Retencja użytkowników w GA4: który kohort wraca
Raport o nowych użytkownikach rośnie, a biznes stoi. Powód bywa ten sam: nikt nie sprawdził, ile osób wraca po pierwszej wizycie. GA4 odpowiada na to pytanie dwoma narzędziami. Jedno jest gotowe i czeka w raporcie, drugie trzeba zbudować samemu w eksploracjach.
Najpierw rozróżnienie, które w polskich rozmowach o GA4 robi najwięcej szkód. Retencja oznacza tu dwie różne rzeczy. Retencja danych to okres przechowywania zdarzeń, ustawiany w administracji. Retencja użytkowników to odsetek osób, które wracają. Ten tekst dotyczy drugiego znaczenia. Jeśli na spotkaniu padnie samo słowo retencja, warto dopytać, o którą chodzi, zanim ktokolwiek otworzy raport.
Gotowy raport na start
Ścieżka: Raporty, w lewej kolumnie Cykl życia, pozycja Retencja. W kolekcji Cele biznesowe raport nie pojawia się domyślnie, ale redaktor lub administrator może go dodać do nawigacji. W Cyklu życia jest od początku.
Raport odpowiada na dwa pytania naraz: ile czasu użytkownicy spędzają po pierwszym pozyskaniu oraz jaki odsetek wraca w pierwszych 42 dniach.
Karta Nowi i powracający użytkownicy rozdziela osoby pierwszy raz odwiedzające serwis od tych, które były tam wcześniej. Nagłówek sumuje cały okres, punkty na wykresie pokazują kolejne dni.
Karta Retencja użytkowników według kohorty to najciekawsza część. Kohorta to grupa osób połączona wspólną cechą, a tutaj tą cechą jest dzień pozyskania. Wykres ma do trzech linii: Dzień 1, Dzień 7 i Dzień 30. Przykład z dokumentacji: cztery osoby wchodzą 1 października. Następnego dnia wracają trzy, więc Dzień 1 to 75 procent. Do 8 października wracają dwie, czyli Dzień 7 to 50 procent. Do 31 października wraca jedna, więc Dzień 30 to 25 procent.
Dwie kolejne karty czyta się najczęściej źle. Retencja użytkowników pokazuje odsetek osób wracających każdego dnia w pierwszych 42 dniach i startuje od 100 procent. Zaangażowanie użytkowników liczy średni czas tylko wśród osób powracających, bez pierwszej wizyty. Serwis z dużą liczbą jednorazowych wejść pokaże więc wysoki czas wśród nielicznych, którzy wrócili, i wynik wygląda lepiej, niż jest.
Ostatnia karta, Średnia wartość 120 dni, liczy przychód wygenerowany przez nowych użytkowników w ciągu pierwszych 120 dni od pozyskania. To jedyna karta, która łączy retencję z pieniędzmi, i zwykle ona rozstrzyga, czy warto dalej inwestować w kanał.
Skąd bierze się liczba, której nie da się porównać
Gotowy raport liczy kohorty dzienne. Kohorta z poniedziałku i kohorta z soboty to dwie różne populacje, bo inaczej szukają w sieci i inaczej wracają. Porównanie ich odsetków prowadzi do wniosków, których dane nie zawierają.
Drugi problem jest techniczny. Przy małym ruchu dzienna kohorta liczy kilkanaście osób, a takie zbiory podlegają progom danych. Komórka bywa pusta nie dlatego, że nikt nie wrócił, tylko dlatego, że wynik jest zbyt mały, by go pokazać. Pusty wiersz czytany jako zero to najczęstszy błąd w interpretacji tego raportu.
Kohorty, które definiujesz sam
Eksploracje, Galeria szablonów, szablon Eksploracja kohort. Ustawia się dwa kryteria i to one decydują o całym wyniku.
Kryterium włączenia dodaje osobę do kohorty. Dostępne opcje to pierwszy kontakt, czyli data pierwszego wejścia w tej usłudze, dowolne zdarzenie (pierwsze w zakresie dat), dowolna transakcja, dowolna konwersja oraz inne, czyli wskazane zdarzenie.
Kryterium powrotu decyduje, czy osoba zostaje w kohorcie w kolejnym okresie. Tu też wybiera się dowolne zdarzenie, transakcję, konwersję albo konkretne zdarzenie. Dokumentacja podaje przykład: kohorta osób, które trafiły na błąd, z warunkiem powrotu opartym na odinstalowaniu. Widać wtedy, jak jakość produktu przekłada się na odejścia.
Jedna właściwość nie jest oczywista. Osoba należy do wszystkich kohort, których kryterium włączenia spełnia. Jeśli kryterium włączenia to transakcja, klient kupujący co tydzień pojawi się w każdym wierszu tabeli. Wiersze zachodzą na siebie, więc ich sumowanie nie daje liczby unikalnych osób.
Trzy tryby liczenia, trzy różne wyniki
Tabela liczy się w jednym z trzech trybów: Standard, Rolling i Cumulative. Nazwy zostają po angielsku, bo tak brzmią w dokumentacji, a polskie tłumaczenia interfejsu bywają niespójne.
Standard pokazuje osoby, które spełniły kryterium powrotu w danym okresie, niezależnie od tego, co robiły w pozostałych. Rolling pokazuje osoby, które spełniły kryterium w danym okresie i we wszystkich wcześniejszych. Cumulative pokazuje osoby, które spełniły kryterium w dowolnym okresie do tego momentu.
Różnicę widać na przykładzie z dokumentacji. Granulacja tygodniowa, włączenie przez pierwszy kontakt, powrót przez zakup, metryka to aktywni użytkownicy. Osoba A nie robi nic w tygodniach od 1 do 4 i kupuje w tygodniu 5. Osoba B kupuje w każdym tygodniu. Osoba C kupuje w tygodniach 1 i 2, potem nic. W komórce piątego tygodnia Standard pokaże osoby A i B, Rolling tylko B, a Cumulative wszystkie trzy.
Każdy tryb odpowiada na inne pytanie i wszystkie trzy są poprawne. Standard mówi, ilu ludzi kupiło w tym tygodniu. Rolling mówi, ilu kupuje regularnie, bez przerw. Cumulative mówi, ile osób z kohorty kupiło kiedykolwiek. Dwie osoby patrzące na tę samą tabelę i podające różne liczby mogą mieć rację obie.
Tydzień kohorty nie jest kroczący
Granulacja dzienna liczy od północy do północy w strefie czasowej usługi. Miesięczna obejmuje pełny miesiąc kalendarzowy. Tygodniowa liczy od niedzieli do soboty i nie jest oknem siedmiu dni przesuwanym po kalendarzu.
Kampania startująca w środę trafia do tygodnia, który zaczął się w niedzielę, i pierwszy tydzień tej kohorty ma cztery dni, a nie siedem. Spadek w pierwszym tygodniu bywa artefaktem kalendarza, nie sygnałem o jakości ruchu. Strefa czasowa usługi decyduje dodatkowo o granicy dnia.
Kogo kohorta nie połączy
Kohorty liczone są wyłącznie na danych urządzenia. User ID nie jest brany pod uwagę. Osoba, która wchodzi na telefonie, a potem na laptopie, występuje jako dwie osoby. W produktach z logowaniem retencja wychodzi więc zaniżona, a im więcej urządzeń na osobę, tym większe zaniżenie.
Dochodzą limity, które trzeba znać przed wyciąganiem wniosków. Tabela pokazuje najwyżej 60 kohort, przy podziale na wymiar najwyżej 15 najczęstszych wartości tego wymiaru, a wymiary demograficzne podlegają progom, więc małe kohorty znikają z wyniku.
Podział przypisuje osobę tylko do pierwszego wystąpienia wartości. Kto pierwszy raz pojawił się na telefonie, a tego samego dnia wrócił na komputerze, trafi wyłącznie do grupy mobilnej. Przy porównywaniu urządzeń wynik lekko faworyzuje urządzenie pierwszego kontaktu.
Co z tym zrobić w poniedziałek
W e-commerce użyteczne są dwie konfiguracje. Włączenie przez pierwszy kontakt i powrót przez zakup pokazuje, ile dni mija od pierwszego wejścia do pierwszej transakcji. Włączenie i powrót przez zakup pokazuje, po jakim czasie klient wraca po drugie zamówienie.
W serwisach treściowych działa włączenie przez pierwszy kontakt i powrót przez dowolne zdarzenie w granulacji tygodniowej. Widać wtedy, czy nowy czytelnik zostaje na drugi tydzień.
W generowaniu leadów punktem wyjścia jest włączenie przez zdarzenie generate_lead i powrót przez dowolne zdarzenie. To odpowiada na pytanie, czy osoba, która zostawiła formularz, wraca na stronę przed telefonem od handlowca.
Zgoda zmienia wynik, nie tylko jego wielkość
Przy odmowie zgody na analitykę GA4 modeluje część danych, a modelowanie nie odtwarza kohort jeden do jednego. Do tego dochodzi próg danych, który ukrywa małe grupy, więc odsetek retencji z miesiąca o niskim ruchu opiera się na węższej podstawie.
Jest też granica sięgalności. Kohortę zbudujecie tylko z danych, które jeszcze są w usłudze, a okres przechowywania zdarzeń jest ustawieniem administracyjnym. Przy domyślnym okresie dwóch miesięcy analiza rocznej retencji nie ma z czego powstać. Oba znaczenia retencji spotykają się tu w jednym zdaniu.
North Digital sprawdza, czy raporty retencji w waszym GA4 odpowiadają na pytanie, które naprawdę zadaje biznes, i czy kohorty da się porównać między miesiącami. Zamów konsultację.