Získat nového návštěvníka stojí peníze. Udržet ho a přivést zpět stojí výrazně méně. Retence – schopnost udržet uživatele – je proto jednou z nejdůležitějších metrik, zejména pro e-shopy, mediální weby a SaaS produkty. Kohortní analýza je metodou, jak retenci měřit přesně a vidět trendy, které agregované metriky skryjí.
Co je kohortní analýza
Kohorta je skupina uživatelů sdílející stejnou charakteristiku ve stejném časovém okamžiku. Nejčastěji se kohorty definují podle data první návštěvy (první týden v lednu, první leden atd.).
Kohortní analýza pak sleduje, jak se tato skupina chová v čase po svém vzniku. Základní otázka: „Z uživatelů, kteří poprvé přišli v lednu, kolik procent se vrátilo v únoru, v březnu, v dubnu?"
Rozdíl oproti agregovaným metrikám: agregovaný přehled v GA4 vám řekne, kolik uživatelů bylo aktivních v každém měsíci. Kohortní analýza řekne, zda jsou to stále stejní uživatelé nebo neustále noví.
Retention přehled v GA4
GA4 má předpřipravený přehled retence dostupný v:
Reports → Life Cycle → Retention
Přehled zobrazuje:
- User Retention Curve – procento uživatelů, kteří se vrátili po N dnech od první návštěvy
- User Engagement – průměrný engagement time uživatelů v prvních 42 dnech
- New vs. Returning Users – srovnání nových a vracejících se uživatelů v čase
Jak číst retention curve
Osa X: počet dní od první návštěvy (Day 0, Day 1, ... Day 42) Osa Y: procento uživatelů, kteří se vrátili
Typický vzorec:
- Day 0: 100 % (definice – první návštěva)
- Day 1: 5–15 % (dramatický pokles – většina uživatelů se nevrátí hned druhý den)
- Day 7: 3–8 %
- Day 14: 2–5 %
- Day 30: 1–4 %
Čím vyšší čísla v pozdějších dnech, tím lepší retence. Weby s věrným publikem (média, newslettery, e-shopy se zákazníky kupujícími opakovaně) mají flat retention curve – udržejí stabilní procento uživatelů i po 30+ dnech.
Cohort Exploration v GA4
Pro hlubší kohortní analýzu použijte Explore → Cohort Exploration (Průzkum kohorty).
Nastavení kohortní explorace
Dimenze kohorty: Nejčastěji „First session date" (datum první relace). Alternativně lze použít datum první konverze.
Granularita kohorty: Denní, týdenní nebo měsíční kohorty. Měsíční kohorty jsou nejčastější pro strategické přehledy.
Metrika: Co sledujete u kohort?
- Active Users – kolik uživatelů z kohorty bylo aktivních
- Transactions – kolik transakcí kohorta provedla
- Revenue – kolik příjmů kohorta vygenerovala
- Event Count – počet událostí
Výpočet metriky:
- Standardní – absolutní hodnota pro každé časové okno
- Kumulativní – součet od vzniku kohorty
- Průměr na uživatele – průměrná hodnota metriky na jednoho uživatele
Výsledná tabulka
Výsledkem je matice, kde každý řádek je jedna kohorta (např. leden 2026, únor 2026) a sloupce jsou časová okna (Týden 0, Týden 1, Týden 2...). Hodnoty v buňkách ukazují metriku pro danou kohortu v daném okně.
Jak identifikovat silné a slabé kohorty:
- Kohorty z konkrétních kampaní mají výrazně lepší retenci? → kampaň přivedla kvalitnější uživatele
- Kohorty z organického vyhledávání vs. PPC – která má lepší dlouhodobou retenci?
Praktické příklady využití
E-commerce: analýza opakovaných nákupů
Kohorta: uživatelé, kteří poprvé nakoupili v lednu 2026. Metrika: Transactions, měsíční granularita.
Sledujte, kolik % lednových kupujících nakoupilo znovu v únoru, březnu, dubnu. Pokud jsou čísla nízká, zaměřte se na post-purchase e-mailing nebo retention programy.
Blog / médium: věrnost čtenářů
Kohorta: uživatelé s první návštěvou v daném týdnu. Metrika: Active Users, denní/týdenní granularita.
Porovnejte retenci kohort z různých zdrojů: uživatelé z newsletteru mají zpravidla výrazně lepší retenci než uživatelé z organického vyhledávání nebo sociálních sítí.
Hodnocení kampaní
Spustili jste kampaň v lednu a v únoru? Porovnejte kohortní retenci obou kampaní. Kampaň, která přivede kvalitnější uživatele, ukáže lepší retenci v pozdějších týdnech.
Segmentace kohort
Kohortní explorace v GA4 umožňuje přidat segment pro filtrování. Příklady segmentů:
- Pouze mobilní uživatelé
- Pouze uživatelé z Prahy
- Pouze uživatelé z organického vyhledávání
Segmentací odkryjete rozdíly v retenci napříč různými skupinami uživatelů.
Retence a Customer Lifetime Value (CLV)
Kohortní data jsou základem pro výpočet Customer Lifetime Value. CLV vyjadřuje celkovou hodnotu zákazníka za celou dobu vztahu s firmou.
Zjednodušený výpočet: CLV = průměrná hodnota transakce × průměrný počet transakcí za rok × průměrná délka zákaznického vztahu (v letech)
Kohortní analýza ukáže, jak se CLV liší podle zdroje akvizice, a pomůže zjistit, ze kterého kanálu přicházejí nejcennější zákazníci – ne jen z hlediska první transakce, ale z dlouhodobého pohledu.
Závěr
Kohortní analýza je pokročilejší technika, ale přínos je mimořádný: vidíte kvalitu zákazníků, ne jen jejich počet. Firmy, které pracují s kohortními daty, se přestanou honit za metrikami prvního nákupu a začnou budovat opravdové vztahy se zákazníky. Začněte s GA4 Retention přehledem – výsledky vás překvapí.
