Предыдущий ролик Следующий ролик  

Видео урок: Анализ когорт, встроенный в Google Analytics

Советы по Google Analytics

Ни в одном из своих тренингов и ни в одной из своих статей я никогда не касался анализа когорт. Это полезная методика, но не из тех, которые можно легко реализовать в Google Analytics. Вам бы пришлось пройти через множество испытаний, если бы вы попытались выполнить такой анализ. Я отступлю на шаг назад и проясню некоторые моменты. Для тех, кто не знаком с таким видом анализа, когорта - это группа людей, объединенных по некоторому общему признаку. В основном они группируются в рамках конкретного временного периода. Например, в предыдущем видео мы говорили об авиакомпаниях. Мы говорили о том, как авиакомпании могут относиться к тем покупателям, которые во время праздников покупают билеты не так, как в обычные дни.

Мы имели в виду, что они могли купить билет только ради этой поездки домой, и, скорее всего, в течение оставшегося года не покупать больше никаких билетов. Поэтому такие покупатели, возможно, не столь ценны для авиакомпании. Конечно, нам не хотелось бы делать такое предположение. Как аналитикам, нам хотелось бы проанализировать данные и убедиться, что все, что мы предполагаем, действительно верно. Такой тип анализа, основанный на данных о посетителях, выполняющих определенные вещи в рамках определенного периода, является отличным примером когорты. Еще один пример можно встретить в университете. Возможно, вам захочется оценить долю студентов, закончивших университет, или средние показатели GPA, или что-то такое, что позволяет противопоставить конкретную группу посетителей другим сегментам.

В этом случае мы рассматриваем студентов, зачисленных в определенное время, и применяем к ним такой анализ. Как раз в тот момент, когда они выходят за рамки первоначального этапа, мы перестаем считать их первокурсниками. Это важный момент. Итак, это не просто рассмотрение временных периодов как, к примеру, посетителей, совершивших покупку при первом же посещении, или сразу же покинувших сайт. Мы определяем группу посетителей, а затем наблюдаем за ними в течение указанного времени. Но мы не изменяем это определение, а продолжаем работать с первоначальной группой. Большинство людей знают, что такое когорта, благодаря исследованиям, проводимым в медицинской сфере.

Возможно, это исследование детей, подвергшихся воздействию наркотиков или свинцовой краски. Наблюдение за ними и за их когортой будет продолжаться всю их оставшуюся жизнь, возможно, для того, чтобы определить, не приведет ли долгосрочное влияние какой-либо болезни к такому исходу как рак. Смысл заключается в том, чтобы определить необходимый нам признак, например, воздействие наркотиков, и привязать этот временной период к этому признаку. Мы можем поговорить о сайте электронной торговли. Например, предположим, что пользователи никогда раньше не заходили на наш сайт, поэтому ничего о нем не знали. Но потом они посетили сайт и подписались на 30-дневную пробную версию нового Super Bowl, которую мы запустили.

Вопрос в том, станут ли эти посетители ценными, постоянными клиентами или просто уйдут после окончания пробного периода? Такой анализ всегда был полезен. Просто Google Analytics никогда не делала особенно легким процесс определения точного времени возникновения какого-то события, а впоследствии просто выполняла анализ и получала более широкий контекст для посетителя. Помните, раньше наши сегменты и все, что их касалось, основывались на данных о сеансах. Теперь, когда у нас появились новые сегменты, основанные на данных о пользователях, все стало намного интереснее. Фактически ранее в большинстве решений дата внедрялась как некоторого рода дополнительная пользовательская переменная, а затем настраивалось несколько аналитических схем для создания сегментов.

Но хранение даты в виде текста - это не только потеря переменной, но, на самом деле, является лишним. Google уже знает о том, когда вы, например, впервые посетили сайт, и, наверняка, знает дату этих посещений. Таким образом, осталось только создать интерфейс, позволяющий запрашивать такую информацию и получать в ответ отчеты. Как вы уже видели в предыдущих видео, такой интерфейс теперь встроен в систему Google Analytics, в частности, в сегменты, основанные на данных о посещениях. Кроме того, есть еще некоторые специфичные моменты, касающиеся когорт. Раскроем снова этот интерфейс. Спустимся вниз. Это наш новый интерфейс расширенных сегментов. Создадим новый сегмент. Вы увидите, что один из расположенных слева разделов, - это "Дата первого посещения" (Date of First Visit).

Это и есть наш инструмент создания когорты, первый этап. Рассмотрим пример. Ранее мы говорили об объявлении, касающемся Super Bowl, а теперь хотим знать, кто просматривал это объявление, и сравнить их с теми, кто просматривал его, скажем, неделей ранее. Для начала перейдем сюда и укажем, что Super Bowl выйдет 2 февраля. Проанализируем неделю после выхода Super Bowl. Я хочу, чтобы это были пользователи, подписавшиеся на рассылку. Поэтому переходим в раздел "Поведение" (Behavior), выбираем "Транзакций" (Transactions), "на пользователя" (per user), больше или равно 1. Назовем этот сегмент "Post SB" (После SB) и сохраним его.

Теперь нам нужен еще один сегмент. Итак, мы создадим новый сегмент, с точно такими же условиями (транзакциями) только для предшествующего временного периода. Итак, мы видим, что здесь когорта началась, а вот здесь закончилась. Создадим еще одну когорту. Перейдем в раздел "Дата первого посещения" (Date of First Visit) и выберем неделю до выхода SB. Я не собираюсь делать так, чтобы в каждой когорте было одинаковое количество дней, поскольку меня больше интересует качество, а не количество. Вы можете рассмотреть показатели и взаимодействия или что-то в этом роде.

Переходим в раздел "Поведение" (Behavior), больше или равно 1. Назовем эту когорту "Pre SB" (Перед SB). Итак, мы видим здесь две наших когорты. Оранжевым цветом отмечена неделя до выхода SB. Это первые просмотры данных, а затем, на следующей неделе после выхода Super Bowl, мы начинаем видеть спад когорты "Pre SB" и посещений, которые выполнялись из когорты. Не забывайте, что это первые посещения. Это не означает, что здесь я анализирую только посещения. Это говорит только о том, что в это время они впервые посетили сайт, а что они делали потом? То же самое здесь. Мы видим тех людей, которые в первый раз посетили сайт после выхода Super Bowl, а затем я анализирую, что случилось после.

Я могу спуститься вниз и проанализировать, к примеру, показатель отказов до и после, показатели взаимодействия, число страниц за посещение, длительность посещения. Мы могли бы рассмотреть все виды поведения, средние стоимости заказов. Изменение этих показателей с течением времени действительно становится интересным. В нашем случае для совокупности рассматриваемых мною данных мы не запустили по-настоящему хорошее объявление о Super Bowl, поэтому из этих данных нельзя сделать много полезных выводов. Но вы смогли увидеть, как можно настроить эти сегменты, и, что самое важное, как определить такие когорты. Существует множество способов рассмотрения этой темы. Некоторое время назад у меня был клиент, которому приходилось вкладывать довольно значительную сумму средств в каждого потенциального клиента. Поэтому он был очень заинтересован в сокращении этих вкладов.

В отличие от тех, кто в настоящий момент пытается отправить нашу форму, вы знаете, что сам процесс достаточно прост и беспрепятственен. Они на самом деле пытались убедиться, что вам действительно было это нужно. Они на самом деле хотели сделать эту форму достаточно простой. Как и любому хорошему аналитику, мне хотелось знать, работает эта форма или нет, и убедиться, что эта компания выбрала самый оптимальный вариант. Итак, поскольку они приложили немало усилий, чтобы обезопасить форму, внедрив Captcha и задавая все больше и больше вопросов, мне хотелось рассмотреть когорты для каждого из этих случаев.

Итак, пример того, как это можно было бы сделать. Я могу вернуться и создать еще один расширенный сегмент. Зададим временной диапазон, в рамках которого будет действовать эта форма. Возможно, мы запустили бы некое событие при появлении этой формы. Можно задать это в разделе "Условия". Предположим, что это было бы событие "captcha" или значение, которое устанавливалось бы в пользовательскую переменную. Если за один раз запускается только одна форма, мы могли бы просто рассмотреть диапазон дат,

но все равно попытайтесь показать, как можно задать дополнительные условия, в особенности, если вы запускаете AB-тесты или что-то в этом роде. И если бы мы могли определить, кто из этих людей просмотрел новую форму, мы могли бы сделать это таким же образом. Но есть некоторые ограничения. У нас есть когорта, диапазон дат которой ограничен 31 днем. И мы также помним, что эти сегменты основаны на данных о пользователях, а период их анализа - 90 дней. Существуют и другие способы выполнения этого анализа. Если они вас интересуют, свяжитесь со мной через Twitter, и если будет достаточно желающих, я создам новое видео, посвященное этим способам.

Но помните, что для этого интерфейса максимальный период когорты - 31 день, а для сегментов, основанных на данных о пользователях - 90 дней. Последнее ограничение очень существенно. Компания Google еще не придумала способ создания когорт, затрагивающих дату конверсии. На данный момент мы рассматриваем только дату первого посещения, которую они довольно четко определяют. Поэтому, если бы вы захотели создать когорту людей, подписавшихся на рассылку во время Super Bowl, но при этом не указали бы, когда они были здесь в первый раз, то если бы они побывали здесь неделю назад, месяц назад, ничего бы не сработало.

Это касается только тех людей, первое посещение сайта которыми было выполнено в рамках этого дня. Поэтому такой способ задания когорты полезен для вас, но он не учитывает все возможные способы анализа когорт. В целом это действительно мощный инструмент. Анализ когорт обязательно должен присутствовать в вашем арсенале. В Google Analytics этот инструмент еще далеко не совершенен, но я рекомендую вам попробовать воспользоваться им.