به عنوان یکی از جدیدترین ویژگیهای Google Analytics، تحلیل کوهورت یکی از مواردی است که بیشترین سردرگمی را در تحلیلگران ایجاد میکند. این سردرگمی در درجه اول از 2 منبع سرچشمه میگیرد.
- بر خلاف بسیاری از ویژگیهای تحلیلی در Google Analytics (مانند تحلیل جلسه، تحلیل صفحه و غیره)، تحلیل کوهورت داینامیک یا پویا است.
این بدان معناست که به جای خلاصه کردن فعالیتهای جلسه یا فعالیت در یک بازه زمانی ثابت، تحلیل کوهورت رفتارهای گروههای مختلف وب سایت شما را در طول زمان توصیف میکنید، که تفسیر و درک تحلیل بدون درک عمیق را تا حدودی سختتر میکند.
- استفاده از تحلیل کوهورت برای ایجاد بینشهای قابل عملی شدن دشوار است.
شاید بهتر است بدانید به طور مثال، کاربران شما در چند هفته گذشته بیشتر به وب سایت تان مراجعه کرده اند، اما این اطلاعات به خودی خود بی معنا است، چگونه میتوانیم آنچه را که در مورد تحلیل کوهورت یاد گرفتهایم را با سایر تحلیلهای Google Analytics ترکیب کنیم تا به درک بهتری دست پیدا کنیم؟ چه کاری میتوانیم انجام دهیم تا کاربران بیشتر به سایت ما بازگردند؟
این مقاله به شما کمک میکند تا هر دوی این سردرگمیها را پشت سر بگذارید.
یک دیدگاه جامع در مورد روش تحلیل کوهورت و چند نکته مهم که باید درک کنید تا متوجه شوید این روش چگونه انجام میشود، ارائه خواهد شد.
چند روش مهم را به شما پیشنهاد میکنیم که میتوانید از تحلیل کوهورت استفاده کنید و با سایر ماژولهای تحلیل در Google Analytics ترکیب کنید تا متوجه شوید چگونه کاربران بیشتری را به وب سایت خود بازگردانید.
تحلیل کوهورت چیست؟
اجازه دهید با صحبت در مورد اینکه تحلیل کوهورت چیست، بحثمان را شروع کنیم. همانطور که در مقدمه این نوشته اشاره کردیم، تحلیل کوهورت یک تکنیک تحلیلی است که بر تحلیل رفتار گروهی از کاربران / مشتریان در طول زمان متمرکز است؛ در نتیجه بینشهایی در مورد تجربیات مشتریان و آنچه شرکتها میتوانند برای بهبود این تجربیات انجام دهند را نشان میدهد.
خب گفتن این تعریف سنگین احتمالاً مانند پرتاب کردن یک آجر به صورت شما است، دردناک است اما شما نمیدانید که چه معنایی دارد. بنابراین اجازه دهید این تعریف را تجزیه کنیم.
کلید درک تحلیل کوهورت این است که ابتدا از خود تکنیک دور شویم و خود را به جای مشتریانمان فرض کنیم.
فرض کنید مشتری به نام باب دارید که چهار ماه پیش در واکنش به تخفیف 50 درصدی وارد فروشگاه آنلاین شما شد؛ اجناس شما را بررسی کرد و مجموعه آزمایشی کوچکی از لوازم آرایش آووکادویی شما را خریداری کرد.
به عنوان یک صاحب کسب و کار، طبیعی است که از خود سؤال کنید که آیا افرادی مانند باب بعد از خرید مجموعه آزمایشی به فروشگاه من باز خواهند گشت؟ و با چه سرعتی قرار است برگردند و چه ارزشی را به شرکت من ارائه میدهند؟
بنابراین از متصدی فروشگاه خود (به نام کوکیها) بخواهید که رفتار افرادی مانند باب را ردیابی کند و ببیند آیا آنها بر میگردند و خریدی را انجام میدهند یا نه، و این بازگشتها چقدر طول میکشد.
بعد چهار ماه، شما و کوکی پشت میز کار خود مینشینید و همه کاربران شبیه باب را که در زمان تبلیغات خاصی از فروشگاه شما بازدید کردهاند و یک مجموعه آزمایشی را خریداری کردهاند را بررسی میکنید (به هر حال، به این دسته از کاربرانی که در این بازه زمانی خاص وارد شدهاند، کوهورت میگویند).
متوجه میشوید که 70 درصد از افرادی که مجموعه آزمایشی را خریدهاند هرگز بازنگشتهاند، در حالی که 20 درصد حداقل یک بار به فروشگاه شما بازگشتهاند اما چیزی نخریدهاند و 10 درصد باقیمانده در این چهار ماه چیزی خریدهاند.
پس چه اتفاقی افتاده است و چگونه میتوانیم این مشکل را حل کنیم؟
اول، شما فرض کنید که اکثر کاربرانی که هرگز بازنگشتهاند به این خاطر مجدداً مراجعه نکردهاند چون به محصول شما علاقهمند بودهاند، اما شما را در دریایی وسیع از اطلاعات فراموش کردهاند (حافظه ماهی قرمز).
با توجه با این مسئله، احتمالاً باید درست در پایین استفاده از محصول آزمایشیشان، شروع به اجرای تبلیغات هدف گیری دیگری کنید تا به آنها یادآوری کنید که در صورت رضایت؛ از محصولات شما خریداری کنند.
دوم، شما به تجربیات کسانی که از وب سایت شما بازدید کردهاند، اما خریدی انجام ندادهاند نگاه میکنید و متوجه میشوید که اکثر آنها در صفحه ” ارسال و حمل و انتقال” خرید خود را متوقف کردهاند، این بدان معناست که آنها در مورد هزینههای حمل و نقل شما تردید دارند.
در این صورت شاید باید یک کمپین حمل و نقل رایگان برای مشتریانی که به سایت شما بازگشتهاند راه اندازی کنید تا دیگر در این مورد نگرانی نداشته باشید.
حالا با تحلیلهای بالا به دو اقدام خاص و مشخص رسیدهاید که میتوانید برای بهبود نرخ تبدیل این گروه انجام دهید (و مهمتر از همه، برای همه گروههای آینده در صورت تکرار رویدادهای تبلیغاتی مشابه). این اقدامات را انجام دهید و ببینید که آیا نرخ حفظ و نرخ تبدیل شما در آینده بهبود پیدا میکند یا خیر.
این تعریف تحلیل کوهورت به زبان ساده بود.
درباره ی اهمیت حفظ مشتری بیشتر بدانید
3 انکر کلیدی برای درک تحلیل کوهورت
حالا اجازه دهید در مورد نحوه پیاده سازی و انجام تحلیل کوهورت صحبت کنیم. برای انجام تحلیل کوهورت به 3 بخش از اطلاعات نیاز دارید تا به عنوان انکر / لنگرگاه تجزیه و تحلیل شما عمل کنند.
اولین انکر، تعریف کوهورت است که همیشه یک دوره زمانی از گذشته است.
همانطور که از نام آن پیداست، یک کوهورت همیشه یک بازه زمانی است و گروهی از افرادی را تعریف میکند که در یک بازه زمانی خاص وارد وب سایت یا فروشگاه شما شدهاند. بنابراین، اول باید تصمیم بگیرید که کدام بازه زمانی را میخواهد تحلیل کنید.
روشی که من دوست دارم تحلیل کوهورت را با آن تصور کنم، مانند یک مسابقه دو 400 متری با آغاز و پایان مشخص است که در طی آن میخواهیم رفتار همه شرکت کنندگانمان (مشتریان / کاربرانمان) را ردیابی کنیم.
تعریف کوهورت؛ لحظهای که در آن مسابقه شروع میشود را مشخص میکند و ما رفتار هر یک از شرکت کنندگان را ردیابی خواهیم کرد.
اگر رفتار مشتریان خود را از یک رویداد تبلیغاتی خاص تحلیل میکنید، کوهورت شما میتواند تمام مشتریانی باشد که در بازه زمانی این رویداد به وب سایت شما وارد شدهاند.
شما میتوانید تنها با تحلیل مشتریانی که از وب سایت شما (از طریق یک منبع خاص مانند فیس بوک، گوگل و غیره) بازدید کردهاند فیلترهای دیگری را به تعریف کوهورت اضافه کنید، با این حال، باید بازه زمانی همیشه مشخص شده باشد تا تحلیل کوهورت کار کند.
بعد از تعریف کوهورت، زمان آن رسیده است که تصمیم بگیرید برای چه مدت زمانی میخواهید تحلیل خود را اجرا کنید (دوره تأخیر)، این دومین انکر است.
اگر میخواهید ببینید که کاربران یک ماه بعد از اولین بازدید خود چگونه رفتار میکنند، دوره تأخیر شما 1 ماه خواهد بود.
این عدد عمدتاً بر اساس ترجیحات شخصی شما و محیط صنعتی شرکت شما انتخاب میشود.
در نهایت با تعریف کوهورت و دوره تأخیر، میتوانید انکر نهایی که زمان پایان تحلیل شما است را تعریف کنیم.
بهعنوانمثال، اگر رفتار کوهورت خود را که از 1 تا 7 مارس از وب سایت شما بازدید کردهاند را ردیابی کنید یک دوره تأخیر 1 ماهه خواهید داشت، بنابراین اولین زمانی که میتوانید این نتیجه را دریافت کند تا 7 آوریل است که نشان دهنده پایان دوره تأخیر است (آخرین فرد ممکن در این کوهورت).
این جزئیات در Google Analytics به سادگی حذف میشود چون یک کوهورت ناتمام را به عنوان تمام شده تلقی میکند.
منظور چیست؟
این تصویر یک اکانت نمونه را با اندازه کوهورت، به صورت هفتگی نشان میدهد. ستون اول میانگین مدت زمان صرف شده در هفته اول است (زمانی که کوهورت برای اولین بار از وب سایت بازدید کرده است). به این معنا که اگر کوهورت از 27 می تا 2 ژوئن باشد، میانگین مدت جلسه همین گروه را از 3 ژوئن تا 9 ژوئن محاسبه میکند.
حالا روی دو رکورد آخر ستون هفته 1 و هفته 2 تمرکز کنید که کمترین میانگین :04 و :01 را نشان میدهد.
قبل از اینکه وحشت زده شوید، به این فکر کنید: در زمان نگارش این مقاله ما در ابتدای هفته 8 ژوئیه تا 14 جولای هستیم؛ به این معنا که آخرین هفته اول و هفته دوم ذخیره سازی داده فقط برای روزهای 8، 9 ژوئیه به صورت 24 ساعته و 2 روزه انجام شده است بنابراین این دادهها دقیق نیستند و نباید در جایگاه اول نمایش داده شوند.
بنابراین همیشه به انکر نهایی تحلیل کوهورت خود توجه کنید تا اطمینان داشته باشید که در این زمان تمام دادههای مربوط به کوهورت شما جمعآوریشده است که در این مثال 15 جولای است.
تحلیل کوهورت به صورت عملی
از آنجایی که در این مقاله در مورد تمام جزئیات تحلیل کوهورت صحبت میکنیم؛ اجازه دهید به بحث در مورد نحوه اجرای تحلیل کوهورت برای دادههای خود بدون کمک ابزارهایی مانند Google Analytics بپردازیم.
و مهمتر از همه؛ ما به شما نشان میدهیم که چرا گوگل آنالیتیکس دادههای اشتباهی را در تحلیل کوهورت به شما میدهد.
تصور اشتباه و رایجی که کاربران در مورد تحلیل کوهورت دارند این است که فکر میکنند تحلیل کوهورت صرفاً جمع آوری نقاط داده برای دوره ابتدایی (1 تا 7 مارس) و دوره پایانی (1 تا 7 آوریل) است.
حقیقت این است که اگر در این مورد بیشتر فکر کنید، در واقع محاسبه عملکرد کوهورت با دادههای کلی غیر ممکن است چون هیچ راهی برای تشخیص اینکه آیا بازدید از جلسه در ماه مارس از همان شخصی است که در اه آوریل از سایت بازدید داشته است یا خیر، وجود ندارد.
در واقع، برای محاسبه تحلیل کوهورت، باید تمام کاربرانی که در دوره اولیه (1 تا 7 مارس) از سایت بازدید کردهاند را شناسایی کنید و رفتار تک به تک آنها را بررسی کنید تا متوجه شوید که آیا آنها در دوره پایانی از سایت بازدید داشتهاند یا خیر. دوره تأخیر میتوانید بین 1 تا 7 آوریل باشد.
سپس، تمام تجربیات این کاربران را جمع آوری میکنید تا دادههای نهایی تحلیل کوهورت را تولید کنید.
در طول محاسبه به یک نکته باید توجه داشت: اگر کاربری در 2 مارس از سایت بازدید کرده و در 3 آوریل بازگشته است؛ به دلیل محدودیت یک ماهه برای بازگشت؛ از نظر فنی نباید به عنوان کاربری که مجدداً به سایت بازگشته در نظر گرفته شود.
این بدان معناست که برای اطمینان از حداکثر دقت دادههای شما، زمان پایان تجزیه و تحلیل شما به زمانی که کاربران برای اولین بار از سایت شما بازدید کردهاند وابسته است و به جای تاریخ خاتمه 7 آوریل که توسط Google Analytics استفاده میشود، از ۱ تا ۷ آوریل متغیر است.
داشتن یک تاریخ خاتمه، دادهها را کمی ناسازگار میکند، چون کاربران شما از نظر فنی یک دوره تأخیر دارند که از 1 ماه تا 1 ماه و 7 روز متغیر است که روی نتیجه نهایی شما تأثیر میگذارد.
با این حال، دلیل اینکه گوگل این کار را انجام میدهد کاملاً صحیح است، توجه به حجم محاسبات مورد نیاز Google Analytics برای ارائه تحلیل کوهورت برای همه کاربران، محاسبه برخی دادههای کمی با دقت کمتر از نظر محاسباتی بسیار کارآمدتر است.
به عنوان کاربر، فقط باید از این واقعیت آگاه باشید که تمام معیارهای کوهورت شما در مقایسه با دقیقترین محاسبات در هنگام استفاده از Google Analytics کمی تفاوت دارد.
چگونه از تحلیل کوهورت در کسب و کار خود استفاده کنیم؟
حالا اجازه دهید این بخش را با معرفی مختصر انواع تحلیل کوهورت که میتوانید با دادههای خود انجام دهید خاتمه دهیم و در مورد اینکه این روش تحلیلی چه نوع بینش تجاری را به شما میدهد صحبت کنیم.
به طور کلی، استخراج ارزش تجاری از تحلیل کوهورت در مقایسه با سایر روشهای رایج تحلیل دشوار است.
این بیشتر بدان خاطر است که شما واقعاً نمیتوانید بر اساس دادههای تحلیل کوهورت خود واکنش نشان دهید.
اگر در حال اجرا هستید، اجازه دهید یک تحلیل قیفی را مثال بزنیم و ببینید که برخی از کاربران به سرعت بخشی از قیف funnel را رها میکنند. میتوانید بلافاصله یک کمپین هدف گیری مجدد برای کاربران راه اندازی کنید، در حالی که قیف را با طراحی مجدد سایت مرتبط کنید تا مطمئن شوید که کاربران را از دست نمیدهید.
با این حال، زمانی که شما در حال انجام تجزیه و تحلیل کوهورت هستید، چرخه بازخورد معمولاً بسیار طولانیتر است.
بهعنوانمثال، اگر یک تحلیل کوهورت را با تأخیر 1 ماهه اجرا میکنید و برخی بهبودها را در تجربه کاربری 1 ماهه خود اعمال کردهاید، واقعاً نمیتوانید تا 1 ماه بعد نتیجه این بهبودها را کاملاً درک کنید. تغییرات بیشتر از یک ماه طول میکشند تا اثر خود را نشان دهند که از دیدگاه یک بازاریاب دیجیتال واقعاً کند است.
با این حال در حالی که تحلیل کوهورت کند است؛ دید بسیار کاملتری از سفر کاربر شما را ارائه میدهد و به طراحی کمپینی کمک میکند که نه تنها نتایج را فوراً میبیند بلکه ارزش بلند مدتی را برای شرکت شما ایجاد میکند.
برای من تحلیل کوهورت میتواند برای دو هدف اصلی استفاده شود: 1) برای بازنگری کمپین تبلیغاتی 2) برای مهیار تعامل مداوم کاربر.
تقریباً همه بازاریابان بزرگ و مدیران کمپین، تحلیلهای تاریخچه محور را در مورد همه کمپینهایی که میتوانند برای مشتریان یا شرکت خود انجام دهند، به کار میگیرند.
در تاریخچههای تاریخچه محور، مدیر تمام دادههای مربوط به کمپین را 3 تا 4 ماه پس از پایان آن بررسی میکند و ارزیابی نهایی را انجام میدهد که آیا این کمپین در رسیدن به نتایج طولانیمدت و کوتاهمدت مورد نظر مشتریان خود مؤثر بوده است یا خیر.
در اینجا، تحلیل کوهورت میتواند اطلاعات زیادی در مورد رفتار مشتریانی که در طول کمپین از سایت بازدید کردهاند را در اختیار شرکت و مدیران قرار دهد.
برای مثال، اگر یک کمپین تبلیغاتی اجرا میکنید که مجموعهای آزمایشی از محصول شما را با تخفیف کمتر از حاشیه سود به فروش میرساند، چیزی که واقعاً میخواهید این است که افرادی که محصول شما را خریدهاند بازگردند و یک خرید «واقعی» انجام دهند.
تحلیل کوهورت میتواند به شما کمک کند تا بفهمید که آیا این مورد واقعی است یا خیر، و به شما یک بررسی عقلانی نهایی ارائه میدهد که آیا باید همان کمپین را در سال آینده یا سه ماهه آینده اجرا کنید یا خیر.
حالا اجازه دهید درباره مورد دوم استفاده از تحلیل کوهورت صحبت کنیم که معیار تعامل مداوم کاربر است.
برای تحلیل کوهورت، از آنجایی که در یک دوره زمانی بزرگ محاسبه میشود، کمتر مستعد تأثیرات کوتاهمدت است و احتمالاً سطح تعامل واقعی مشتری شما را در یک چشمانداز بلندمدت منعکس میکند.
اما، این اطلاعات کافی برای تسلط واقعی و درک تحلیل کوهورت است.