Kohort Analizi Nedir ve Ne İşe Yarar?
Kohort Analizi, dijital pazarlama kampanyalarınız arasındaki değişkenleri ve değişiklikleri karşılaştırmanıza olanak sağlar.
Örneğin, web sitenizde yaptığınız değişikliklerinin kullanıcı davranışları üzerindeki etkisini analiz etmek için kohort analizi raporundan faydalanabilirsiniz.
Kohort Analizi ile analiz edebileceğiniz bazı faktörler şunlardır:
- Hedef kitle
- Reklam içeriği
- Kanallar
- Yeni web sitesi tasarımı
- Yeni ürün grupları ve servis teklifleri
- Satışlar, indirimler, promosyon kampanyaları
Analizlerde kohortların, trafik ölçümlerinde (Örneğin; geri dönen kullanıcılar), katılım ölçümlerinde (Örneğin; ortalama oturum süresi) veya dönüşüm ölçümlerinde (Örneğin; işlem içeren oturumlar) nasıl performans gösterdiğini karşılaştırabilirsiniz.
Google Analytics’te bu faktörlerin herhangi birini bir kohort analizi ile teorik olarak analiz edebilmenize rağmen, bu faktörlerin tümünün kullanıcı davranışı üzerindeki etkisini analiz edemezsiniz.
Google Analytics’te Kohort Analizinin Sınırlamaları
Kohort analizi teoride çok faydalı olsa da, Google Analytics’teki kohort analiz raporunun uygulamada birçok kısıtlaması vardır.
Birincisi, Google Analytics’teki kohort analiz raporu şu anda yalnızca bir kullanıcı web sitenizi ilk kez ziyaret ettiğinde kohort tanımlayabilir.
İkincisi, web sitenize geri dönenlerin izlenmesi şu anda Google Analytics’te kesin olarak izlenemeyebilir. Örneğin, X kullanıcısının sitenizi bugün ziyaret ettiğini varsayalım. Yarın tekrar ziyaret ederse, Google Analytics onu geri dönen bir kullanıcı olarak kaydeder..
Ancak, bu kullanıcı aşağıdakilerden herhangi birini yaparsa, Google Analytics bir sonraki oturumu geri dönen bir oturum olarak doğru bir şekilde izleyemeyebilir:
- Tarayıcı çerezlerini temizleme
- Siteyi farklı bir cihazda veya tarayıcıda ziyaret etme
- Siteyi gizli modda ziyaret etme
Tipik bir dijital tüketici artık ortalama 3.64 cihaza sahip. Bu da cihazları, tarayıcıları ve oturumları sürekli olarak izleyememe sorunu yaşanabileceğini gösterir.
Üçüncüsü ise bir pazarlama kampanyasıyla herhangi bir metrikteki yükseliş arasındaki ilişki nedensellik değil bir korelasyon ilişkisi olmasıdır. Bir örnekle inceleyelim: Belki de geçen Pazartesi yeni Facebook reklam kampanyasına başladınız, ancak kullanıcı tutundurma oranındaki artış gerçekten de Facebook reklamlarınızın kalitesine bağlanabilir mi? Veya eski blog yayınlarınızdan birinin ilgi çekmeye başlaması olabilir mi?
Kullanıcıları rastgele bir kontrol grubuna atadığınız randomize kontrollü çalışmalar yapmadığınız sürece, bir pazarlama kampanyası ile çıkan değişiklikler arasında kesin bir nedensellik kuramazsınız. Bu, aynı anda birden fazla kampanyanızın yayınlanması durumunda özellikle geçerlidir.
Google Analytics’teki kohort analiz raporunun kısıtlamaları olsa bile, özellikle belli bir dönemde sadece bir pazarlama kampanyası test ediyorsanız(örneğin, yalnızca Facebook reklamları yayınlarsanız) veriye dayalı karar vermede doğru bilgi sunabilir.
İşte Google Analytics’te kohort analiz özelliğinin nasıl kullanılacağına dair bir örnek.
Kohort Analizi raporunu “Kitle” bölümünün altında bulabilirsiniz.
Kohort analizi raporunun üstünde, Kohort Türü, Kohort Boyutu, Metrik ve Tarih Aralığı için ayarları yapabilirsiniz.
- Kohort Türü: Şu anda, tek seçenek kullanıcının ilk oturumunun tarihidir.
- Kohort Boyutu: Kohortları güne, haftaya veya aya göre tanımlamayı seçebilirsiniz. Örneğin, aya göre seçim yaparsanız, her kohort belirli bir ayda edinilen kullanıcıları temsil eder. (Örneğin Ocak kohortu, Ocak ayında ilk defa oturum açan tüm kullanıcıları içerir).
- Tarih Aralığı: İncelemek istediğiniz zaman aralığı. Şu anda 7 gün, 14 gün, 21 gün ve 30 gün seçenekleri mevcut.
- Metrik: Raporda göreceğiniz veriler. Varsayılan metrik, geri dönen kullanıcıların yüzdesini ölçen kullanıcıları elde tutma metriğidir.
Aşağıdaki “Kullanıcı Başına” metrikleri ve “Toplam” metrikleri de seçebilirsiniz:
Ayrıca, raporun üstündeki “Tüm Kullanıcılar”ın yanındaki artı düğmesine tıklayarak, -diğer raporlarda olduğu gibi- karşılaştırma için ek bölümler (örneğin, mobil / tablet trafiği, vb.) ekleyebilirsiniz.
Yine kohort analizi raporunun farklı iki segmenti ısı haritası üzerinden karşılaştırabilirsiniz. Örneğin, aşağıda Tüm Kullanıcılar ile Ücretli Trafik segmenti karşılaştırması verilmiştir.
Bu ısı haritası, en yüksek (ve en düşük) performans metriklerini satın alma tarihinden sonra kullanıcı ve haftaya göre hızlı bir şekilde belirlemenizi sağlar. 0. Hafta, kullanıcıların ilk oturumunu aldığı haftayı temsil eder.
Diyelim ki, sitenizi ziyaret eden kullanıcıları yeniden hedeflemek için 6-12 Ekim haftasında yeni bir Google Ads yeniden pazarlama kampanyası ayarladınız. Yukarıdaki Kohort Analizi raporunda da görebileceğiniz gibi, kullanıcı tutundurma o hafta önemli ölçüde arttı. Bu, yeniden pazarlama kampanyanızın kullanıcıları geri kazandırmaya yaradığının kanıtı olabilir.
Dönüşüm Oranı Optimizasyonu için Kohort Analizi
Kohort analizi, farklı kullanıcı segmentlerini izlediği için A / B testlerinin tek başına yapamayacağı bilgileri size verebilir. Amin Ariana , bunun nasıl çalışabileceğine dair harika bir örnek verdi:
“Örneğin, kırmızı tıklama butonlarının mavi tıklama butonlarından daha fazla kayıt alınmasına neden olduğunu varsayabilirsiniz. A grubunun kırmızı renk buton, B grubunun ise mavi renk buton gördüğü bir A / B testi tasarlıyorsunuz. Gerçekten de, A grubunun kırmızı düğmeyi gördüklerinde daha sık kaydolduğunu keşfedersiniz.
Fakat bunun yerine bir kohort analizi yapacak olursanız kullanıcıları, kaydoldukları aya ve posta kodlarına göre segmentlere ayırırsınız. Kıyı bölgelerinin yakınında yaz aylarında kaydolan büyük bir kullanıcı grubu dışında, diğer tüm A / B testlerinin renk tercihi için yetersiz sonuçlar verdiğini görebilirsiniz.
Bu kohortu daha yakından araştırınca A / B testinizdeki çoğu kullanıcının kırmızı düğmeye önyargılı olduğunu keşfedersiniz. Çünkü bu yaz, kullanıcılarınız okyanus yakınında çok fazla zaman geçirdiği için mavi rengine kör olur. Bu yüzden sadece kırmızı butonları fark edebilirler.
Diğer insanlar için ise, renk farkı önemsizdir. Eğer sadece A / B testlerine güvenirseniz, kırmızı rengin daha iyi olduğu sonucuna varabilirsiniz. “
E-Ticaret’te Kohort Analizi
Bir e-ticaret şirketinden bir örneğe ve hangi kohortların kendileri için değerli olduğuna bakalım. Aşağıdaki örnekte PPC Hero, yalnızca belirli bir markayı alan kullanıcıları içerecek bir segment oluşturup gelir metriğini takip etti.
Satın almaların çoğu 0. haftada gerçekleşti. Ancak 1. ve 2. haftalarda da önemli miktarda satın alma var. Bu nedenle PPC Hero, bu segment için işlem yapılan günlere baktı:
Buradan işlemlerin %4.92’sinin 7-13. günler arasında olduğunu görebiliriz. Bu verileri kullanarak, yeniden pazarlama kampanyaları için daha iyi bir plan yapılabilir ve müşterilerin satın alma olasılıkları artırılabilir.
Kaynaklar
https://medium.com/analytics-for-humans/a-beginners-guide-to-cohort-analysis-the-most-actionable-and-underrated-report-on-google-c0797d826bf4
https://www.appcues.com/blog/cohort-analysis
