Partager la publication "Google Analytics – Analyse des cohortes"
« Que le soleil est beau quand tout frais il se lève, Comme une explosion nous lançant son bonjour ! — Bienheureux celui-là qui peut avec amour Saluer son coucher plus glorieux qu’un rêve ! — (Charles Baudelaire) »
Le rapport d’analyse des cohortes (en version bêta) peut vous aider à identifier les tendances temporelles comme la fidélisation des nouveaux utilisateurs ou l’évaluation de l’efficacité des contenus, des produits, des services ou des campagnes SEA.
Ok, mais que sont des cohortes ?
« COHORTE n. f. À l’origine, corps d’infanterie d’une légion et dont l’organisation est attribuée au général Marius, 150 ans environ avant l’ère chrétienne. Il y avait également à Rome des cohortes urbaines dont le rôle consistait à assurer la sécurité de la ville. »
Aujourd’hui, une cohorte est un groupe/segment d’utilisateurs qui partage une caractéristique ou un attribut commun durant une période donnée.
Une cohorte pourrait être tous les utilisateurs en fonction de leur date d’acquisition (ce qui correspond dans Google Analytics à la date de la première session).
Une autre cohorte pourrait être tous les utilisateurs qui ont réalisé leur première transaction durant une période donnée.
Par exemple un utilisateur qui aurait visité pour la première fois votre site web à partir de l’île de France via Google le 15 février et qui se serait abonné au service Y serait un membre des cohortes suivantes :
- Cohorte février
- Cohorte 15 février
- Cohorte France
- Cohorte Île-de-France
- Cohorte trafic Google
- Cohorte trafic naturel
- Cohorte abonnés au service Y
Comme vous pouvez le voir, on peut faire partie de plus d’une cohorte, mais toujours en fonction de la date d’acquisition (type de cohorte unique dans la version bêta). De cette manière, l’utilisateur de notre exemple ne devrait jamais faire partie d’une cohorte de mars.
Qu’est-ce que l’analyse des cohortes ?
L’Analyse des cohortes, c’est l’observation au fil du temps du comportement de groupes ou segments utilisateurs (les cohortes). Les cohortes vous permettent de comparer plus facilement les utilisateurs au sein d’un groupe. Il est également possible de comparer les comportements entre différents groupes.
Par exemple, notre utilisateur qui a été acquis en février fait partie d’une cohorte de février et non de mars, cela nous permet d’observer son comportement au fil du temps et de le comparer avec d’autres cohortes, comme celles de mars, d’avril ou de mai. À partir de là, on sera en mesure d’évaluer l’efficacité de notre site à engager les nouveaux utilisateurs au fil du temps.
Imaginons que la deuxième et la troisième semaine de la cohorte de mai ont un taux de rétention beaucoup plus élevé que n’importe quelle autre semaine.
Pourquoi ?
L’analyse des cohortes révèle les différences au fil du temps des métriques d’acquisition, de rétention, d’engagement et plus globalement des efforts marketing. Ces différences doivent vous amener à vous poser les bonnes questions.
Le but de l’optimisation des conversions, c’est que les métriques des nouvelles cohortes soient meilleures que celles des anciennes cohortes.
Le rapport d’analyse des cohortes de Google Analytics
Le rapport est accessible dans la section « Audience ».
Regardons de près les différentes parties du rapport des cohortes de Google Analytics. Le rapport est divisé en trois sections : les paramètres du rapport et deux visualisations des données, un graphique temporel et une table de données « triangle ».
Dans ce rapport, vous ne pouvez analyser qu’une dimension et une statistique à la fois. Utilisez le menu « Type de cohorte » pour sélectionner la dimension et le menu « Statistiques » pour choisir une statistique.
- Type de cohorte – actuellement limité à la « date d’acquisition » // Le type représente l’événement défini comme l’élément organisateur des cohortes, aujourd’hui, la date de la première session, demain peut être date du premier achat…
- Taille de la cohorte – Vous pouvez choisir de dimensionner votre cohorte par jour, par semaine ou par mois. // Ainsi, le choix par semaine signifierait « Je veux voir tous les utilisateurs qui ont été acquis durant la même semaine. »
- Statistique – La valeur par défaut est « fidélisation des utilisateurs », qui concerne essentiellement les utilisateurs qui sont revenus sur le site un jour, une semaine ou un mois plus tard. D’autres statistiques sont disponibles :
- Chiffre d’affaires par utilisateur
- Durée de la session par utilisateur
- Objectifs réalisés par l’utilisateur
- Pages vues par utilisateur
- Sessions par utilisateur
- Transactions par utilisateur
- Total : Chiffre d’affaires
- Total : Durée des sessions
- Total : Objectifs réalisés
- Total : Pages vues
- Total : Sessions
- Total : Transactions
- Total : Utilisateurs
Rappelez-vous, la technique d’analyse est d’observer l’évolution d’une métrique spécifique pour une cohorte (un segment). L’idée est de voir s’il y a des changements significatifs de la métrique entre les différentes cohortes, avant de déterminer les causes et d’agir en conséquence.
- Période - La période d’analyse s’adapte automatiquement en fonction de la taille de votre cohorte.
- Pour une taille de cohorte « jour » : la période d’analyse peut couvrir les 7, 14, 21 ou 30 derniers jours.
- Pour une taille de cohorte « semaine » : la période d’analyse peut couvrir la semaine dernière ou les 3, 6, 9 ou 12 dernières semaines.
- Pour une taille de cohorte « mois » : la période d’analyse peut couvrir le mois dernier ou les 2 ou 3 derniers mois.
Par exemple, si je choisis une période « 7 derniers jours » et qu’on est le 9 mars , Google Analytics reportera les sessions des utilisateurs acquis depuis le 2 mars sur 7 jours. Voici comment Google Analytics créerait les différents « jours » des visualisations de données basées sur les utilisateurs acquis depuis le 2 mars.
Jour 0 = 2 mars // jour d’acquisition des nouveaux utilisateurs
Jour 1 = 3 mars // +1 jour depuis l’acquisition
Jour 2 = 4 mars
Jour 3 = 5 mars
Jour 4 = 6 mars
Jour 5 = 7 mars
Jour 6 = 8 mars
Jour 7 = 9 mars // +7 jours depuis l’acquisition
Segmenter le rapport de cohorte
Un must du rapport d’analyse des cohortes de GA, c’est sa capacité de segmenter les données. Vous pouvez appliquer jusqu’à quatre segments au rapport actif. Chaque segment va créer un nouveau tableau de données.
Rappelez-vous, une cohorte est simplement un segment basé sur une date. Ainsi, lorsque vous appliquez un segment standard GA vous introduisez une autre couche de segmentation. Voici à quoi ressemblerait le rapport avec le segment « trafic mobile et tablette ».
Utilisation de l’analyse de cohorte
J’espère que maintenant vous avez une bonne idée sur le fonctionnement de ce rapport et comment vous pouvez l’utiliser. Vous avez probablement remarqué que ce n’est pas quelque chose que vous aurez besoin d’utiliser tous les jours. Je recommande de procéder à des analyses mensuelles pour évaluer l’efficacité de vos efforts de fidélisation et d’engagement.
Regardons quelques cohortes types basées sur différent business model. Rappelez-vous qu’à ce jour, nous sommes un peu limité, nous avons accès à un seul type de cohorte : date d’acquisition.
Cohortes e-commerce
Il y a certaines métriques spécifiques à l’e-commerce vraiment utile à analyser à travers le rapport des cohortes. Des métriques comme le chiffre d’affaires par utilisateur, les transactions par utilisateur ou le chiffre d’affaires total.
L’idée est de se rappeler que la cohorte sera basée sur la date de la première session du futur client du site ou de l’application.
La granularité de la cohorte doit correspondre au cycle d’achat du client. Analyser des clients qui achètent des articles coûteux (achetés moins fréquemment), sur une plage de dates de 7 jours, ne révélera pas grand-chose. Élargissez la période de la cohorte sur plusieurs semaines (10 ou plus).
- Cohorte hebdomadaire, chiffre d’affaires par utilisateur, 12 dernières semaines.
- Cohorte hebdomadaire, transactions par utilisateur, 12 dernières semaines.
Si vos clients achètent des articles moins chers (acheté plus souvent), passer à une cohorte quotidienne pendant 30 jours.
- Cohorte quotidienne, chiffre d’affaires par utilisateur, 30 derniers jours.
- Cohorte quotidienne, transactions par utilisateur, 30 derniers jours.
N’hésitez pas à segmenter ces rapports avec vos marques, catégories de produit ou produit pour affiner vos analyses. Essayez également d’appliquer des segments basés sur le chiffre d’affaires par utilisateur pour analyser les comportements au fil du temps des segments clients de « forte valeur » et de « faible valeur ».
APP achats intégrés (in-app purchases)
Dans le monde des APP, le rapport d’analyses des cohortes est un moyen fantastique pour comprendre le comportement des utilisateurs depuis leur première utilisation.
Le modèle in-app purchases est très différent du e-commerce traditionnel – Les achats sont beaucoup plus petits et généralement plus fréquents. Pour évaluer l’évolution de ces micro-transactions, je considérerais les cohortes suivantes :
- Cohorte quotidienne, chiffre d’affaires par utilisateur, 7/14/30 derniers jours.
- Cohorte quotidienne, transactions par utilisateur, 7/14/30 derniers jours.
Pour analyser l’engagement des utilisateurs qui n’achètent pas (appliquez le segment « transaction par utilisateur »= 0) et comprendre s’ils utilisent réellement l’application. Créez les cohortes suivantes :
- Cohorte quotidienne, sessions par utilisateur, 7/14/30 derniers jours.
- Cohorte quotidienne, durée de la session par utilisateur, 7/14/30 derniers jours.
Média/éditeur de contenu
Les éditeurs de contenu ont besoin de comprendre l’engagement des utilisateurs au fil du temps. Heureusement, il existe un certain nombre de mesures que nous pouvons utiliser lors de la construction cohortes. Essayez ce qui suit:
- Cohorte quotidienne, fidélisation des utilisateurs, 7/14/30 derniers jours.
- Cohorte quotidienne, sessions par utilisateur, 7/14/30 derniers jours.
- Cohorte quotidienne, durée de la session par utilisateur, 7/14/30 derniers jours.
- Cohorte quotidienne, pages vues par utilisateur, 7/14/30 derniers jours.
Si vous avez des données de revenues dans Google Analytics, grâce à AdSense par exemple, utilisez également les cohortes similaires à l’achat in-app purchases.
Alignez votre période d’analyse selon votre rythme de publication. Si vous publiez beaucoup de contenu chaque jour. Une période de 7 jours est très utile. Mais à l’inverse, si vous publiez du contenu que deux fois par mois, une période de 21 ou 30 jours est plus adaptée.
Génération de Lead
Comme pour les précédents exemples, vos principales cohortes vont vraiment dépendre du temps qu’il faut en moyenne pour générer un lead. Si vous vendez quelque chose de cher, observez des cohortes hebdomadaires sur une longue période de temps. Si vous vendez quelque chose de moins coûteux, observez des cohortes quotidiennes sur une période de temps plus courte.
Par contre, il n’existe pas de statistique pour cibler un objectif de conversion spécifique. Vous devez utiliser « Objectifs réalisés par utilisateur », mais qui agrège tous les objectifs qui sont configurés.
Un raccourci très utile
Utiliser des raccourcis pour enregistrer vos rapports spécifiques de cohorte. C’est un gain de temps énorme ! Configurez votre rapport puis enregistrez-le en utilisant un raccourci (lien sous le titre du rapport). Ensuite, vous pouvez y accéder en un seul clic depuis la navigation principale 2ème item en partant du haut sous Tableau de bord.
Voilà, c’est tout pour aujourd’hui sur les cohortes de Google Analytics. J’espère que cela vous a permis de mieux comprendre l’utilité des analyses de cohortes et comment le faire avec GA.
Partager la publication "Google Analytics – Analyse des cohortes"