本文長度爲4234字，預估閱讀時間8分鐘。
引言：本文介紹瞭如何使用Google Analytics中的同期羣分析報告。
譯者 | 紀孟蘭
審校 | Sarah
編輯 | 雨 欣
Google Analytics（谷歌分析）是每位經驗豐富的數字營銷人員的主要工具。
這主要是因爲它提供了大量的數據，幾乎涵蓋了您可能想知道的有關訪問者如何與您的網站互動的所有信息。
但是，只有從數據中提煉出可操作的結論，它纔對業務有用。
那麼，其中最好的方法之一是使用Google Analytics中的同期羣分析報告。
同期羣分析報告會顯示網站的效果。並且，它可以更深入的挖掘網頁訪客行爲。
如果你對此報告不熟悉，其實你也並不是唯一一個不熟悉它的人。
同期羣分析是一種被低估的報告，但它可以分析用戶行爲的趨勢和模式，以顯示出誰在轉化，誰沒有在轉化。
什麼是同期羣分析？
要了解同期羣分析是什麼，首先必須定義“羣體”。
羣體是指有相同價值或特點而組合在一起的用戶。
Google將其定義爲一組通過分析維度標識的有共同特徵的用戶。
然後，同期羣分析就是分析用戶組行爲的過程。
其中，可以將組和組相互比較，並查找差異和趨勢。
如果想要鑑別其中的模式，它可以幫助你確定哪些變化和行爲差異可以導致不同的結果。
需要明確的是，這一過程並非數字營銷所獨有。其他的場景也可以運用同期羣分析來比較許多不同類型的羣體。
事實上，同期羣分析這個術語來源於醫學研究，其中研究人員比較吸菸者和非吸菸者等人羣的不同，以確定兩者之間的差異。
但是，當涉及到網站分析時，羣體的可能性僅限於收集訪問者在瀏覽網站時產生的數據。
例如，Google Analytics中的同類羣體根據獲取日期或用戶首次訪問網站進行分組。
這個羣體類型在爲數據提供上下文方面非常有用。
分析特定的細分，而不是整體受衆，可以讓營銷人員更清楚地瞭解是什麼爲你的企業帶來了大客戶。
同期羣分析還超出了基本數據，以顯示網站訪問者行爲發生變化的原因。
因此，比較羣體可以讓營銷人員更多地瞭解影響特定行爲的因素以及營銷活動和策略所產生的影響。
例如，當孩子們的在線服裝店Spearmint LOVE想要識別他們網站上的趨勢時，他們根據第一次購買日期創建了幾個同期羣分析報告。
通過這種分析，他們能夠確定普通訪客將繼續返回其網站的時間長度，以及購買之間的平均時間。
他們還利用這種洞察力將他們的同類羣體形成“定製窗口”，基於媽媽在懷孕期間和孩子出生後幾年內的不同購買行爲。
通過這種方式，他們可以更準確地預測羣體下次購買的內容，然後根據這些預測確定廣告活動的內容和時間。
雖然這只是Spearmint LOVE用於改善營銷的幾種策略之一，但最終結果得出2015年至2016年同比增長991％。
如何在GoogleAnalytics中運用同期羣分析
在GoogleAnalytics中運用同期羣分析是一個非常簡單的過程。
在“受衆”選項卡下，選擇“同期羣分析”。
默認情況下，此報告的主儀表板將顯示一個圖表，其中包含網站的基於獲取日期羣體的用戶留存。
在這種情況下，第0天代表每個用戶第一次訪問網站，隨後的幾天顯示他們是否返回。
如果圖表中顯示了下降的趨勢，請不要驚慌。
隨着用戶停止返回網站，羣體不可避免地會隨着時間的推移而下降。
即使是最有經驗的營銷人員，維持穩定的回訪客流也是一項挑戰 - 所以如果這個數字在大多數人羣中逐漸下降，也不要感到驚訝。
在此圖表下方，報告還會顯示一個表格，顯示網站的用戶留存情況，並根據用戶首次訪問的日期分組。
在這種情況下，每行代表獲取日期下的不同用戶羣。
如果發現有的行顯示出與其他行的明顯不同的留存率，這可能是分析的一個很好的起點。
尤其是在你在執行一些主要營銷活動的時期。
例如，高績效羣體可以表明當天投放的廣告系列在吸引用戶量互動方面特別有效。
然後，在此儀表板的頂部，報告中包含的數據可以被調整。
目前，唯一可用的羣體類型是獲取日期或用戶首次訪問網站的日期。
但羣體大小可以調整爲以按天，周或月顯示用戶組。
特別是在其中一個持續時間的時間軸上啓動和運行新廣告系列，此功能會非常有效果。
接下來，你可以從幾個不同的指標中進行選擇，以便分析羣體。
默認度量標準是用戶留存率，它顯示在第一次訪問後的後續日期返回的羣體的百分比。
如果你的主要目標之一是增加總體流量並保持穩定的回訪流量，那麼此報告可能會非常有用。
但對於大多數網站所有者而言，接下來的兩組提供了更有價值的洞察，因爲它們與用戶在簡單訪問網站之後所採取的操作行動相關。
“每個用戶”指標集將顯示同一羣體中每個成員在網站上的平均行爲數量，包括：
- 每個用戶目標完成
- 每個用戶瀏覽量
- 每個用戶收益
- 每個用戶會話持續時間
- 每個用戶會話
- 每個用戶交易
因此，與其根據你的受衆是否一直回到你的網站來分析他們，你還不如關注那些對你最重要的目標產生影響的行動。
下一組指標類似，但不是顯示每個用戶的平均值，而是顯示選擇的指標的總計，包括：
- 目標完成
- 頁面瀏覽量
- 收益
- 會話持續時間
- 會話
- 交易
- 用戶
最後，可以調整報告的日期範圍，以包含前一週，兩週，三週或一個月的數據。
選擇的範圍取決於要分析的數據範圍以及羣體的大小。
畢竟，如果羣體按天分解，一週的日期範圍可能會提供大量數據，但也需要爲更大的羣體選擇更大的日期範圍。
因此，這是訪問網站上特定羣體的數據的基本過程。
但這些信息又如何有價值？
1.使用其他細分來詳細瞭解受衆羣體
事實上，當前設置僅允許營銷人員基於獲取日期創建羣體，這可能是一種限制。
幸運的是，營銷人員還可以使用其他細分來進一步細分數據。實際上，GoogleAnalytics目前在同期羣分析報告中最多允許四個細分。
當添加新細分時，每個細分都會顯示在“所有會話”表格下方的新表格中。
例如，可以通過細分移動端流量與所有流量來下鑽同期羣分析。
而且，你將獲得下圖這樣的比較圖表。
如果向下滾動到列，還可以看到各個羣體的數據。
該報告顯示，在4月1日至4月7日當週註冊的125,499名PC端用戶中，有3.98％在第1週迴來，第2週迴歸2.41％，第3週迴歸2.05％。
而且，當與移動端進行比較時，你會發現PC端仍然比移動端的用戶留存率更高。
但是，除了預設選項之外，還可以應用Google Analytics中創建的所有自定義細分。
這意味着我們可以使用同期羣分析報告來查看已經被識別爲對站點有價值的用戶組數據。
例如，下圖展示了註冊免費試用的網站訪問者和下載白皮書的訪問者之間的區別。
無論使用哪些細分，都需要留意任何與“所有會話”報告有很大不同表現的細分。
這將幫助營銷人員識別與普通用戶行爲不同的用戶組，無論是積極的還是消極的。
如果一個羣體表現更好，例如以更高比例返回網站，那麼需要深入研究導致這種差異的潛在原因。
然後，可以使用此洞察在其他流量細分中複製該行爲。
2. 衡量短期營銷工作的反響
同期羣分析報告還可以幫助營銷人員分析受衆是如何響應短期營銷工作的，例如電子郵件營銷活動。
通過發送的每封電子郵件，可以獲得一組略有不同的用戶 - 並且監控觸達的用戶行爲，這可能是衡量成功的一個好方法。
只要爲營銷活動使用UTM跟蹤，通過在同期羣分析報告中創建新細分，並從左列中選擇“流量來源”，就可以實現此目的。
輸入營銷活動的參數，然後將此細分與網站的總體流量進行比較。
因此，例如，如果運行三天的電子郵件營銷活動並提供25％的折扣，則可以跟蹤在此期間使用折扣的用戶的行爲。
如果使用營銷活動覆蓋的用戶表現更好，則可以證明其有效地觸達了目標的流量和客戶類型。
3.瞭解電子商務購物習慣
同期羣分析報告的最佳功能之一是包含電子商務相關數據，包括每個用戶收入，每個用戶交易，總收入。
按獲取日期查看每個用戶的交易可以顯示用戶進行購買所需的平均時間
例如，在以下報告中，購買在獲取日期後五天飆升。
當然，重要的是要考慮是什麼因素導致了這種高峯，例如促銷或再營銷活動。
但是，這些數據可以讓營銷人員更深入地瞭解受衆的購買行爲以及他們做出決策所需的平均時間。
另外，還可以通過將此數據與用戶生命週期價值（LTV）報告交叉引用來更進一步。
例如，在同期羣分析中注意到，在爲期12周的營銷活動中，第5周和第11周的用戶留存率大幅下降。
那麼可以選擇相同的時間範圍跳轉到LTV報告，然後確定是否有任何渠道或營銷活動看到相同的低效週數。
從“受衆”菜單中選擇“生命週期值”就可以看到。
然後，營銷人員需要確定要使用哪個指標來確定用戶的價值。對於電子商務網站，這可能是每個用戶的收入。
然後，可以按採購渠道，來源，媒介或營銷活動對數據進行排序。
這可以讓營銷人員瞭解需要改進哪些渠道以消除網站性能下降並提高用戶留存率和收入。
4.使用註釋來監控影響因素
在分析羣體報告時，必須牢記可能影響看到的數據的任何因素。
幸運的是，可以在google analytics中進行註釋以跟蹤這些因素，並輕鬆查看特定事件，營銷活動和網站更改的日期。
例如，下圖顯示了公司營銷工作的三個重要事件。
在這種情況下，它顯示了該機構在第三方平臺上發佈文章的日期。
幾天後，他們看到了流量大幅增加。
雖然單獨查看同期羣分析報告時這可能會令人困惑，但註釋可確保查看此數據的用戶不會忘記考慮該重要因素並相應地分析數據。
5.爲最重要的羣體保存報告
如果您計劃經常使用同期羣分析功能，則保存報告是節省時間的絕佳方法。
它還可以確保營銷人員始終查看相同的數據集，這樣就不會因爲報表中的設置略有不同而得出任何不準確的結論。
可以通過單擊信息中心頂部的“保存”按鈕並創建名稱來保存報告。
這將保持所有自定義的完整性，包括高級細分，輔助維度和排序 - 這樣，下次要使用同期羣分析功能時，就無需浪費任何時間來重新創建數據集。
總結
即使對於經驗豐富的營銷人員，從GoogleAnalytics數據中獲取可執行的結論也具有挑戰性。
平臺提供的數據量非常有價值 -但是龐大的數據量會讓你很難整理這些噪音，並找到可以用來提高網站性能的指標。
因此，如果你正在尋找一種將數據劃分爲更易於管理的模塊的方法，則同期羣分析功能是關注受衆特定子集的好方法。
它可以用來詳細瞭解已創建的細分受衆羣，並瞭解他們的行爲與其他細分受衆羣的不同之處，以及網站的整體流量。
它還可用於衡量對特定活動的響應，瞭解有關電子商務購物者行爲的更多信息，以及監控與業務相關的任何其他重大事件的影響。
考慮到這份報告未被充分利用，你可以將其視爲分析網站性能並獲得競爭對手可能錯過的洞察力的祕密武器哦。
關於作者
Neil Patel，是尼爾·帕特爾數字公司的聯合創始人。《華爾街日報》(The WallStreet Journal)稱他是互聯網上最具影響力的人物，《福布斯》(Forbes)稱他是十大營銷人員之一，《企業家》(Entrepreneur)雜誌稱他創建了100家最優秀的公司之一。尼爾是《紐約時報》暢銷書作者，被奧巴馬總統評爲30歲以下100位頂級企業家之一，被聯合國評爲35歲以下100位頂級企業家之一。
譯者簡介
紀孟蘭，信息管理與信息系統專業，對IT和Business基礎都有了解。另外，對推薦系統有一些研究，研究生期間論文寫的是推薦系統。畢業後從事Martech領域的工作，目前在諮詢公司從事SaaS產品的售前工作。
審校簡介
Sarah，互聯網營銷從業者一枚，iCDO原創及翻譯志願者。