Skocz do linków, Skocz do treści

Analiza lojalności na przykładzie z Analytics

12 marca 2008 6:14. Autor: Robert Drózd. Komentarze (7) »

Lojalność użytkownika (Visitor Loyalty) – ten raport Google Analytics pozwala ocenić parę obszarów zaangażowania (patrz wpis Zaangażowanie użytkowników i narzędzia analityczne), jest jednak dość trudny do interpretacji.

Co w sensie dosłownym mówi nam Lojalność użytkownika? Popatrzmy na wykres dla niniejszego bloga w wybranych 30 dniach:

Wykres lojalności użytkowników dla jednego miesiąca ? kilka pozycji ?powyżej 200 wizyt?

Pomoc w polskiej wersji Google Analytics trochę wyjaśnia, trochę gmatwa:

Lojalni użytkownicy są zwykle silnie przywiązani do marki. Wysoka liczba wielokrotnych odwiedzin wskazuje na dobry współczynnik utrzymania klientów/użytkowników. Wysoka liczba nowych użytkowników (u góry tabeli) wskazuje na silną rekrutację użytkowników. W histogramie najbardziej lojalni użytkownicy są przedstawieni u dołu, a nowi i najmniej lojalni u góry.

Z opisu kolumn może wynikać, że po lewej mamy liczbę odwiedzin, a po prawej – ilu użytkowników odwiedziło tyle razy w danym okresie. I od razu nasuwa się szokująca interpretacja! 13 osób odwiedziło tego bloga więcej niż 200 razy w ciągu zaledwie 30 dni?

Życzyłbym sobie takich fanów, ale nie. Kolumna „Procent wszystkich użytkowników” nie oznacza „unikalnych użytkowników”.

Należy zawsze pamiętać – przy tego typu metrykach, Google Analytics operuje na „odwiedzinach”, czyli pojedynczych sesjach, zaś „użytkownik” to inaczej „odwiedzający” (ang. visitor), liczony osobno dla każdej sesji. Ten sam „użytkownik” może odbyć wiele wizyt, jednak – choć G.A. wie o jego unikalności, w statystykach każde jego wejście liczone jest osobno.

Jak zatem interpretować powyższy wykres?

Otóż tak: odwiedziny (druga kolumna) odnoszą się do wybranego okresu, a raport mówi ile w tym czasie mieliśmy: pierwszych odwiedzin, drugich odwiedzin, trzecich odwiedzin i n-tych odwiedzin – liczonych w stosunku do wszystkich wizyt danego unikalnego użytkownika w całym okresie zbierania danych.

W rzeczonym miesiącu miałem na blogu 13 wizyt, z których każda była dwusetną z kolei lub późniejszą. Powiedzmy, że ktoś przed 29 grudnia odwiedził bloga 220 razy, a po 29 grudnia jeszcze 13 razy. Albo było to 13 osób, które po prostu mają wcześniej bagaż minimum 200 odwiedzin. Powtórzę: nie liczymy unikalnych osób. To dość mocna wada tej metryki, ale nie czyni jej nieużyteczną.

Swoją drogą to jest też poważna przyczyna, aby ze statystyk odwiedzin filtrować wejścia nas samych. Bo będziemy potrafili mocno wypaczyć wykresy takie jak powyższy.

Kiedy raport lojalności się przydaje?

Przede wszystkim gdy mierzymy zmiany zaangażowania w czasie.

Raport „Lojalność użytkowników” pozwala nam odpowiedzieć na pytanie: co się dzieje ze starymi (lojalnymi) użytkownikami – i czy wracają do naszego serwisu.

Załóżmy, że mierzyliśmy stronę w roku 2007 i teraz chcemy wiedzieć, jak kształtuje się lojalność w roku 2008. W styczniu mieliśmy 90 wizyt które były czwartymi. W następnych miesiącach powinny być to wizyty piąte, szóste i kolejne.

Dlatego gdy porównujemy miesiące: bezwzględne liczby wizyt o kolejnych numerach zawsze powinny wzrastać. Jeśli są nagle takie same, lub co gorsza – maleją, świadczy to o tym, że tracimy lojalność. Bo ktoś wykonał wizytę piątą, ale szóstej i siódmej już nie.

Zauważmy też, że w raporcie nie interesuje nas nigdy pozycja „1 wizyta”. Bo to są użytkownicy nowi, którzy przyszli tylko raz. Liczy się rozkład dalszych wizyt.

Lojalność użytkownika to miernik działający z dużym opóźnieniem. Załóżmy że w lutym będę miałem więcej powtórnych wizyt (o wyższym numerze) niż w styczniu. Jednak jeśli bym w lutym nie dostarczał zadowalającej treści – to dopiero statystki za marzec pokażą nagły spadek – bo w marcu ci ludzie już nie wrócą, bo miesiąc wcześniej się rozczarowali.

Dlatego też, jeśli widzimy znaczny spadek w „kroczeniu” liczb powtórnych wizyt – jest to sygnał alarmowy – że JUŻ straciliśmy użytkowników. Trzeba szykować „akcję ratunkową” i myśleć, w jaki sposób ich wciągnąć z powrotem. Trzeba się jednak liczyć z tym, że sami mogą już nie wrócić.

Jak dokładniej określić opóźnienie między popełnionym błędem, a czasem, kiedy zobaczymy jego konsekwencje w zakładce Lojalność? O tym w następnym odcinku. :-)

Gdy witryna umiera…

Praktyczny przykład. Tutaj moja strona na temat zespołu Yes, która pozostaje opuszczona od paru lat. Porównałem tutaj dwa półrocza.

Ludzi, którzy przychodzą kolejny raz jest coraz mniej.

Przykład słabnącej lojalności w następnych miesiącach

Jeśli popatrzymy na dół wykresu – widać, że wśród najbardziej zaangażowanych czytelników, wciąż ktoś przychodził – ale to kropla w morzu wszystkich wizyt.

Koniec wykresu dla słabnącej lojalności

Co należałoby zrobić, gdybym nagle powrócił do prowadzenia tego serwisu i chciał aby wrócili do niego też stali czytelnicy? Musiałbym skorzystać z jakiejś zewnętrznej formy dotarcia do nich, np. przez masowy spam (tzn. mailing) co najmniej do tych dwustu-trzystu osób, do których mam kontakt.

Jak wtedy zmierzyć skuteczność takiego mailingu korzystając jedynie z Google Analytics i nie zmieniając nic w konfiguracji? O też tym w następnym odcinku. :-)

Podobne artykuły:

Być może zainteresują Cię następujące artykuły:

Zapisz się na kanał RSS bloga i dołącz do ponad 1500 czytelników RSS.

Zostań fanem WebAudit na Facebooku.

Komentarze czytelników

Śledź komentarze do tego artykułu: format RSS
  1. Maciej Ziemczonek

    Robert, świetna notka. Pracuję już długo z GA, ale wartość tę analizowałem inaczej (błędnie). Dzięki!

  2. Robert Drózd

    Niestety pojęcia w GA nie są zawsze intuicyjne, zresztą w każdych statystykach trzeba się upewniać co tak naprawdę oznacza dany miernik. Im więcej korzystam z GA tym częściej się dziwię. :-)

  3. Paweł Nowak

    Najlepszy jest tekst na wykresem: Największa liczba odwiedzin: 1 razy.
    Rozumiem sens, jednak zdanie ma fajny wydźwięk :)

    Po lekturze Twojego tekstu przeanalizowałem zaangażowanie moich czytelników i z zadowoleniem stwierdzam, że zaraz po „1 raz” jest „51-100”, potem „101-200” i „26-50”. Wniosek: mam bardzo lojalnych użytkowników. Zrobię jeszcze porównanie z kilku przedziałów (np. przed i po ważnych zmianach).

    Świetny post, dzięki!

Komentarze z innych blogów

  1. WebAudit Blog » Analiza świeżości odwiedzin w Google Analytics

    […] Dziękuję za odwiedziny!Świeżość odwiedzin (Visitor Recency) to kolejna — po lojalności — metryka Google Analytics, z której dowiemy się paru rzeczy na temat […]

  2. Kr

    […] bardzo dobry post na ten temat. Szczeg?lnie chodzi o to, jak interpretowa? ow? „lojalno?? u?ytkownik?w”, i jakie […]

  3. WebAudit Blog » Najgorsze nazwy w Google Analytics

    […] dwie błędne nazwy znalazły się w analizie lojalności, o której pisałem jakiś czas temu. Po pierwsze „Visitor loyalty” nie odnosi […]

  4. Troll zwany ROI i user experience : WebAudit Blog

    […] na takie zabawy. Patrzymy w statystyki, jak rozkłada się trend powracających (pomaga też analiza lojalności) i szukamy wniosków na podstawie tego co się zmieniło w serwisie i jego […]

Zostaw komentarz

W komentarzu można (choć nie trzeba) używać podstawowych znaczników XHTML. Komentarze zawierające w podpisie słowa kluczowe mogą zostać potraktowane jako spam i usunięte.