{"id":3523,"date":"2015-10-28T15:28:12","date_gmt":"2015-10-28T14:28:12","guid":{"rendered":"http:\/\/www.seekandhit.com\/?p=3523"},"modified":"2015-10-28T15:28:12","modified_gmt":"2015-10-28T14:28:12","slug":"analiza-kohorti-u-google-analyticsu","status":"publish","type":"post","link":"https:\/\/seekandhit.com\/hr\/tracking\/analiza-kohorti-u-google-analyticsu\/","title":{"rendered":"Analiza kohorti u Google Analyticsu"},"content":{"rendered":"

Analizom kohorti se uspore\u0111uju grupe korisnika u kojoj svaka grupa, odnosno kohorta ima zajedni\u010dko jednako iskustvo kroz koje prolazi u svom \u017eivotnom vijeku. Podacima pristupamo u Audience tabu u Google Analyticsu.<\/strong><\/p>\n

\"\"<\/a><\/p>\n

Kohorte povezuje jednak period vremena u kojem su korisnici privu\u010deni, odnosno bilje\u017ei se prvi put kada su pristupili web stranici ili aplikaciji, a njihovo pona\u0161anje u vremenu mo\u017eemo pratiti na mjese\u010dnoj, tjednoj pa i dnevnoj bazi. Korisnici iz po\u010detnog perioda kori\u0161tenja odre\u0111enog proizvoda ili usluge nemaju jednako iskustvo kori\u0161tenja proizvoda ili usluge koje imaju korisnici kasnijih razdoblja. Razlog tome je uvo\u0111enje promjena u poslovnom modelu u odre\u0111enim periodima vremena \u0161to mo\u017ee uzrokovati promjene u pona\u0161anju korisnika, bilo pozitivne bilo negativne. Podaci za kohorte u Analyticsu se bilje\u017ee za maksimalno zadnja 3 mjeseca u kojem mo\u017eemo promatrati tri kohorte kroz vrijeme (svaka kohorta je skupina korisnika u pojedinom mjesecu). Uz takav pristup \u0161ireg promatranja pona\u0161anja korisnika, korisnike s druge strane mo\u017eemo promatrati na dnevnoj razini za zadnjih 7 dana (tada kohorta podrazumijeva skupinu korisnika na dnevnoj bazi).<\/p>\n

Ovisno o industriji koju promatramo analizom kohorti u Google Analyticsu mo\u017eemo promatrati razli\u010dite segmente. Da bismo na primjer uspore\u0111ivali kako se kohorte pona\u0161aju ovisno o tome kojim kanalom su te skupine korisnika do\u0161le do odre\u0111ene web stranice koja se bavi prodajom proizvoda i dalje se pona\u0161ale mo\u017eemo uspore\u0111ivati podatke na tjednoj bazi za\u00a0paid<\/strong><\/em>, direktni<\/strong><\/em> i organski<\/strong><\/em> promet prema sessionima.<\/p>\n

\"\"<\/a><\/p>\n

\"\"<\/a><\/p>\n

Ukoliko na primjer, promatramo industriju kao \u0161to je gaming<\/em>, kod kojih \u017eelimo posti\u0107i da se korisnici vra\u0107aju u igru \u0161to \u010de\u0161\u0107e, kohortama \u0107emo uspore\u0111ivati kako se inicijalna skupina korisnika pona\u0161a u odnosu na neku drugu skupinu nakon \u0161to smo napravili odre\u0111ene promjene. U tom slu\u010daju nam je korisna mjera retention rate<\/em> (stopa zadr\u017eavanja korisnika).\u00a0Retention rate<\/em>\u00a0je korisno ra\u010dunati i u industrijama koje \u010desto mijenjaju ponude proizvoda, nude odre\u0111ene akcije na dnevnoj\/tjednoj bazi i sl.<\/p>\n

Na sljede\u0107em primjeru promatramo retention rate<\/em>\u00a0kompanije koja mijenja ponudu svojih proizvoda na tjednoj bazi. Period koji promatramo je 6 tjedana. Svaki redak tablice predstavlja jednu kohortu, odnosno skupinu korisnika koji su posjetili web stranicu i \u010dije pona\u0161anje pratimo dalje u vremenu. Svaki stupac definira pona\u0161anje vi\u0161e razli\u010ditih skupina korisnika u svakom narednom tjednu. Ako promatramo period od 16.08. do 22.08. vidimo da je od ukupnog broja od 1.445 korisnika u sljede\u0107em tjednu zadr\u017eano 2,28% korisnika, u tjednu nakon 2,15% korisnika i tako redom. O\u010dekivano je da stopa korisnika pada u svakom narednom periodu, ali je po\u017eeljno da je taj pad \u0161to manji jer u tom slu\u010daju mo\u017eemo re\u0107i da su korisnici zadovoljni onime \u0161to se nudi i da se vra\u0107aju na stranicu, u aplikaciju i sl.<\/p>\n

\"\"<\/a><\/p>\n

Kada je retention rate<\/em>\u00a0mla\u0111ih kohorti (koje se nalaze ni\u017ee u stupcima) vi\u0161i mo\u017eemo zaklju\u010diti da su promjene koje se uvode, odnosno novije ponude, bolje i zanimljivije korisnicima pa se vi\u0161e vra\u0107aju na web stranicu ili u aplikaciju. Ako izdvojimo prvi tjedan privla\u010denja korisnika iz prethodnog primjera mo\u017eemo uo\u010diti da je retention rate<\/em> mla\u0111ih kohorti (npr. 23.08. – 29.08.) vi\u0161i od retention ratea<\/em> starijih kohorti (npr. 09.08. – 15.08.), izuzev posljednjeg tjedna privla\u010denja korisnika (13.09. – 19.09.).<\/p>\n

\"\"<\/a><\/p>\n

Prema prethodno predstavljenom primjeru mo\u017eemo zaklju\u010diti kako je stopa zadr\u017eavanja korisnika nije visoka i pada na prosje\u010dno 2,53% od ukupnog broja korisnika ve\u0107 u prvom tjednu. U tom slu\u010daju bi trebalo poraditi na “animiranju” korisnika njihovim boljim informiranjem, boljim ponudama, zanimljivijim sadr\u017eajem i svim ostalim \u0161to mo\u017ee utjecati na pove\u0107anje njihovog vra\u0107anja na web stranicu. Za dodatno, dublje analiziranje podataka potrebno je kombinirati i ostale segmente i uspore\u0111ivati odakle i u kojem periodu nam dolazi najvi\u0161e kvalitetnog prometa te raditi promjene na temelju usporedbe podataka.<\/p>\n

Analizom kohorti mo\u017eemo promatrati pona\u0161anje korisnika iz razli\u010ditih kuteva, od na\u010dina na koji su do\u0161li na web stranicu ili do aplikacije, kako su se dalje pona\u0161ali, jesu li izvr\u0161ili odre\u0111enu akciju kao \u0161to je transakcija i sl. Njihova primjena je \u0161iroka. Analiza kohorti nam je va\u017ena zbog pra\u0107enja pona\u0161anja korisnika na web stranicama, npr. nakon slanja posebne ponude korisnicima e-mailom, kod \u010destog mijenjanja ponuda, akcija itd. Uz pona\u0161anje korisnika na web stranicama, zna\u010dajne su i za analizu pona\u0161anja korisnika unutar aplikacija. Analizom takvih kohorti mo\u017eemo pratiti koliko odabrana aplikacija zadovoljava potrebe korisnika i koliko dodatne promjene utje\u010du na njezino vi\u0161e ili manje kori\u0161tenje.<\/p>\n

Na temelju zaklju\u010daka koje dobijemo analizom kohorti mo\u017eemo biti sigurniji da su odre\u0111ene promjene donijele bolje ili pak lo\u0161ije rezultate \u0161to nam u kona\u010dnici poma\u017ee u dono\u0161enju kvalitetnijih odluka u budu\u0107nosti.<\/p>\n","protected":false},"excerpt":{"rendered":"

Analizom kohorti se uspore\u0111uju grupe korisnika u kojoj svaka grupa, odnosno kohorta ima zajedni\u010dko jednako iskustvo kroz koje prolazi u svom \u017eivotnom vijeku. Podacima pristupamo u Audience tabu u Google Analyticsu.<\/p>\n","protected":false},"author":9,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[66],"tags":[132,133,128,134,135,136,137],"_links":{"self":[{"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/posts\/3523"}],"collection":[{"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/users\/9"}],"replies":[{"embeddable":true,"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/comments?post=3523"}],"version-history":[{"count":0,"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/posts\/3523\/revisions"}],"wp:attachment":[{"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/media?parent=3523"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/categories?post=3523"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/seekandhit.com\/hr\/wp-json\/wp\/v2\/tags?post=3523"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}