Vuelvo una semana más con un post en torno a Google Analytics 4 (GA4). En este caso concreto voy a detenerme en el estudio de cohortes que ya existía también en su versión previa. Además, como complemento explicaré cómo desarrollar una visualización de cohortes equivalente a la de GA4 desde la famosa herramienta Tableau. Empecemos entonces explicando qué son los cohortes de Google Analytics.

Análisis de cohortes

Básicamente se trata de un tipo de análisis que estudia el comportamiento de uno o varios grupos de usuarios con similares características a lo largo de un período de tiempo y que nos permite comparar y descubrir patrones concretos de conducta. Algunos ejemplos habituales de tipos de cohortes son:

  • Usuarios que se registraron hace un mes y han realizado al menos una compra.
  • Frecuencia de pedidos durante un mes.
  • Usuarios activos a lo largo de una semana (retención).

Al final se trata de analizar las pautas de un conjunto de usuarios con similitudes en base a una métrica durante un espacio de tiempo específico.

Cualquier herramienta de analítica en la actualidad integra este tipo de análisis puesto que son esenciales para detallar el comportamiento de nuestros visitantes. En este caso me centraré en el análisis de cohortes en Google Analytics 4.

Análisis de cohortes en GA4 Google Analytics 4

Análisis de cohortes en Google Analytics 4

Informe de análisis de cohortes de GA4

Para acceder a este tipo de informe en la nueva versión de Google Analytics deberemos dirigirnos dentro del menú izquierdo a Explore > Analysis > Cohort analysis. Una vez dentro, observaremos dos columnas. La primera (variables) muestra el período a analizar y las dimensiones, métricas y segmentos a añadir. La segunda (tab settings) hace referencia a la configuración visual. En esta última se distinguen 5 apartados:

  • Comparación de segmentos. Posibilidad de añadir uno o varios segmentos para definir las agrupaciones de usuarios según unas características específicas. Se pueden añadir algunos por defecto o crear los nuestros propios.
  • Inclusión de la cohorte. Condición que ha de tener un usuario para ser incorporado en una cohorte. Se puede elegir una de las siguientes cinco opciones …
    • First touch (acquisition date). Primera visita del usuario a nuestra app o web.
    • Any event. El primer evento hecho por el usuario durante el período seleccionado para el análisis.
    • Any transaction. La primera transacción hecha durante el período seleccionado para el análisis.
    • Any conversion. La primera conversión realizada durante el período seleccionado para el análisis.
    • Others. Un evento específico activado por el usuario. Por ejemplo: click, first_open, in_app_purchase, session_start, scroll, screen_view, etc.
  • Criterio de retorno. Condición que debe tener un usuario para ser incluido a lo largo del período de una cohorte. En este caso existen cuatro opciones:
    • Any event. Al menos un evento generado dentro del período seleccionado.
    • Any transaction. Al menos una transacción realizada dentro del período seleccionado.
    • Any conversion. Al menos una conversión hecha generado dentro del período seleccionado.
    • Others. Un evento específico activado dentro del período seleccionado.
  • Granularidad de la cohorte. Agregación del período del tiempo en días, semanas o meses.
  • Cálculo. Cómo se ha de calcular el desarrollo de la cohorte. Hay 3 opciones:
    • Standard. Permite identificar a los usuarios que vuelven en cada uno de los períodos mostrados.
    • Rolling. Presenta a los usuarios que vuelven a través de todos y cada uno de los períodos.
    • Cumulative. Aglomeración de los valores previos al período especificado.
  • Breakdown. Desagregación de las cohortes según una dimensión.
  • Values. Métrica total (Sum) o porcentual (Per cohort user), sobre la que se desarrolla el análisis de cohortes. Por ejemplo, Active users.

Una vez hayamos configurado todo perfectamente según nuestras expectativas podremos visualizar las cohortes de la forma más habitual, como un “triángulo de mapa de calor”. Este tipo de visualización, como es lógico, también se puede exportar a otras herramientas más avanzadas como pueden ser Tableau o MicrosoftPower BI. De esta manera, nuestro estudio verá incrementadas sus posibilidades.

Cómo visualizar cohortes en Tableau

Para crear un análisis de cohortes en esta herramienta avanzada de visualización, a la hora de extraer los datos, al menos será necesario: una dimensión de tipo fecha, una métrica para analizar y una variable de tipo index (números enteros consecutivos a partir de cero) que particione el rango de tiempo a estudiar.

Extracción tipo de datos para un análisis de cohortes

Extracción tipo de datos para el análisis de cohortes

Tras extraer los datos y almacenarlos en alguna fuente, como siempre haremos la correspondiente conexión a Tableau. En mi caso he guardado los datos en un fichero xlsx, por lo que he tenido que elegir el tipo de conexión Microsoft Excel. Tras esto, habiéndose ya comprobado los datos importados desde la propia pestaña Data Source de la herramienta, se deberá llevar a cabo el siguiente proceso …

  1. Abrir una nueva Sheet.
  2. Añadir a Columns la variable (dimensión) Period Id.
  3. Añadir a Rows la dimensión Cohort Users según la agregación temporal que necesitemos. En este instante, la variable se convertirá de manera automática en continua. Deberemos reconvertirla en discreta.
  4. Arrastrar dentro de Marks, tanto a Label como a Color, la métrica Active Users con la agregación SUM.
  5. Cambiar el tipo de visualización a Square.
  6. Por último, solo queda aproximar el mapa de calor a nuestras expectativas. Para ello simplemente se ha de clicar en el filtro de color mostrado a la derecha y ajustarlo según nos convenga.
Análisis de cohortes en Tableau con datos de GA4

Análisis de cohortes en Tableau

A través de estos sencillos pasos, podemos visualizar cualquier tipo de cohorte. No hace falta señalar que las posibilidades, especialmente en cuanto a las métricas a añadir son infinitas. Hasta donde nos lleve nuestra imaginación y nuestros conocimientos. ¡Hasta la semana que viene! Y como siempre gracias por leerme 😉

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *