Η ανάλυση cohort χωρίζει τους επισκέπτες σε ομάδες με κοινό χαρακτηριστικό (συνήθως την ημερομηνία άφιξης) και παρακολουθεί τη συμπεριφορά τους στον χρόνο. Αντί να βλέπεις όλους τους επισκέπτες ως μία ομάδα, παρακολουθείς ξεχωριστά όσους ήρθαν τον Ιανουάριο και όσους ήρθαν τον Φεβρουάριο. Έτσι βλέπεις αν οι νεότεροι επισκέπτες φέρονται αλλιώς από τους παλιότερους και αν οι αλλαγές στο προϊόν βελτιώνουν ή χειροτερεύουν τη διατήρηση.
Γιατί μετράει η ανάλυση cohort
Χωρίς cohorts, η διατήρησή σου φαίνεται σταθερή. Βλέπεις ότι το 15% των επισκεπτών επιστρέφει μέσα σε 30 ημέρες, αλλά δεν ξέρεις αν ο αριθμός βελτιώνεται ή πέφτει. Με cohorts βλέπεις ότι οι επισκέπτες του Ιανουαρίου είχαν διατήρηση 30 ημερών 12%, του Φεβρουαρίου 14% και του Μαρτίου 18%. Τώρα ξέρεις ότι η διατήρηση βελτιώνεται.
Η ανάλυση cohort απομονώνει και την επίδραση των αλλαγών που κάνεις. Αν ανανέωσες την ιστοσελίδα σου τον Φεβρουάριο, η ανάλυση cohort δείχνει αν η ανανέωση βελτίωσε τη διατήρηση ή την έβλαψε.
Πώς στήνεις cohorts
Βήμα 1: Όρισε την ομάδα του cohort. Το πιο συνηθισμένο είναι η ημερομηνία άφιξης: χώρισε τους επισκέπτες ανά εβδομάδα ή μήνα. Μπορείς να χωρίσεις και ανά πηγή επισκεψιμότητας (όλοι οι επισκέπτες από Google Ads = ένα cohort), συσκευή (χρήστες κινητού = ένα cohort) ή τοποθεσία (επισκέπτες από τις ΗΠΑ = ένα cohort).
Βήμα 2: Όρισε τους δείκτες σου. Ποια συμπεριφορά παρακολουθείς; Επιστροφές, σελίδες που προβλήθηκαν, χρόνο στην ιστοσελίδα, μετατροπές ή γεγονότα εμπλοκής. Κάθε δείκτης έχει τον δικό του πίνακα cohort.
Βήμα 3: Όρισε το χρονικό παράθυρο. Παρακολούθησε τη συμπεριφορά για 30, 60 ή 90 ημέρες μετά την άφιξη. Τα μεγαλύτερα παράθυρα δείχνουν διαρκή εμπλοκή, τα μικρότερα άμεση επίδραση.
Βήμα 4: Φτιάξε τον πίνακα cohort. Κάθε γραμμή είναι ένα cohort (επισκέπτες Ιανουαρίου, επισκέπτες Φεβρουαρίου κ.λπ.). Κάθε στήλη είναι οι ημέρες μετά την άφιξη (ημέρα 1, ημέρα 7, ημέρα 30). Κάθε κελί είναι ο δείκτης (π.χ. το 45% του cohort του Ιανουαρίου επισκέφτηκε ξανά την ημέρα 7).
Βήμα 5: Δες και σύγκρινε τις τάσεις. Κοίτα τις γραμμές για να δεις αν τα νεότερα cohorts πάνε καλύτερα ή χειρότερα από τα παλιότερα. Βάλε τα δεδομένα σε γράφημα για να δεις τα μοτίβα. Έτσι βλέπεις αν η ιστοσελίδα σου βελτιώνεται, χειροτερεύει ή μένει σταθερή.
Συνηθισμένα μοτίβα cohort
Η φθίνουσα καμπύλη (αναμενόμενη): η διατήρηση την ημέρα 1 είναι 100% (όλοι όσοι έρχονται ανήκουν στο cohort). Την ημέρα 7 είναι 25%. Την ημέρα 30 είναι 10%. Είναι φυσιολογικό: οι περισσότεροι επισκέπτες φεύγουν και δεν επιστρέφουν. Δες πόσο απότομη είναι η πτώση. Απότομη πτώση σημαίνει ότι ο κόσμος φεύγει γρήγορα. Σταδιακή πτώση σημαίνει ότι μένει ενδιαφερόμενος περισσότερο.
Το μοτίβο βελτίωσης (καλό): κάθε νέο cohort (πιο πρόσφατες ημερομηνίες άφιξης) έχει καλύτερη διατήρηση από το προηγούμενο. Ο Ιανουάριος είχε διατήρηση 30 ημερών 8%. Ο Φεβρουάριος 10%. Ο Μάρτιος 12%. Αυτό δείχνει ότι η ιστοσελίδα σου γίνεται καλύτερη στο να κρατά επισκέπτες.
Το μοτίβο επιδείνωσης (προειδοποίηση): κάθε νέο cohort έχει χειρότερη διατήρηση. Ο Ιανουάριος είχε διατήρηση 30 ημερών 15%. Ο Φεβρουάριος 12%. Ο Μάρτιος 10%. Αυτό δείχνει ότι κάτι άλλαξε, όπως μια ανανέωση, μια πτώση στην ποιότητα της επισκεψιμότητας ή νέος ανταγωνισμός, και βλάπτει τη διατήρηση.
Ανάλυση cohort για αποφάσεις προϊόντος
Ανάλυση πριν και μετά: τρέξε cohorts για 4-6 εβδομάδες πριν από μια μεγάλη αλλαγή. Μετά τρέξε cohorts για 4-6 εβδομάδες μετά. Σύγκρινε τις καμπύλες διατήρησης. Αν η νέα καμπύλη είναι πιο ψηλά και πιο δεξιά (περισσότεροι επισκέπτες διατηρούνται, για περισσότερο), η αλλαγή ήταν θετική.
Ποιότητα πηγής επισκεψιμότητας: φτιάξε cohorts ανά πηγή. Σύγκρινε cohorts οργανικής αναζήτησης με cohorts πληρωμένων διαφημίσεων και με cohorts social media. Αν μία πηγή έχει πολύ υψηλότερη διατήρηση, επένδυσε περισσότερο εκεί.
Εποχικά μοτίβα: σε εποχικές επιχειρήσεις σύγκρινε cohorts της ίδιας εποχής σε διαφορετικά έτη. Το cohort του Δεκεμβρίου 2024 απέναντι στο cohort του Δεκεμβρίου 2025 δείχνει αν βελτιώνεσαι από έτος σε έτος.
Συνηθισμένα λάθη στην ανάλυση cohort
Πολύ μικρό δείγμα: αν έχεις μόνο 50 επισκέπτες σε ένα cohort, η τυχαία διακύμανση δημιουργεί θόρυβο. Χρησιμοποίησε cohorts με τουλάχιστον 100-200 επισκέπτες.
Μπέρδεμα δεικτών cohort: μην ανακατεύεις τη διατήρηση (% του cohort που επέστρεψε) με τη συχνότητα (συνολικές επισκέψεις του cohort). Είναι διαφορετικά. Χρησιμοποίησε το ένα κάθε φορά.
Αγνόηση εξωτερικών παραγόντων: η διατήρηση έπεσε 5% τον Μάρτιο. Πριν συμπεράνεις ότι η ιστοσελίδα σου χειροτέρεψε, έλεγξε: έπεσε η επισκεψιμότητα από αναζήτηση (νέος ανταγωνισμός); Έβαλες λιγότερες διαφημίσεις; Έγραψε κάποιος influencer για έναν ανταγωνιστή; Οι αλλαγές στα cohorts μερικές φορές δείχνουν αλλαγές στην αγορά, όχι προβλήματα στο προϊόν.
Καμία κατάτμηση ανά βασικές μεταβλητές: βάζεις όλες τις πηγές επισκεψιμότητας σε ένα cohort. Αλλά τα cohorts οργανικής αναζήτησης μάλλον φέρονται αλλιώς από τα cohorts πληρωμένων διαφημίσεων. Χώριζε πάντα με τις μεταβλητές που μετράνε: πηγή επισκεψιμότητας, συσκευή, γεωγραφία ή τύπο χρήστη. Έτσι βλέπεις ποια τμήματα είναι δυνατά και ποια θέλουν δουλειά.
Αργή ανάλυση: περιμένεις 90 ημέρες πριν δεις τα δεδομένα cohort. Μέχρι τότε έχουν περάσει 3 μήνες και έχεις χάσει ευκαιρίες να διορθώσεις προβλήματα. Ανάλυε τα cohorts κάθε εβδομάδα ή κάθε δεκαπέντε ημέρες. Εντόπισε τις τάσεις νωρίς για να ενεργήσεις πιο γρήγορα.
Να χρησιμοποιήσω εβδομαδιαία ή μηνιαία cohorts;
Τα εβδομαδιαία δίνουν περισσότερη λεπτομέρεια αλλά θέλουν περισσότερη επισκεψιμότητα (200-300 επισκέπτες την εβδομάδα). Τα μηνιαία είναι το σύνηθες για τις περισσότερες ιστοσελίδες (χρειάζεσαι 1000+ επισκέπτες τον μήνα). Χρησιμοποίησε μηνιαία αν έχεις λογική επισκεψιμότητα. Αν έχεις πολύ υψηλή επισκεψιμότητα (10k+ τον μήνα), τα εβδομαδιαία cohorts σε αφήνουν να εντοπίζεις τάσεις πιο γρήγορα.
Τι σημαίνει αν η διατήρηση των cohorts μου είναι ίδια σε όλες τις ομάδες;
Σταθερή διατήρηση (τα cohorts Ιανουαρίου και Μαρτίου έχουν ίδιες καμπύλες) σημαίνει ότι η συμπεριφορά της ιστοσελίδας σου είναι σταθερή. Είναι καλό αν η διατήρηση είναι υγιής (15%+ στις 30 ημέρες). Αν είναι χαμηλή (5% στις 30 ημέρες), η σταθερότητα δείχνει ότι δεν βελτιώνεσαι. Ώρα να κάνεις αλλαγές και να δεις αν τα νέα cohorts βελτιώνονται.
Πόσο να περιμένω μετά από μια αλλαγή στο προϊόν πριν αναλύσω το νέο cohort;
Τουλάχιστον 4-6 εβδομάδες. Έτσι οι νέοι επισκέπτες προλαβαίνουν να ακολουθήσουν το ίδιο μοτίβο συμπεριφοράς με τους παλιότερους. Οι διαφορές στις ημέρες 1-7 μπορεί να είναι θόρυβος. Η διατήρηση 30 ημερών δείχνει αν η αλλαγή έπιασε.
Μπορώ να συγκρίνω cohorts από διαφορετικές πηγές επισκεψιμότητας σε έναν πίνακα;
Ναι, αλλά κράτα τις ξεχωριστές. Ένας πίνακας για cohorts οργανικής αναζήτησης. Άλλος πίνακας για cohorts πληρωμένων διαφημίσεων. Αν τα συγκρίνεις σε έναν πίνακα, μπερδεύεσαι: δεν είναι σαφές αν οι στήλες δείχνουν οργανική ή πληρωμένη συμπεριφορά.
Τι σημαίνει αν η διατήρηση πέφτει 30% από την ημέρα 1 στην ημέρα 2;
Είναι φυσιολογικό. Πολλοί επισκέπτες φεύγουν μετά την πρώτη επίσκεψη. Κοίτα τη διατήρηση της ημέρας 7. Αν το 10% των επισκεπτών επιστρέφει μέχρι την ημέρα 7, είναι λογικό. Η πτώση ανάμεσα στις ημέρες 1-2 σημαίνει απλώς ότι πολλοί αποφάσισαν να μην επιστρέψουν αμέσως.
Πώς υπολογίζω τη διατήρηση cohort με το χέρι αν το εργαλείο μου δεν έχει cohorts;
Βήμα 1: Εξήγαγε όλα τα δεδομένα επισκεπτών με την ημερομηνία άφιξης. Βήμα 2: Χώρισε ανά ημερομηνία άφιξης (πρώτη εβδομάδα = μία ομάδα). Βήμα 3: Για κάθε επισκέπτη, έλεγξε αν επέστρεψε 30 ημέρες μετά. Βήμα 4: Διαίρεσε τους επισκέπτες που επέστρεψαν με το συνολικό μέγεθος του cohort. Αυτή είναι η διατήρηση 30 ημερών για το cohort. Επανάλαβε για κάθε εβδομάδα ή μήνα.