Практика бизнес-анализа для BI-систем

Когортный анализ является одним из наиболее часто используемых маркетологами инструментов. В этой статье рассказывается об основных вариантах его использования, о том, какие возможности предлагает отчет по когортам в Google Analytics, и показывает, как в компании используют Tableau для когортного анализа на основе данных Google Analytics

Что такое когортный анализ

Когортный анализ заключается в исследовании характеристик когорт (групп пользователей), объединенных по общим временным признакам. Когорты очень похожи на сегменты с тем отличием, что когорта объединяет пользователей определенного промежутка времени, в то время как сегмент может быть основан на любых других характеристиках пользователей. Для сайтов когорту обычно определяют по первому посещению или целевому действию пользователя. Затем мы можем отслеживать, как меняется поведение пользователей из этой когорты с течением времени, или сравнивать сами когорты между собой. Это предоставит нам возможность лучше понимать влияние маркетинговых мероприятий и повысить качество принимаемых решений.

Когортный анализ разделяет действия новых и старых пользователей. Благодаря этому у нас появляется возможность разделить показатели бизнеса, отвечающие за получение новых клиентов и за удержание старых. Почему это важно? Обычно для оценки успешности бизнеса используют общий доход:

Однако это не говорит о том, за счет чего увеличивается этот доход. Вы можете успешно привлекать новых пользователей и за счет этого увеличивать прибыль, но ваши старые пользователи могут больше не возвращаться. Из такого графика этого не узнать.

Разобьем пользователей на когорты и построим аналогичный график:

Каждая когорта на графике представлена своим цветом и их сумма показывает ту же доходность, что и прошлый график, но теперь мы видим какое влияние оказывают разные группы пользователей на доход. Первые вертикальные линии каждого цвета отображают покупки новых пользователей. Также мы видим, как ведут себя эти пользователи в дальнейшем – это показывают хвосты того же цвета, которые тянутся до конца графика. На данном графике первый импульс роста с 9-го по 29-го марта происходил за счет привлечения новых пользователей. Но после 3-го апреля количество новых пользователей снизилось и перестало увеличиваться. В это время доход увеличивался за счет уже привлеченных ранее пользователей.

Отслеживание новых посещений

Итак, первый вариант использования когортного анализа – это сравнительный анализ разных когорт. Это отличный способ отслеживания новых посещений и трендов.

Например, мы можем отслеживать результаты изменений на сайте. Если вы собираетесь что-то менять на сайте или делаете это регулярно, то когортный анализ – это то, чем вы просто обязаны пользоваться. С помощью него вы можете быстро оценить эффект от нововведений и понять насколько изменения пришлись по вкусу вашим пользователям: стали ли они совершать больше целевых действий или меньше, увеличились ли продажи или доход и т.д.

Аналогично можно измерять эффект от маркетинговых кампаний: были ли они эффективны, какой доход они принесли. На скриншоте ниже можно заметить существенный рост дохода от когорты, в которую собраны пользователи, посетившие сайт в течение недели, начавшейся 20 июня. Мы сразу можем оценить успешность мероприятий, проведенных в течение этой недели.

Отслеживание повторных посещений

Второй вариант использования когортного анализа можно назвать анализом лояльности пользователей – это исследование когорт с течением времени. На графике мы видим когорты (линии разного цвета) и доход, который они приносят в течение выбранного периода времени. Мы можем оценить время жизни пользователей и доход, который приносит каждый пользователей (LTV – lifetime value). Если пользователи совершают первую покупку и больше не возвращаются к вам, вы сразу же увидите это и сможете принять меры по возвращению пользователей. В данном примере пользователи продолжают возвращаться на сайт и совершать покупки в течение долгого периода времени.

Вы также можете понять, как разные когорты ведут себя в дальнейшем. Одни из них могут приносить вам больший доход, другие – меньший. Определив, чем отличаются эти когорты между собой, вы сможете привлекать более лояльную вам аудиторию.
Дальше мы рассмотрим, какие варианты есть для построения отчетов по когортному анализу на основе данных из Google Analytics.

Когортный анализ в Google Analytics

Технически вы можете построить когорты с помощью сегментов, выбирая группы пользователей за нужный период. Для каждой когорты придется создать свой сегмент, а затем выгрузить данные в Excel, где и производить дальнейшую манипуляцию над данными и анализ. Однако это очень трудоемко и неудобно. К счастью, Google Analytics предлагает пользователям отчет по когортам, который находится в разделе «Аудитория – Когортный анализ». Выглядит он следующим образом: 

Для построения отчета вам необходимо выбрать тип и размер когорты, показатель, который будет выводится на графике и в таблице, и диапазон, за который вы хотите получить отчет. На рисунке выше в качестве показателя выбрано количество транзакций и когорты построены по неделям. На верхнем графике отображается количество транзакций, которые совершили пользователи каждой когорты. Транзакции, принадлежащие одной когорте, отображаются линией одного цвета и разбиваются по периодам, в данном случае по неделям. На графике мы видим, сколько транзакций совершают пользователи в первую и последующие недели. Под графиком размещается таблица, которая отображает ту же самую информацию, но в табличном виде, где каждая когорта представлена одной строкой.

Как и в других отчетах Google Analytics, мы можем добавить сегменты и изучить когорты одного конкретного сегмента или сразу нескольких. Такая возможность очень сильно расширяет функционал когортного анализа и позволяет исследовать когорты в разрезе практически любых параметров. При изучении когорт на всех пользователях сразу, без сегментации, не всегда можно объяснить то или иное отклонение. Также в общей массе пользователей бывает очень трудно заметить какие-либо изменения т.к. большое количество источников трафика сливается и заметить разницу между когортами невозможно. Благодаря сегментам появляется возможность посмотреть на тонкий срез посетителей. В этом случае, как правило, найти и объяснить отклонения уже не составляет труда. На скриншоте ниже в качестве примера приведен когортный отчет для платного и бесплатного трафиков. В отличие от прошлого отчета (см. скриншот выше), здесь легко заметить различия в когортах, и, если вы в курсе маркетинговых мероприятий, легко поймете, чем они вызваны. Так же легко вы сможете увидеть какой эффект имели те или иные изменения на сайте, сравнив поведение когорт до и после изменений.

К сожалению, когортный анализ в Google Analytics обладает рядом существенных недостатков, осложняющих его эффективное использование. Вот основные из них.

1.Семплинг

Если вам необходимо использовать сегменты, то, скорее всего, вы столкнетесь с семплингом. Это значит, что для вашего отчета Google Analytics будет использовать только часть данных, из-за этого о точности данных говорить уже невозможно. Как следствие, принимать решения, основанные на неточных данных, не имеет смысла. Если для примера взять отчет с сегментацией на платный и бесплатный трафик, приведенный выше, то он был построен всего на 10% от всех данных.

2. Только один тип когорты

В Google Analytics доступен только один тип когорты – дата первого посещения. Таким образом, вы можете группировать пользователей только по первому посещению. Часто бывает необходимо провести анализ групп, основанных на других характеристиках пользователей, например, на первых транзакциях, на каких-то событиях и т.д. К сожалению, с Google Analytics это сделать невозможно.

3. Ограниченный период отчетности

Следующее ограничение касается размера когорты и периода отчета. Что касается размера когорты, то в Google Analytics их три: по дням, по неделям и по месяцам. Этого вполне достаточно, однако к ним привязаны диапазоны дат для отчета. Если вам необходимы когорты по дням, то отчет вы сможете создать максимум за последние 30 дней. Для недельных и месячных групп доступно только последние 3 месяца. Безусловно, это лучше, чем ничего, но для эффективного применения когортного анализа этого маловато, особенно если вы анализируете более крупные периоды – недели и месяцы. Кстати, недели в Google Analytics начинаются с воскресенья, а не с понедельника, и изменить это невозможно.

4. Ограниченная визуализация

На графике можно отобразить только 4 когорты. Показатель выводится в виде линейного графика максимум за последние 12 дней или недель. Никаких других возможностей в графической части отчета нет.

Когортный анализ в Tableau

Из-за ограничений, описанных выше, использование встроенного когортного анализа в Google Analytics становится практически бесполезным для сложных проектов. Поэтому в нашем агентстве было принято решение создать отчет по когортам таким образом, чтобы устранить все эти недостатки. В итоге получилась связка Google Analytics + BigQuery + Tableau. С помощью API данные из Google Analytics ежедневно импортируются в BigQuery, а затем визуализируются с помощью Tableau. Для сложных и уникальных проектов может понадобиться предварительная настройка сбора данных, которая расширит функциональность и информативность отчета.

Мы хотели бы показать вам пример такого отчета:

Такой отчет отлично подойдет маркетологам и руководству, он не требует сложных настроек, создания сегментов, а предоставляет всю важную информацию в готовом виде со всеми необходимыми фильтрами и сегментами. Данные обновляются автоматически, и вы каждый день будете видеть актуальную информацию о вашем проекте. И что важнее всего – нам удалось обойти ограничения, которые присутствуют в стандартном отчете Google Analytics:

1. Благодаря выгрузке данных с помощью API нам удалось обойти семплирование, отчет строится на всех данных, а не на какой-то их части.
2. Тип когорты мы можем задавать самостоятельно, но может потребоваться предварительно настроить события, по которым требуется группировать пользователей.
3. Период для отчета мы можем указывать абсолютно любой, за который у нас собраны данные.
4. Благодаря Tableau мы практически ничем не ограничены в визуализации и при необходимости можем построить любые графики и таблицы.

Нужно отметить, что вам даже не обязательно использовать BigQuery, для построения таких отчетов. Для этого понадобится выгрузить данные из Google Analytics в Excel и затем построить отчет в Tableau. В этом случае вы даже можете воспользоваться бесплатной версией Tableau т.к. вам не понадобиться подключаться к BigQuery. Для небольших проектов этого может быть вполне достаточно, к тому же это можно сделать совершенно бесплатно. Конечно, если данных очень много, то будет проблематично выгрузить их в Excel, не говоря уже о регулярном обновлении. Поэтому использование API Google Analytics для импорта данных в BigQuery является оптимальным решением для крупных проектов.

• Учебный центр по технологиям анализа данных и BI: расписание/запись на учебные курсы, тестирование разработчиков — https://education.biconsult.ru/
• Присоединяйтесь к QUBIC – сообщество профессионалов в области BI! Наши страницы в соц.сетях – расписание учебных курсов, бесплатные учебные материалы, анонсы мероприятий: https://vk.com/club165575964 и https://www.facebook.com/qubicspb
• Неофициальный форум разработчиков Tableau
• Канал на Youtube – много обучающих видео и записи вебинаров
• Готовые решения “Конструктор финансовой отчетности” и “Анализ продаж”