Google Analytics 4 中通过Cohort Analysis做用户留存分析
Google Analytics 4 中通过Cohort Analysis做用户留存分析
更多关于探索的请看：
什么是同类群组探索
Cohort Analysis，叫同类群组探索、同类群组分析，也可以叫留存分析。
界面预览
在GA4中点击“探索”，然后选择“同类群组探索”后，你可以看到这样的界面：
路径分析的界面主要可以分为三大模块：
- 变量
- 标签设置
- 报告
接下来，来组个看各个模块的作用：
变量
这里的变量并不是Google Tag Manager里面的变量，而是指在探索里面设置报告的地方，在这个地方可以设置：
- 探索名称：即使报告的名字
- 时间范围：选择事件范围，可以选择昨天、本周、上周、过去七天、过去28天、过去30天，还可以自定义时间范围
- 细分：选择细分，可以选择建议的细分，也创建自定义细分，自定义细分有三种类型：
- 用户细分：基于用户级别的细分，如将购买某产品的用户剥离出来
- 会话细分：基于会话级别的细分，如将访问过某个页面的会话剥离出来
- 事件细分：基于事件级别的细分，如将page_view剥离出来
- 维度：选择属性，用于描述某事的属性
- 指标：选择指标，用于衡量数值情况
标签设置
标签配置主要用于美化报告，这里可以设置：
- 分析方法：选择探索里不同的分析方法，由于这里讲的是同类群组探索，所以这里默认就是同类群组探索，不需修改。
- 细分比较：注意，这里是细分比较，不是叫细分，将变量里的细分拖到这里，可以对比多个细分的数据情况，最多可以同时使用4个细分。
当添加细分比较的时候，会出现多一个数据透视的设置，这个设置注意就是细分显示的位置，默认是在首列。
- 同类群组计入条件：将用户计入同类群组时应满足的条件，有如下这些：
- 首次接触（流量获取日期）：用户首次使用您的应用或访问您的网站的时间，按 Google Analytics（分析）媒体资源衡量。
- 任何事件：用户在探索日期范围内完成的第一个事件。
- 任何交易：用户在探索日期范围内首次完成交易的时间。
- 任何转化：用户在探索日期范围内首次完成转化的时间。
- 其他：用户触发的特定事件。
日期下面的数据就是满足同类群组计入条件的：
- 返回条件：用户保留在同类群组中需满足的后续条件，有如下这些：
- 任何事件：用户在探索时间段内至少完成一个事件。
- 任何交易：用户在探索时间段内至少完成一笔交易。
- 任何转化：用户在探索时间段内至少完成一次转化。
- 其他：用户在探索时间段内触发的特定事件。
表格里的数据就是满足返回条件的数据：
- 同类群组粒度：周期，有“每日”、“每周”或“每月”。
- 计算类型：数值的计算方式，有三种类型：
- 标准：只要在该周期内出现就计算
- 滚动：前面所有周期都连续出现才计算
- 累计：累计数值，很少用这中
- 细分维度：这里的细分维度是在同个时间周期上做进一步拆分，对比，比较少用
- 值：选择指标，就是报告里显示的数值，目前只支持活跃用户数、事件数、用户总数，交易量，购买收入。
- 指标表达类型：留存图中的数据是按数值还是按百分比显示，通常选择每位同类群组用户，也就是显示百分比的，比较直观。
报告
报告就是显示报告的地方，同类群组探索的报告上没有交互，只显示数据
同类群组探索的一般用法
- 分析法：同类群组分析，就是留存分析
- 细分比较：看某个细分群体的留存情况
- 同类群组包含：定义留存分析的群体，默认是首次接触
- 返回条件：如何定义留存
- 同类群组粒度：留存分析的计算周期
- 计算类型：就是计算方式，有三种，分别是标准、滚动和累计。标准是只要在该周期内出现过就计算，滚动是要连续出现才计算，累计是算出现的累计值。
- 细分维度：按维度做拆分对比
- 值：计算的指标
- 指标表达类型：留存图中的数据是按数值还是按百分比显示
这个设置界面相比之前的Universal Analytics已经丰富很多，自定义能力更强大，但相比Adobe Analytics，还比较弱，可以看Workspace可视化之同类群组表格（Cohort Table）
理解同类群组探索里的三种计算类型
同类群组有三种计算类型
标准
标准是只要在该周期内出现过就计算，标准就是默认的：
如周三里是3，那只要在这一天出现就计算。
回滚
滚动是要连续出现才计算。
如周二里的2，一定是在周一里就出现过的，也就是属于周一里的68。
累计
累计是算出现的累计值。
只要出现过，就累加进去，所以数值是不断增加的。
将留存改成百分比形式
同类群组里默认是显示数值型的数据，不够直观，我一般是看百分比的，可以在指标表达式类型里设置：
留存分析的几个分析思路
留存分析是比较多人会提到的，但大部分人都不知道怎么去系统的应用这个报告，得出一些有价值的信息，下面我介绍几个角度怎么去解读这个报告，从中获取一些对产品，对运营有价值的信息
营销的时间节点
图中A和B分别是不同的两个产品的留存图，图A的走势是比较靠谱的，图B的的下降的太快的，按照这个趋势，基本在六七周后都走光了。我们的目标是将B的走势向A的靠拢，从跟上图可以看到，剔除第二周，因为第二周是振荡期，最不稳定的。在第三周的降幅是最高的，这个就是营销的时间节点了，将第三周的比例通过运营和营销，往上移动，使得这个降幅没那么大。
从上图A中还可以分析出，A产品的用户在5周以后是达到稳定，也就是之后都是很少流失的，那么A的运营的重点就在于促进用户在五周内持续访问或使用，将其转化为忠诚的用户。
这个5就是你经常看到的很多鸡汤文章中举例linkedin用户增长的那个魔法数字了。
通常营销不外乎就是给优惠，触发用户的途径可以是站内Banner，SMS,EDM,再营销等
验证新版本是否有问题
如果新版本更新后，第二次的留存有明显异动，在渠道没有变化的情况下，基本可以确定是由于版本更迭导致的，比如14号的时候发了个新版，次日留存为2.66，在之前的水平都是四点几的，那这个降幅就是发新版导致的，持续观察几天，如果留存没有回升，那这个新版本的设计就有很大问题，可以考虑版本回滚。
不同渠道的留存对比
可以用细分对比不同渠道得了留存对比用户评估渠道的质量，用于给广告费用分配做支持，或新增再营销对整体留存的影响。
同类群组探索的限制
- 同类群组探索最多可显示 60 个同类群组。
- 应用细分维度时，最多可显示相应维度的前 15 个值。
- 受众特征维度受限额限制。如果同类群组中的用户数过少，导致无法对其进行匿名化处理，系统不会将这些用户作为探索对象。