如何使用Google Analytics(分析)进行同类群组分析[指南]

长期以来,您只能通过细分功能在Google Analytics(分析)上进行同类群组分析,这无非是一个公开的网络黑客。

幸运的是,Google Analytics(分析)的报告是您衡量,规划和管理网络广告系列的理想知识机制。

您无法控制和管理无法衡量的内容

您可以合并所有单独的同类群组报告,以适当的PDF合并它们,以便以有助于提高活动效果的方式显示数据。

但是,有了专用的队列分析选项卡,您现在可以执行结论性分析,为您提供必要的行为数据,您可以利用这些数据来微调内容,关键字和网络营销策略。

在第二部分中,我将分享有助于进行正确队列分析基本分析步骤

在我的上一篇文章- 深入研究:Google Analytics(分析)中的同类群组分析中 ,我详细介绍了进行同类群组分析的若干商业优势。

执行自己的队列分析

为了进行有效的队列分析,我们建议您在继续工作之前记下以下几点:

再次–提出正确准确的问题。

因此,为确保可以优化这些流程,至关重要的是,您要提出正确的问题才能找到正确的解决方案

这是因为同类群组分析的重点是为特定目的 获取可操作的信息 ,例如一家公司正在寻找可帮助改善其业务流程,产品制造甚至整体用户体验的数据。

这些事件可能包括用户签出的记录,以及提前量度,可以让您知道用户已经支付了多少。

全面的队列分析需要识别任何事件的特定属性。

创建同类群组的过程包括分析所有实时用户并将其定位,或者执行基于属性的贡献以获得相关差异,以突出他们作为特定同类群组的特征。

(4) 拥有所有数据后,您现在就可以继续进行队列分析。

同类群组分析在商业上如此受欢迎的原因是,企业可以使用结果来识别公司内部的不足。

如何进行准确的队列分析

步骤1:提取原始数据

您可以使用MySQL或Microsoft Excel之类的工具来完成此操作。

在一般情况下,执行同类群组分析所需的信息存储在某种物理或虚拟数据库中,并且必须导出到基于电子表格的软件中。

例如,如果您要研究消费者的购买行为,则希望结果清晰易读,并以某种形式的数据表或数据表的形式显示 ,其中每个客户购买都包含一条记录。

在一般情况下,您始终可以使用MySQL查询来显示此类信息。

相应地,每个单独的记录都拥有一个客户ID,该ID通常是唯一的字母数字标签或有效的电子邮件地址,购买日期,位置和时间,总购买价值以及客户的首次购买日期(通常称为) “队列日期”。

为了使您的工作更加轻松,您可以使用指标等工具来自动访问这些属性。

但是,您可能希望理想地包括其他特征,例如客户引荐来源,首次购买的SKU。

2.创建同类群组标识符

提取“同类群组日期”特征后,您可以进行非常流行的同类群组分析,在其中可以执行诸如根据客户首次购买时比较同类群组的操作。

要创建同类群组标识符,您需要打开已提取到Excel中的数据。

因此,在这种情况下,您可能需要根据他们实际进行首次购买的特定月份对同类群组进行分组,因此必须首先将每个“同类群组日期”值转换为一个虚拟存储桶,以表示客户首次购买的年份和月份。

3.仪表生命周期阶段

在确定了客户归因的同类之后,您还必须在针对该特定同类成员发生的事件中调整分析的“生命周期阶段”

因此,他们的第一次购买也将处于该初始生命周期阶段,而他们的下一次购买将属于第二个生命周期阶段。

如果您的客户在任何时间点进行购买,而几个月后又进行了一次购买 ,那么他们将落入其初始购买日期之列

为了准确地计算生命周期阶段,您还必须确定从客户的首次购买到您指定的购买之间经过的时间

4.创建数据透视表和图形

这些表格对于您的分析至关重要,因为它们使您能够跨队列数据的多个维度计算总和,甚至是平均值。

同类群组分析的最后一步是创建数据透视表

如果您要为企业使用数据透视表,则最需要创建一个进行客户交易金额总和的数据透视表,该数据对每个同类群组显示一行,在每个相关时间段显示一列。

如果您在查看数据时遇到困难,则可以在最基本的Excel折线图上轻松查看数据。

包起来

尽管主要是通过同类群组分析来进行用户保留和用户行为研究 ,但网络分析专家可以利用同类分析的Google Analytics(分析)化身来研究诸如页面浏览量,会话持续时间,目标达成情况之类的指标

另外,还可以研究有关用户选择的指标,例如每个用户的搜索查询,每个组的会话持续时间以及特定用户的页面浏览量。

相信本指南,并开始使用Google Analytics(分析)进行高级队列分析。

这里有足够的帮助您更好地了解用户的行为 ,营销策略的有效性以及促销组合的成功;

现在阅读:调查

如何使用Google Analytics(分析)进行同类群组分析[指南]

翻译自: https://www.hongkiat.com/blog/performing-cohort-analysis/