Montrer Cacher le sommaire
- Qu’est-ce que l’analyse des cohortes dans Google Analytics ?
- Mais au fait, qu’est-ce qu’une cohorte ?
- A quoi sert une analyse des cohortes ?
- Où trouver le rapport d’analyse des cohortes dans Google Analytics ? Comment s’en servir ?
- Savoir lire le graphique d’analyse des cohortes dans Google Analytics
- La méthode pas-à-pas pour utiliser l’analyse des cohortes dans Google Analytics, comme un pro
- Etape 1 : Tenir un « journal de bord » des changements marketing que vous faites sur votre site ou dans votre stratégie d’acquisition
- Etape 2 : Utiliser des segments avancés Google Analytics pour descendre d’un niveau dans votre analyse des cohortes
- Etape 3 : Noter les dates d’acquisition (et donc les changements marketing) qui enregistrent les meilleures performances
- Etape 4 : Faite des segments avancés des cohortes les plus performantes et comprenez avec les autres rapports Analytics ce qui les différencie des autres
- Etape 5 : Synthétisez votre analyse et formalisez vos hypothèses clairement
- Etape 6 : Fort de votre analyse, mettez en place un A/B test
- Etape 7 : Votre hypothèse validée, documentez et implémentez définitivement le changement
- Quelques exemples d’insights tirés d’analyses de cohorte depuis Google Analytics
- Utiliser l’analyse des cohortes pour un site e-commerce qui investit dans plusieurs campagnes Google Ads
- Utiliser l’analyse des cohortes pour un site de génération de leads qui veut comprendre une baisse des conversions
- Les limites de l’analyse des cohortes dans Google Analytics
- Il ne faut pas confondre corrélation et cause à effet
- Les limitations (ou l’absence) des cookies peuvent biaiser l’analyse des cohortes
- Qu’en est-il de l’analyse des cohortes dans GA4 ?
- GA4 est la nouvelle version de Google Analytics
- Trouver l’analyse des cohortes dans GA4
- Qu’est-ce que GA4 apporte de plus au rapport d’analyse des cohortes ?
- Conclusion
- FAQ Analyse des cohortes dans Google Analytics
- Qu’est-ce que l’analyse des cohortes dans Google Analytics ?
- Où trouver le rapport d’analyse des cohortes dans Google Analytics ?
- Où trouver le rapport d’analyse des cohortes dans GA4 ?
L’analyse des cohortes dans Google Analytics est en passe de devenir la nouvelle lubie des marketeurs maintenant qu’elle est à la portée de tous, à portée de clic… Toutefois, reconnaissons-le, ce n’est pas le rapport Google Analytics le plus facile à appréhender…
Cet article a pour ambition de :
- vous aider à comprendre l’utilité de l’analyse des cohortes,
- vous dire comment y accéder dans Google Analytics,
- vous donner une méthode en 7 étapes pour éviter de mal interpréter ce rapport et le transformer en actions puissantes pour votre stratégie marketing,
- vous montrer des exemples d’insights concrets que l’on peut retirer de l’analyse des cohortes dans Google Analytics,
- de vous mettre en garde sur les limitations de ce type d’analyse Google Analytics,
- et de vous toucher un mot sur le devenir de l’analyse des cohortes dans GA4.
Commençons.
Qu’est-ce que l’analyse des cohortes dans Google Analytics ?
Mais au fait, qu’est-ce qu’une cohorte ?
Ce sont les unités romaines, en carré, comme dans Astérix, c’est vrai…
Mais dans cet article, nous nous intéresserons plutôt à la définition plus scientifique :
Une cohorte est un groupe d’utilisateurs qui partage une caractéristique commune, durant une période donnée.
Par exemple, la médecine va suivre un groupe qui a été durablement exposé à la pollution et un autre qui ne l’a pas été, et va comparer l’impact sur la santé entre ces deux groupes.
Ce type d’approche analytique peut s’avérer bien avisé en marketing. Le suivi des cohortes permet en effet de mesurer & comprendre l’impact sur les utilisateurs des changements et autres décisions commerciales prises par une entreprise.
A quoi sert une analyse des cohortes ?
Avec son rapport sur l’analyse des cohortes, Google Analytics va vous permettre d’observer au fil du temps le comportement d’un groupe d’utilisateurs de votre site.
Par exemple, ce rapport vous permettrait de répondre aux questions du type :
- Les changements que nous avons mis en place ont-ils permis de faire revenir plus souvent les utilisateurs sur notre site ?
- Est-ce que la promotion que nous avons faite il y’a 4 semaines a-t-elle augmenté le nombre de transactions par visiteur?
- Est-ce que la nouvelle fonctionnalité interactive du site a incité les visiteurs à explorer plus de pages sur notre site ?
- La nouvelle manière de distribuer nos contenus nous permet-elle de mieux fidéliser notre audience ?
- Quel pourcentage de gens qui ajoutent un produit à leur wishlist passe à l’achat dans les 10 jours qui suivent ?
- …
Avec les réponses à toutes ces question, vous pourrez améliorer votre stratégie d’acquisition digitale et votre site web en lui-même.
Si, après mise en place, ces optimisations sont couronnées de succès, alors les métriques des nouvelles cohortes doivent être meilleures que celles des anciennes cohortes.
Où trouver le rapport d’analyse des cohortes dans Google Analytics ? Comment s’en servir ?
Le rapport est accessible dans la section « Audience > Analyse des cohortes (BETA) ».
Le rapport est divisé en trois parties, de haut en bas :
- les paramètres du rapport,
- un graphique temporel
- et une table de données « triangle ».
Dans ce rapport, les cohortes sont définies par la « date d’acquisition », c’est à dire la date de la première session sur le site d’un utilisateur donné.
Vous pouvez ensuite dimensionner votre cohorte par jour, par semaine ou par mois.
Puis, il vous faudra sélectionner la statistiques que vous voulez suivre et mesurer pour chaque cohorte. Les statistiques disponibles sont :
FIDELISATION
- Fidélisation des utilisateurs (visite à nouveau le site)
PAR UTILISATEUR
- Chiffre d’affaires par utilisateur
- Durée de la session par utilisateur
- Objectifs réalisés par l’utilisateur
- Pages vues par utilisateur
- Sessions par utilisateur
- Transactions par utilisateur
TOTAL
- Chiffre d’affaires
- Durée des sessions
- Objectifs réalisés
- Pages vues
- Sessions
- Transactions
- Utilisateurs
Enfin, il vous faut sélectionner une période d’analyse qui convienne à la dimension de votre cohorte :
- Cohorte « jour » : la période d’analyse peut couvrir les 7, 14, 21 ou 30 derniers jours.
- Cohorte « semaine » : la période d’analyse peut couvrir la semaine d’avant ou les 3, 6, 9 ou 12 dernières semaines.
- Cohorte « mois » : la période d’analyse peut couvrir le dernier mois ou les 2 ou 3 derniers mois.
ASTUCE DE PRO
Si vous refaites régulièrement la même analyse de cohortes, pensez à enregistrer votre rapport dans Google Analytics. C’est un gain de temps important, vous n’aurez pas à refaire sans cesse le paramètrage.
Une fois enregistré, vous pourrez accéder de nouveau à ce même rapport d’analyse des cohortes en un seul clic, depuis la navigation principale, sous la section « Tableau de bord ».
Savoir lire le graphique d’analyse des cohortes dans Google Analytics
Prenons l’exemple du rapport généré pour un site lambda, qui analyse des cohortes en fonction de la date de première visite (date d’acquisition), par jour, et qui veut savoir si les utilisateurs reviennent sur le site dans les 7 jours.
- La première colonne correspond à la date à laquelle l’utilisateur visite le site pour la première fois (le jour 0 est la date d’acquisition elle même)
- La première ligne correspond aux jours suivant la date d’acquisition.
- Chaque rangée de données correspond au comportement d’une cohorte en particulier.
Comment interpréter les chiffres dans les cellules du graphique ?
- On voit sur le graphique que, pour la cohorte du 25 octobre 2021 (date de première visite) ;
- 1,81% des utilisateurs sont revenus le jour suivant (le 26 octobre 2021)
- et 1,35% sont revenus le 30 octobre 2021 (Jour 5).
- Pour la cohorte du 30 octobre 2021 ;
- c’est là où on enregistre le plus fort taux de « revisite »
- puisque 5,81% sont revenus sur le site le lendemain.
Maintenant que vous avez compris comment lire ce graphique, penchons nous sur l’ensemble du processus analytique qui va vous permettre vraiment de tirer parti du rapport d’analyse des cohortes, sans faire de faux pas méthodologique.
La méthode pas-à-pas pour utiliser l’analyse des cohortes dans Google Analytics, comme un pro
Etape 1 : Tenir un « journal de bord » des changements marketing que vous faites sur votre site ou dans votre stratégie d’acquisition
Comme vous l’aurez compris, l’analyse des cohortes permet au marketer de comprendre l’impact que ses changements ont eu sur le groupe d’utilisateurs qui y ont justement été exposés.
Ainsi, avant de vous lancer à corps perdu dans le rapport Google Analytics d’analyse des cohortes, il vous savoir exactement ce qui a changé pour chaque jour / semaine / mois…
La manière la plus simple est de tenir un journal où on y répertoriera succinctement les changements faits sur le site ou dans la stratégie d’acquisition. Voyez-le comme un « carnet de bord » de votre présence digitale, qui vous permettra par la suite de retracer les décisions et actions mis en place.
ASTUCE DE PRO
Plutôt que de tenir votre « journal de bord » dans un document à part, pensez à utiliser les annotations Google Analytics. Très pratiques, elles vous permettent d’enregistrer directement dans la plateforme la date précise des changements que vous avez mis en place.
Etape 2 : Utiliser des segments avancés Google Analytics pour descendre d’un niveau dans votre analyse des cohortes
C’est une des règles clés en webanalytics : toujours segmenter les données pour les rendre plus actionnables ! Et le rapport d’analyse des cohortes n’échappe pas à la règle…
Vous pouvez appliquer jusqu’à quatre segments au rapport actif pour ajouter de nouvelles dimensions à la lecture des chiffres. Chaque segment va alors créer un nouveau tableau de données « en V ».
Segmenter le rapport d’analyse des cohortes vous permet d’obtenir des réponses encore plus spécifiques comme :
- Est-ce que le changement que vous avez-mis en place impacte différemment les utilisateurs sur mobile ou sur ordinateurs ?
- Ou les visiteurs de la catégorie « Hommes » ou « Femmes » ?
- Ou le trafic provenant du display ou de l’affiliation?
- etc.
C’est une manière puissante de progresser vers des conclusions plus fines, et sur lesquelles vous pouvez vraiment agir, prioriser.
Etape 3 : Noter les dates d’acquisition (et donc les changements marketing) qui enregistrent les meilleures performances
Armé de votre « Journal de bord » et des segments avancés pertinents, c’est le moment de consulter le rapport d’Analyse des cohortes de Google Analytics.
- Paramétrez le rapport en fonction de vos besoins (taille, statistique, période).
- Identifiez les endroits où vous enregistrez les meilleures performances.
- Faites correspondre cela avec les actions de votre journal de bord.
- Faites des hypothèses pour expliquer pourquoi cela a fonctionné.
Dans l’exemple ci-dessus :
- on voit par exemple que la cohorte du 20 octobre est celle qui est le plus revenue sur le site après 3 jours,
- et la cohorte du 24 octobre est celle qui a enregistré le plus fort taux de retour sur le site le jour d’après.
- On pourrait faire l’hypothèse que les contenus publiés ce jour là sur le site ont convaincu plus de gens en proportion de revenir sur le site les jours suivants.
Etape 4 : Faite des segments avancés des cohortes les plus performantes et comprenez avec les autres rapports Analytics ce qui les différencie des autres
Pour arriver à poser la bonne hypothèse, je vous conseille de continuer à explorer Google Analytics pour comprendre en profondeur ce qui différencie cette cohorte « performante » vs les autres.
Il vous faut donc créer un segment dans Google Analytics qui correspond exactement à la cohorte analysée (ex : les visiteurs mobiles entre le 1er et le 7 octobre), et le comparer à son segment antinomique (ex : tous les visiteurs qui ne se sont PAS connectés au site web sur un mobile entre le 1er et le 7 octobre).
Vous pouvez également comparer le groupe d’utilisateurs qui vous intéresse (ex : trafic mobile) et comparer vos performances entre deux périodes qui enregistrent des statistiques très différentes.
ASTUCE DE PRO
Vous pouvez créer directement un segment Analytics en cliquant tout simplement sur le graphique d’analyse des cohortes.
- Sur le rapport lui-même, enlevez tous vos segments avancés.
- Le tableau en V présente donc les données pour « Tous les utilisateurs »
- En amenant votre souris sur n’importe quelle case, vous pouvez facilement transformer une cohorte précise en un segment avancé.
A partir de là, explorez le reste des rapports Google Analytics pour mettre en exergue les différences entre votre cohorte « performante » et les autres :
- ont-ils le même profil démographique ? Les mêmes centres d’intérêts ?
- Sont-ils localisés dans les mêmes villes ?
- Utilisent-ils les mêmes appareils (mobile, desktop, tablette) dans les mêmes proportions ?
- Proviennent-ils des mêmes canaux d’acquisitions ? Des mêmes mots clés SEA ?
- Arrivent-ils sur les mêmes landing pages ? Visitent-ils le même contenu ?
- Engagent-ils de la même manière sur le site ?
- etc.
Etape 5 : Synthétisez votre analyse et formalisez vos hypothèses clairement
A ce stade, votre travail consiste à rassembler toutes les pièces du puzzle.
Maintenant que vous savez plus précisément ce qui différencie une cohorte performante des autres, vous serez plus à même de faire la bonne hypothèse :
- SI on pérennise le changement …… (retrouver le changement dans votre journal de bord)
- ALORS cela aurait un impact favorable sur …… (insérer la métrique que vous avez analysé)
- PARCE QUE cela change la nature et/ou le comportement des utilisateurs en matière de …… (insérer les insights que vous avez trouvés en comparant cette cohorte performante aux autres)
Etape 6 : Fort de votre analyse, mettez en place un A/B test
Votre analyse est terminée ? Pas vraiment… Vous êtes en effet arrivé à une conclusion, qui a pris la forme d’une hypothèse. La sixième étape consiste à mettre en place un test en bonne et due forme pour entériner le fait que votre hypothèse est juste.
S’il s’agit d’un changement que vous avez fait sur le site, lancez un A/B test pour valider que la version « améliorée » a bien un impact positif sur votre business. L’avantage de l’A/B test est que la méthodologie est plus propre, et permet vraiment de prouver une relation de cause à effet.
S’il s’agit d’un changement que vous avez fait sur votre stratégie d’acquisition, les plateformes publicitaires permettent souvent de mettre en place des A/B tests dans vos campagnes. C’est le cas par exemple sur Google Ads avec la fonctionnalité Draft & Experiment.
En validant une bonne fois pour toutes avec un test dont la méthodologie établit une relation de cause à effet, vous serez certain que l’interprétation que vous avez faite du rapport d’analyse des cohortes est bien la bonne, et que ce n’est pas une « simple coïncidence » dans vos données.
Etape 7 : Votre hypothèse validée, documentez et implémentez définitivement le changement
Dernière étape du processus, lorsque votre A/B test est terminé, et qu’il a confirmé que votre interprétation du rapport d’analyse des cohortes était la bonne, il ne vous reste plus qu’à entériner le changement en question.
Puisqu’il fonctionne, déployez-le aussi largement que possible – sur tous vos sites, toutes vos campagnes, toutes vos offres… Formalisez donc le « manuel » pour mettre en place ce changement dans les règles de l’art, et de la manière la plus efficace.
Avec une telle documentation, vous pourrez déléguer une partie de la mise en place à d’autres personnes, ou ré-itérer le processus des mois ou des années plus tard si vous en avez besoin.
Quelques exemples d’insights tirés d’analyses de cohorte depuis Google Analytics
Utiliser l’analyse des cohortes pour un site e-commerce qui investit dans plusieurs campagnes Google Ads
Le problème business de départ
Un site e-commerce s’interroge sur la monétisation à long terme des visiteurs générés depuis des campagnes Google Ads qui ciblent des mos clés génériques (c’est à dire que la marque n’est pas inclue dans la requête de l’utilisateur, comme « chaussure de sport » au lieu de « running nike »).
La configuration du rapport d’analyse des cohortes dans Google Analytics
Voici comment le rapport d’analyse des cohortes va être analysé :
- Taille de la cohorte : par semaine
- Statistique : Revenus par utilisateurs
- Périodes : 12 dernières semaines
- Segments appliqués : trafic provenant des mots clés de marque (bleu) vs trafic provenant des mots clés hors marque (orange)
Interprétation
- le trafic provenant des requêtes hors marque enregistre, au fil des semaines, des niveaux d’ARPU (Revenus moyens par utilisateurs) plus élevé que le trafic provenant des requêtes de marque : c’est donc que ces mots clés génériques recrutent des visiteurs que le site arrive à mieux monétiser par la suite.
- En ce concentrant sur la Semaine 1 (celle qui suit la date de première acquisition de l’utilisateur), on observe un décalage de 1 semaine entre les « temps forts » pour les mots clés génériques et les mots clés de marque :
- concrètement, si l’ARPU a été très fort sur le trafic provenant des mots clés hors marque,
- on peut s’attendre à ce que l’ARPU soit aussi très fort la semaine d’après sur le trafic provenant des mots clés de marque
- l’hypothèse est que les meilleurs clients qui ont découvert le site via un mot clé générique reviennent la semaine suivante sur le site pour acheter encore, mais cette fois-ci en cherchant une requête de marque.
Quoi faire avec ces insights ?
- Il est possible de maintenir, voire de renforcer les budgets des campagnes qui ciblent des mots clés hors marque, puisque la monétisation au fil du temps est meilleure.
- On peut aussi envisager des campagnes de remarketing plus agressives sur le trafic provenant de mots clés de marque, pour essayer d’améliorer la monétisation de ce dernier.
- Enfin, pourquoi ne pas envisager en Semaine 3 des offres promotionnelles dirigées aux « meilleurs clients ayant découvert le site avec des mots clés hors marque » pour accélérer encore leur ré-achat ?
Utiliser l’analyse des cohortes pour un site de génération de leads qui veut comprendre une baisse des conversions
Le problème business de départ
Alors que la machine à leads d’un site semblait être bien rodée, les conversions se mettent à chuter d’une semaine à l’autre. La moitié de la baisse s’explique par un seul mot clé Google Ads, dont les conversions ont chuté de quasiment 85% en volume. Pourtant, aucun changement notoire est à relever :
- le site et l’offre sont restés les mêmes
- le budget et le traffic publicitaire sont restés constants
- aucune action particulière n’a été entreprise sur la stratégie d’acquisition
- aucun mouvement particulier de concurrents est a relever, du côté de leurs offres comme de leur niveau de présence publicitaire.
La configuration du rapport d’analyse des cohortes dans Google Analytics
Voici comment le rapport d’analyse des cohortes va être analysé :
- Taille de la cohorte : par semaine
- Statistique : Fidélisation de l’audience
- Périodes : 3 dernières semaines
- Segments appliqués : trafic provenant du mot clé SEA qui a pesé pour 50% de la baisse de leads
Interprétation
- La première chose qui saute aux yeux est que sur la semaine problématique (17 au 23 octobre), la proportion de visiteurs qui sont revenus voir le site a été divisée par 2.5x… Et cette tendance défavorable s’accentue sur la semaine d’après.
- Cela peut être un souci dans le sens où le site propose un service cher, à forte implication, et pour lequel les prospects mettent un certain temps à se décider à prendre un RDV pour démarrer leurs projets.
Quoi faire avec ces insights ?
- Le premier réflexe est de comprendre pourquoi depuis le 17 octobre, les visiteurs en provenance de ce mot clé ne reviennent plus autant sur le site les semaines suivantes pour « mûrir » leur décision de passer le pas…
- En comparant en détail dans Google Analytics cette cohorte « sous-performante » aux précédentes, on remarque que :
- le niveau d’engagement sur le site baisse (-12% de pages vues par sessions et -6% de temps passé sur le site)
- le trafic mobile (qui convertit moins bien en général) est en forte hausse de +18%
- et que le temps de chargement moyen du site pour les smartphones a bondi de +133% en passant de 2.7 sec de loading time à 6.4 sec depuis cette semaine infortunée…
- L’action immédiate par conséquent est de se tourner vers le site en lui même et son hébergement pour comprendre pourquoi le temps de chargement des pages à bondi, et réussir à l’optimiser.
Les limites de l’analyse des cohortes dans Google Analytics
Il ne faut pas confondre corrélation et cause à effet
Pourquoi cet article vous recommande-t-il de compléter votre analyse des cohortes avec un A/B test ? A cause du problème des facteurs de confusion, qui peuvent totalement biaiser votre interprétation…
Rien ne vous garantit en effet que c’est parce que vous avez ce changement précis sur votre site ou que c’est parce que vous avez lancé cette nouvelle campagne Facebook que les gens reviennent plus souvent / voient plus de pages ou enregistrent un meilleur revenu par session…
Sans vérifier proprement la causalité, avec un groupe contrôle et un groupe test, vos observations du rapport d’analyse des cohortes peut vous induire en erreur.
Cela est encore plus vrai si vous avez plusieurs changements qui ont été faits en même temps, où si votre activité est sujette à de multiples facteurs externes (saisonnalité, rajeunissement d’une cible, réactions cocnurrentielles, etc.)
Les limitations (ou l’absence) des cookies peuvent biaiser l’analyse des cohortes
Depuis toujours, le marketing digital a souffert des limites technologiques des cookies. En effet, un cookie n’est en aucun cas une garantie d’avoir affaire à une personne unique. Si je visite un site sur deux navigateurs / appareils différents, on comptera deux cookies (donc deux utilisateurs différents), alors que je suis bel et bien la même personne derrière l’écran.
Et puis évidemment, il y a la tendance de fond des utilisateurs à rejeter de plus en plus les cookies…
- Qu’ils les effacent de leurs navigateurs,
- ou qu’ils les rejettent dans la pop in de consentement RGPD,
- le résultat est le même : vous ne pouvez plus suivre les visiteurs de votre site dans le temps.
Prenons aussi en compte les modifications des navigateurs, qui « effacent » de plus en plus les cookies après une période déterminée. Pour Safari par exemple (navigateur par défaut de n’importe quelle iPhone), les cookies sont retirés après 24h depuis le lancement par Apple de ITP2.2. A partir de là, il n’y a plus moyen de suivre l’utilisateur et de savoir si il est revenu ou pas sur votre site après cette période là.
Qu’en est-il de l’analyse des cohortes dans GA4 ?
GA4 est la nouvelle version de Google Analytics
Il y a quelques mois, Google annonçait moderniser sa solution de webanalytics en lançant GA4.
- Cette nouvelle version de l’outil permet de combiner ensemble les données d’un site web et d’une app, et de reconstruire une vue unifiée de l’utilisateur.
- Elle utilise aussi des évènements standards (comme pour un tag Facebook par exemple qui peut détecter automatiquement certains évènements).
- GA4 se veut aussi plus respectueux de la confidentialité des données utilisateurs.
Bien qu’il soit encore possible d’utiliser la version « classique » de Google Analytics (Universal Analytics), il est prévu que GA4 remplace à terme complètement le Google Analytics que nous connaissons aujourd’hui.
Trouver l’analyse des cohortes dans GA4
GA4 offre aussi un relooking complet de l’interface, des rapports et une manière de naviguer dans l’outil très différente. Par conséquent, vous ne pourrez pas retrouver dans la colonne de gauche le rapport d’analyse des cohortes. Pourtant il est bien là.
Il vous faut cliquer sur « Explorer > Galerie de modèles > Exploration des cohortes« .
Qu’est-ce que GA4 apporte de plus au rapport d’analyse des cohortes ?
Même si le look and feel change légèrement, on retrouve bien le graphique en V que l’on connaissait dans Google Analytics / Universal Analytics.
Comme vous pouvez le constater, l’exploration de cohortes dans GA4 offre désormais plus de flexibilité aux analystes.
- Vous pouvez définir désormais la période d’analyse comme bon vous semble.
- Vous pouvez ajouter un deuxième paramètre (Retour) pour établir un deuxième critère dans lequel les visites d’un site Web ou d’une application sont considérées comme faisant partie d’une cohorte.
- Il existe également une fonction de répartition qui divise la cohorte en sous-groupes, en fonction d’une dimension sélectionnée.
- Vous pouvez également calculer vos cohortes de 3 manières différentes : standard, glissant ou cumulatif.
Conclusion
L’analyse des cohortes peut être une approche puissante en marketing. Elle est à la portée de tous depuis que Google Analytics inclut un rapport d’analyse des cohortes. Toutefois, il faut être certain de bien savoir le lire pour ne pas mal interpréter les données.
Idéalement, une analyse des cohortes doit toujours être complétée par un A/B test pour prouver qu’il y a bien une relation de cause à effet entre le changement et votre performance business.
Gardez aussi en tête que l’analyse des cohortes via Google Analytics a des limites, notamment avec la disparition progressive des cookies, sur laquelle l’industrie entière du marketing digital se base aujourd’hui.
FAQ Analyse des cohortes dans Google Analytics
Qu’est-ce que l’analyse des cohortes dans Google Analytics ?
Le rapport d’analyse des cohortes dans Google Analytics permet d’examiner le comportement et les performances de groupes d’utilisateurs aux attributs communs.
Où trouver le rapport d’analyse des cohortes dans Google Analytics ?
Le rapport d’analyse des cohortes dans Google Analytics est accessible dans la section « Audience > Analyse des cohortes (BETA) ».
Où trouver le rapport d’analyse des cohortes dans GA4 ?
Pour créer un rapport d’analyse des cohortes dans GA4, Il vous faut cliquer sur « Explorer > Galerie de modèles > Exploration des cohortes ».