深入解析GA4同類群組探索報表(Cohort analysis)
深入解析GA4同類群組探索報表(Cohort analysis)
什麼是同類群組分析(Cohort analysis)？
Cohort Analysis，叫同類群組探索、同類群組分析。從GA4官方文件說明得知，同類群組分析(Cohort analysis)是共通特徵使用者群的行為、特徵、成效區分為不同的群組，進而取得深入分析特定群組的資訊獲得洞察。
簡單來說，同類群組分析(Cohort analysis)就是可抓出一群有相同行為的用戶，並進行後續分析。比如將活躍使用者抓取出來，以週次為區間進行同類群組分析，就可以得知後續每一週的活躍使用者回訪率或回訪人數，以此作為網站健康度指標之一。
如果要在GA4執行同類群組分析(Cohort analysis)，必須要自己建立，操作步驟為 「探索->同類群組探索報表」，進入報表編輯器後台進行設定。
同類群組探索(Cohort analysis) 報表簡介
同類群組探索報表的介面由變數、設定、報表三部分組成。以下針對同類群組探索(Cohort analysis) 常用的功能進行說明。
變數
主要提供維度、指標、區隔、時間範圍的篩選與設定。
- 區隔：可建立自訂區隔或使用GA4提供預設區隔範本
- 維度：可篩選預計分析的維度
- 指標：可篩選預計分析的指標
設定
- 同類群組納入：可選用預先定義或其他
預先定義 -> 首次接觸（獲客日期）、任何事件、任何交易、任何轉換
其他 -> 自定義的GA4事件，比如add_to_cart、first_open等
- 以下針對預先定義做詳細說明
首次接觸 (客戶開發日期)：使用者第一次造訪應用程式或網站的日期。
任何事件：使用者在探索日期範圍內第一次進行事件。
任何交易：使用者在探索日期範圍內第一次進行交易事件。
任何轉換：使用者在探索日期範圍內第一次完成轉換事件。
其他：使用者觸發的特定事件。
- 回訪條件：使用者須符合哪些條件才能放入同類群組中
任何事件 -> 使用者在探索時間範圍內至少有 1 個事件。
任何交易 -> 使用者在探索時間範圍內至少要有 1 個交易事件。
任何轉換 -> 使用者在探索時間範圍內至少要有 1 個轉換事件。
其他 -> 使用者在探索時間範圍內觸發的特定事件。
- 同類群組精細程度：定義初始和回訪同類群組的時間範圍。
每天 -> 從午夜到午夜 (以資源所在時區為準)
每週 -> 從星期日到星期六 (含)，而非連續的 7 天
每月 -> 從月初到月底
- 計算方式：決定同類群組探索期間的使用者指標計算方式
標準 -> 該時間內符合條件的所有使用者。（白話文，有符合條件就算）
累計 -> 該時間內和所有先前時段內都符合條件的使用者。（白話文，要連續出現才計算）
累積 -> 任何時段內符合回訪條件的所有同類群組使用者。（白話文，就是累積總值）
解讀 GA4 同類群組探索報表
以下圖為範例，我們在GA4示範帳號設定4/25~7/23(過去90天)，同類群組納入設定為「首次接觸」，回訪條件設定為「任何條件」，值選擇「活躍使用者」，以此分析該網站活躍使用者的回訪率。
從圖中可得知5/12~5/18有 12,006 位使用者造訪，接著往右邊看第二週，可得知在12,006 位使用者中，有 301 位使用者在2週後有回訪。
Cohort 報表常見分析用途
接下來我們來了解一下 Cohort 報表幾種常見的分析用法：
- 橫向分析：可以分析指定區間內的使用者，在後續每一週的變化，可以藉此了解用戶的留存狀態。舉例來說，4/28~5/4的活躍使用者為13,895人，這群人隔週的回訪人數為691人，再隔一週為410人。
- 縱向分析：可以分析每一週使用者的人數或轉換次數的變化，用來分析行銷活動的效益。比如第0週，6/2-6/8使用者12,896人，6/9-6/15使用者19,658人，假如當時網站有舉辦活動，可能就是此活動帶來的影響。
- 斜線分析：可以分析同一期的使用者人數或轉換數的變化。一樣用上方的範例做說明，6/9-6/15有舉辦活動，除了看6/9-6/15第0週的變化之外，也可看其他週活躍使用者在同一期間的回訪或轉換數據變化。
補充說明：同類群組探索計算方式的差異
額外補充同類群組探索的三種計算方式到底有何差異。
標準模式 (standard)：該時間內符合條件的所有使用者。
如下圖，4/28~5/4的活躍使用者為13,895人，這群人隔週的回訪人數為691人，再隔一週為410人。簡單來說，只要在該週期內出現就算，如第2週的410人，只要有在這一天出現就會納入計算。
累計模式 (rolling)：該時間內和所有先前時段內都符合條件的使用者。（白話文，要連續出現才計算）
使用累計方式計算時，可以看到下圖 4/28-5/4 有 13,895 位使用者，連續2週都有來訪剩下158 位使用者。從這邊我們可以得知，在累計模式中要連續出現才納入計算。
累積模式 (cumulative)：任何時段內符合回訪條件的所有同類群組使用者。（白話文，就是累積總值）
將同類群組探索報表轉為百分比
我們也可以修改指標類型，更改為百分比的形式。系統預設為「總和」，我們只要修改為「每位同類群組使用者」即可將報表轉為百分比。
同類群組探索實際應用場景
一、短期行銷活動效益分析
比如在接下來2週分別會有「下殺5折」跟「出清1折」的短期促購活動，後續就可以透過同類群組探索報表分析這兩檔活動期間的活躍使用者所貢獻的收益或回訪率。
假如5/19那週有舉辦「下殺5折」活動，可以看出在活動第一週貢獻收益最高，接著一路開始下滑，直到第6週又回彈（假定這週為活動倒數）。同樣方式，假如6/9那週舉辦「出清1折」活動，也可用一樣的方式做分析。
二、網站每週回訪率分析
可以在同類群組探索報表中，分析每一週的活躍使用者人數變化，比如發現前2週的回訪人數都有在預期水準，但從第3週開始回訪人數就明顯下滑，代表後續我們必須在第4週想辦法吸引使用者回訪。
如果以下圖為例，可以看到其實從第1週開始回訪率就已銳減，這時就要依照自身網站屬性來評估是否合理。
三、Retentaion rate
另一種用法也是我最近學到的用途，就是分析網站的Retention rate，我們需要重視已在網站完成購買的用戶後續每個月的回購率變化，這有助於我們去衡量與優化品牌續購力的健康度。
從下圖範例可得知，以橫向分析來說，9/1-9/30共有3152活躍使用者完成購買，後續每週的Retentaion rate雖然低，但至少連續到第6週才結束。而如果以縱軸分析，主要可以看M3、M6、M9月的Retentaion rate變化，來得知品牌在特定週期的Retentaion rate有沒有維持、提升或衰退，如果是從下圖來看M3，可得知Retentaion rate正在衰退中。
總結
在分析數據時，最重要的不是數據本身，而是要在看數據的過程中不斷詢問「為什麼」。這種思辨過程有助於鍛鍊洞察力，透過假設和驗證的循環，不斷強化自己的分析能力。
同樣地，使用同類群組探索報表（Cohort Analysis）時，如果不理解如何解讀和應用報表，數據只是一堆無意義的數字。只有透過人的解析與洞察，才能讓這些數字變得有價值，進而提供有意義的見解。
