Hvor mange av brukerne dine kommer tilbake etter første besøk? Og endrer det seg over tid? Med kohortutforskning i Google Analytics kan du svare på begge spørsmålene. Rapporten grupperer brukere basert på når de først besøkte nettsiden, og viser deg hvor mange som returnerer i ukene og dagene etterpå.
Kohorter gir deg innsikt som vanlige rapporter ikke kan. Du ser ikke bare totalt antall brukere, men hvordan ulike grupper oppfører seg over tid. Det gjør kohortutforskningen til et av de mest verdifulle verktøyene i utforsk-panelet.
Hva er en kohort i Google Analytics?
En kohort er en gruppe brukere som deler en felles egenskap. I Google Analytics er standardinnstillingen at brukere grupperes etter første besøksdato. Alle som besøkte nettsiden din for første gang i en bestemt uke, tilhører samme kohort.
Tanken er enkel: du vil vite om brukerne kommer tilbake. Uke 0 er uken de først besøkte nettsiden. Uke 1 er uken etter, uke 2 uken etter det, og så videre. For hver uke ser du hvor stor andel av den opprinnelige gruppen som returnerte.
Slik leser du kohortutforskning i Google Analytics
Når du åpner kohortutforskningen, møter du en tabell der hver rad representerer en kohort (en gruppe brukere med samme første besøksdato). Kolonnene viser uke 0, uke 1, uke 2 og videre.
Et typisk eksempel kan se slik ut:
| Kohort (uke) | Uke 0 | Uke 1 | Uke 2 | Uke 3 |
|---|---|---|---|---|
| 24.-28. mai | 16 078 brukere | 849 (5,28 %) | 410 | 265 |
Uken 24.-28. mai hadde 16 078 nye brukere. Av disse kom 849 tilbake uken etter, altså 5,28 %. To uker senere var tallet nede i 410, og etter tre uker returnerte 265.
Mønsteret er naturlig: tallene synker over tid. Men noen ganger ser du at en senere uke har høyere tall enn uken før. Det kan skyldes en kampanje, en ny artikkel, eller en annen hendelse som trakk brukere tilbake.
Returkriterier og innstillinger
Standardinnstillingen for hva som teller som et «retur» er at brukeren utløste en vilkårlig hendelse. Det betyr at ethvert besøk teller, uavhengig av hva brukeren gjorde.
Du kan endre dette kriteriet etter behov. Kanskje du bare vil telle brukere som gjennomførte et kjøp, eller brukere som så en bestemt side. Ved å justere returkriteriet får du mer presise tall for det du faktisk måler.
Granulariteten kan også endres. Standardvisningen er ukentlig, men du kan bytte til daglig for å se mer detaljerte mønstre. Med daglig visning kan du for eksempel se at 3. juni hadde 3 039 nye brukere, og at 102 kom tilbake dagen etter. Dag 2 viser 59 returbesøk, mens dag 3 hopper opp til 111. Slike svingninger kan avsløre mønstre du ikke ser i ukesvisningen.
Kohortutforskning for å måle effekten av endringer
Den mest praktiske bruken av kohortutforskning i Google Analytics er å måle effekten av endringer du gjør på nettsiden. Lanserte du et nytt design? Byttet du landingsside? Endret du navigasjonen?
Kohorter gir deg svaret. Sammenlign kohortene fra før endringen med kohortene etter. Hvis brukerne som besøkte den nye versjonen av nettsiden har høyere returprosent i uke 1 og uke 2 enn de som besøkte den gamle versjonen, tyder det på at endringen var positiv.
Uten kohortdata ville du bare sett totalt antall brukere gå opp eller ned. Med kohorter ser du om samme type brukere oppfører seg annerledes etter endringen. Det er en vesentlig forskjell.
Kombiner kohorter med segmenter
Kohortutforskningen blir enda kraftigere når du legger til segmenter. Et segment lar deg filtrere brukerne basert på egenskaper som trafikkilde, enhet eller geografi.
Du kan for eksempel sammenligne kohorter fra organisk søk med kohorter fra betalt trafikk. Kommer de betalte brukerne tilbake like ofte som de organiske? Hvis organiske brukere har dobbelt så høy returprosent, kan det tyde på at annonsetrafikken tiltrekker seg feil publikum.
Du kan også bruke segmenter for å isolere mobilbrukere fra desktop-brukere. Kanskje mobilbrukerne faller raskere av fordi opplevelsen på mobil er dårligere. Kohortdata kombinert med enhetssegmentering avslører slike problemer.
Segmenter bygger du i fri form-utforskning, og de kan gjenbrukes på tvers av ulike utforsk-rapporter.
Praktiske eksempler på kohortanalyse
Her er tre konkrete situasjoner der kohortutforskning gir deg verdifull innsikt:
- Nytt nettsteddesign: Du lanserer en redesignet nettside. Kohortene fra uken etter lanseringen sammenlignes med kohortene fra uken før. Økt returprosent betyr at det nye designet holder bedre på brukerne.
- Kampanjeeffekt: Du kjører en stor kampanje i uke 12. Kohorten fra uke 12 vil sannsynligvis ha flere brukere i uke 0, men det interessante er om returprosenten i uke 1-3 også er høyere enn normalt. Hvis ikke, tiltrakk kampanjen seg brukere som ikke var genuint interesserte.
- Sesongvariasjoner: Ved å se på kohorter over flere måneder kan du identifisere om returmønsteret endrer seg med sesongene. Kanskje sommerkohorter har lavere retur fordi folk er på ferie, mens vinterkohorter viser sterkere retensjon.
Forskjellen mellom kohortutforskning og andre utforsk-rapporter
Kohortutforskning skiller seg fra andre rapporter i utforsk-panelet ved å fokusere på tid. Mens traktutforskning viser hvordan brukere beveger seg gjennom en sekvens av steg, viser kohorter hvordan brukere oppfører seg over dager og uker.
Fri form-utforskning gir deg fleksibilitet til å bygge egne tabeller og visualiseringer, men den viser øyeblikksbilder. Kohortutforskningen legger til tidsdimensjonen og svarer på spørsmålet: «Kommer brukerne tilbake?»
De ulike rapporttypene utfyller hverandre. Du bruker anskaffelsesrapporten for å finne ut hvor brukerne kommer fra, kohortutforskning for å se om de kommer tilbake, og traktutforskning for å forstå konverteringsreisen.
Tips for å få mest ut av kohorter
- Velg riktig granularitet. Daglig passer for nettsider med høy trafikk og hyppige besøk. Ukentlig passer bedre for de fleste.
- Se på relativt tall (prosenter), ikke bare absolutte tall. En kohort med 500 brukere og 10 % retur er mer imponerende enn en med 10 000 brukere og 1 % retur.
- Bruk kohorter sammen med brukerattributter for å forstå hvem som kommer tilbake, ikke bare hvor mange.
- Gi endringer tid. Sammenlign flere kohorter etter en endring, ikke bare den første uken.
For mer detaljer om tekniske innstillinger og muligheter, se Googles offisielle dokumentasjon om kohortutforskning.
Neste steg
Nå vet du hvordan du bruker kohortutforskning i Google Analytics for å måle retensjon og effekten av endringer. For en generell introduksjon til utforsk-panelet, se utforsk-rapporter i Google Analytics. Vil du analysere konverteringsreiser, gå videre til traktutforskning.
Denne videoen er hentet fra kurset Google Analytics på Utdannet.no. I det fulle kurset lærer du alle utforsk-rapportene, hendelsesporing og konverteringsmåling, alt bygget opp steg for steg.
