Eksploracja kohort w GA4

Nowi użytkownicy to nie studnia bez dna

Jak wspomnieliśmy, analizując ruch w Google Analytics 4 często zapominamy o tym, że zyski dla strony przynoszą nie tylko nowi klienci.

Skupiamy się na pozyskiwaniu użytkowników, a kompletnie ignorujemy to, że za większość przychodu odpowiada często użytkownik, który już u nas był – powracający lub stały klient.

Świadomie lub nie, wyznajemy w ten sposób złudną zasadę, że potencjalnych klientów jest na tyle dużo, że jesteśmy w stanie pozyskiwać ich bez końca. Że możemy cały czas „dorzucać do pieca” i nie musimy się przejmować, że to źródło kiedyś wyschnie.

Brzmi nierozsądnie? No raczej!

Jeśli chcemy spać spokojnie, wiedząc, że nie zaskoczy nas za jakiś czas nagły spadek przychodów, to od czasu do czasu warto przyjrzeć się LTV (Lifetime Value) użytkowników.

Prześledzić to, czy są wśród nich osoby, które identyfikują się z naszą marką, jak wpływa to na ich decyzje zakupowe… No i w końcu: czy możemy jakoś zwiększyć ich zainteresowanie, albo zatrzymać ich u siebie na dłużej.

Do wyciągnięcia danych bardziej szczegółowych niż tylko stosunek nowi użytkownicy/powracający użytkownicy, wykorzystujemy analizę kohortową – eksploarcję kohort w GA4.

Czym jest LTV (Lifetime Value) klienta?

Innymi słowy, LTV jest orientacyjną kwota, jaką w sumie zostawi u nas pojedynczy klient dopóki nie przestanie korzystać z naszych usług/naszej oferty. Nie jednorazowo czy na przestrzeni roku, ale przez cały czas, w którym będzie u nas kupował.

Naturalnie wartość tę nie wszędzie da się sprawdzić w ten sam sposób.

U nas (w Top Online) użytkownik zwykle „kupuje” tylko jeden raz, zostając naszym klientem abonamentowym. LTV liczymy więc w miesiącach, w których opłacona została faktura.

Zupełnie inaczej będzie w przypadku sklepu internetowego, gdzie klient często będzie wracał w różnych odstępach czasu.

Przykładowo, jeśli mamy sklep z kosmetykami, to nasz marketing powinien, poza pozyskiwaniem nowych klientów, skupiać się też na tym, aby po użyciu szamponu czy kremu klienci ponownie uzupełniali u nas zapasy.

Nie oszukujmy się, najlepszy klient to ten lojalny, bo nie musimy ciągle walczyć o jego pozyskanie.

Kohorty GA4 to nie tylko śledzenie sprzedaży

Żeby nie było, śledzenie powracających użytkowników poprzez kohorty nie musi być też związane bezpośrednio ze sprzedażą. Eksploracja kohort w GA4 przyda się także choćby do śledzenia kampanii marketingowych.

Żeby daleko nie szukać, w Top Online chcemy, aby użytkownicy regularnie do nas wracali i budowali w ten sposób dobre skojarzenia z naszą marką. Po to m.in. udostępniamy darmowe narzędzia SEO, prowadzimy bloga czy kurs GA4.

Stąd, choć sprzedajemy tak naprawdę raz na klienta, to w analizie efektów naszego marketingu i tak nie możemy skupiać się tylko na tej końcowej konwersji. Bo nigdy nie oddałaby nam pełnego obrazu sytuacji.

W skrócie: kampanie mogą mieć inny cel niż sprzedaż. Mogą budować wizerunek, rozpoznawalność, edukować, czy poszerzać zasięg – a to wszystko może być jednorazowe (u nas była to np. konferencja SEO), albo rozłożone w czasie, tak jak prowadzenie kursów.

Bez kohort w GA4 śledzenie rzeczywistych efektów takich przedsięwzięć byłoby praktycznie niemożliwe.

Czym jest kohorta w GA4?

Kohorta w GA4 to grupa użytkowników mających wspólną cechę w danym raporcie.

Taką cechą wspólną może być np. ta sama data pozyskania, fakt dokonania zakupu, skorzystania z formularza, zapisania się do newslettera, albo wykonanie innego kluczowego zdarzenia.

Zastanawiałeś/aś się kiedyś nad tym, ile czasu upływa od pozyskania użytkownika do dokonania przez niego zakupu? Albo nad tym, czy wprowadzenie nowej promocji zwiększyło ogólną liczbę transakcji?

A może ciekawi Cię to, czy pozycjonowanie określonych podstron sprawia, że użytkownicy częściej wracają na stronę?

Do poznania odpowiedzi na te pytania zbliżymy się właśnie dzięki eksploracji kohort w GA4.

Jak podejść do tworzenia eksploracji kohort w GA4?

Tworzenie eksploracji kohort w GA4 zaczynamy od postawienia sobie pytania, na które chcemy poznać odpowiedź. Po prostu musimy mieć jakiś cel dla naszego raportu, inaczej nie będziemy wiedzieć co w nim uwzględnić i czego szukamy.

Jeśli potrzebujesz inspiracji, to kilka takich pytań pojawiło się już w tym tekście, akapit wyżej. Ale spokojnie, na razie nie musisz jeszcze wiedzieć, czego dokładnie szukasz.

Najpierw pokażemy Ci, jak taka eksploracja kohort w GA4 wygląda i jak ją konfigurujemy, a potem razem postaramy się znaleźć odpowiedzi na kilka przykładowych pytań.

Jeśli przejdziesz z nami przez cały ten proces krok po kroku, to na pewno potem odtworzysz go z powodzeniem samodzielnie. Już z uwzględnieniem zadanych przez siebie pytań.

No to do dzieła.

Sprawdźmy na początek najprostszy, domyślny raport związany z kohortami w GA4, czyli raport powracających użytkowników.

Z danych wynika tutaj, że pomiędzy 19 a 24 lutego pozyskanych zostało 15 181 aktywnych użytkowników. Odczytać możemy też, że tylko 311 z nich wróciło do serwisu w kolejnym tygodniu, a 115 (z tej pierwszej liczby) jeszcze w następnym.

Zaczynamy od pytania, które nas interesuje, więc kolejno, wchodząc do raportu, musimy znaleźć w nim użytkowników spełniających pewne kryteria, które pozwolą nam na to pytanie odpowiedzieć.

Jeśli pytaniem do tego raportu będzie na przykład „Czy i ile użytkowników dokonuje kilku zakupów w danym okresie?", to za kryterium obierzemy dokonanie zakupu.

Dlaczego? To proste: w takim wypadku interesują nas tylko Ci użytkownicy, którzy coś kupili.

Jak to jednak z raportami w Analytics, eksploracja kohorty w GA4 może mieć różne formy konfiguracji i nie zawsze będziemy w nich najpierw szukać takiej wspólnej cechy.

Tak, wiemy, trochę to zagmatwane, ale spokojnie. Wszystko stanie się jasne, gdy przebrniemy przez to, jak zbudowana jest ta eksploracja i jakie opcje konfiguracji mamy do wyboru.

Konfiguracja eksploracji kohorty w GA4

Podczas tworzenia eksploracji kohorty w GA4 dostępne mamy aż 5 dodatkowych ustawień, a są to:

• uwzględnione w kohorcie,
• kryterium pozostania w kohorcie,
• szczegółowość kohorty,
• obliczenia kohorty,
• typ danych.

Uwzględnione w kohorcie

Opcja wybrana w rubryce uwzględnione w kohorcie określa warunek, który musi spełnić użytkownik, aby został… uwzględniony w kohorcie GA4. Proste.

Jako warunek taki możemy wybrać:

• Pierwszą wizytę (datę pozyskania) – czyli moment, w którym użytkownik po raz pierwszy odwiedził Twoją aplikację lub witrynę według pomiaru Google Analytics.
• Dowolne zdarzenie – pierwsze wybrane zdarzenie użytkownika zarejestrowane w zakresie dat, który obejmuje nasza eksploracja kohort.
• Dowolną transakcję – pierwsza transakcja użytkownika we wspomnianym zakresie dat.
• Dowolną konwersję – pierwszą konwersję sprzedażową użytkownika we wspomnianym zakresie dat.

Jest jeszcze opcja dodatkowa: określone zdarzenie wywołane przez użytkownika. Wybieramy w niej co konkretnie określa to, czy i kiedy użytkownik jest zaliczany do naszej eksploracji kohort GA4.

Zdecydowanie najczęściej używa się opcji pierwszej (pierwsza wizyta), np. gdy badamy to, jak skuteczni jesteśmy w utrzymaniu pozyskanego użytkownika. Nie znaczy to jednak, że pozostałe nie są wykorzystywane.

Zdarza się też, że chcemy np. sprawdzić użytkowników, którzy już w jakiś sposób skonwertowali. Wtedy zastosujemy dowolną konwersję lub określone zdarzenie (w zależności od potrzeb).

Te opcje uwzględniania w kohorcie w GA4 wykorzystamy także wtedy, gdy będziemy chcieli dowiedzieć się, dajmy na to, czy użytkownik kupił coś tylko raz, czy konwertuje regularnie i staje się naszym stałym klientem.

Kryterium pozostania w kohorcie

Kryterium pozostania w kohorcie określa drugi warunek (po warunku wybranym w Uwzględnienie w kohorcie), który użytkownik musi spełnić w określonym czasie do pozostania w naszej badanej kohorcie.

Mamy tutaj do wyboru:

• Dowolne zdarzenie – użytkownik ma co najmniej 1 zdarzenie w okresie objętym eksploracją.
• Dowolna transakcja – użytkownik ma co najmniej 1 zdarzenie transakcji w okresie objętym eksploracją.
• Dowolna konwersja – użytkownik ma co najmniej 1 zdarzenie konwersji w okresie objętym eksploracją.
• Inne – określone zdarzenie wywołane przez użytkownika w okresie objętym eksploracją.

W tym miejscu wybieramy, co zdecyduje o tym, czy użytkownik pojawi się w kolejnym okresie eksploracji (dzień, tydzień, miesiąc). Mówiąc bardziej łopatologicznie – czy pojawi się w kolejnym kafelku raportu.

W sekcji „inne” znajdziemy wszystkie zdarzenia, które są zbierane w naszym Analyticsie, więc mamy tu naprawdę duże możliwości.

Szczegółowość kohorty

Szczegółowość kohorty w GA4 określa przedział czasu dla uwzględnienia oraz pozostania w kohorcie. Szczegółowość pozostania jest taka sama jak szczegółowość kohorty.

Do wyboru mamy trzy opcje:

• Codziennie – od północy do północy w strefie czasowej usługi.
• Co tydzień – od niedzieli do soboty włącznie (nie przez 7 kolejnych dni!).
• Co miesiąc – od początku do końca miesiąca.

W kwestii szczegółowości ważny jest kontekst.

Jeśli chcemy np. sprawdzić skuteczność wdrożonej promocji, to prawdopodobnie skorzystamy ze szczegółowości dziennej lub tygodniowej.

Jeśli będziemy jednak, dajmy na to, analizować lojalność klientów w sklepie odzieżowym, to prawdopodobnie wybierzemy już opcję miesięczną. Wszystko zależy od sytuacji :)

Obliczenia kohorty

Wyżej wspominaliśmy już o tym, że liczby w kolejnych okresach eksploracji kohorty w GA4 (kafelkach) mogą być większe niż w poprzednich. To, jak będzie badana czy też obliczana przynależność do kohort, jest wybierane właśnie tutaj, w Obliczeniach kohorty.

Obliczenia kohorty GA4 określają, jak aktywność użytkowników w okresie objętym eksploracją wpływa na obliczanie danych w każdej z komórek eksploracji.

Dostępne są 3 typy obliczeń:

1. Standardowe – każda komórka uwzględnia wszystkich użytkowników, którzy spełnili kryteria pozostania w danym okresie, niezależnie od ich działań w innych okresach.
2. Ciągłe – każda komórka uwzględnia wszystkich użytkowników należących do kohorty GA4, którzy spełnili kryteria pozostania w danym okresie oraz spełniali je w okresach poprzednich.
3. Łącznie – każda komórka uwzględnia wszystkich użytkowników należących do kohorty, którzy spełnili kryteria pozostania w dowolnym okresie eksploracji.

Jak to działa w praktyce? Jako przykład weźmy dokonanie przez użytkownika zakupu w sklepie w pierwszym i trzecim miesiącu.

Przy standardowym sposobie obliczania użytkownik pojawi się w eksploracji kohorty GA4 w pierwszym oraz trzecim miesiącu.

Przy sposobie ciągłym uwzględniony zostanie tylko w pierwszym, bo przez brak spełnienia kryterium w drugim miesiącu ciągłość została przerwana.

Dla sposobu całkowitego z kolei uwzględnienie w kohorcie będzie już liczone niezależnie od okresów i ze sobą sumowane.

Czyli w naszym przykładowym przypadku w pierwszym miesiącu wartość ta będzie 1, w drugim dalej 1, ale w trzecim, kiedy warunek został spełniony, już 2.

Żeby zaprezentować jeszcze lepiej, jak może zmieniać się raport przy różnych sposobach obliczania kohorty, przyjrzyjmy się jeszcze przykładowi kohorty GA4 z uwzględnieniem pierwszej wizyty.

Ustawienia tej eksploracji wyglądają następująco:

No i po kolei. Dla standardowej wersji obliczania kohorty raport ten wygląda tak:

Przy obliczaniu standardowym w pierwszym okresie, 27.02 – 2.03, na stronie było 7 725 użytkowników, z czego 69 dokonało transakcji. W następnym tygodniu z tej samej grupy osób, które weszły na stronę w pierwszym okresie, transakcji było już tylko 18.

Teraz przyjrzymy się raportowi z ciągłym obliczaniem kohorty.

Tutaj, podobnie jak wcześniej, w pierwszym analizowanym okresie, 27.02 – 2.03, na stronie było 7 725 użytkowników, z czego 69 dokonało transakcji w tygodniu 0, a 18 w tygodniu 1.

Kolejno w tygodniu 0 i 1 kluczowego zdarzenia (zakupu dwa tygodnie pod rząd) dokonało jednak już tylko 4 osoby. Dlatego ta liczba jest mniejsza niż przy obliczaniu standardowym.

No i na koniec przyjrzymy się obliczaniu całkowitemu:

W tym przypadku widzimy łączną liczbę użytkowników, którzy dokonali transakcji w dowolnym okresie eksploracji, dlatego liczby te mogą rosnąć z tygodnia na tydzień.

Mamy nadzieję, że teraz widzisz tę różnicę, bo ta jedna zmiana ustawień całkowicie zmienia perspektywę i wygląd wykresu.

Typ danych

Ostatnią opcją konfiguracji w podstawowej wersji kohorty GA4 jest wybór typu danych.

Tutaj możliwości są dwie: „Suma”, czyli wartości liczbowe oraz „za użytkownika kohorty”, czyli wartości procentowe.

Dotychczas w całym artykule pracowaliśmy na tym pierwszym typie danych (na wartościach liczbowych), więc tutaj pokażemy tylko ten drugi:

Opcje dodatkowe

Zostają nam jeszcze opcje, które mogą dodatkowo wzbogacić naszą eksplorację kohorty w GA4, ale jak zawsze przypominamy: najpierw zaczynamy od ogółu i najprostszej wersji raportu, a dopiero potem stopniowo wchodzimy głębiej.

Jak zawsze w przypadku eksploracji mamy dostępne między innymi segmenty, dzięki którym w łatwy sposób porównamy dwa typy użytkowników.

Podobny efekt otrzymamy także korzystając z Podziału, w którym dodając wymiar „Kategoria urządzenia” dostaniemy taki raport:

Możemy też wykorzystać tutaj np. „pierwsze źródło/medium użytkownika”, aby sprawdzić, jak to wygląda dla różnych źródeł pozyskania użytkowników.

Wartości

Ostatnią opcją jest tak naprawdę wybór Wartości, który pojawił się już przy wcześniejszych przykładach.

W wartościach np. zamiast domyślnej liczby aktywnych użytkowników, możemy wybrać transakcje czy przychody z zakupów, co pokaże nam, ile tak naprawdę zarabiamy na użytkownikach.

Podsumowanie

Jak widzisz, eksploracja kohort w GA4 daje nam kolejne, duże możliwości badania tego, co się dzieje z ruchem w naszym serwisie.

Dzięki niej możemy przyjrzeć się bliżej stałym i powracającym użytkownikom. Nie musimy więc skupiać się już tylko na użytkownikach pozyskiwanych. Możemy uniknąć patrzenia na nich zero-jedynkowo w kontekście np. sprzedaży, co bywa zgubne dla biznesu.

Mamy nadzieję, że już wiesz jak działają kohorty w GA4 i będziesz w stanie stworzyć taki raport samodzielnie.