Akviziční vs. retenční kohorty

Než se pustíte do reportů v GA4, je potřeba rozumět dvěma základním typům kohort, se kterými se v ecommerce pracuje. Akviziční kohorty seskupují zákazníky podle toho, kdy poprvé nakoupili nebo navštívili váš e-shop. Retenční kohorty pak sledují, jak se tyto stejné skupiny chovají v dalších obdobích.

Akviziční kohorty odpovídají na otázky typu: Měli zákazníci získaní během Black Friday vyšší LTV než ti, kteří přišli v lednových výprodejích?

Retenční kohorty vám naopak ukážou: Jaké procento zákazníků, kteří nakoupili v březnu, udělalo do 90 dní další objednávku?

V customer cohort marketingu jsou důležité oba pohledy. Akviziční kohorty odhalí, které kampaně přivádějí hodnotné zákazníky. Retenční kohorty ukážou, jestli je váš post-purchase zážitek dokáže přivést zpátky. Právě dohromady tvoří základ pro rozhodování podle LTV.

Jak vytvořit kohorty v GA4

GA4 nabízí vestavěnou Cohort exploration, díky které je kohortová analýza v ecommerce dostupnější než kdy dřív v Universal Analytics. Základní kohortový report nastavíte takto:

Postup krok za krokem

1. V GA4 přejděte do sekce Explore a z šablon vyberte Cohort exploration.
2. Nastavte podmínky pro zařazení do kohorty. U akvizičních kohort použijte události first_visit nebo first_open. Pokud chcete pracovat s nákupními kohortami, zvolte událost purchase.
3. Určete návratovou podmínku. Pro retenční analýzu to bývá nejčastěji další purchase nebo jiná relevantní engagement událost.
4. Zvolte granularitu kohort: denní, týdenní nebo měsíční. Pro většinu e-shopů se středním objemem objednávek fungují nejlépe týdenní kohorty.
5. Přidejte členění podle traffic source, kampaně nebo typu zařízení, aby výsledky dávaly byznysově smysl.

Tip: Začněte s týdenními kohortami za posledních 12 týdnů. Získáte dost dat na odhalení trendů, ale bez zbytečného šumu z denních výkyvů.

Klíčové metriky, které sledovat

• Míra retence uživatelů: procento uživatelů z dané kohorty, kteří se vrátí.
• Kumulativní tržba na uživatele: celkový obrat, který kohorta v čase vygeneruje.
• Repeat purchase rate: kolik zákazníků nakoupilo více než jednou.
• Time to second purchase: průměrný počet dní mezi první a druhou objednávkou.

Jak číst kohortovou tabulku

Kohortová tabulka zobrazuje jednotlivá období v řádcích a následující období ve sloupcích. Každá buňka obsahuje hodnotu metriky, typicky míru retence nebo tržbu, pro konkrétní kohortu v konkrétním časovém posunu.

První sloupec (Period 0) představuje počáteční chování. Další sloupce ukazují týden 1, týden 2 atd. Když čtete řádek zleva doprava, sledujete vývoj jedné kohorty v čase. Když čtete sloupec shora dolů, porovnáváte různé kohorty ve stejné fázi jejich „života".

Vzorce, které hledat

• Zlepšující se vertikální trend znamená, že vaše retenční aktivity fungují. Novější kohorty si vedou lépe než starší.
• Klesající horizontální křivky jsou normální, ale důležitá je jejich strmost. Prudké propady často signalizují problém v onboardingu nebo samotném produktu.
• Sezónní špičky v konkrétních řádcích napovídají, že dané kohorty ovlivnil externí faktor.
• Anomálie v jednotlivých buňkách často ukazují na konkrétní kampaně, promo akce nebo události, které stojí za bližší prověření.

Jak propojit kohortová data s PPC

Retenční kohortová analýza získává skutečnou hodnotu ve chvíli, kdy ji propojíte s výkonem placených kampaní. Většina inzerentů optimalizuje podle okamžitého ROAS, ale kohortová data ukážou celý obrázek.

Exportujte kohortová data podle UTM source a medium. Propojte je s daty z vaší platformy pro PPC automatizaci. Následně spočítejte 30denní, 60denní a 90denní LTV podle akvizičního kanálu.

Často zjistíte, že některé kanály s horším okamžitým ROAS přinášejí výrazně vyšší LTV. Jiné na první pohled vypadají skvěle podle první objednávky, ale v retenci propadají.

Vytvořte si matici kanál vs. kohorta

• Připravte si tabulku, ve které spárujete akviziční kanály s výkonnostními metrikami kohort.
• Zahrňte first-order AOV, 90denní LTV, repeat purchase rate a CAC.
• Spočítejte poměr LTV:CAC pro každý kanál. Hodnota nad 3:1 obvykle znamená zdravou unit economics.
• Tabulku aktualizujte každý měsíc a používejte ji jako podklad pro alokaci rozpočtu.

Jak identifikovat akviziční kanály s vysokým LTV

Váš ecommerce kohortový report odhalí, že kvalita zákazníků se mezi kanály výrazně liší. Některé vzorce se opakují napříč obory.

• Branded search často přivádí zákazníky s nejvyšším LTV, protože značku už znají a mají k ní důvěru.
• Email a referral traffic mívají silnou retenci, protože tito zákazníci přicházejí s vyšší mírou důvěry.
• Obecné shopping kampaně sice přinášejí objem, ale často lákají cenově citlivé zákazníky, kteří nakoupí jen jednou. V českém prostředí do toho navíc výrazně promlouvá Heureka a srovnávače cen obecně.
• U social kanálů se výkon dramaticky liší podle kreativy a kvality cílení.

Hlavní pointa je jednoduchá: samotné CPA vám o kvalitě zákazníka neřekne skoro nic. Dva kanály mohou mít stejné CPA, ale úplně jinou profitabilitu, když se na ně podíváte optikou kohort. S tím může pomoct i produktová segmentace, díky které lépe zjistíte, které produkty přitahují high-LTV zákazníky z jednotlivých kanálů.

Jak využít kohorty pro nastavení bidů

Jakmile znáte skutečné LTV podle kanálu, můžete nastavovat přesnější bid targets. Místo optimalizace čistě na okamžitý ROAS zapojíte do výpočtu i očekávanou celoživotní hodnotu zákazníka.

LTV-adjusted CPA targety

• Určete si přijatelný poměr LTV:CAC, typicky minimálně 3:1.
• Cílové CPA spočítejte jako LTV daného kanálu dělené požadovaným poměrem.
• Pokud má kanál 90denní LTV 3 750 Kč a cílíte na poměr 3:1, maximální CPA vychází na 1 250 Kč.
• Kdyby měl tentýž kanál first-order AOV jen 2 000 Kč, klasická optimalizace podle ROAS by jeho skutečnou hodnotu výrazně podcenila.

Tip: Nastavujte rozdílné ROAS cíle pro různé segmenty kampaní podle kohortových dat. Kampaně na akvizici nových zákazníků si mohou dovolit nižší ROAS než retargeting, protože jejich vyšší LTV ospravedlní vyšší počáteční investici.

Nejčastější chyby v kohortové analýze

• Příliš krátký časový horizont: Hodnotit kohorty dřív, než „dozrají", vede ke špatným rozhodnutím. Většina e-shopů potřebuje aspoň 90 dní, aby se rozdíly v LTV opravdu ukázaly.
• Ignorování velikosti kohorty: Malé kohorty dávají nespolehlivé výsledky. Než vyvodíte závěry, ověřte si dostatečný objem dat.
• Míchání typů zákazníků: Pokud v akvizičních kohortách spojíte nové a vracející se zákazníky, výsledky budou zkreslené.
• Zapomínání na externí vlivy: Promo akce, sezónnost nebo změny na trhu ovlivňují chování kohort. V českém ecommerce navíc mohou data zkreslit i cookie consent lišty a nižší datová úplnost v GA4 kvůli GDPR.
• Přehnaná důvěra v průměry: Výjimečně hodnotní zákazníci mohou průměr výrazně zkreslit. Vedle průměru sledujte i medián.
• Statický přístup: Chování zákazníků se mění. Kohortová analýza není jednorázový úkol, ale průběžná disciplína.

Závěr

Kohortová analýza je pevný analytický základ pro chytřejší rozhodování v ecommerce marketingu. Když pochopíte, jak se jednotlivé skupiny zákazníků chovají v čase, dokážete lépe rozdělovat rozpočet mezi kanály, nastavovat bidy podle skutečné profitabilnosti a odhalovat problémy s retencí dřív, než začnou ukusovat marži.

GA4 výrazně snížilo bariéru vstupu. Teď už jde hlavně o to, abyste se nespoléhali jen na agregované metriky a pravidelně dělali rozhodnutí na základě kohortových dat. Začněte s týdenními akvizičními kohortami podle zdroje návštěvnosti, sledujte 90denní LTV a podle výsledků upravujte investice do kampaní.