytkownika na przestrzeni tych 3 miesięcy to 2,32 pln (zamiast 1,58 pln w tygodniu zero).

3 Podsumowanie

Moim zdaniem analiza kohort to jeden z najlepszych raportów, który od dawna pojawił się w Google Analytics od bardzo, bardzo dawna.

Rozwiązuje mnóstwo problemów, które wcześniej wymagały żmudnej obróbki danych, łącznie z eksportowaniem danych do Excela. Do tego robi to w elegancki wizualnie sposób, który sprawia, że dane są bardzo czytelne.

Mam nadzieję, że pomogłem Ci zrozumieć ten raport i pokazałem, jak przydatny może być w codziennej pracy.

Napisz proszę w komentarzu, czy masz już ten raport na swoim koncie, a jeśli tak, jakie są Twoje spostrzeżenia na jego temat. Czego brakuje? Czy dane mają sens i są dla Ciebie użyteczne?

Shares 0
Marcin Lejman
 

Jestem współwłaścicielem Critical.pl. Prowadzę przede wszystkim projekty związane z analityką internetową, optymalizacją konwersji i budową strategii online, a nadzoruję działania SEO i PPC prowadzone przez naszą firmę. Jeśli czujesz, że Twój biznes ma niewykorzystany potencjał i chcesz go rozwinąć, skontaktuj się ze mną - chętnie porozmawiam o możliwościach.

Click Here to Leave a Comment Below 10 comments
Bartosz - 22/01/2015

Dziękuję Marcinie za kolejną dawką potężnej wiedzy. Od momentu zapisu na kurs AdWords jestem pod ogromnym wrażeniem. Śledząc wpisy wiem, że nie mogłem lepiej trafić. Dzięki!

Reply
Adam - 23/01/2015

super sprawa, super wpis.
Szkoda że nie mam jeszcze tych kohort w swoich kontach.
Czy nie uważasz, że przy segmentacji na usera, GA pokazuje jednak nie koszt wizyty, tylko kosztu użytkownika? w badanych okresach user mógł natłuc wiele wizyt, ale nadal będzie jednym UU

Idealnie by było zobaczyć jak źródła płatne konwertują potem na organiczne i directowe dowożenie wizyt. Chciałbym zobaczyć, że user z kampanii affiliacyjnej potem wraca z directa. Może masz na to sposób?

Reply
Marcin - 29/01/2015

dzięki wielkie za tak szeroko omówioną kohortę, przyda się.

Reply
michal - 01/02/2015

Świetny tekst, ułatwiłeś mi rozgryzanie tego wszystkiego! :)

Reply
Nomen omen - 03/02/2015

Mi jak Michałowi – dzięki. Wyczerpująco potraktowany temat. :)

Reply
Łukasz - 06/02/2015

Extra artykuł i poradnik:). Uwielbiam, chociaż gdzieś widzieć dane typu >600k przychodu/m-c na e-commerce;)

Reply
adam - 12/02/2015

a masz jakiś sposób aby te dane szybko wyeksportować do Excela ?

Reply
Szymon Słowik - 05/03/2015

Wielkie dzięki, bardzo przydatny materiał. Ta cała analiza kohortowa ma spory potencjał, tym bardziej przy segmentacji, o czym wspominasz :) Konkretny content.

Reply
Daniel Michalak - 19/03/2015

Dopiero co niedawno opanowałem tworzenie celów i sprawdzanie konwersji, a tu kolejne zaawansowane narzędzie analityczne… Ahh tylko działać! :)

Reply
Dorota - 07/07/2015

cześć,
mi też artykuł się przydał :)

zakładasz tu segmenty na użytkownika?
czy dobrze rozumiem, że przy segmencie ‚na sesje’ powrót użytkownika z innego i niebezpośredniego źródła nie będzie zliczony?

pozdrawiam ,
Dorota

Reply

Leave a Reply:

0 Shares