Какая польза от когортного анализа в Google Analytics?

На просторах Интернета в течение последних нескольких месяцев появлялось множество информации о том, что в Google Analytics сейчас можно пользоваться когортным анализом. Вещь это довольно полезная, однако хочется увидеть все не с точки зрения технических данных, а с точки зрения реальной пользы.

Для каких целей необходим этот анализ? Что в принципе с его помощью можно сделать?

Разберем несколько примеров.

Что такое «когорта»?

Вернемся во времена Древнего Рима. В состав римского легиона входило 10 когорт. Т.е. если общая численность легиона (в качестве примера) равна 7000 воинов, то когорта состоит из 1/10, то есть из 700 человек.

Этой группе из 700 человек характерен постоянный состав, четкая иерархия, конкретные цели на поле боя. Разумеется, каждая когорта конкурирует с другими, чтобы стать лучшей когортой легиона.

То есть «когорта» — это постоянная группа людей. Как все это проецируется в Google Analytics? Рассмотрим 3 примера на практике.

Ситуация № 1: Изменения в рекламной кампании

Данный пример является одним из самых простых, на котором можно проследить пользу когортного анализа.

Давайте представим, что вы занимаетесь рекламой в Яндекс.Директ. Вам обеспечен постоянный поток клиентов, но вдруг вы решили заменить главное преимущество в рекламных объявлениях на другое. К примеру, условия акции изменились (вы предлагаете другой бонус).

Вы сделали замену рекламного объявления и наблюдаете резкое увеличение конверсии. Новая реклама сработала и оказалась значительно эффективнее предыдущей!

Вполне возможно, однако нюансы имеются…

Благодаря когортному анализу вы можете отследить, кто конкретно делает конверсию. Все достаточно просто. Посмотрите на этот график:

когортный анализ 1

Первый столбец отражает информацию о дате и количестве посетителей. Это и есть сформированные когорты:

Как пользователь попадает в когорту?

Фиксируется первый визит. Т.е. когда человек зашел первый раз на сайт 15 апреля, то он становится членом данной когорты. Если он снова зайдет 18 апреля, то членом когорты от 18 апреля он не станет, т.к. он уже относится к когорте 15 апреля.

На что здесь обратить внимание?

По горизонтали расположены мы столбцы (День 0, День 1 …). Для когорты 16 апреля данные будут следующими:

Пользователи из когорты 19 апреля будут иметь следующие данные:

Что отражает таблица? В ней в качестве примера показаны пользователи и их повторные визиты на сайт. Получается, что из когорты 15 апреля на 2 день на портал вернулось 1,27% пользователей. На третий день — 1,48%.

Сейчас вернемся к изменениям в рекламной кампании.

Благодаря когортному анализу мы вполне можем отследить, кто конкретно делает на сайте покупки. Если после внесения изменений в рекламную кампанию происходит резкий рост заявок, то сначала следует убедиться, что они относятся к пользователям, которые перешли по новым объявлениям.

Вывод: Если большинство заявок идет от пользователей, посетивших сайт ранее, то суть вовсе не в изменении в объявлениях, т.к. они зашли по старой рекламе.

Ситуация № 2: Поиски причин уменьшения количества заявок

Эта ситуация более интересная. Общая информация пусть будет такая же, как и в первом случае (с несущественными коррективами):

Спустя какое-то время количество заявок резко уменьшается. Мы начинаем размышлять над возможными причинами. Может все дело в плохом объявлении? Но ведь изначально все было хорошо!

Здесь допустимо несколько сценариев:

В итоге спрос начал падать еще при старых объявлениях. Здесь проблема не в замене выгоды. Вполне может быть такое, что Ваше предложение просто перестало работать, наблюдаются сезонные скачки либо предложения конкурентов заинтересовали пользователей больше.

Вывод: С помощью когортного анализа у нас проясняется ситуация и мы можем разобраться что предпринимать в дальнейшем для ее исправления.

Ситуация № 3: Качество каналов по привлечению траффика

Допустим, что вы периодически размещаете рекламу в разных изданиях, используя разные способы передачи информации. Что-то наподобие анонсов в группах соцсетей, блогах, публикаций на заказ и т.д. После размещения материала или анонсирования какого-то события резко увеличивается трафик на сайте.

Что в данной ситуации нам даст когортный анализ?

Мы можем отследить качество аудитории пользователей с позиции возвратов на сайт. Когортный анализ продемонстрирует, какие когорты (какой был источник привлечения трафика) заходили на сайт чаще остальных.

К примеру, мы разместили рекламу 17 апреля в группе «ВКонтакте». Посетители просто посыпались на ваш сайт. Поток трафика растянулся на целых три дня. Сейчас можно следить за когортами этих 3 дней и отслеживать, возвращаются ли их пользователи на сайт или нет? Как много пользователей возвращается?

В случае, если практически никто не вернулся, то подобную рекламу вряд ли можно назвать эффективной.

Вывод: Так же и с иными инструментами привлечения трафика на сайт. Анализируем и оцениваем, куда лучше вкладывать средства.

Разумеется, что когорты не являются единственным инструментом. Существует также подписка на рассылку, RSS, которые не стоит сбрасывать со счетов и учитывать при анализе.

Где можно найти когортный анализ?

Заходим в Google Analytics в раздел «Аудитория»:

когортный анализ 2

После того, как Вы вошли в него, попробуйте просто выбирать разные значения и следите за изменениями данных в таблицах. Когорты можно разделить не только по дням, а и по неделям, месяцам.

Для начала попробуйте изменить параметры у простых когорт, изменяя данные из раздела «Показатель». Здесь можно установить достижения определенной цели (Форма заявки, как вариант), просмотры страниц и т.д.

Со временем у вас сформируется навык выработки и своих сценариев.

Надя рассказала, что такое кагортный анализ

23.04.2015