Google Analytics 教程中的队列分析

英语词典将Cohort 1. 一个古罗马军事单位，由六个世纪组成，相当于一个军团的十分之一。

2. 一群有共同特点的人。

我们将把注意力集中在“队列”的第二个定义上——“一群具有共同特征的人”。 队列分析是一种花哨的分割技术，用于更好地理解用户行为。 尽管过去可以在 Google Analytics 中生成同类群组报告，但它确实需要一些细分技巧。 不再。

谷歌分析最终将队列分析作为其核心功能集的一部分，在此过程中，加入了其他分析工具，如 Adob​​e Site Catalyst，这些工具已经有一段时间了。 在今天的帖子中，我将讨论如何进行队列分析以及未来对该工具集的期望。

那么，什么是队列？

简而言之，群组是一种久经考验的根据日期将人们分组在一起的方式。 例如，样本群组可以是基于网站访问者第一次会话日期（也称为获取日期）的一组网站访问者。 例如，如果访问者在 2015 年 3 月 20 日首次登陆网站，那么他/她将成为 3 月 20 日队列的一部分。

一位访客也可以是多个群组的一部分。 因此，从前面的示例中，同一访问者也可能是“3 月的第 3 周”队列，甚至“3 月”月份队列的一部分。

同类群组的另一个示例可能包括在特定时间段内成功完成网站目标的所有访问者。 对于电子商务公司来说，这是一个非常现实的场景，通常会听到销售团队谈论在圣诞节期间获得新客户。 这只不过是一个队列，包括所有在圣诞节前一周进行第一笔交易的客户。

引入队列分析

群组分析需要在特定时间段内分析这些人群（群组）并分析他们的行为可能与其他用户有何不同。 因此，换句话说，群组是一种基于时间的用户细分。 请记住，这里的关键是时间。 人们通常倾向于使用术语“群组”来表示一部分用户，而忽略了定义中的时间部分。 但是按用户细分，其实就是用户细分。 另一方面，队列分析确实必须包括时间。

您可能会问，以这种方式细分访问者的真正优势是什么？ 首先，分析来自此类群组的数据可以让我们观察一段时间内的用户行为，并可以帮助我们回答以下问题：

1. 这些访客的行为真的不同吗？

2. 这种行为与其他在队列时间段外购买的访客有何不同？

3. 他们是否不止一次购买？

4. 消费金额有区别吗？

等等。 队列分析对几乎任何企业都有用，而不仅仅是电子商务公司。 例如，像 Moz 这样的公司提供了两个月试用期的营销解决方案，可以使用队列分析来确定有多少客户在 1 月份注册了试用会员资格，然后购买了高级会员资格，与那些签约的客户相比二月起来。

Google Analytics 中的新队列分析报告

如果您最近登录了您的 Google Analytics（分析）帐户，您可能已经注意到 Cohort Analysis（目前处于测试阶段）报告。 在“受众”下拉菜单下查找它。

让我们来看看报告的各个部分。 该报告分为三个主要区域：

1.设置区域。

2. 数据随时间变化的图表。

3. 表格数据区域。

让我们谈谈配置队列报告。 在设置区域中，您可以选择四种不同的方式来显示同类群组数据：

1. 同类群组类型：这可让您指定希望 Google Analytics 使用哪个日期来创建同类群组报告。 当前唯一可用的选项是“收购日期”。 预计在未来几天会看到更多选择。

2. 群组规模：允许您指定时间范围，从而确定每个群组的规模。 当前可用的选项是按“日”、“周”和“月”。

因此，如果您选择查看“按天”选项，报告将显示具有相同获取日期的所有访问者。 另一方面，选择“按周”将显示所有用户在同一 7 天期限内都有获取日期的结果。

3. 指标：此下拉列表允许您选择要为每个群组衡量的指标。 这是您在报告中看到的实际数据。 默认值是“用户留存率”，基本上是指在所选时间范围内访问过一次以上的用户。 当前可用的其他选项包括：

• 每个用户的目标完成次数

• 每个用户的浏览量

• 每个用户的收入

• 每个用户的会话持续时间

• 每个用户的会话数

• 每个用户的交易

• 总目标完成

• 总浏览量

• 总收入

• 总会话持续时间

• 总会话数

• 总交易

• 总用户

4. 日期范围：这是决定什么数据出现在报告中的时间边界，对应下表中的行数。 可用的时间范围是：7 天、14 天、21 天和 30 天。

因此，如果我选择“7 天”的日期范围，而今天恰好是 3 月 29 日，那么队列报告将查看从 3 月 29 日（第 0 天）到 4 月 5 日（第 7 天）的数据，并根据在每个用户的获取日期。

进一步看上面的例子，这就是谷歌分析如何根据 3 月 29 日的用户获取日期创建各种“天”数据：

第 0 天 = 3 月 29 日

第 1 天 = 3 月 30 日

第 2 天 = 3 月 31 日

第 3 天 = 4 月 1 日

第 4 天 = 4 月 2 日

第 5 天 = 4 月 3 日

第 6 天 = 4 月 4 日

第 7 天 = 4 月 5 日

下表显示了“日数据”的细分*。 在这里，每个数据单元代表不同日期的不同用户组：

*注意：我们在这里谈论的是“日数据”，因为我们选择队列规模为日。

分析队列数据

到目前为止，我们查看了队列报告的部分内容。 现在让我们看一个典型的工作流程，举个例子。 假设您经营一个新闻博客，您可能希望每周了解用户的行为。 对于信息/新闻博客，了解某一周有多少人处于活跃状态可以让您深入了解您的内容营销工作。

第 1 步：让我们从选择群组类型开始。 如上所述，我们目前只有“收购日期”可用。

第 2 步：选择队列大小。 在这种情况下，如果您每天向博客发布新内容，则使用“每日”作为群组大小是有意义的。

第 3 步：对于指标，您可能需要选择“用户保留”来了解每天有多少用户返回您的网站。

第 4 步：将日期范围设置为 7 天。

还有宾果游戏！ 你有队列报告。 现在进行一些分析。 让我们看一下表格数据：

由于我们选择了每日队列，因此这里的每一行代表一天。 因此，表格数据显示了过去 7 天每个同类群组的用户留存率。 请记住，这里的每一行都是不同的队列。

查看表格单元格中的数字，您现在可以开始得出一些结论。 例如，您可以看到，与其他同类群组相比，3 月 31 日访问该网站的用户一天后再次访问该网站的比率要高得多 (5.51%)。 另一方面，随后几天（第 1 天、第 2 天等）的用户保留率在 4 月 1 日似乎更高。

为什么会这样？ 有没有引起更多兴趣的博客文章？ 还是因为 4 月 1 日是假期？ 是这些日子里正在进行的一些活动吗？ 队列数据为您的营销活动提供了足够的思考空间。

队列报告和细分

Avinash kaushik 曾经说过：“不使用分割是危害人类罪”。 虽然他在某种程度上可能夸大了，但不可否认的是，细分是所有网络分析的圣杯。 队列报告通过允许您对数据进行细分来尊重这一事实。 事实上，您最多可以将 4 个细分应用于群组报告。 每个段在“所有会话”表下方创建一个新的数据表。 因此，如果我进一步按“平板电脑和台式机流量”对这些数据进行细分，我会得到：

因此，希望本文能够让您充分了解队列报告以及如何利用它们来发挥自己的优势。 如果您有任何问题，请告诉我。