¿Por dónde empezar? Hace unos días se me ocurrió bucear por la consola y la documentación de Google Analytics en busca de nuevas funcionalidades u opciones en “beta” de las que pudiera adquirir un nuevo conocimiento – llamadme curioso -. En ese momento pasé por alto la sección del menú donde ponía “Cohort Analysis BETA” y me centré en cosas más técnicas que pudieran dar un aíre fresco a las integraciones que llevamos realizando ya durante un puñado de años.
¡Qué ignorante! Pensé para mí unos días más tarde cuando me disponía a salir del trabajo hacia la comida. A la vuelta – ya se ha terminado el verano -, abrí el informe Cohort Analysis en la consola de Google Analytics y cuál fue mi sorpresa al ver que no entendía absolutamente nada sobre la información que me suministraba la herramienta en este informe…
No se si más gente se ha sentido así, pero, si es tu caso, sigue leyendo que intentaremos explicarte con detalle la forma de interpretar la información mostrada en este informe, las partes de las que se compone y un pequeño ejemplo sobre el potencial de la información mostrada en Cohort Analysis.

Antes de profundizar en el propio informe hemos de tener claro a qué hace referencia la palabra “Cohort” y cuál es su significado.
Cohort
Básicamente, se trata de una agrupación (segmento) de usuarios que comparten una experiencia común en un determinado periodo de tiempo.
Con esto, nos podemos hacer a la idea de lo que Google Analytics pretende darnos con este nuevo informe y no es otra cosa que la posibilidad de estudiar, de forma agrupada, el comportamiento de nuestros usuarios.
Configuración del informe

En la zona superior, vemos las opciones de configuración del informe. De las cuales las más interesantes serían:
- Cohort Type: aquí es donde se especifica la dimensión en la que debe basarse Google Analytics para realizar la agrupación. Actualmente, sólo disponemos de “fecha de adquisición”, fecha en la que el usuario visitó el sitio web por primera vez.
- Cohort Size: es la ventana de tiempo en la que deseamos ver la agrupación por tipo (Cohort type).
- Metric: la métrica que queremos observar para cada grupo. Actualmente, sólo será posible utilizar una métrica.
En la zona central, vemos la gráfica que representaría la tendencia de la métrica configurada y que nos permitirá ver la del total o la de un determinado día. Además, nos permitiría seleccionar, de forma simultánea, hasta cuatro líneas de tendencia diferentes, de forma que podamos comparar la variación de usuarios adquiridos por día.
Por último, la zona inferior donde se encontraría la tabla de datos, que es donde, realmente, está el detalle del informe de Cohort Analysis, y es en lo que nos vamos a centrar en la siguiente líneas.
Interpreta la tabla de datos

La primera de las columnas nos identificaría los grupos y el número de usuarios de cada uno de los grupos. Además, como sólo disponemos de la dimensión “fecha de adquisición”, nos mostrará la fecha de adquisición de cada uno de los grupos y el número de usuarios adquiridos durante ese periodo (día, semana o mes). En el resto de columnas se reflejarían los incrementos temporales seleccionados (día, semana o mes).
La primera fila nos muestra el valor total de la métrica elegida, para cada uno de los grupos, en el periodo temporal seleccionado.
Las celdas nos estarían mostrando los incrementos temporales por métrica y dimensión seleccionada.
Veamos un ejemplo
A continuación, podemos ver el informe de Cohort Analysis para el periodo comprendido del 16 al 23 de septiembre de 2015. En este caso, como dimensión, hemos cogido fecha de adquisición (la única que se permite, por el momento, en la herramienta), como métrica páginas vistas y optado por un incremento temporal de día.

Como decíamos arriba, cada una de las celdas representaría el incremento en número de páginas vistas de los usuarios tras “n” días desde su primera sesión, respecto a la fecha de la columna uno (fecha de adquisición). Para ayudarnos a detectar aquellos puntos en los que debemos prestar atención, Google Analytics, en su informe Cohort Analysis, utiliza un tono más oscuro para rellenar la celda donde el incremento ha sido más notable. En este caso el día 6 de la primera fila.

Lo que nos estaría diciendo esta celda es que de los 318 usuarios que el día 16/09/2015 han accedido al sitio web por primera vez, generando el día 0 un total de 441 páginas vistas, a los 6 días han vuelto al sitio web generando un total de 31 páginas vistas.
Es un dato cuanto menos interesante y que nos hace poner, rápidamente, el foco en qué hemos hecho el día 16/09/2015 para que algunos de los usuarios nuevos (ese día) se hayan enganchado a la oferta de nuestro sitio web y vuelto a los 6 días. Sí, ya se que el día 5 también se han generado un número interesante de páginas vistas pero, en este ejemplo, sólo nos vamos a centrar en una celda para intentar explicar la forma en la que interpretar la información mostrada por este informe.
Bien, para seguir interpretando la información mostrada y ver si estábamos en lo cierto, en cuanto a interpretación de las celdas, hemos creado un segmento en el que hemos indicado que, solamente, tenga en cuenta aquellos usuarios que su primera visita ha sido el día 16/09/2015 y se lo hemos aplicado al informe “Visión general” dentro de la categoría “Audiencia”.
Para el día 16, vemos la siguiente información que concuerda, completamente, con lo que nos ha mostrado el informe Cohort Analysis, 318 usuarios y 441 páginas vistas:

Si nos centramos en el día 22 vemos que, efectivamente, tenemos 31 páginas vistas, pero, además, es que sabemos que de esos 318 usuarios han sido 5 de ellos los que han generado este número de páginas vistas:

Ahora que tenemos información relativa a los usuarios, nos gustaría ver las fuentes de tráfico utilizadas por ellos en cada uno de los casos. En el primer día (16/09/2015) para saber cómo les hemos enganchado, ¿alguna campaña?, ¿algún contenido concreto?, ¿nuevo contenido?, ¿alguna de nuestras fuentes es, especialmente, buena en la captación? Pues bien, nos encontramos con que casi todo el tráfico adquirido este día ha venido por el canal búsqueda orgánica:

¿Y en el caso de los usuarios que han repetido?, ¿tenemos alguna fuente que destaque en la fidelización de nuestros usuarios?, ¿qué hemos hecho para que vuelvan? Si nos fijamos en el día 22, vemos que, los usuarios adquiridos el día 16, por el canal que más han vuelto ha sido por el canal social y, en concreto, por Twitter.
Si vamos un paso más allá, vemos que de esas 31 páginas vistas el día 22/09/2015 por usuarios adquiridos el día 16/09/2015, 25 páginas vistas son de 5 usuarios de Twitter.
De aquí podríamos seguir tirando del hilo para saber más detalles sobre qué usuarios son de Twitter, concretamente, ver si estos usuarios nos han empezado a seguir en Twitter, analizar las páginas de entrada concretas, ver qué tweets son los que han provocado su vuelta, estudiar el tipo dispositivo de estos usuarios, analizar la información consumida el día 16/09/2015 con la que hemos enganchado a estos usuarios, etc.
Como podéis ver, el informe Cohort Analysis de Google Analytics nos aporta una información muy interesante sobre el comportamiento de nuestros usuarios, permitiendo estudiar el comportamiento agrupado de ellos para poder realizar acciones de captación, fidelización u optimización sobre nuestra web.
¿Conocías este informe?, ¿sabías interpretar la información suministrada?, ¿has utilizado la información que nos aporta este informe? No dudes en comentarnos tu experiencia y, en el caso de que estés interesado en que te expliquemos algún otro informe, dínoslo.
Por último, y no por ello menos importante, quería agradecer la colaboración de mis compañeros Pablo Pérez y Marta Llorente en la comprensión, revisión y análisis de la información suministrada por este informe de Google Analytics