Tip: Kohortenanalyse

Von | 18. Dezember 2012

„In der Soziologie sind Kohorten Jahrgänge oder Gruppen von Jahrgängen, die der Abgrenzung von Bevölkerungsgruppen dienen.“ sagt Wikipedia zur Kohortenanalyse.

Für uns im Digitalen Marketing sind Kohorten interessant, z.B. wenn man sich Fragen stellt wie „Was ist eigentlich aus den ganzen Benutzern geworden, die sich letztes Jahr angemeldet haben als wir den iPad verlost hatten?“ oder „Kaufen Leute die im Weihnachtsgeschäft zum ersten Mal gekauft haben jemals nochmal was?“ und so weiter.

Die Benutzergruppe definiert sich dabei über eine Zeit und eine Aktion, z.B. „Dezember 2012“ und „haben eingekauft“.

Frage: Kann man sowas mit SiteCatalyst machen?

Antwort: Ja, und sogar recht einfach.

Kohorten mit SiteCatalyst

Wir brauchen dafür nur 2 Dinge:

  1. 1 eVar und
  2. SAINT

Die eVar ist insofern interessant, als hier endlich mal ein wirklich guter Anlaß anliegt, eine eVar als „Original Value (First)“ zu konfigurieren. Man stellt die eVar dann noch auf Expiration „Never“, und schon hat jeder Visitor immer das Datum seiner ersten Aktion (in meinem Fall „erster Visit“) parat.

[Screenshot]

Und was schreiben wir in die eVar hinein? Einfach das aktuelle Datum!, z.B. „2012/12/18“.

Weil die eVar auf „Original Value (First)“ steht, taucht in Reports immer der Wert auf, der für den Visitor zuerst geschrieben wurde. Alle Werte danach sind SiteCatalyst schlicht egal.

Weil ein Report mit Werten wie „2012/12/18“ unlesbar ist, und weil wir uns auch für weiter gefasste Gruppen interessieren, wird man die eVar kräftig klassifizieren.

Mögliche Klassifizierungen wären:

  • Monat & Jahr (z.B. „Dezember 2012“)
  • Jahr (z.B. „2012“)
  • Monat (z.B. „Dezember“) ‐ unabhängig vom Jahr, d.h. man kann sich alle Aktionen ansehen, die im Dezember passiert sind, egal in welchem Jahr.
  • Jahreszeit (z.B. „Weihnachtsgeschäft“ oder „Frühjahr“)
  • Aktionsbezogen (z.B. „iPad Verlosung 2011“ oder auch nur „iPad Verlosung“)

Eigentlich spricht auch nichts dagegen, mit SAINT ganz explizit zu werden. Beispiel Kohorte all derer, die sich wegen der iPad Verlosung 2011 einen Account angelegt haben: „Neuaccount nach iPad Verlosung 2011“.

Aber Vorsicht: Unter 100 Zeichen bleiben, bzw. am besten kurz und prägnant, damit es in den Report paßt!

Was für Kohorten?

Im Sinne von „Ein Ding zur Zeit“ sollte man erstmal klein anfangen, versteht sich. Hier sind ein paar Ideen:

Kohorten basierend auf erstem Visit

Was macht man damit? Ich könnte zum Beispiel segmentieren nach „Leute die zum ersten Mal besucht haben als unsere Site noch in grün war“ versus „Leute die nach dem Relaunch zum ersten Mal kamen“.

Wie implementiert man das? Ganz einfach: eVar wie oben beschrieben konfigurieren und einfach bei jedem Hit das aktuelle Datum senden, z.B. „2012/12/18“.

Wie analysiert man das dann? Mit SAINT klassifizieren, z.B. für alle Tage vor dem Relaunch „Erstbesuch vor Relaunch“ und für danach „Erstbesuch nach Relaunch“ zuweisen.

Kohorten basierend auf ersten Anmeldung

Was macht man damit? Segmentieren nach Zeitpunkt der ersten Anmeldung läßt Rückschlüsse auf diverse Entwicklungen zu: Sind unsere early adopters noch aktiv? Wie aktiv sind die Benutzer, die sich während des Shitstorms vom Oktober angemeldet haben?

[Screenshot]

Wie implementiert man das? Ebenfalls ganz einfach: eVar wie oben beschrieben konfigurieren und bei erfolgreicher Anmeldung das Datum senden.

Kohorten basierend auf erstem Einkauf

Hilft mit Fragen wie „Kaufen Kunden, die im Weihnachtsgeschäft zum ersten Mal gekauft haben eigentlich jemals wieder?“, „Was wurde aus Kunden, die im Frühjar 2011 zum ersten Mal eine Reise gebucht haben?“ oder „Sind aus den Schnäppchenjägern unserer ‚50% off Aktion‘ wirklich Kunden geworden?“.

Implementieren tut man das wieder mit einer entsprechend konfigurierten eVar, die man auf der Bestätigungsseite auf’s aktuelle Datum setzt, also dort wo auch der „purchase“ Success Event gesetzt wird.

Notizen

Kohortenanalyse ist eine eher langfristige Geschichte und damit vielleicht kein Fall für „Ein Ding zur Zeit“. Wirklich interessante Resultate wird man erst nach Wochen oder sogar Jahren ablesen können, weswegen das ausnahmsweise mal nicht früh genug implementiert werden kann.

Man sollte auch immer daran denken, daß ein Visitor nur solange zu seiner Kohorte gehört bis er seine Cookies löscht. Neue visitor ID, neue Kohorte.

Und natürlich kann ein Benutzer (im Sinne von ein Mensch) gleichzeitig zu mehreren Kohorten gehören, wenn er mit mehreren Browsern oder Geräten auf eine Website kommt.

3 Gedanken zu „Tip: Kohortenanalyse

  1. Pingback: Link storm: More M-and-A, reputation management, user engagement, and customer lifecycles :: smartmetrics - the contentmetrics web analytics blog

  2. Pingback: Jahresrückblick 2013 | Webanalyse auf Deutsch

  3. Pingback: Conducting Cohort Analysis with Adobe SiteCatalyst Adam Greco at Web Analytics Demystified

Kommentar verfassen

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.