Kohorttianalyysi ryhmittelee kävijät yhteisen ominaisuuden mukaan (yleensä saapumispäivän) ja seuraa heidän käyttäytymistään ajan yli. Sen sijaan että tarkastelisit kaikkia kävijöitä yhtenä ryhmänä, seuraat tammikuussa saapuneita kävijöitä erikseen helmikuussa saapuneista. Näin näet, käyttäytyvätkö uudemmat kävijät eri tavoin kuin vanhemmat ja parantavatko vai heikentävätkö tuotemuutokset retentiota.
Miksi kohorttianalyysillä on merkitystä
Ilman kohortteja retentiosi näyttää tasaiselta. Näet, että 15 % kävijöistä palaa 30 päivän kuluessa, mutta et tiedä, paraneeko vai heikkeneekö luku. Kohorttien avulla näet, että tammikuun kävijöiden 30 päivän retentio oli 12 %, helmikuun 14 % ja maaliskuun 18 %. Nyt tiedät, että retentio paranee.
Kohorttianalyysi erottaa myös tekemiesi muutosten vaikutuksen. Jos uudistit sivustosi helmikuussa, kohorttianalyysi näyttää, paransiko vai heikensikö uudistus retentiota.
Miten kohortit määritetään
Vaihe 1: Määritä kohorttiryhmä. Yleisin on saapumispäivä, jolloin kävijät ryhmitellään viikon tai kuukauden mukaan. Voit ryhmitellä myös liikenteen lähteen mukaan (kaikki Google Adsista tulleet kävijät ovat yksi kohortti), laitteen mukaan (mobiilikäyttäjät ovat yksi kohortti) tai sijainnin mukaan (Yhdysvalloista tulleet kävijät ovat yksi kohortti).
Vaihe 2: Määritä mittarit. Mitä käyttäytymistä seuraat? Palaavia vierailuja, katsottuja sivuja, sivustolla vietettyä aikaa, konversioita vai sitoutumistapahtumia. Jokaiselle mittarille tehdään oma kohorttitaulukkonsa.
Vaihe 3: Aseta aikaikkuna. Seuraa käyttäytymistä 30, 60 tai 90 päivää saapumisen jälkeen. Pidemmät ikkunat näyttävät pysyvän sitoutumisen, lyhyemmät välittömän vaikutuksen.
Vaihe 4: Rakenna kohorttitaulukko. Jokainen rivi on kohortti (tammikuun kävijät, helmikuun kävijät ja niin edelleen). Jokainen sarake on päiviä saapumisen jälkeen (päivä 1, päivä 7, päivä 30). Jokainen solu on mittari (esimerkiksi 45 % tammikuun kohortista vieraili uudelleen päivänä 7).
Vaihe 5: Tarkista ja vertaile trendejä. Katso rivien yli nähdäksesi, pärjäävätkö uudemmat kohortit paremmin vai huonommin kuin vanhemmat. Piirrä tiedot kaavioon kuvioiden hahmottamiseksi. Näin näet, paraneeko, heikkeneekö vai pysyykö sivustosi vakaana ajan myötä.
Yleisiä kohorttikuvioita
Laskeva käyrä (odotettu): päivän 1 retentio on 100 % (kaikki saapuneet kuuluvat kohorttiin). Päivän 7 retentio on 25 %. Päivän 30 retentio on 10 %. Tämä on normaalia, sillä useimmat kävijät lähtevät eivätkä palaa. Seuraa laskun jyrkkyyttä. Jyrkkä pudotus tarkoittaa, että ihmiset lähtevät nopeasti. Tasainen lasku tarkoittaa, että he pysyvät sitoutuneina pidempään.
Paranemisen kuvio (hyvä): jokaisella uudella kohortilla (uudemmilla saapumispäivillä) on parempi retentio kuin edellisellä. Tammikuun 30 päivän retentio oli 8 %. Helmikuun 10 %. Maaliskuun 12 %. Tämä kertoo, että sivustosi on yhä parempi pitämään kävijät.
Heikkenemisen kuvio (varoitus): jokaisella uudella kohortilla on huonompi retentio. Tammikuun 30 päivän retentio oli 15 %. Helmikuun 12 %. Maaliskuun 10 %. Tämä kertoo, että jokin on muuttunut, esimerkiksi sivuston uudistus, liikenteen laadun lasku tai uusi kilpailu, ja se heikentää retentiota.
Kohorttianalyysi tuotepäätösten tukena
Ennen ja jälkeen -analyysi: aja kohortit 4-6 viikon ajalta ennen merkittävää muutosta. Aja sitten kohortit 4-6 viikon ajalta muutoksen jälkeen. Vertaa retentiokäyriä. Jos uusi käyrä on korkeammalla ja pidempi (useampi ihminen pysyy mukana ja pidempään), muutos oli myönteinen.
Liikennelähteen laatu: luo kohortit liikennelähteen mukaan. Vertaa orgaanisen haun kohortteja maksettujen mainosten kohortteihin ja sosiaalisen median kohortteihin. Jos yhdellä lähteellä on selvästi korkeampi retentio, panosta siihen enemmän.
Kausivaihtelu: kausiluonteisessa liiketoiminnassa vertaa saman kauden kohortteja eri vuosina. Joulukuun 2024 kohortti verrattuna joulukuun 2025 kohorttiin näyttää, paraneeko tilanne vuodesta toiseen.
Yleisiä virheitä kohorttianalyysissä
Liian pieni otoskoko: jos kohortissa on vain 50 kävijää, satunnainen vaihtelu luo kohinaa. Käytä vähintään 100-200 kävijän kohortteja.
Kohorttimittareiden sekoittaminen: älä sekoita retentiota (kohortin palanneiden osuus) ja vierailutiheyttä (kohortin vierailujen kokonaismäärä). Ne ovat eri asioita, joten käytä yhtä kerrallaan.
Ulkoisten tekijöiden sivuuttaminen: retentio laski 5 % maaliskuussa. Ennen kuin päättelet sivustosi huonontuneen, tarkista: laskiko hakuliikenne uuden kilpailun takia? Julkaisitko vähemmän mainoksia? Julkaisiko vaikuttaja kilpailijasta? Kohorttien muutokset heijastavat joskus markkinan muutoksia eivätkä tuoteongelmia.
Segmentoimatta jättäminen keskeisten muuttujien mukaan: niputat kaikki liikennelähteet yhdeksi kohortiksi. Orgaanisen haun kohortit käyttäytyvät todennäköisesti eri tavoin kuin maksettujen mainosten kohortit. Segmentoi aina merkityksellisten muuttujien mukaan: liikennelähde, laite, maantiede tai käyttäjätyyppi. Näin näet, mitkä segmentit ovat vahvoja ja mitkä kaipaavat työtä.
Liian pitkä odotus ennen analysointia: odotat 90 päivää ennen kuin katsot kohorttitietoja. Siihen mennessä on kulunut 3 kuukautta ja olet menettänyt mahdollisuuksia korjata ongelmia. Analysoi kohortit viikoittain tai joka toinen viikko. Havaitse trendit ajoissa, jotta voit toimia nopeammin.
Pitäisikö käyttää viikoittaisia vai kuukausittaisia kohortteja?
Viikoittaiset kohortit antavat tarkemman erittelyn, mutta vaativat enemmän liikennettä (200-300 kävijää viikossa). Kuukausittaiset ovat vakiovalinta useimmille sivustoille (tarvitaan yli 1 000 kuukausittaista kävijää). Käytä kuukausittaisia, jos liikennettä on kohtalaisesti. Jos liikennettä on erittäin paljon (yli 10 000 kuukaudessa), viikoittaisilla kohorteilla huomaat trendit nopeammin.
Entä jos kohorttieni retentio on sama kaikissa ryhmissä?
Tasainen retentio, eli tammikuun ja maaliskuun kohorteilla on samanlaiset käyrät, tarkoittaa, että sivustosi toiminta on vakaata. Se on hyvä, jos retentio on terve (yli 15 % 30 päivän kohdalla). Jos se on matala (5 % 30 päivän kohdalla), tasaisuus kertoo, ettet kehity. Silloin on aika tehdä muutoksia ja katsoa, paranevatko uudet kohortit.
Kuinka kauan tuotemuutoksen jälkeen kannattaa odottaa ennen uuden kohortin analysointia?
Vähintään 4-6 viikkoa. Silloin uusille kävijöille jää aikaa seurata samaa käyttäytymiskuviota kuin vanhemmille kävijöille. Päivien 1-7 erot voivat olla kohinaa. 30 päivän retentio kertoo, pysyikö muutos voimassa.
Voinko verrata eri liikennelähteiden kohortteja samassa taulukossa?
Kyllä, mutta pidä ne erillään. Yksi taulukko orgaanisen haun kohorteille. Toinen taulukko maksettujen mainosten kohorteille. Niiden vertailu yhdessä taulukossa sekoittaa, koska sarakkeista ei käy selvästi ilmi, näytetäänkö orgaanista vai maksettua käyttäytymistä.
Mitä se tarkoittaa, jos retentio laskee 30 % päivästä 1 päivään 2?
Se on normaalia. Moni kävijä lähtee ensimmäisen vierailun jälkeen. Katso sen sijaan päivän 7 retentiota. Jos 10 % kävijöistä palaa päivään 7 mennessä, se on kohtuullista. Päivien 1-2 pudotus tarkoittaa vain sitä, että moni päätti olla palaamatta heti.
Miten laskan kohorttien retention käsin, jos työkalussani ei ole kohortteja?
Vaihe 1: vie kaikki kävijätiedot saapumispäivineen. Vaihe 2: ryhmittele saapumispäivän mukaan (ensimmäinen viikko on yksi ryhmä). Vaihe 3: tarkista jokaisen kävijän kohdalla, palasiko hän 30 päivän kuluttua. Vaihe 4: jaa palanneet kävijät kohortin kokonaiskoolla. Tämä on kohortin 30 päivän retentio. Toista jokaiselle viikolle tai kuukaudelle.