L’analyse de Cohort est une manière assez simple de visualiser la rétention de vos utilisateurs. Et nous allons voir comment nous pouvons simplement la réaliser sur Data Studio.
Résultat attendu
Ce tutoriel se base sur une source de donnée Spreadsheet mais le principe reste le même pour n’importe quelle source de donnée disposant d’un champ de type Date qui indique la 1ère interaction de l’utilisateur et d’un second champ de type Date qui indique les interactions dans la vie de l’utilisateur.
On utilise dans ce tutoriel les concepts suivants :
- La combinaison de données
- La syntaxe CASE WHEN
- La fonction DATETIME_DIFF()
- La visualisation « Tableau croisé dynamique »
- Les filtres
Créer la dimension de Cohort
L’idée est ici de créer des bucket de 0 à 6 en fonction du nombre de mois la date de l’événement à analyser en cohort de la date du 1er achat de l’utilisateur : 0 étant le mois du 1er achat et 6 étant le 6ème mois après le 1er achat.
Par exemple, si on dispose de la date d’achat d’un produit (purchase_date) et de la date de création de compte (user_since) de l’utilisateur, on peut analyser la rétention d’achat.
CASE
WHEN DATETIME_DIFF(date_purchase,first_purchase,month)=0 THEN "0"
WHEN DATETIME_DIFF(date_purchase,first_purchase,month)=1 THEN "1"
WHEN DATETIME_DIFF(date_purchase,first_purchase,month)=2 THEN "2"
WHEN DATETIME_DIFF(date_purchase,first_purchase,month)=3 THEN "3"
WHEN DATETIME_DIFF(date_purchase,first_purchase,month)=4 THEN "4"
WHEN DATETIME_DIFF(date_purchase,first_purchase,month)=5 THEN "5"
WHEN DATETIME_DIFF(date_purchase,first_purchase,month)=6 THEN "6"
ENDMixer les données pour afficher les données en pourcentage
On peut très bien obtenir grâce à ces buckets une analyse de cohort sans mix de données.
Il suffit de configurer un tableau croisé dynamique avec en ligne « first_purchase », en colonne « cohort_bucket » et en métrique « user_id »
Seulement voilà, on aura uniquement le total en absolu et non pas en pourcentage par rapport au moins 0…ce qui est tout l’intérêt de la visualisation d’une cohort.
Pour ce faire nous devons passer par le mix de données.
- Notre clé de jointure est la date first_purchase (votre date initiale)
- A gauche :
- la dimension cohort_bucket
- la métrique date_purchase
- on exclue les valeurs de cohort_bucket nulles
- A droite :
- la dimension cohort_bucket
- la métrique date_purchase
- nous allons sélectionner uniquement le cohort_bucket égal à 0 car elle va nous servir à calculer le ratio (Nième cohort_bucket)/(0ème cohort_bucket)
- on exclue les valeurs de cohort_bucket nulles
On aura donc au mois 0, uniquement des ratios de 100%
Configurer le graphique
Pour le graphique on utilise un tableau croisé dynamique, configuré ainsi :
- Ligne : first_purchase
- Colonne : cohort_bucket_gauche (la valeur de gauche de votre mix de données)
- Métrique : COUNT(date_gauche)/COUNT(date_droite)
