A cosa serve l’analisi coorte su Google Analytics

martedì, 10 febbraio, 2015

Da qualche tempo, in versione beta, è attiva su Google Analytics l’analisi coorte. La coorte non è una delle componenti dell’esercito degli antichi romani, bensì, come viene definita su Wikipedia

un insieme di individui, facenti parte di una popolazione comunque predefinita, che sono caratterizzati dall’aver sperimentato uno stesso evento in un periodo predefinito.”.

Come si traduce ciò in Analytics? Nella capacità di analizzare gruppi omogenei di individui che hanno visitato il sito web, suddividendoli in base a dati di tuo interesse e tracciandone il comportamento. In questo modo si definisce in maniera più chiara la relazione tra te e i tuoi utenti e si entra in possesso di dati utili per progettare azioni future di marketing.

seo.roma.it

Su Google Analytics troviamo l’Analisi Coorte attiva solo sugli account già convertiti a Universal Analytics e, come anticipato, solo in versione beta. Si trova nel menu Pubblico e appare in maniera simile all’immagine successiva.

google analytics analisi coorte panoramica

I dati visualizzati possono essere filtrati in base a:

  • Tipo di coorte: al momento è disponibile solo l’opzione “data di acquisizione”, quindi gli utenti vengono suddivisi in funzione della data in cui hanno effettuato la visita.
  • Dimensione di coorte: è possibile scegliere giorno, settimana o mese
  • Metrica: il menu è composto da diverse opzioni, che serviranno a individuare gruppi di utenti in funzione del comportamento che hanno avuto (ad esempio la durata della visita)
  • Intervallo di date: il periodo di tempo che viene preso in esame.

analytics analisi coorte filtri

In funzione di questi dati varia il grafico sottostante e in particolare la tabella:

  • Righe: qui vengono rappresentate le coorti. Nella prima cella c’è il numero totale di utenti appartenenti a quella coorte, nel nostro caso tutti gli utenti che hanno visitato il sito in un dato giorno.
  • Colonne: qui vengono mostrati i dati relativi al Tipo di coorte, nel nostro caso la Fidelizzazione degli utenti. Il Giorno 00 è quello in cui il 100% degli utenti ha eseguito l’azione da analizzare. I giorni (o settimane o mesi, a seconda di quanto impostato nel filtro Dimensione coorte) successivi  nelle colonne seguenti racchiudono i dati relativi ai giorni seguenti al Giorno 00. Nel nostro caso il giorno 1 l’1,86% degli utenti appartenenti alla coorte risulta fidelizzato, ovvero torna sul sito, la percentuale tende a scendere nei giorni successivi fino a diventare 0 al giorno 7.
  • Celle: le celle mostrano il dettaglio del dato per il giorno specifico, differenziate per colore in base al dato, maggiore è la percentuale più scuro sarà il blu del riempimento.

Per meglio chiarire la lettura dei dati vediamo il nostro caso specifico. La tabella seguente mostra le coorti per data di acquisizione, suddivise in funzione del giorno, la metrica di riferimento è la fidelizzazione dell’utente (ovvero quanti utenti tornano sul sito dopo la data di acquisizione) prendendo in considerazione i dati degli ultimi 7 giorni.

Nella prima colonna vediamo la dimensione totale delle coorti per ogni giorno, ad esempio il 2 febbraio è composta da 607 utenti. Il Giorno 00 per la riga del 2 febbraio è il 2 febbraio stesso, ciò sta a significare che il Giorno 1 è il 3 febbraio. In tale data il 2,31% degli utenti appartenenti alla coorte sono tornati a visitare il sito, il 4 febbraio lo 0.99% e così via. La media fra tutti i dati relativi al giorno 1 ci dice che l’1,86% degli utenti è tornato sul sito il giorno successivo a quello di acquisizione nel periodo preso in considerazione.

google analytics analisi coorte

Clicca per vedere l'immagine grande

I vantaggi dell’analisi coorte

Avere maggiori informazioni circa i comportamenti degli utenti è si per sé un vantaggio notevole, Google nella versione inglese della guida Analytics per la Cohrt Analysis indica alcune informazioni importanti che si possono dedurre.

  • Micro trends: conoscere i dati per micro periodo, in confronto a quelli per i macro, potrebbe rivelare dati interessanti. Ad esempio se nel macro periodo vediamo un aumento costante delle transazioni pensiamo che i dati siano positivi. Con l’analisi coorte suddivisa per settimane potremmo scoprire che è vero che i nuovi utenti aumentano il volume delle transazioni, ma anche che quelli vecchi dopo 5 settimane tendono a non effettuare più transazioni. Questa informazioni ci consente di sapere che alla 4 settimana è bene adottare un sistema di remarketing o di email marketing di rinforzo, per spingere gli utenti a tornare a fare visita al sito.
  • Coerenza, miglioramento o peggioramento tra le coorti: l’analisi delle colonne ci permette di capire se c’è coerenza tra i dati o se si può notare un peggioramento con il passare dei giorni. Se i dati del giorno 5, ad esempio, sono in discesa significa che si sta verificando un problema di qualche genere che influisce sull’esperienza utente. Viceversa, se i dati sono in salita significa che sono stati apportati miglioramenti significativi che hanno migliorato l’esperienza dell’utente oppure è stata adottata una buona strategia che porta gli utenti a tornare sul sito. Infine dati stabili dimostrano che si sta lavorando bene.
  • Engagement, fidelizzazione e acquisizione: capire quando gli utenti tendono a disinteressarsi al sito ci può aiutare a individuare quali siano i punti in comune che causano tale problematica e risolverli e anche capire la velocità con cui bisogna acquisire nuovi utenti, per compensare quelli che si disinteressano. Ad esempio se si nota che alla 5^ settimana c’è una perdita di utenti, si può attivare alla 4^ una campagna di remarketing o di email marketing per proporre nuovi prodotti o fare offerte che invoglino l’utente a tornare sul sito.

Per approfondire: Use the Cohort Analysis report – Guida Google (en)

Articoli correlati