Wdrażamy Google Analytics 4

Wdrażamy Google Analytics 4
Wdrażamy Google Analytics 4

Dlaczego trzeba przejść na Google Analytics 4?

Przejście na Google Analytics 4 jest niezbędne do tego, żeby nie stracić danych oraz by móc wciąż analizować liczby i zdarzenia, które przy każdym wejściu użytkownika mają miejsce na Twojej stronie internetowej. Co więcej, implementacja GA4 daje możliwość przekształcania zdarzeń w cele i przesyłania ich do narzędzi reklamowych. Reasumując, należy przejść na GA4, żeby działać skutecznie i efektywnie. Od niedawna, po zalogowaniu się do Google Analytics, możemy zobaczyć komunikat, który informuje nas o tym, że 1 lipca 2023 r. Universal Analytics przestanie przetwarzać nowe dane w usługach standardowych. Odpowiedzą na to jest przejście na usługę Google Analytics 4. Nie mamy innego wyjścia, żeby nie wypaść z kursu. Musimy przepiąć nasze kody analityczne do nowej wersji Google Analytics.

W Beeffective mierzymy działania w nowej usłudze Google Analytics 4 – dla Ciebie też możemy ją uruchomić 

Co możesz stracić nie implementując Google Analytics 4?

Brak danych często prowadzi do braku wiedzy. Ze względu na powstałą lukę informacyjną może się okazać, że będziemy działać na ślepo. Brak precyzji w działaniach online, to wzrost kosztów w inwestycjach płatnych. W każdej szanującej budżety firmie taka sytuacja jest nie do zaakceptowania, w związku z tym przepięcie się na nowy system jest nieuniknione.

Brak implementacji nowego Google Analytics 4 to: 

  • Brak informacji na temat pełnego cyklu życia klienta, który podróżuje po Twojej stronie www z wykorzystaniem wielu urządzeń. Google Analytics 4 pozwoli Ci mierzyć zachowanie osób i połączy zdarzenia np. z mobile oraz desktop. To, co kiedyś było trudne do zmierzenia, teraz ma być w prosty sposób przedstawione.  
  • Problemy pozyskiwania danych łączących informacje z wykorzystaniem aplikacji. Wcześniejszy Google Universal powstał w czasach, kiedy aplikacje mobile nie były tak popularne. Dziś wiele sklepów (może wśród nich i Twój) wykorzystuje do sprzedaży zarówno aplikację jak i stronę internetową. Część osób może zapoznać się z produktem podczas przeglądania sklepu w pracy, a następnie produkt kupić, z wykorzystaniem aplikacji np. wracając z biura. Łączenie informacji daje pełniejszy obraz lejka zakupowego.
  • Brak mierzenia działań w modelu atrybucji opartych na danych. Wcześniej Google Universal informował o danych opartych na ostatnim kliknięciu. Nowa usługa różni się od innych modeli tym, że dane z Twojego konta służą do obliczania rzeczywistego udziału w każdej interakcji, polegającej na kliknięciu.
  • Trudności z powiązaniem danych między Google Analytics 4 a Google Ads. Dzięki integracjom z innymi produktami Google, kampanie będą precyzyjniej optymalizować się pod grupę odbiorców. To może znacznie poprawić koszt za kliknięcie oraz w dalszym kroku obniżyć koszt za konwersję. 
  • Brak możliwości wykorzystania nowych grup odbiorców stworzonych przez algorytmy Google Analytics 4. 

Potrzebujesz Google Analytics 4? Wdrożymy go dla Ciebie

Jakie są różnice między Google Analytics Universal a Google Analytics 4?

Google Analytics 4 docelowo ma być narzędziem analitycznym wolnym od ciasteczek. Aktualnie ciasteczka służą do pomiarów zachowania użytkowników na naszej stronie internetowej. Metoda ta jest obarczona wieloma problemami, co często skutkuje błędami w pomiarach i analizie danych. Zdarza się, że dwa narzędzia analityczne, służące do pomiaru tych samych danych, raportują inne wyniki. GA4 promowany jest jako narzędzie zaprojektowane do pracy z plikami cookie lub bez nich. Nowa wersja GA4 ma wykorzystać uczenie maszynowe oraz modelowanie statystyczne, co pomoże zapełnić luki w danych. Wynika to z tego, że wprowadzając coraz to nowsze i bardziej rygorystyczne polityki prywatności narzucane przez polityków, świat online staje się coraz mniej zależny od plików cookie.

Odejście od ciasteczek

Jednym z pierwszych mocnych sygnałów odejścia od „ciasteczek” było wprowadzenie polityki ochrony prywatności przez Apple na urządzeniach z systemem iOS14. Google, który swoje przychody w znacznej mierze opiera na reklamach, a skuteczne i precyzyjne reklamy oparte były (wciąż jeszcze są) na ciasteczkach, musiał dostosować się do nowej rzeczywistości. Podejście to najlepiej oddaje informacja, którą znajdziemy w oficjalnych komunikatach firmy Google: 

Ponieważ środowisko technologiczne wciąż ewoluuje, nowy Analytics został zaprojektowany tak, aby dostosować się do przyszłości z plikami cookie lub identyfikatorami albo bez nich. Wykorzystuje elastyczne podejście do pomiaru, a w przyszłości będzie obejmować modelowanie w celu uzupełnienia luk w danych, które mogą być niekompletne. Oznacza to, że możesz polegać na Google Analytics, który pomoże Ci mierzyć wyniki marketingowe i zaspokajać potrzeby klientów już teraz, w trakcie wychodzenia z kryzysu i w obliczu niepewności w przyszłości.

To jest główna i znacząca różnica między starym a nowym Google Analytics. Odejście od plików cookie. Zwłaszcza jeśli zagłębimy się w temat korzystania i śledzenia z wykorzystaniem ciasteczek w wielu domenach (tzw. ciasteczka stron trzecich). Aspekt, który był jednym z najbardziej irytujących tematów i stanowił problem dla większości użytkowników, zwłaszcza w remarketingu, ma być określony, zamknięty w ramach. Google Analytics 4 opierać się będzie na plikach cookie pierwszej strony. Takie wymagania mają nowe przepisy prywatności określone przez dyrektywy UE.

Rekomendacje – działania „na już” związane z Google Analytics

  • Uruchom jak najszybciej nową usługę, by zbierać jak najwięcej danych. Jeśli nie wiesz, jak to zrobić, skontaktuj się z nami!
  • Do momentu deadline miej uruchomione obie usługi na swojej stronie internetowej. Niech pracuje zarówno Google Analytics Universal jak i nowa odsłona Google Analytics 4.
  • Ustaw najważniejsze zdarzenia, które są niezbędne do mierzenia działań na Twojej stronie internetowej.
  • Kluczowe zdarzenia przekształć w cele.
  • Połącz nową usługę z Google Ads.
  • Dzięki zdefiniowanym celom możesz teraz łatwo importować je do Google Ads, by móc optymalizować reklamy pod konwersje. 

Ustawianie zdarzeń oraz dalsze przekształcanie je w cele bywa skomplikowane. Można je zaimplementować w samym narzędziu Google Analytics 4, można wykorzystać do tego Google Tag Manager. Konfigurując analitykę korzystamy z obu rozwiązań.

Jeśli nie masz pewności, czy poradzisz sobie z przejściem na nową analitykę – pomożemy Tobie.

W życiu marketera ciągłe zmiany to normalna sprawa. Do każdych trzeba podejść spokojnie, tak jak robimy to podczas codziennej pracy. Wdrożenie nowej usługi Google Analytics 4 może być skomplikowane. Dla naszych klientów uruchomiliśmy nową usługę, którą w pełni konfigurowaliśmy w dopasowaniu do branży i potrzeb. Dzięki temu spokojnie możemy spoglądać w jutro. Dla Twojej firmy możemy zaimplementować nowy, przyszłościowy sposób mierzenia danych.

#samnektar by Paweł Ciosk/Beeffective

Testy A/B na stronie www z wykorzystaniem Google Optimize

Testy A/B na stronie www z wykorzystaniem Google Optimize

Prowadząc firmę, prędzej czy później przychodzi na myśl pytanie – czy mogę zrobić coś lepiej?

Rozwój i doskonalenie jest naturalnym procesem biznesowym, a usprawnianie swojej strony internetowej jest w obecnych czasach jednym z ważniejszych czynników. Wszystko coraz intensywniej przenosi się do Internetu. To na stronie www klient najczęściej zapoznaje się z Twoją firmą i dokonuje pierwszej interakcji.

Które hasło reklamowe jest bardziej przekonujące? Który baner na stronie głównej będzie lepszy? Czy przycisk powinien być żółty, czy czerwony? Jako właściciel strony www na pewno masz wiele pytań i wątpliwości, odnośnie treści i jej działania.

Każdą hipotezę warto obrócić w realny test, na bazie którego wybierzesz najlepszą wersję swojej witryny. O tym, jak wykonać prosty test A/B z wykorzystaniem darmowego narzędzia Google Optimize przeczytasz w tym nektarze. Zapraszam do lektury.

Co to jest test A/B?

Test A/B to nic innego jak porównanie co najmniej dwóch wersji strony internetowej lub innego produktu. Ma on na celu wyłonienie takiego wariantu, który przełoży się na najlepszy współczynnik konwersji, czyli pożądanej interakcji, np. zakupu lub wypełnienia formularza. Jak to działa w praktyce?

Dzięki odpowiednim narzędziom kierujemy część ruchu na wersję oryginalną i drugą część na wersję testową witryny. Użytkownicy nie są świadomi testu, różne wersje strony uruchamiają się losowo. Eksperyment trwa przez określony czas, w którym system mierzy współczynnik konwersji dla obu wersji.

Po zakończeniu otrzymane wyniki pozwalają na podjęcie decyzji o zmianie layoutu strony, procesu zamówienia czy szaty graficznej na tę wersję, która osiąga lepsze rezultaty. Oczywiście może się tak zdarzyć, że test nie wyłoni jednoznacznie zwycięzcy

Czy warto testować różne warianty swojej strony?

Z informacji, jakie podaje Google, na bazie wewnętrznego badania, mediana liczby konwersji firm z sektora MŚP, które korzystały z Google Optimize wzrosła o 8%. Zważywszy, iż jest to mediana, przy odrobinie wiedzy i doświadczenia, można osiągnąć naprawdę dobre rezultaty.

Co można testować na stronie www?

Testować możemy praktycznie wszystkie elementy strony, od bannerów, po teksty, przyciski, kolory czy całkowicie odmiennie wersje witryny. Warto jednak spędzić trochę czasu i poszukać tych elementów, które naprawdę opłaca się poprawić, gdyż mogą one wpływać na niższy współczynnik konwersji. Zastanówmy się nad sposobem prezentacji oferty i komunikatami. Spróbujmy sami przejść przez proces zamówienia i zastanowić się, które elementy mogą wymagać poprawy. Pomocne mogą okazać się programy nagrywające zachowanie użytkowników i heatmapy.

Jeśli jesteśmy już po oględzinach naszej witryny i wiemy, co może powodować problemy użytkowników, pora na postawienie hipotezy i sprawdzenia jej za pomocą testu.

Jeżeli szukasz wsparcia w obszarze skutecznych kampanii w digitalu

Poznajmy Google Optimize

Po ustaleniu hipotezy potrzebujemy programu, który pomoże nam przejść przez proces testowania. My skupimy się tu na narzędziu ze stajni Google, czyli Optimize.

Jest ono darmowe i dość proste ze względu na edytor wizualny, który implementujemy, korzystając z wtyczki do przeglądarki. Dodatkowo Optimize integruje się z usługą Google Analytics, co pozwala na śledzenie eksperymentu za pomocą samego Analytics’a.

Rodzaje testów w Google Optimize

Jakie testy i zmiany na stronie możemy wprowadzić za pomocą Optimize?

Test A/B

Najpopularniejsza forma testów, porównująca dwa lub więcej wersji witryny ze zmodyfikowanym testowanym elementem, np. przyciskiem lub banerem. Czasem nazywane są testami A/B/n, gdyż wersji może być więcej niż dwie. Ich działanie polega na dynamicznym podmienianiu określonych elementów witryny. W teście bierze udział oryginalna wersja strony, a także wszystkie wersje z modyfikacjami. W tym artykule w ramach przykładu przeprowadzimy właśnie ten rodzaj testu.

Test wielowymiarowy (multivariate test MVT)

W przypadku testu wielowymiarowego mamy do czynienia z kombinacjami zmian. Wynik testu pokazuje zatem najlepszą kombinację kilku elementów.

Test przekierowania

Test przekierowań to podobny test do A/B, z tym że zmienną jest tu adres URL. Oznacza to, że podczas testu kierujemy użytkowników na dwie różne strony. Zamiast poszczególnych elementów, ten rodzaj testów wykorzystywany jest najczęściej w przypadku całkowitej przebudowy strony lub do porównania dwóch landing page’y.

Personalizacja

Ta opcja pozwala na spersonalizowanie treści strony w zależności od źródła ruchu, typu użytkownika czy urządzenia. Przykładowo użytkownicy powracający mogą zastać inną wersję strony niż użytkownicy nowi.

Szablon banera

Ta opcja nie stanowi już tak naprawdę testu. Daje możliwość dodania tymczasowego prostego komunikatu na stronę internetową.

Istotność statystyczna – metodologia testowania

Istotność statystyczna w testach A/B to rzecz na pewno istotna i zarazem skomplikowana. Zagłębienie się w temat przez osoby spoza świata statystyki powoduje rozgoryczenie i zniechęcenie. Na jakiejś podstawie jednak musimy określić, czy przeprowadzony test jest wiarygodny lub nie.

Wyobraźmy sobie test w którym 5 osób pytanych jest o to, który smak lodów jest lepszy. Bez względu na wynik, będziemy mieć poczucie, że coś tu nie gra. Czy po przetestowaniu 5 osób podjęlibyśmy decyzję o zakupie potencjalnie lepszej wedle tego testu maszyny do lodów? Test od razu wydaje się niewiarygodny, więc raczej nie.

Aby test odpowiedział na to pytanie, musi być istotny statystycznie, czyli przeprowadzony na tak licznej grupie docelowej, która wykluczy z naszego testu przypadek losowy.

Wielkość grupy na bazie obecnego i zakładanego współczynnika konwersji możemy wyliczyć w kalkulatorach testów A/B lub  zdać się na metodologię, z której korzysta Google Optimize.

Metodologia statystyczna w Google Optimize

Z informacji dostępnych w dokumentacji wynika, że Google Optimize korzysta ze statystyki bayesowskiej. Łącząc statystykę i rachunek prawdopodobieństwa, skomplikowany wzór wylicza ewentualność, że dana wersja witryny będzie lepsza w dłuższej perspektywie czasu. Im dłużej trwa test i więcej zgromadzonych danych, tym wynik ten staje się dokładniejszy. Metodologia ta pozwala w relatywnie krótkim czasie poznać lepszą wersję witryny, bez zagłębiania się w skomplikowane teorie statystyczne.

Konfiguracja Google Optimize

Przejdziemy teraz przez konfigurację narzędzia, a następnie utworzymy prosty eksperyment.

Czego potrzebujesz, aby zacząć?

Google Analytics

Test A/B tworzymy w oparciu o konwersje, które zbieramy w Google Analytics. Narzędzia są zintegrowane i swobodnie wymieniają dane między sobą.

Google Tag Manager

Za pośrednictwem menedżera tagów najprościej jest zaimplementować kod Google Optimize na stronę www.

Przeglądarka Google Chrome

Tylko za pośrednictwem przeglądarki Google Chrome mamy możliwość skorzystać z wtyczki Google Optimize i dokonywać zmian na stronie za sprawą prostego edytora wizualnego.

Utworzenie nowego kontenera

Na początek zacznijmy od stworzenia nowego kontenera. Przejdźmy na stronę: https://optimize.google.com

Przygodę zaczniemy od wciśnięcia przycisku „Wypróbuj”.

Założenie konta Google Optimize
Założenie konta Google Optimize

Następnie musimy przejść przez „biurokrację”, czyli zgody i dane, które chcemy udostępniać do Google.

Potwierdzanie zgód w Google Optimize
Potwierdzanie zgód w Google Optimize

Po utworzeniu konta zauważymy już przycisk „Utwórz doświadczenie”, ale najpierw zajmijmy się implementacją kodu i instalacją odpowiedniej wtyczki w przeglądarce, aby mieć ten proces z głowy podczas tworzenia eksperymentu.

Implementacja Google Optimize za pośrednictwem Google Tag Managera

Przejdźmy do naszego kontenera Google Tag Manager i utwórzmy nowy tag. Wśród predefiniowanych tagów znajdziemy także ten właściwy dla Google Optimize. Podczas jego konfiguracji musimy podać identyfikator kontenera. Znajdziemy go klikając ustawienia w panelu Google Optimize w prawym górnym rogu.

Ustawienia Google Optimize
Ustawienia Google Optimize

Otrzymany identyfikator wklejamy w konfiguracji tagu.

Tworzenie tagu Optimize
Tworzenie tagu Optimize

Po wpisaniu identyfikatora, wybieramy ze zmiennych naszą usługę Analytics.

Tag Optimize do prawidłowego działania wymaga tego, aby uruchamiał się zawsze przed tagiem Google Analytics. Aby tak się stało musimy przejść do tagu, który uruchamia kod Google Analytics w naszej witrynie i ustawić odpowiednie sekwencjonowanie.

Ustawienie sekwencjonowania tagów
Ustawienie sekwencjonowania tagów

Tym sposobem Google Optimize będzie uruchamiał się przed tagiem Google Analytics.

W naszym przypadku, podobnie jak Analytics, tag Optimize będzie się uruchamiał na każdej stronie, czyli regułą będzie All Pages. Po zastosowaniu zmian kod powinien działać poprawnie, ale zweryfikujemy to później.

Instalacja wtyczki Google Optimize

Abyśmy mogli korzystać w pełni z narzędzia potrzebujemy zainstalować odpowiednią wtyczkę do przeglądarki Google Chrome. Jeśli używamy na co dzień innej przeglądarki, musimy na czas tworzenia eksperymentów przenieść się do Chrome’a.

Zainstalowanie wtyczki możliwe jest po przejściu do strony: LINK

Następnie należy kliknąć  „Dodaj do Chrome”. W następnym kroku dodajemy rozszerzenie i wszystko gotowe.

Instalacja rozszerzenia Optimize do przeglądarki Chrom
Instalacja rozszerzenia Optimize do przeglądarki Chrom

Konfiguracja testu A/B krok po kroku

Mamy zainstalowane zaplecze w postaci wtyczki i kodu na stronie www, możemy więc przystąpić do tworzenia testu.

W panelu Google Optimize klikamy “Utwórz doświadczenie”. Przeprowadzony przez nas test służy wyłącznie pokazaniu mechanizmu działania narzędzia, dlatego będzie bardzo prosty. Polegać będzie na przetestowaniu innego tekstu na przycisku w topie strony firmowej beeffective.pl

Strona oryginalna zawiera tekst przycisku: POZNAJ NAS

Strona testowa zawiera tekst przycisku: WSPÓŁPRACUJ Z NAMI

Sprawdzimy, która wersja przycisku jest częściej klikana.

W pierwszym kroku podajemy nazwę, stronę internetową oraz wybieramy z listy test A/B.

Pierwsze kroki w konfiguracji testu

W następnym kroku dodajmy nową wersję naszej witryny klikając odpowiedni przycisk.

Tworzenie wersji testowej

W naszym przypadku chcemy na obie wersje witryny skierować dokładnie po połowie całego ruchu, więc wartości pozostawiamy na 50%.

Ustawienia wersji testowej

Zanim zabierzemy się za edycję wersji testowej, przejdźmy przez pozostałe kroki, gdzie musimy połączyć usługę Google Optimize z naszym widokiem Google Analytics i wybrać cel, pod który eksperyment będzie się optymalizować.

Łączenie z usługą Analytics

W naszym przypadku celem jest kliknięcie przycisku.

Wybór celu optymalizacji

Sprawdźmy też poprawność instalacji kodu na stronie klikając odpowiedni przycisk.

Weryfikacja poprawności implementacji

Jeśli kod wgrany jest poprawnie, powinniśmy otrzymać następujący komunikat:

Prawidłowa implementacja kodu w Google Optimize
Prawidłowa implementacja kodu Optimize

Mamy tu informację o braku kodu zapobiegającego migotaniu, jednakże ten kod wgrywamy tylko i wyłącznie na wypadek problemów z wyświetlaniem, np. w momencie kiedy wersja oryginalna i testowa zmieniają się naprzemiennie po otwarciu strony.

Powinniśmy jeszcze przyjrzeć się ustawieniom kierowania na adres URL. W naszym przypadku chodzi o stronę główną witryny. Warto sprawdzić, jak zadziała ustawienie domyślne.

Sprawdzanie ustawienia domyślnego

Należy pamiętać, że ruch, np. z Facebooka oraz Google Ads, dodaje do adresu URL parametry gclid i fbclid. Domyślne ustawienie wykluczyłoby ten ruch, więc zastosowaliśmy następującą regułę, aby objąć wszystkich użytkowników wchodzących na stronę główną.

Przykładowa reguła

Ścieżka to element adresu URL, który znajduje się po domenie. W odróżnieniu od zmiennej, “adres URL” nie obejmuje parametrów. Widać na powyższym przykładzie, że test zadziała również z parametrem gclid.

To, co nam pozostało, to edycja testowej wersji strony. Przejdźmy zatem do edycji, klikając przycisk „edytuj” przy wersji testowej. Dzięki wtyczce przeniesiemy się na stronę z możliwością prostej edycji elementów. W wersji testowej zmieniamy tekst CTA.

Edycja wersji testowej
Edycja wersji testowej

Aby zmiana miała „ręce i nogi”, zmienimy też stronę docelową na stronę kontaktu.

Zmiana strony docelowej

Po zatwierdzeniu i zapisaniu stworzyliśmy wersję testową. Test jest zatem gotowy do uruchomienia.

Po uruchomieniu mamy stały dostęp do statystyk i wskazań systemu odnośnie wersji, która wykazuje większe prawdopodobieństwo konwersji.

Wyniki niezakończonego eksperymentu

Oczywiście zalecamy poczekać do zakończenia eksperymentu. W początkowej fazie wykazuje on lepszy współczynnik konwersji dla wersji testowej.

Życzymy owocnego testowania!

Działaj w oparciu o dane, a nie intuicję

Pozyskanie użytkowników na stronę www bywa kosztowne. Jeśli wszystkie elementy na Twojej stronie do tej pory wykonywane były w oparciu o „wyczucie”, może warto postawić pewne hipotezy i przeprowadzić testy A/B? Pomyśl o korzyściach. Gdy dokładnie ta sama liczba użytkowników przyniesie większą wartość Twojej firmie, oznacza to realizację Twoich celów biznesowych przy niższym koszcie mediowym.

#samnektar by Robert Skrobek/Beeffective

Szukasz wsparcia w efektywnych działaniach w digitalu, które pozwolą rozwinąć Twój biznes?

Anulowanie transakcji w Google Analytics

Realizując kampanie reklamowe staramy się robić wszystko zgodnie z najlepszymi praktykami, dopasowując KPI do modelu biznesowego. W przypadku sklepów internetowych, najważniejsza, z punktu widzenia wyników, jest odpowiednia korelacja wydatków i osiągniętego przychodu. Mówi o tym współczynnik ROAS (Return On Ad Spend), czyli zwrot z wydatków poniesionych na reklamę.

Konfigurując analitykę dla sklepu internetowego w Google Analytics opieramy się na module e-commerce, do którego napływa wartość transakcji po dokonanym zakupie. W kampanii Google Ads ustawiamy właściwy współczynnik ROAS, na bazie którego chcemy osiągnąć konkretny zwrot z nakładów na reklamę. Wszystko wygląda wspaniale, dopóki klienci zamawiają, płacą i są zadowoleni. Natomiast należy pamiętać o tym, że wyniki w Google Analytics mogą na pozór prezentować się dobrze, ale realnie część transakcji nie jest opłacana, a część jest z różnych powodów zdublowana. Ktoś celowo lub przypadkiem może zrobić zakupy o wartości 100 razy większej niż Twój średni koszyk. Dodatkowo panuje moda na zwracanie zakupionych przedmiotów, co nie ułatwia podejmowania decyzji biznesowych na bazie raportów analitycznych.

O tym, jak dbać o przejrzyste raporty w obliczu niechcianych transakcji oraz jak dodać zwroty do naszych raportów napiszę w tym nektarze. Zapraszam do lektury.

Niechciana transakcja na dużą kwotę – co dalej?

Załóżmy, że zostaliśmy dotknięci sytuacją, w której otrzymaliśmy błędne zamówienie na bardzo dużą kwotę. Wiadome jest, że w każdej platformie sklepowej możemy to zamówienie w prosty sposób anulować. Niestety nie spowoduje to anulowania transakcji w Google Analytics, a na horyzoncie, w samym systemie, nie widać też łatwej drogi, by to zrobić. Pamiętajmy, że wartość transakcji bardzo często jest elementem, na bazie którego optymalizuje się nasza kampania produktowa, czyli tak naprawdę główna kampania dla większości sklepów online.
System Google przy zadanym ROAS postępuje dość ostrożnie i zwiększa wydatki dzienne wtedy, kiedy faktycznie widzi potencjał sprzedażowy.
Jeśli ustawiliśmy za cel osiągnięcie np. 5-krotności zwrotu w stosunku do poniesionych kosztów, to Google otrzyma informacje, że transakcja, która realnie nie doszła do skutku, zrealizowała założony cel. Wtedy może poprosić Cię o zwiększenie budżetu lub też spożytkować resztę budżetu nie do końca dobrze. Co możemy zrobić w tej sytuacji?

Zmiana strategii ustalania stawek

Najprostszą, ale jednocześnie niekoniecznie skuteczną metodą na wyjście z sytuacji, będzie zmiana strategii ustalania stawek. Możemy ją zmienić całkowicie, pomijając wartość transakcji, lub też wyłączyć docelowy ROAS i pozostawić maksymalizację wartości. W tym przypadku, określając budżet dzienny, musimy się liczyć z tym, że może zostać zużyty całkowicie bez względu na wyniki. Brak ROAS nie zadziała wszędzie, przykładowo – inteligentna kampania w Google Display Network optymalizowana pod wartość wymaga jego podania.

Usunięcie/Odwrócenie transakcji w Google Analytics

Czy usunięcie transakcji w Google Analytics jest możliwe? Odpowiedź na to pytanie brzmi – nie. Jedyną możliwością, jaką daje system jest jej odwrócenie. Co oznacza to w praktyce? Odwracając transakcję, wstrzykujemy wyłącznie ujemne wartości dla tego samego identyfikatora transakcji. Tak więc stara transakcja pozostaje w systemie, ale z punktu widzenia zakresu dat, gdzie zawarta jest niechciana transakcja oraz transakcja odwrotna, wartość równa się zero, czyli matematycznie jakby nie istniała. Warto takie odwrócenie wykonać jeszcze tego samego dnia, gdyż odwrócona transakcja dnia następnego przy raportowaniu dziennym będzie generować ujemny przychód.

Cofanie transakcji e-commerce – krok po kroku z przykładem

Krążąc po Internecie, czy nawet z pomocą oficjalnego supportu Analyticsa, możemy dowiedzieć się, że aby cofnąć transakcję należy załadować stronę z odwrotną transakcją. Google nie odsyła nas do żadnych informacji, jak to zrobić. Choć sposobów jest kilka, na przykład wrzucenie warstwy danych z odwrotnymi wartościami transakcji za pomocą Google Tag Managera, to Google posiada również możliwości prostsze, którymi się jednak nie chwali.

Chciałbym pokazać Wam, jak krok po kroku cofnąć transakcję za pośrednictwem narzędzia Google o nazwie Hit Builder. So let’s go!

Aby z niego skorzystać należy być zalogowanym do konta Google, do którego przypisany jest Google Analytics, w którym planujemy dokonać zmian. LINK do narzędzia.

Po otwarciu strony widzimy formularz, gdzie możemy podać pewne parametry. Niewiele nam to mówi, ale nic dziwnego, gdyż znajdujemy się w narzędziu dla deweloperów. Przy instrukcji krok po kroku każdy może sobie z tym poradzić. Zatem co tam wpisać i czy to bezpieczne?

Tak jak zwykłej transakcji nie można cofnąć w taki sposób, aby zniknęła całkowicie, tak zmian wprowadzonych tutaj również nie można usunąć. Oczywiście nie straszę, ale sugeruję o tym pamiętać.

Skoro bazowa strona Hit Buildera nic nam nie mówi, zacznijmy naszą podróż w innym miejscu mianowicie tutaj: LINK

Na stronie mamy informację o wszystkich edytowalnych parametrach Analyticsa, które możemy zmienić za pośrednictwem Hit Buildera. To, co nas interesuje, to transakcje, więc udajmy się do sekcji Ecommerce Tracking.

Widok z Transaction Hit_anulowanie transakcji w Google Analytics
Widok Transaction Hit

Wszystko wygląda teraz mniej obco.Tutaj mamy już opis parametrów, które potrzebne są do utworzenia transakcji – w naszym przypadku odwrotnej transakcji.

Po kliknięciu linku Measurement Protocol Hit Builder, zostaniemy przeniesieni do budowania “hita”, ale z uzupełnionymi danymi przykładowej transakcji.

Widok parametrów w Hit Builder_anulowanie transakcji w Google Analytics
Widok przykładowych parametrów w Hit Builder

Teraz wystarczy te parametry podmienić na właściwe dla naszej transakcji. Jakie dane musimy zebrać?

tid – czyli nasz identyfikator Google Analytics
cid – identyfikator, który wygeneruje się sam, po kliknięciu ikonki po prawej stronie
ti – identyfikator transakcji
ta – w polskiej wersji Analytics będzie to “przynależność”
tr – wartość transakcji
ts – koszt dostawy
tt – wartość podatku VAT
cu – waluta, czyli u nas PLN

Oczywiście wszystkie te dane możemy odczytać w Google Analytics. Transakcje rejestrowane są za pośrednictwem modułu e-commerce, więc wszelkie informacje zawarte są w tymże segmencie raportów.

Aby tam trafić należy w Google Analytics przejść kolejno: Konwersje > E-commerce > Skuteczność sprzedaży.

W raporcie mamy już praktycznie wszystkie dane. Brakuje wyłącznie przynależności, którą możemy dodać jako wymiar dodatkowy. Gdy to zrobimy, możemy mieć pewność, że otrzymany raport zawiera kompleksowe informacje. Na poniższym przykładzie będę chciał odwrócić transakcję o identyfikatorze 23351. Należy pamiętać, że wszystkie wartości pieniężne, czyli wartość transakcji, koszt dostawy jak i podatek, należy podać z wartością ujemną.

Widok raportu e-commerce_anulowanie transakcji w Google Analytics
Widok raportu e-commerce

W mojej transakcji wartości będą następujące:
tr: -36,49
ts: -16,50
tt: -3,74

Widok wypełnionych danych dla odwróconej transakcji w Hit Builder
Widok wypełnionych danych dla odwróconej transakcji w Hit Builder

Jeśli wszystkie dane zostały wprowadzone, możemy wygenerować unikalny identyfikator cid, klikając ikonkę zawiniętej strzałki. Ostatni rzut oka, czy wszystko się zgadza i możemy sprawdzić poprawność klikając Validate hit. Jeśli wszystko jest w porządku, system poinformuje nas napisem „Hit is valid”. Wystarczy kliknąć „Send to GA”.

Widok potwierdzenia w Hit Builder
Widok potwierdzenia w Hit Builder

Po kliknięciu nic się nie zmieni, dlatego warto po odczekaniu chwili sprawdzić, czy transakcja odwrotna została zarejestrowana. Przypisze się ona do daty wysłania, zatem ustawcie datę w raporcie „na dzisiaj”. W moim przypadku odwracałem transakcję, która była w przeszłości, zatem widoczna jest z wartościami ujemnymi.

Widok raportu z odwróconej transakcji
Widok raportu z odwróconej transakcji

Jeśli odwracacie transakcję, która była tego samego dnia, powinniście zobaczyć wartości zerowe. To wszystko! Nie było tak trudno – prawda?

Raportowanie zwrotów

Niechciana transakcja – problem z głowy, ale częstym problemem, jaki napotykamy, są zwroty. Warto zatem dodać je do swoich raportów. Jeśli mamy duży sklep z ogromną ilością transakcji i zwrotów na pewno warto zlecić ten temat programistom i skorzystać z API, w celu automatyzacji ich wysyłania. W przypadku mniejszych sklepów możemy uporać się z tym samodzielnie. Jedną z opcji jest skorzystanie z plików csv i funkcji importowania, ale wydaje mi się, że użycie w tym przypadku Hit Buildera jest zwyczajnie prostsze i praktyczniejsze.

Wróćmy zatem do wszystkich możliwości narzędzia i poszukajmy tam odpowiedniej sekcji. Powinniśmy natrafić na Measuring Refunds.

Widok z Measuring Refunds
Widok z Measuring Refunds

W przypadku zwrotu całej transakcji wystarczy tak naprawdę podać wyłącznie jej identyfikator. W moim przypadku, dla transakcji o identyfikatorze 23324, wypełnione parametry wyglądają następująco:

Widok z Hit Builder_wypełniony dla zwrotu całej transakcji
Widok z Hit Builder_wypełniony dla zwrotu całej transakcji

W przypadku zwrotu pojedynczego produktu mamy dwa dodatkowe parametry, czyli identyfikator zwracanego produktu oraz ilość.
Aby odczytać te informacje należy przejść do raportu: „Skuteczność produktu” oraz do zakładki “Kod produktu SKU”. Kod SKU jest właśnie poszukiwanym identyfikatorem produktu. W celu łatwiejszego odnalezienia produktu, możemy w wymiarze dodatkowym umieścić identyfikator transakcji, a następnie skorzystać z filtrowania, by odnaleźć tę, która zawiera zwrócony produkt.

Odczytywanie SKU produktu
Odczytywanie SKU produktu

Przykładowy hit dla zwrotu pojedynczego produktu o identyfikatorze 6895 będzie wyglądał następująco:

Widok uzupełnienia dla pojedynczego zwracanego produktu_analuwanie transakcji w Google Analytics
Widok uzupełnienia dla pojedynczego zwracanego produktu

Po wysłaniu zdarzenia, w Google Analytics pojawiła się kwota zwrotu kosztów.

Widok raportu_Kwota zwrotu kosztów

Dane te możemy wykorzystać tworząc np. raport w Google Data Studio, ale możemy również dodać obliczony parametr w Google Analytics, w którym wykorzystamy zwroty. Myślę, że dla każdego pierwszym obliczanym parametrem byłoby, ile uzyskaliśmy sprzedaży w danym okresie, po odjęciu zwrotów, więc taki parametr dodajmy w ramach przykładu.

Google Analytics – Obliczone dane

Aby dodać własny parametr, należy udać się do funkcji “Obliczone dane” na poziomie widoku w ustawieniach Google Analytics.

Widok w ustawieniach Google Analytics
Widok w ustawieniach Google Analytics

Następnie tworzymy nowy parametr. Niestety w darmowej wersji możemy dodać ich tylko 5. Naszym celem jest, aby system obliczył przychód bez zwrotów. Parametr najlepiej nazywać bez użycia polskich znaków, co pozwoli uniknąć problemów. 

Aby obliczyć przychód bez zwrotów, musimy odjąć zwroty od przychodu, więc działanie będzie wyglądać następująco:

{{Przychody}}-{{Kwota zwrotu kosztów}}, a typ formatowania “Waluta (wartość dziesiętna)”

Jeśli chcielibyśmy obliczyć przykładowo % przychodu zwróconego, działanie zapiszmy w taki sposób:

{{Kwota zwrotu kosztów}} / {{Przychody}} zaznaczając jako typ formatowania “procentowe”

Wykorzystanie obliczonych danych

Należy pamiętać, że mamy w tym przypadku pewne ograniczenia i obliczone dane możemy wykorzystać jedynie w raportach niestandardowych oraz budując panele informacyjne. Dla przykładu możemy przejść do raportowania Źródło/Medium. Na górze mamy przycisk Edytuj. 

Widok z edycji raportu_anulowanie transakcji w Google Analytics
Widok z edycji raportu

Podczas edycji parametrów możemy użyć wcześniej utworzonych obliczonych danych.

Widok parametrów w raporcie_anulowanie transakcji w Google Analytics
Widok parametrów w raporcie

Raport w moim przypadku, przy uwzględnieniu testowego zwrotu dla źródła direct, przedstawia się następująco:

Widok raportu z obliczonymi danymi
Widok raportu z obliczonymi danymi

Nie taki diabeł straszny

To wszystko w dzisiejszym nektarze. Mam nadzieję, że przekazane informacje pomogą Wam zapanować nad przejrzystością, a przede wszystkim prawdziwością raportów.

#samnektar by Robert Skrobek/Beeffective Team

Kluczowe zmiany w Google Ads i analityce na przestrzeni ostatnich lat

Google Ads i kluczowe zmiany

Świat reklamy online zmienia się w oszałamiającym tempie. Marketingowiec po kilku miesiącach przerwy w pracy mógłby pogubić się w tym, co dzieje się na rynku digitalowym. Z jednej strony Google i Facebook walczą ze sobą o budżety marketingowe, wprowadzając nowe funkcje i możliwości, z drugiej zaś strony mają wspólnego rywala, czyli RODO i nowe podatki. Jak się okazuje, Apple też potrafi dać „klapsa” takim gigantom jak Facebook i Google poprzez zaostrzenie polityki prywatności w swoim oprogramowaniu. Zmiany gonią zmiany i o tym, co się działo na przestrzeni ostatnich kilkudziesięciu miesięcy, można zapewne napisać powieść. Ja spróbuję odnieść się do tych kluczowych modyfikacji, które mają wpływ na codzienną optymalizację kampanii w Google Ads i analityce.

Automatyzacja i machine learning

Pewnie każdy, kto od czasu do czasu zagląda do kampanii Google Ads, miał do czynienia z postępującą automatyzacją. Wprowadzenie reklam elastycznych razem z wynikiem optymalizacji kampanii było oczkiem w głowie Google’a.  Są to reklamy, gdzie system na bazie kilkudziesięciu wariacji stara się wybrać najlepszą kombinację. Osobiście początki implementacji wspominam raczej negatywnie. Mimo telefonów od opiekunów i namawiania do korzystania z tego typu reklam, długo nie chciałem się „nawrócić”. Miałem ku temu swoje powody – wyniki klasycznych reklam były często lepsze.

Machine learning_Google Ads

Od wprowadzenia reklam elastycznych minęły już praktycznie 3 lata, zatem możemy zadać sobie pytanie – czy wszystko poszło w dobrą stronę? Odpowiedź brzmi: zdecydowanie tak.

Na przestrzeni tego czasu wprowadzono w nich kilka ulepszeń. Obecnie sama reklama poddawana jest ocenie, a system estymuje jej skuteczność jeszcze przed uruchomieniem. Dzięki zbieraniu informacji z kont z całego świata, Google używa ogromu danych w algorytmach uczących, zwiększając skuteczność automatyzacji. Obecne wyniki na większości kont pokazują przewagę automatycznie tworzonych kompozycji nad tymi standardowymi.

Dużym plusem w przypadku reklam graficznych jest to, iż reklama elastyczna wykorzystując de facto dwa rozmiary grafik. Oznacza to, że jest w stanie dopasować się do każdego miejsca w sieci reklamowej. Znacząco przyśpiesza to możliwości uruchomienia reklamy.

Kampanie inteligentne (smart)

Wyszukiwanie grupy docelowej_Google Ads

Ku chwale automatyzacji powstały też kampanie inteligentne. Nie wymagają dużej ilości ustawień. Po utworzeniu reklamy i ustaleniu strategii ustalania stawek, kampania samodzielnie wyszukuje potencjalnych klientów.

Na uwagę zasługują też kampanie produktowe dla projektów e-commerce. Inteligentne kampanie osiągają tu naprawdę świetne wyniki. Mimo tego, że są one po prostu połączeniem standardowej kampanii i remarketingu, to zbudowanie czegoś o takiej skuteczności klasycznymi kampaniami ciężko zrealizować. Brawo Google!

Czy automatyzacja w Google Ads ma wady?

Niestety tak. O ile przygotowanie kampanii inteligentnych jest proste, gdyż liczba ustawień została ograniczona do minimum, to wyciągnięcie wniosków z takiej kampanii jest problematyczne. Tym sposobem mamy “magiczny twór”, który osiąga ponadprzeciętne wyniki, ale nie wiemy tak naprawdę do kogo i w jakich sytuacjach kieruje reklamy.

Wadą jest też to, że jesteśmy trochę zmuszani do automatyzacji przez sam system. Czasem reklamodawcy mają wyśrubowane wytyczne, w kwestii wykorzystania swoich znaków towarowych. Grafiki muszą być oparte na księdze znaku i nie mogą przybierać nieprzewidzianych kształtów. Reklamy elastyczne powstają w sposób dynamiczny i nie mamy stuprocentowej kontroli nad tym, jak finalnie będą wyglądały.

Oczywiście możemy wciąż używać grafik statycznych, ale system Google Ads już nie wspiera tego formatu. Zabrano też możliwość masowej edycji tych reklam. Zmiany adresu URL musimy dokonywać w edytorze Google Ads lub każdą z reklam należy edytować pojedynczo.

Jak te zmiany wpływają na codzienną pracę przy optymalizacji kampanii?

Google Ads zdecydowanie zmierza w stronę szybszego i prostszego ustawiania kampanii. Przy korzystaniu z automatycznych strategii ustalania stawek, najważniejsze staje się dostarczenie właściwych danych o konwersjach. Jest to ważniejsze od samej struktury i ustawień w kampanii. Obecnie można odnieść wrażenie, że rozdrabniające metodologie optymalizacyjne, takie jak SKAG (Single Keyword Ad Groups), tracą na wartości, gdyż są bardzo czasochłonne, a niekoniecznie tak jak kiedyś, przekładają się na lepsze wyniki. Google Ads potrafi bez dużej segmentacji zoptymalizować kampanię pod warunkiem dostarczenia “jakościowych danych”, czyli właściwie zmierzonych i prawdziwie wartościowych konwersji. A jeśli mowa o konwersjach to tu mamy również istotną zmianę.

Możliwość przypisania konwersji do konkretnej kampanii

Na pierwszy rzut oka może wydawać się, że jedna konwersja, np. “zakup”, wystarczy do optymalizacji wszystkich kampanii. Czasem jednak warto optymalizować konkretne kampanie pod konkretne konwersje. Bywa i tak, że konwersja z jednej kampanii okazuje się nielogiczna w przypadku drugiej. Przykładowo kampania remarketingowa optymalizowana pod dodanie do koszyka, kiedy użytkownik, wracając do sklepu, ma koszyk już uzupełniony wcześniej dodanymi produktami na bazie ciasteczek. Kolejny aspekt to sama budowa strukturalna konta Google Ads, gdzie dozwolone jest reklamowanie różnych stron w ramach jednego konta. A wiadomo, że inna strona może mieć zupełnie inny cel biznesowy.

Bardzo długo musieliśmy czekać na dodanie tej funkcjonalności. Wcześniej byliśmy po prostu zmuszani do wrzucania wszystkich konwersji do jednego worka. Dodatkowo też przed wprowadzeniem automatycznych strategii typu “Maksymalizacja liczby konwersji”, mieliśmy dostępną tylko strategię CPA. Kiedy konwersje “gryzły się” między kampaniami, jedyne co nam pozostało, to przejście na ręczne ustalanie stawek lub maksymalizację liczby kliknięć.

Obecnie mamy możliwość przypisania konkretnych konwersji do konkretnych kampanii. Możemy to wykorzystać również w kontekście rozdziału na makro i mikro konwersje. Kampanie display mogą być ustawiane pod optymalizowanie na mikro konwersję, gdyż często docierają do użytkowników na początku lejka sprzedażowego. Natomiast kampanie z końca lejka mogą być optymalizowane pod konwersje stricte sprzedażowe.

Taki rozdział daje możliwość szybszej nauki kampanii display, poprzez dostarczenie większej ilości konwersji.

Dopasowania słów kluczowych

Zmiany w dopasowaniach słów kluczowych zawsze wywołują dość duże poruszenie wśród społeczności Google Ads. Nic w tym dziwnego – przeważnie wygląda to jak “zamach” na kolejne pieniądze reklamodawców.

Pierwsza zmiana dotyczyła dopasowań ścisłych. Kiedyś dopasowanie to mogliśmy rozumieć i stosować dosłownie. Użytkownik faktycznie musiał wpisać dokładnie to, co mamy w słowie kluczowym.

Obecnie dopasowanie ścisłe dopuszcza również wyrazy bliskoznaczne, inny szyk wyrażenia, synonimy i parafrazy, a nawet interpretację intencji wyszukiwania. Tak więc reklamy mogą wyświetlić się przy totalnie innym wyrażeniu niż w słowie kluczowym.

Nadchodzące zmiany w dopasowaniu przybliżonym z modyfikatorem

Obecnie szykuje się kolejna zmiana. Tym razem będzie ona dotyczyła dopasowania przybliżonego z modyfikatorem. Przykład zaprezentowany przez Google wygląda następująco:

Google Ads_słowa kluczowe

Słowa te zostaną “wchłonięte” przez dopasowanie do wyrażenia. Z jednej strony pomoże to tym firmom, dla których szyk wyrażenia jest istotny w wyszukiwanej frazie, tak jak w przedstawionym przykładzie dla firmy przewozowej, ale z drugiej strony wygląda na to, że to Google będzie decydował, czy kolejność ma znaczenie, czy nie.

Google Analytics 4 – ewolucja czy rewolucja?

Pierwsza wersja Google Analytics została uruchomiona w 2005 roku. Choć system ten cały czas się rozwijał i zmieniał wizualnie, to pozostawał spójny w swoim podejściu do kluczowych metryk. Czy nowa usługa Google Analytics 4 niesie ze sobą jakieś zmiany w tej kwestii?

Zorientowanie na użytkownika

Razem z rozwojem rynku mobile i coraz częściej pojawiającego się mieszania urządzeń (cross-device) wśród użytkowników stron internetowych, Google Analytics stał się mniej precyzyjny. Jak wiadomo, każde z urządzeń używane przez jedną osobę jest liczone, w klasycznym Google Analytics, jako osobny użytkownik. Główny konkurent, czyli Facebook, opiera się na zalogowanych użytkownikach. Zatem bez względu na zastosowane urządzenie jest w stanie bezproblemowo te dane powiązać. Google musiało również sprostać wymaganiom rynkowym i zwiększyć precyzję pomiarów zachowania użytkowników pomiędzy różnymi urządzeniami.

Klasyczny Google Analytics oparty jest wyłącznie na plikach cookie. Natomiast nowa usługa korzysta także z własnych zasobów informacji o użytkownikach. Ogromna rzesza osób korzysta z Androida, gdzie zgoda na personalizację reklam pozwala powiązać dane konta Google z różnych platform. Zrozumienie całej podróży użytkownika jest w dzisiejszych czasach bardzo ważne, dlatego tę zmianę należy uznać za rewolucyjną.

Nowe podejście do znanych metryk

Analytics w klasycznej wersji zlicza dane w oparciu o przeładowania strony. Przy każdym przeładowaniu uruchamiany jest kod Analytics i na tej podstawie możemy zebrać dane, np. o czasie spędzonym na stronie. Jeśli kolejne przeładowanie nie wystąpiło, mamy do czynienia z odrzuceniem.

Nowa usługa Analytics 4 została przemodelowana do zliczania danych na podstawie zdarzeń. Oprócz podstawowych zdarzeń typu “pageview”, automatycznie generowane są też podstawowe zdarzenia, takie jak scrollowanie witryny. Zdarzenia te generują się bez przeładowania strony, co znacznie zwiększa precyzje pomiarów. Dla osób korzystających od dawna ze zdarzeń generowanych, np. w Google Tag Managerze, również w starej usłudze Google Analytics, nie będzie to rewolucja, ponieważ niedoskonałości mierzenia starszej wersji można było nieco poprawić.

Co się stało ze współczynnikiem odrzuceń?

Współczynnik odrzuceń jest chyba jednym z najbardziej lubianych wskaźników w branży marketingowej. Nie jest może zbyt dokładny, ale daje możliwość szybkiego porównania jakości źródeł ruchu.

Jeśli nowa usługa mierzy interakcje bez przeładowania strony, to stosowanie tego współczynnika trochę traci sens. W tym przypadku lepiej jest spojrzeć na zaangażowanie. Pewnie dlatego, zamiast współczynnika odrzuceń, wprowadzono takie metryki jak sesje z interakcją, na bazie której obliczany jest współczynnik zaangażowania.

W klasycznej usłudze Analytics, jeśli użytkownik trafił na naszą stronę i przykładowo czytał artykuł 20 min, ale nie przeszedł na żadną inną podstronę, będzie zaliczony jako odrzucenie z czasem na stronie wynoszącym 0 sekund.

Nowa usługa wygeneruje zdarzenia scrollowania i będziemy w stanie stwierdzić, czy artykuł zainteresował odbiorcę, czy nie.

Zmiany w oprogramowaniu Apple iOS 14

Ostatnio zasypywani jesteśmy komunikatami na temat zmian w najnowszym oprogramowaniu Apple, które mają wpłynąć na nasze reklamy. O co tu chodzi?

Apple, dbając o prywatność swoich użytkowników, postanowił dodać dodatkowy monit z pytaniem, czy wyrażają oni zgodę na śledzenie, podczas uruchamiania aplikacji. Jeśli użytkownik nie wyrazi zgody, nie będziemy w stanie śledzić konwersji. Czy faktycznie jako reklamodawcy mamy się czego obawiać?

Google Ads_najważniejsze zmianu na przestrzeni lat

Na polskim rynku Apple rośnie w siłę, ale wciąż jego udział w rynku smartphone’ów jest dużo niższy niż średnia europejska. W Polsce wynosi obecnie około 7%, kiedy średnia w Europie to około 31%. Nawet jeśli jakaś część osób z tych 7% nie zgodzi się na śledzenie, nie będzie miało to aż tak wielkiego znaczenia. Tak więc na rodzimym rynku nie spodziewałbym się wielkich zawirowań. W krajach, gdzie udział Apple jest zdecydowanie wyższy, może być zgoła inaczej.

Cała sytuacja przypomina też trochę początki wprowadzania RODO. Mamy często na stronach wielkie okna z wyborem, na jakie ciasteczka wyrażamy zgodę. Większość użytkowników, bez zapoznania się z zasadami i tak się na wszystko zgadza.

Czy taki sam los spotka tę aktualizację? Na odpowiedź musimy jeszcze poczekać. Natomiast już teraz powinniśmy dopasować się do zmian, szczególnie jeśli używamy reklam na Facebooku, gdzie wymagane jest chociażby zweryfikowanie domeny.

Podsumowanie

Celem artykułu nie było przedstawienie nowości, ale spojrzenie na pewne kluczowe rzeczy z perspektywy czasu. Oczywiście są one kroplą w morzu wszystkich zmian. Poruszyłem tu kilka tych aspektów, które w mojej ocenie wpływają obecnie na kształtowanie strategii kampanii Google Ad’sowych, w porównaniu z możliwościami z przeszłości. Ostatnie lata, przynoszące ciekawe zmiany, zdają się być najbardziej dynamiczne. Z jednej strony tracimy kontrolę nad pewnymi aspektami kampanii, z drugiej strony algorytmy robią dobrą robotę.

#samnektar by Robert Skrobek/Beeffective Team

Google Analytics 4 – poznaj nową odsłonę narzędzia!

Google Analytics 4

Dzień każdego specjalisty od performance marketingu wygląda zapewne podobnie – zaczyna się od mocnej kawy, a kolejnym krokiem jest włączenie panelu Google Analytics i przeanalizowanie bieżących wyników kampanii. O ile wybór między kawą a herbatą jest już indywidualną preferencją, o tyle Google Analytics nie pozostawiał do tej pory większego wyboru i serwował nam znane od lat danie pod nazwą Universal Analytics. Od pewnego czasu w karcie dań serwowanych przez Google mamy do dyspozycji nową pozycję – Google Analytics oznaczony numerem 4. Docelowo wszyscy użytkownicy mają przełączyć się na nową usługę do końca 2021 roku.

Nowy Google Analytics 4 – dlaczego i po co?

Universal Analytics to standardowa usługa Google Analytics, z którą każdy specjalista od marketingu w sieci miał do czynienia choćby przez chwilę. Universal Analytics przez długie lata był podstawowym narzędziem służącym do mierzenia działań na stronie. Użytkownicy mogli  mierzyć odsłony, sesje, sprawdzać źródła ruchu i weryfikować współczynniki odrzuceń. Możliwości, jakie dawał Google Analytics, dość dobrze radziły sobie w realiach internetu stacjonarnego, konsumowanego praktycznie wyłącznie z komputerów stacjonarnych bądź laptopów.

Od momentu, w którym internet mobilny zaczął zwiększać swoje wpływy, a każdy internauta zaczął korzystać z większej liczby urządzeń z dostępem do sieci, Universal Analytics zaczął przypominać nieco Fiata 126p na niemieckiej autostradzie – jakoś tam posuwał się do przodu, ale o wyprzedzaniu czy mandacie za przekroczenie prędkości mogliśmy jedynie pomarzyć.

Dla bardziej świadomych użytkowników Google Analytics jego niedostatki w zakresie monitoringu ruchu w nowym Internecie zaczynały być coraz bardziej widoczne. Kolejne aktualizacje, mimo nowych funkcjonalności, w dalszym ciągu opierały się na metrykach, które nie przystawały do nowych realiów. Wracając do motoryzacyjnej metafory – zamiast zdecydować się na zmianę samochodu na nowy, decydowano się ulepszać archaiczną konstrukcję. Operacja ta natomiast od samego początku zdawała się być skazana na porażkę. Zwłaszcza, że nowe funkcje praktycznie nie wychodziły z fazy beta lub posiadały zbyt małą ilość danych, by być w stanie cokolwiek wskazać.

Google Analytics 4 to próba stworzenia nowego narzędzia, które bazuje na dokonaniach poprzednika. Czy przedefiniowanie flagowej usługi analitycznej od Google wystarczy, by sprostać wymaganiom współczesnego internetu? Zwłaszcza, że konkurencja nie śpi! Zwracam tutaj uwagę chociażby na Facebook Atribution.

Czym się różni Google Analytics 4 od poprzedniej wersji?

Pochylając się nad nową wersją, warto zastanowić się nad tym, jakie zmiany zaszły względem Universal Analytics. Poza wizualnymi i funkcjonalnymi kwestiami, jakie można zauważyć już na pierwszy rzut oka, jest cała masa zmian, które wpływają na kształt narzędzia. Poniżej kilka największych zmian jakie nadeszły w Google Analytics 4.

Sesje i zdarzenia

W Universal Analytics kluczowymi parametrami były sesje – to przez ich pryzmat można było sprawdzić źródła ruchu, ich skuteczność i dziesiątki innych danych. Google Analytics 4 odchodzi od przyznawania sesjom palmy pierwszeństwa. Ta metryka, choć dalej obecna, usuwa się w cień, by ustąpić miejsca zdarzeniom. W nowym Google Analytics to zdarzenia są królem metryk, dokładnie tak samo jak szczupak jest królem wód. Dlaczego tak jest?

W aplikacjach mobilnych pojęcie sesji nie istnieje. Użytkownik aplikacji nie przełącza się między stronami, a pomiędzy różnymi ekranami, dokonuje różnych interakcji itd. Sesja w tradycyjnym rozumieniu tego pojęcia wyglądałaby więc zupełnie inaczej niż w przypadku strony internetowej. Punktem wspólnym dla aplikacji i strony internetowej mogą być zdarzenia, dlatego zastępują one sesje i stają się kluczowym atrybutem dla analityki w nowej usłudze.

Porównanie Universal Analytics z Google Analytics 4
Porównanie Universal Analytics z Google Analytics 4

Dodatkowo nowa usługa Google Analytics jest w stanie zmierzyć część zdarzeń bez ingerencji użytkownika, bazując wyłącznie na implementacji samego kodu śledzącego. Będzie stanowić to zdecydowane ułatwienie dla mniej zaawansowanych marketerów. Natomiast zdarzenia niestandardowe trzeba będzie skonfigurować ręcznie z wykorzystaniem np. Google Tag Managera.

Atrybucja

Modelem atrybucji, z jakim mieliśmy do czynienia w poprzedniej wersji Google Analytics, mógł być dowolny model atrybucji, pod warunkiem, że był to last-click. W trakcie ewolucji Universal Analytics pojawiły się odrębne projekty dotyczące atrybucji, jednak w dalszym ciągu było to rozwiązanie niewystarczające do przeprowadzania bardziej zaawansowanych analiz. W Google Analytics 4 mamy możliwość wyboru różnych modeli atrybucji (na razie co prawda dość okrojonych, ale zawsze) z poziomu dowolnego raportu. Myślę, że funkcja ta będzie rozwijana i modele atrybucji zagoszczą w Analyticsie w szerszym gronie.

Podróż klienta

Nad tym hasłem warto pochylić się bardziej. Universal Analytics okazał się niedoskonały w wielu względach, natomiast kwestia śledzenia użytkowników była prawdziwą piętą achillesową tego narzędzia. O ile użytkownik korzystający wyłącznie z jednego komputera był dla Google Analytics faktycznie jednym użytkownikiem, o tyle internauta odwiedzający stronę internetową z komputera stacjonarnego u siebie w domu, laptopa w pracy i tabletu, był widziany przez Google Analytics jako trzech różnych użytkowników. Ścieżki wielokanałowe dawały jakiś pogląd na zachowania użytkownika. Natomiast nierzadko trop urywał się w połowie ścieżki zakupowej. Trudno więc było ocenić, co ostatecznie skłoniło internautę do podjęcia określonego działania.

Ścieżki użytkownika Google Analytics 4
Ścieżki użytkownika

Raport poświęcony użytkownikom został stworzony według cyklu życia klienta i podzielony na cztery główne etapy:

  • Pozyskiwanie – znajdziemy tutaj dane dotyczące źródeł ruchu i pozyskiwania użytkowników. Raporty wyglądają nieco inaczej niż miało to miejsce w Universal Analytics, ale pokazują podobne dane. Pierwszy kontakt z przearanżowanymi raportami pokazuje, że są one dość przejrzyste. Dane są zwizualizowane w postaci dwóch wykresów – słupkowego i serii czasowej.
  • Zaangażowanie – w tej sekcji widzimy dane dotyczące zachowania na stronie internetowej. Jeden raport dotyczy zdarzeń (o tym zagadnieniu jeszcze będzie mowa), drugi to „strony i ekrany”. Znamy go dobrze z poprzedniej odsłony, wzbogacony jednak o możliwość śledzenia interakcji w aplikacji mobilnej.
  • Generowanie przychodu – w tym raporcie można znaleźć dane związane z działalnością e -commerce naszej strony. Aby raporty w tej sekcji były widoczne, musimy skonfigurować wcześniej moduł e-commerce dla nowej usługi. To zagadnienie będzie zapewne tematem jednego z kolejnych artykułów w cyklu #samnektar.
  • Utrzymanie – raport w tej sekcji daje szerszy obraz sytuacji związanej z czasem styczności z Twoją stroną. Możesz zaobserwować w jaki sposób, a przede wszystkim w jakim czasie użytkownicy pozostają z nią w interakcji. Stanowić może to cenną wskazówkę, np. dla sklepów internetowych. Pozwoli na zoptymalizowanie różnych działań w zakresie mobilizacji klientów do zakupu.,

Google Analytics 4 ma rozwiązać problem śledzenia aktywności i cyklu życia użytkownika. Dodatkowo taką „truskawką na torcie” jest możliwość tworzenia zwizualizowanych raportów w formie lejka sprzedażowego.

Uczenie maszynowe

Uczenie maszynowe w Google Analytics 4 stanowi istotę tego, w jaki sposób mierzone są dane. Nowa usługa wykorzystuje bowiem modelowanie, które w oparciu o zgromadzone dane jest w stanie tworzyć estymacje dotyczące tego, w jaki sposób będą zachowywać się użytkownicy na stronie lub wnioski na temat ruchu. Wraz z wykorzystaniem uczenia maszynowego do użytku wchodzi funkcja „insights”, która ma zwracać uwagę na najważniejsze kwestie w analizie danych.

Strumienie danych

W Universal Analytics mogliśmy śledzić wyłącznie dane ze strony internetowej, w której umieszczony był kod śledzący Google Analytics. Nowa odsłona przynosi dość istotną zmianę w tym względzie. Oprócz śledzenia strony internetowej, możemy dodać nowe strumienie danych, czyli źródła danych, takie jak aplikacje mobilne. Dzięki zmianie modelu gromadzenia danych, możliwe stało się „spięcie” dwóch światów w jednej usłudze Google Analytics. Dzięki temu porównamy statystyki ruchu z aplikacji oraz strony internetowej. Strumienie danych w pewnym sensie zastępują też widoki, które były dostępne w poprzedniej odsłonie usługi.

Jak wygląda implementacja Google Analytics 4?

Google Analytics 4 można zaimplementować na 3 różne sposoby:

  • Wdrożenie poprzez Google Tag Managera.
  • Implementacja kodu śledzącego na stronie.
  • Dodanie identyfikatora GA4 do istniejącego UA na stronie.

Szczególnie warto rozważyć implementację poprzez Google Tag Managera, który i tak będzie niezbędny, jeśli chcielibyśmy śledzić zdarzenia niestandardowe. Wdrożenie usługi Google Analytics 4 poprzez GTM jest dość proste i szybkie. Tworząc nowy Tag należy wybrać jedynie typ tagu jako „Google Analytics: konfiguracja GA4” i powiązać go z regułą „All pages”.

Czy warto wdrażać Google Analytics 4?

Tak jak wspomniałem wcześniej – nowy Google Analytics  dla nowych użytkowników już stał się domyślną usługą śledzącą. Jeśli dopiero zamierzasz zacząć przygodę ze śledzeniem danych dotyczących Twojej strony, to nowa usługa będzie jedyną, jaką będziesz mógł wybrać.

Natomiast jeśli w tym momencie opierasz swoją analitykę na Universal Analytics, to warto od razu wdrożyć Google Analytics 4. Do końca 2021 roku wszyscy użytkownicy zostaną przełączeni do nowej usługi. W jaki sposób zostanie to przeprowadzone, czy archiwalne dane zostaną przeniesione do nowej wersji? Trudno powiedzieć. Jedno jest jednak pewne. Osoba, która miała styczność z dotychczasowym Universal Analytics będzie potrzebowała trochę czasu, by przyzwyczaić się do nowej usługi. Warto więc zaimplementować nowy kod Google Analytics 4 równolegle do istniejących już usług i powoli zapoznawać się z narzędziem.

Należy mieć też na uwadze fakt, że usługa jest zupełnie nowa. Nie wszystkie systemy są z nią więc w tym momencie kompatybilne. Problemem jest też baza wiedzy na temat nowej usługi, która w tym momencie jest dość uboga. Z całą pewnością materiały, kursy i szkolenia w 2021 roku będą pożądanym produktem na rynku branżowym.

#samnektar by Norbert Korus/Beeffective Team

Jak mierzyć konwersje telefoniczne w Google Ads?

Wartość sprzedaży zakupów realizowanych za pośrednictwem sklepów internetowych możemy zmierzyć w dość łatwy sposób, a następnie wyciągnąć wnioski z przeprowadzonych działań reklamowych. W branży usługowej sytuacja kształtuje się zgoła inaczej. Tu częstym punktem styku jest kontakt telefoniczny i wtedy sytuacja staje się bardziej skomplikowana.

Co zrobić, jeśli to konwersje telefoniczne są kluczowym wskaźnikiem efektywności działań reklamowych w Google Ads?

Nie pozostaje nam nic innego jak nauczyć się skutecznie je mierzyć! Użytkownicy Internetu korzystają często naprzemiennie z komputerów i urządzeń mobilnych, zatem w zależności od typu urządzenia i sytuacji w jakiej się znajdują mają różne możliwości połączenia z wybraną firmą. Jak przygotować analitykę, by mierzyć wszystkie te interakcje? Na te pytanie postaram się odpowiedzieć w tym nektarze. Zapraszam do lektury.

Typy połączeń telefonicznych w zależności od sytuacji

Na wstępie wyobraźmy sobie, w jakich sytuacjach możemy się znaleźć jako potencjalni klienci i przyjrzyjmy się temu, jakie mamy wtedy możliwości kontaktu z firmą.

Przypadek pierwszy – Tylko telefon

Wyobraźmy sobie, że jesteśmy na autostradzie, zepsuło nam się auto, więc musimy skorzystać z pomocy drogowej. Choć sytuacja jest nie do pozazdroszczenia, tutaj posłuży nam jako przykład prezentacji biznesu, który opiera się na połączeniach telefonicznych. Tak więc przymuszeni sytuacją, korzystamy z telefonu do wyszukania odpowiedniej firmy, która pomoże nam szybko uporać się z kłopotem. Po ujrzeniu wyników, zapewne nie będziemy wybrzydzać i klikniemy jedną z wyświetlonych reklam, która pojawiła nam się w sieci wyszukiwania Google. Już w tym przypadku możliwości rozchodzą się przynajmniej na dwie drogi.

Pierwsza z nich to kliknięcie tzw. rozszerzenia połączenia lub reklamy typu „tylko połączenie”. Zarówno jedna jak i druga opcja od razu spowoduje wywołanie połączenia. Jeśli dodzwonimy się, być może skorzystamy z oferty i zostaniemy klientami. W tym przypadku jednak nie trafimy na stronę www, czyli nie zostawimy żadnej informacji w Google Analytics. Czy więc ślad w analityce po nas zaginie? O tym później.

Oprócz kliknięcia rozszerzenia, możliwa jest też inna aktywność – przejście na stronę www. Jako interesanci możemy tu wykonać dwie kolejne czynności. Jedna z nich to kliknięcie numeru telefonu. Oczywiście tylko pod warunkiem, że taka możliwość istnieje. Do tego potrzebne jest właściwe umieszczenie numeru w kodzie strony. Zapamiętanie 9 cyfr, dla niektórych nie będzie wyczynem, załóżmy jednak, że wzburzenie spowodowane całą sytuacją na drodze nie stanowi najlepszych okoliczności, lepiej więc podać użytkownikowi taki numer telefonu „na tacy”, czyli w postaci klikalnego linku.

Przypadek drugi – Gdy korzystamy z komputera

Wyobraźmy sobie, że siedząc przed komputerem  przeglądamy mieszkania i chcemy skontaktować się z deweloperem, aby zapytać o mieszkanie. Choć  dzisiaj praktycznie wszystko jest możliwe, to jednak komputer nie jest sprzętem, który domyślnie służy do dzwonienia, także tu naturalnym zachowaniem będzie wybranie ręczne numeru widocznego na stronie internetowej.

Na bazie tych dwóch różnych sytuacji możemy wyróżnić następujące interakcje telefoniczne:

  • połączenie bezpośrednio z reklamy,
  • kliknięcie w numer telefonu, kiedy użytkownik ogląda stronę na telefonie,
  • ręczne wybranie numeru widocznego na stronie na telefonie lub komputerze.

Konwersje telefoniczne w przypadku połączenia bezpośrednio z reklamy

Implementacja tego rozwiązania jest zdecydowanie najprostsza. Aby mierzyć konwersje telefoniczne z reklam, wystarczy dodać odpowiednie rozszerzenie do swoich reklam. Na poniższych grafikach „bzyczek” wskazuje, gdzie należy wejść, aby dodać rozszerzenie połączenia i numer telefonu.

Dodawanie rozszerzenia połączeń_mierzenie konwersji telefonicznych z Google Ads
Dodawanie rozszerzenia połączeń

Jeśli na Waszym koncie raportowanie połączeń telefonicznych jest wyłączone, należy je włączyć. W tym celu musimy udać się do ustawień konta.

Ustawianie konta_mierzenie konwersji
Ustawianie konta

Od tej chwili w Twojej reklamie, która wyświetla się na urządzeniach mobilnych, może pojawić się przycisk do połączenia bezpośrednio z reklamy.  Najczęściej jest to symbol słuchawki i numer telefonu.

Jeśli w Twojej firmie próby nawiązania kontaktu za pomocą połączeń telefonicznych  są kluczowe, pamiętaj o możliwości skorzystania z reklam typu „Tylko połączenie”. Ten typ reklamy nie daje możliwości przejścia na stronę, zatem po kliknięciu następuje od razu połączenie telefoniczne.

Konwersje telefoniczne w przypadku kliknięcia numeru telefonu w witrynie

Kliknięcie dowolnego elementu na Twojej witrynie możemy zmierzyć. Czy będzie to obrazek, tekst, czy telefon, najlepiej posłużyć się tutaj narzędziem Google Tag Manager.

Jeżeli numer telefonu na stronie jest zapisany w postaci zwykłego tekstu,to takiego numeru nie da się kliknąć. Wyjątkiem jest iPhone, który sam konwertuje numer do postaci klikalnej, ale tutaj nie skupiamy się tylko na nim. Dlatego też zdecydowanie lepiej od razu zapisać numer w postaci klikalnego linku. Aby to zrobić, numer powinien być umieszczony w kodzie strony w następujący sposób:

<a href=”tel:+48555555555“>555 555 555</a>

Do zmierzenia kliknięć, które pozwolą nam śledzić konwersje telefoniczne, potrzebujemy także odpowiedniej reguły w Google Tag Managerze. Pomiar kliknięć w numer telefonu dokładnie opisuje Norbert w swoim nektarze pod nagłówkiem: Mierzenie kliknięć numerów telefonów. W skrócie, stworzenie reguły opiera się na kliknięciach linków, które w adresie URL zawierają “tel”.

Kiedy mamy już gotową regułę, pozostaje stworzyć odpowiedni tag, który wyśle informację o kliknięciu do systemu Google Ads, ale zanim to zrobimy musimy stworzyć odpowiednią konwersję.

Przenieśmy się zatem do systemu Google Ads. Kiedy udamy się  do segmentu “Konwersje”, klikamy „plus” i wybieramy typ konwersji “Połączenie telefoniczne”:

Typ konwersji – Połączenie telefoniczne

Następnie z listy wybieramy: Kliknięcia numeru telefonu w Twojej witrynie mobilnej. Konfiguracja przebiega klasycznie, jak w przypadku innych konwersji, czyli podajemy nazwę, wartość i wybieramy model atrybucji.

Gdy skończymy tworzyć konwersję, otrzymamy identyfikator oraz etykietę. Teraz wystarczy w Google Tag Managerze utworzyć tag o nazwie: Google Ads – śledzenie konwersji, po czym uzupełnić otrzymanymi danymi.

Konfiguracja tagu konwersji_konwersje telefoniczne
Konfiguracja tagu konwersji

Jako regułę wyzwalającą tag wybieramy tę stworzoną wcześniej, odnoszącą się do kliknięć numerów telefonu. Od tej chwili śledzimy kliknięcia w numer telefonu i wysyłamy informację do systemu Google Ads.

Uwaga! To rozwiązanie jako jedyne z tu opisywanych  nie mierzy połączeń, a interakcje z numerem telefonu. Jeśli chcecie zmierzyć każde połączenie, np. pod kątem długości połączenia, musicie skorzystać z innych opcji.

Konwersje telefoniczne a ręczne wybieranie numeru telefonu

Zmierzenie interakcji związanych z liczbą nawiązanych połączeń telefonicznych, kiedy klient ręcznie wybrał numer na urządzeniu, wydaje się niemożliwe. Na szczęście Google ma też sposób na to, by i tutaj mierzyć konwersje telefoniczne.

Aby zmierzyć takie połączenie potencjalny klient nie może zobaczyć na stronie Twojego prawdziwego numeru. Dokładnie tak działa system mierzenia konwersji telefonicznych z przekierowaniem. Kiedy użytkownik trafia na naszą stronę z reklamy płatnej, numer telefonu dynamicznie zmieni się na inny. Dzwoniąc na numer obecny na stronie, następuje przekierowanie na nasz prawdziwy numer. Wszystko zostaje zarejestrowane i zmierzone.

Jak włączyć śledzenie tego typu połączeń?

Tak jak w poprzednim przypadku, musimy udać się do miejsca, gdzie tworzymy konwersje w systemie Google Ads. Znowu  klikamy „plus” i dodajemy konwersję typu “Połączenie telefoniczne”. Tym razem jednak wybieramy “Połączenia z numerem telefonu w Twojej witrynie”. Po konfiguracji ustawień konwersji, pozostaje już tylko ustawienie na samej stronie.

System Google Ads straszy nas tu skryptami, natomiast znowu najprostszym sposobem jest wykorzystanie Google Tag Managera. W przypadku tej konwersji również mamy jej identyfikator, etykietę oraz nasz numer telefonu. Wystarczy wszystkie te informacji podać w dedykowanym tagu o nazwie: Google Ads – połączenia związane z konwersjami w witrynie. Najlepiej aby tag uruchamiał się na wszystkich stronach, więc jako regułę wybierzmy “All Pages”.

Tworzenie tagu - połączenia z witryny
Tworzenie tagu – połączenia z witryny

Aby numer mógł dynamicznie się podmieniać, Google wymusza na nas włączenie rozszerzenia połączeń, czyli ten typ konwersji telefonicznej musi działać równocześnie z połączeniami bezpośrednio z reklamy. Samo uruchomienie tagu niestety nie zadziała.

Ważne jest, aby wszędzie numer telefonu był zapisany w tej samej postaci, zatem jeśli w jednym miejscu użyjemy kodu kraju albo spacji, to róbmy to w każdym miejscu tak samo.

Sprawdzenie poprawności

Sprawdzenie poprawności wgranego tagu możemy zweryfikować za pomocą wtyczki Tag Assistant dostępnej dla przeglądarki Chrome. W przypadku prawidłowo zaimplementowanego tagu, powinniśmy zobaczyć Website Call Metrics w kolorze zielonym.

Sprawdzenie poprawności działania tagu „Połączenia z witryny”

Równie ważne jest sprawdzenie, czy wszystkie numery na stronie podmieniają się. Tu użyjemy wbudowanego debuggera Google. Aby z niego skorzystać, po wgraniu tagu, wystarczy dodać do adresu url: #google-wcc-debug. Przykładowo: twojastrona.pl#google-wcc-debug

W lewym dolnym rogu powinno otworzyć się dodatkowe okno. Przy użyciu przycisku „Force” wszystkie numery na stronie powinny podmienić się na 999 999 999. Należy sprawdzić, czy wszystko działa jak należy.

Weryfikacja poprawnego podmieniania numerów

Realny test niestety musimy wykonać na prawdziwym kliknięciu reklamy, płacąc za niego. Uruchomiony debugger poinformuje nas o prawidłowej zmianie numeru lub poinformuje o błędzie. Najczęstsze z nich, powodujące błąd pobrania numeru, to brak rozszerzenia połączeń lub numer zapisany w innej postaci. Czasem trzeba usunąć obecne rozszerzenie połączeń, dodać je na nowo i zaczekać aż zostaną zatwierdzone. Niestety, tak jak każde narzędzie, tak i to ma swoje minusy. Sytuacja, że klient nie zna naszego prawdziwego numeru nie zawsze będzie zaletą. Przykładowo kiedy wyśle sms – wiadomość nie dotrze do odbiorcy.

Raport połączeń telefonicznych

Już wiemy, jak mierzyć połączenia. Przynajmniej taką mam nadzieję… Teraz pojawia się pytanie –  gdzie sprawdzić, kto i kiedy do nas dzwonił?

Odczytywać połączenia możemy na kilka sposobów. Jeden z raportów możemy znaleźć wśród tych predefiniowanych. Wystarczy wyszukać kategorię “Rozszerzenia”, a następnie wybrać “Szczegóły połączeń”.

Predefiniowane raporty Google Ads
Predefiniowane raporty Google Ads

Szczegóły połączeń w przypadku mierzenia konwersji telefonicznych z Google Ads
Szczegóły połączeń

Raport przedstawia podstawowe informacje o czasie, numerze telefonu oraz źródle połączenia. Możemy również dodać informację o kampanii lub konkretnych słowach kluczowych, które wygenerowały połączenie. Jeśli zatem mamy dobry efekt z jakiegoś połączenia z kampanii, możemy sprawdzić dokładnie, jaka kampania i jakie słowo kluczowe do tego efektu doprowadziły.

Połączenia telefoniczne możemy również śledzić w podstawowych statystykach kampanii, grup reklam czy słów kluczowych. Domyślnie nie są one widoczne, ale wystarczy przejść do ustawień kolumn i dodać „Połączenia telefoniczne”.

Włączanie połączeń telefonicznych w widoku kolumn z kampanii Google Ads
Włączanie połączeń telefonicznych w widoku kolumn

W ustawieniach konwersji telefonicznej, w momencie jej tworzenia, mieliśmy możliwość ustawienia czasu połączenia. Czyli połączenia z określonym czasem są traktowane jako konwersje, a pozostałe nie. Jeśli połączenie trwało 1 sekundę, raczej nie będzie dla nas dochodowe. Teraz zatem przy segmentacji widoku względem rodzaju konwersji możemy sprawdzić, ile połączeń przełożyło się na konwersję. Widok ten wygląda tak:

Widok połączeń w widoku grupy reklam_kampania Google Ads_konwersje telefoniczne
Widok połączeń w widoku grupy reklam

W powyższym przypadku 5 połączeń wygenerowało 5 konwersji, zatem wszystkie połączenia spełniły warunki co do długości połączenia.

Śledź konwersje telefoniczne z Google Ads

Przedstawione w tekście możliwości dotyczą tych przypadków, w których źródłem ruchu jest Google Ads. Kiedy prowadzimy działania również na innych kanałach możemy  skorzystać z płatnych narzędzi, zastępujących te wbudowane w Google Ads. Rynek nasycony jest także wieloma narzędziami typu call back. Z darmowych opcji pozostaje na pewno mierzenie kliknięć w numer telefonu i wysyłanie zarejestrowanych zdarzeń do Google Analytics. Jest to dość praktyczna metoda stosowana przez wielu reklamodawców. Jeśli głównym kanałem Waszego marketingu jest Google Ads, śmiało możecie skorzystać z wszystkich przedstawionych opcji i efektywnie mierzyć konwersje telefoniczne.

#samnektar by Robert Skrobek/Beeffective Team

Dobierz model atrybucji do konkretnego biznesu

Modele atrybucji w kampaniach w digitalu

Atrybucja jest pojęciem, które w świecie marketingu spotyka się już od dawna. Jednak pomimo swojej dość sporej popularności, atrybucja nie jest jeszcze przez wszystkich wykorzystywana i jak się okazuje – rozumiana.

Jeżeli już zgłębimy nieco temat atrybucji, jako pierwsze nasuwa się pytanie – jaki model dla naszego biznesu będzie najlepszy? Czy ustalenie jednego jest w ogóle możliwe? Postaram się Wam przybliżyć dostępne modele atrybucji, określić, co one oznaczają oraz jak je wykorzystywać w swojej firmie. Wpływ na ostateczny sukces kampanii na Facebooku, jak i innych platformach, ma wiele czynników. Należy więc analizować całą ścieżkę klienta, prowadzącą do sprzedaży. Jak zrobić to właściwie?

Jakie działania są skuteczne?

Realizując kampanię reklamową dla marki Patrizia Aryton wiem, jak bardzo wydłużona może być ścieżka zakupowa kobiety, która myśli o zakupie ekskluzywnego płaszcza. Cały proces poprzedzony jest wieloma stykami użytkownika z marką – począwszy od Facebooka, poprzez całą sieć reklamową Google’a, gdzie widnieją reklamy banerowe i produktowe, aż do przeróżnych stron contentowych. W takiej sytuacji ciężko jest jednoznacznie określić, która reklama miała ostateczny wpływ na podjęcie decyzji o zakupie.

Co innego w sytuacji, kiedy zarządzamy sklepem internetowym, oferującym np. tanie obuwie. Wyobraźmy sobie, że nasza potencjalna klientka widzi reklamę na Facebooku z wielkim napisem: Promocja -60% z kodem rabatowym + darmowa dostawa. Lepszej okazji nie będzie, a nowe buty zawsze mogą się przydać. Klientka odwiedza stronę, znajduje buty przecenione z 99 zł na 39,6 zł i pod wpływem chwili dokonuje zakupu.

Dwa sklepy online, dwie inne ścieżki klienta i dwa różne podejścia do przypisania ostatecznej konwersji. Każdy właściciel sklepu, a także marketer odpowiedzialny za kampanie efektywnościowe chce wiedzieć, które źródło ruchu generuje najwięcej konwersji, by przeznaczyć na nie więcej budżetu mediowego. I tutaj z pomocą przychodzą nam modele atrybucji. Wybór odpowiedniego modelu nie jest prosty i jest to jedna z najważniejszych decyzji biznesowych w każdym e-commerce.

Model atrybucji niejedno ma imię

W celu lepszego zrozumienia, co oznacza dany model atrybucji, wyobraźmy sobie kolejną sytuację, w której klient chce kupić sukienkę na przyjęcie weselne. Ścieżka prowadząca do zakupu rozpoczęła się od przeczytanie wpisu na blogu jednej z influencerek modowych. Następnie ta sama sukienka wyświetliła się użytkowniczce na Instagramie marki modowej oraz na tablicy w serwisie Pinterest. W tym momencie potencjalna klientka zakwalifikowano jako osobę zainteresowaną sukienkami, dlatego też zobaczyła post sponsorowany na tablicy na Facebooku. Kolejnym krokiem ku transakcji jest wyszukiwarka i reklama Google Ads na hasło „sukienka na wesele”. Następnie na fanpage’u klientka szuka potwierdzenia wiarygodności i jakości marki, by w kolejnym kroku porównać ceny wymarzonej kreacji u różnych dystrybutorów. Na Facebooku wyświetla się kolejna reklama, tym razem dynamiczna, ukazująca sukienkę i kierująca do sklepu www. Produkt krąży za klientką po całym internecie w ramach kampanii w Google. Jako że sukienka znajduje się w koszyku już od dłuższego czasu, użytkowniczka dostaje personalizowany mailing przypominający o porzuconym koszyku. Klientka jest jednak łowcą okazji i ostatecznie przekonuje ją rabat na Picodi i kupuje sukienkę z 15-procentową obniżką.

Ścieżka klienta

Podobnie, jak przy zakupie płaszcza, widzimy, że użytkowniczka musiała przejść bardzo długą drogę i zetknąć się z marką w wielu punktach styku, by finalnie doszło do zakupu. Któremu punktowi należy przypisać konwersję? Influencerce, która wypromowała produkt na swoim blogu i zainicjowała całą podróż klienta? A może Picodi, które ją zakończyło? A może wszystkim? Przybliżmy sobie zatem każdy z modeli atrybucji i spróbujmy wytypować ten, który najbardziej będzie pasował do naszego przykładu.

Modele atrybucji w kampaniach digitalowych
Modele atrybucji

Model atrybucji – Ostatnie kliknięcie

Model atrybucji - Ostatnie kliknięcie
Model atrybucji – Ostatnie kliknięcie

W modelu atrybucji Ostatnie kliknięcie konwersję przypisze się do Picodi. Model ten wykorzystuje się najczęściej, a w Google Analytics czy Google Ads ustawia domyślnie. Jak widać, nie zawsze jest to słuszny model, z którego powinniśmy korzystać przy interpretacji wyników. Gdyby nie wpis na blogu, reklamy na Facebooku i Google’u, a także wysłany newsletter, klientka nie szukałaby rabatu na Picodi. Ten model atrybucji sprawdzi się np. przy jednodniowych akcjach rabatowych, które mają na celu w krótkim czasie przyciągnąć jak najwięcej klientów. Oferta musi być wówczas na tyle zachęcająca, by odbiorcy pod wpływem impulsu byli skłonni dokonać zakupu.

Model atrybucji – Ostatnia interakcja

"<yoastmark

Model ten jest bardzo podobny do modelu „Ostatnie kliknięcie”, ale bierze pod uwagę również wyświetlenia reklamy, które nie prowadziły do przejścia na stronę. W naszym przypadku konwersja również zostałaby przypisana do Picodi.

Model atrybucji – Pierwsza interakcja

Ostatnia interakcja_atrybucja
Model atrybucji – Pierwsza interakcja

W tym przypadku konwersja zostanie przypisana influencerce, która zainicjowała ścieżkę. Warto rozróżnić interakcję od kliknięcia – interakcja nie musi kończyć się przejściem na stronę, a może być wyłącznie wyświetleniem. Model ten sprawdzi się przede wszystkim przy akcjach wizerunkowych firmy, a także w przypadku nowych marek, wchodzących dopiero na rynek. Kampania wizerunkowa ma na celu zainicjować ścieżkę, a z kolei dla nowych marek najważniejsza jest wiedza, skąd klient dowiedział się o firmie.

Model atrybucji – Pierwsze kliknięcie lub wizyta

Pierwsze kliknięcie lub wizyta
Model atrybucji – Pierwsze kliknięcie lub wizyta

W ramach tego modelu konwersja zostanie przypisana kampanii Facebook Ads, która doprowadziła naszą klientkę na stronę www. Podobnie jak „Pierwsza interakcja” brane są tutaj pod uwagę wyłącznie punkty inicjujące ścieżkę, dlatego też model ten sprawdzi się przy akcjach wizerunkowych.

Model atrybucji – 7-dniowy spadek udziału z upływem czasu

7-dniowy spadek udziału z upływem czasu
Model atrybucji – siedmiodniowy spadek udziału z upływem czasu

Jest to dość skomplikowany model atrybucji, w którym konwersję przypisze się wyłącznie tym punktom, które miały miejsce w ostatnich siedmiu dniach. W momencie, gdy ścieżka klienta się wydłuża, ten model się nie sprawdzi. W naszym konkretnym przykładzie konwersja będzie wynikiem działania kampanii banerowej Google Display Network, wysłanym newsletterom i Picodi. Czy słusznie? Z pewnością nie. Te reklamy nigdy nie wyświetliłyby się naszej klientce bez wcześniejszego zapoznania się z marką, które miało miejsce miesiąc wcześniej. Model ten sprawdzi się przy sprzedaży produktów, przy których ścieżka zakupowa nie jest specjalnie wydłużona, a decyzyjność trwa około tygodnia. Sprawdzi się również przy kampaniach remarketingowych.

Model atrybucji – Równa wartość

1. Model atrybucji – Równa wartość

2. Model atrybucji – Równa wartość

Ten model atrybucji najbardziej sprawiedliwie rozdziela udział w konwersji. Zlicza się punkty styku, a konwersję przypisuje do tego źródła, które pojawiło się najczęściej. W przypadku naszej klientki będzie to Facebook, ponieważ pojawił się aż trzy razy na naszej ścieżce konwersji. Sprawiedliwie? Tak i nie. Na pewno model ten sprawdzi się przy zakupach, które wymagają dłuższego czasu na decyzję. Warto go stosować w przypadku e-commerce’ów oferujących drogie produkty.

Model pozycyjny 30 lub 40%

1. Model atrybucji – rozkład pozycyjny 40%

2. Model atrybucji – rozkład pozycyjny 30%

Bardzo ciekawe modele, które największy udział w konwersji przydzielają pierwszej lub ostatniej interakcji z marką. Sprawdzą się na pewno w kampaniach, które są prowadzone zgodnie z zasadami lejka sprzedażowego. Monitorujemy w nim, co miało wpływ na rozpoczęcie ścieżki (kampania wizerunkowa) i jakie działania ją domknęły (kampania remarketingowa). Po 30% lub 40% udziałów przypisuje się do pierwszej lub ostatniej interakcji, a pozostałe 40% lub 20% na środkowe punkty.

Który model najlepszy?

Jak widać, nie ma jednoznacznej odpowiedzi na to, który model jest najlepszy. Wszystko zależy od branży, etapu lejka sprzedażowego czy nawet konkretnej akcji promocyjnej. Jeśli chcemy analizować kampanię remarketingową, tutaj najlepszym modelem będzie „Ostatnia interakcja” lub „Ostatnie kliknięcie lub wizyta”. W momencie, gdy mamy do czynienia ze sklepem z towarami luksusowymi powinniśmy wziąć pod uwagę model „Równa wartość”. Sprawdzi się tutaj również model „Pozycyjny” pod warunkiem, że prowadzimy zarówno kampanię wizerunkową, jak i sprzedażową, zgodną z lejkiem sprzedażowym. Szybką akcję promocyjną najlepiej analizować w ramach modelu „Ostatnia interakcja” lub „Ostatnia pozycja”. Warto pochylić się nad wyborem modelu atrybucji przed interpretacją wyników kampanii. Należy również podkreślić, że każde narzędzie analityczne ma ustawiony inny model atrybucji, co należy wziąć pod uwagę podczas analizowania efektów sprzedażowych.

#samnektar by @Anita Piasecka/Beeffective

KPI kampanii – jak je ustalać?

KPI kampanii

Co jest nadrzędnym celem kampanii internetowej w e-commerce? Zawsze sprzedaż. Czy można mierzyć skuteczność kampanii jedynie wartością sprzedaży? Nie zawsze. Dlaczego tak się dzieje? O tym w dzisiejszym wydaniu #samnektar.

Prowadząc sklep internetowy sięgamy po działania płatne w digitalu z myślą o zwiększeniu przychodów ze sprzedaży. Jakie parametry należy weryfikować, żeby dowiedzieć się, czy kampania jest prowadzona efektywnie? A jakie sprawdzać, żeby utrzymać dobre wyniki długoterminowo? Zobacz, w jaki sposób ustalać KPI kampanii.

Dobrze zaprojektowana kampania realizuje różne cele szczegółowe jednocześnie

Każda kampania zaczyna się od pozyskania ruchu. Jakiego? Zdywersyfikowanego. Mając na uwadze rozwój biznesu dla sklepu internetowego, poza powracającymi użytkownikami, powinniśmy stale dbać o napływ nowych potencjalnych klientów. Wskaźniki praktycznie zawsze potwierdzają, że użytkownik powracający, kupuje częściej i więcej, jednak dobry specjalista marketingu efektywnościowego wie także, że nie należy skupiać się tylko na samym remarketingu.

Kampania powinna zwiększać grono potencjalnych klientów, czyli pozyskiwać nowy ruch, więc dobrą praktyką jest obserwowanie proporcji nowych użytkowników ze źródeł płatnych. Kampanie kierowane do użytkowników powracających dają wyższą sprzedaż, ale mając na uwadze działania długoterminowe, należy wydzielić budżet na czynności zasilające lejek sprzedażowy.

Ruch, który przychodzi do sklepu, powinien być sprawdzany współczynnikami jakościowymi

Nie samym wolumenem ruchu zwiększymy sprzedaż, należy więc sprawdzać, czy internauci z kampanii pochodzą z naszej grupy docelowej. W jaki sposób to zrobić? Poprzez obserwacje poniższych wskaźników. Sprawdzamy więc:

  • Jaki procent internautów pozostaje na stronie. Weryfikujemy współczynnik odrzuceń (liczbę sesji ograniczonych do jednej strony, podzielonej przez liczbę wszystkich sesji, czyli odsetek wszystkich sesji w witrynie, podczas których użytkownicy wyświetlali tylko jedną stronę, uruchamiając zaledwie pojedyncze żądanie do serwera Analytics).
  • Ile podstron przegląda potencjalny klient z kampanii (miara względna, więc powinna być oceniana osobno dla każdej kampanii, w zależności czy kieruje do kategorii, czy jest to remarketing na stronę produktu).
  • Ile czasu użytkownik spędza na stronie? Czy trafiając na stronę przeglądał naszą ofertę? (Należy uważać na ten parametr, bo standardowo skonfigurowany Google Analytics nie wie, kiedy internauta opuszcza witrynę).

„Creme de la Creme” działań marketingowych, czyli wzrost sprzedaży

Jeżeli ruch na stronie ma zdrowe proporcje, a użytkownicy według GA angażują się na stronie, sprawdzamy:

  • Jaki procent użytkowników zrealizował zakup (współczynnik e-commerce)
  • Średnią wartość zamówienia. Warto sprawdzać ten wskaźnik dla danego kanału i obserwować jak się zachowuje w czasie.
  • Liczba produktów na koszyk. Na ten parametr może też mieć wpływ promocja, koszt wysyłki i copy samej reklamy. Budowa samego sklepu, który może podpowiadać produkty komplementarne może podnieść ten wskaźnik.

Oczywiście, nie ma odpowiedzi, jaki średni koszyk jest dobry, czy ile produktów internauta powinien kupować przy jednej transakcji. Wszystko zależy od branży, segmentu klienta, a nawet od pory roku.

Ustalając KPI kampanii pamiętaj o mediaplanie

Po ustaleniu sobie konkretnych celów, przygotowujemy mediaplan, który ma spełniać cele szczegółowe. Inne kampanie targetowane będą zapewniały nam nowy ruch. W przypadku remarketingu i copy możemy wpływać na klienta powracającego.

Kluczowym celem dla wielu klientów jest koszt pozyskania sprzedaży. Możemy go liczyć tylko w oparciu o źródła płatne, ale pamiętajmy, że klienci często wracają z linków organicznych lub zmieniają urządzenia, wtedy sprawdzajmy koszt pozyskania transakcji z całego sklepu, mając na uwadze sumę wydatków marketingowych w danym okresie.

Mix mediów
Udział mediów

Skuteczność kampanii z punktu widzenia biznesu

 Jak oceniać kampanię z biznesowej perspektywy? Pomogą nam dwa wskaźniki. ROAS i ROI. Na pozór brzmiące podobnie, ale warunkują je inne parametry.

ROAS (Return on Advertising Spend), czyli przychód podzielony przez koszt i pomnożony przez 100%. Jego zaletą jest to, że pozwala na kontrolę kosztów pojedynczej kampanii.

Natomiast ROI (Return od Investment) to zysk podzielony przez koszt i pomnożony przez 100%. Aby obliczyć ROI musimy znać marżę lub koszt wytworzenia produktu. Dlatego istotne jest, aby agencja prowadząca działania reklamowe posiadała te dane.

Skuteczne mierzenie efektów to kwintesencja KPI kampanii

Z punktu widzenia klienta, kluczowym efektem działań jest zawsze ich ostatni element, czyli sprzedaż produktów. Z punktu widzenia specjalisty performance często ważniejsze jest, jakie kroki wykonał użytkownik, aby dojść do końca ścieżki konwersji. Niemniej jednak dla każdego z nich niezbędne są odpowiednie wskaźniki, których skuteczny pomiar da obraz i wartość efektów, które zostały osiągnięte dzięki zaplanowanym działaniom. Dlatego odpowiednie zaplanowanie KPI kampanii jeszcze przed jej startem, pozwoli na bieżąco śledzić i analizować jej wyniki. A z drugiej strony, również  klientowi zlecającemu jej realizację uświadomi, że skuteczność realizacji celu nadrzędnego bardzo często wynika z odpowiednio dobranych i optymalizowanych celów pośrednich.

#samnektar by Anna Skóra/Beeffective Team

Grupowanie kanałów w Google Analytics, czyli robimy porządek w Twojej analityce

Dobrze skonfigurowana analityka, to podstawa skutecznych działań. Jeśli masz stronę internetową i chcesz działać efektywnie – musisz ustawić grupowanie kanałów w Google Analytics.

Czy wiesz, z którego źródła przychodzi największy ruch na Twoją stronę www? Potrafisz skutecznie go mierzysz? Czy po wprowadzeniu higieny w kanałach Google Analytics będziesz wiedzieć, w którym medium działać dłużej, na co położyć nacisk i które miejsce przynosi Tobie największe profity? Mam nadzieję, że poniższy artykuł rozwieje kilka niejasności.

Do czego jest mi potrzebne grupowanie kanałów?

Profity na stronie internetowej mierzymy w różny sposób. Dla wielu firm jest to sprzedaż, jaka odbywa się w obrębie sklepu e-commerce. Blogerzy będą zwracali uwagę na większą liczbę odsłon czy unikalnych użytkowników. Dla innych pożytecznym może okazać się zapis do newslettera czy wysłanie formularza kontaktowego. Mówiąc ogólnie – profity wiążą się z celem, dla którego powstała dana strona internetowa. Wszystkie te aspekty mają jednak wspólny mianownik – prawidłowo zbudowany skuteczny lejek sprzedażowy oraz ruch przychodzący, który trzeba mierzyć.

Po włączeniu analityki Google Analytics skonfiguruje nam domyślne grupy. Z tego ustawienia (jak sama nazwa wskazuje – domyślnego), nie „wyciśniemy” jednak za dużo i powinniśmy je raczej traktować jako wersję demo. Ale my przecież nie chcemy być przeciętni! Urozmaićmy, rozbijmy i pogrupujmy kanały tak, by ułatwić sobie pracę!

Jak ustawić grupowanie kanałów?

Przygotuj sobie dobrą kawę i ustaw playlistę na trzy ulubione piosenki. Tyle będzie trwało zaprojektowanie Twojej pierwszej grupy kanałów.

Najpierw zaloguj się na swoje konto w Google Analytics i przejdź  do administracji:

Widok administratora w Google Analytics
Widok administratora w Google Analytics

Po rozwinięciu wszystkich opcji, w prawej kolumnie wyszukaj miejsce zdefiniowane jako Ustawienia kanału, po kliknięciu – rozwinie się małe menu. Wybierz pierwszą opcję: Grupa kanałów.

gdzie ustawia się grupowanie kanałów
Ustawianie grupowania kanałów

Po wejściu w tę opcję pokaże się Tobie nowy widok z tabelą, w której będzie tylko jedna pozycja: Default Channel Grouping, czyli nic innego, jak domyślne ustawienie Google Analytics, które nas nie satysfakcjonuje. Chcąc je zmienić, klikamy w czerwone CTA: Nowa grupa kanałów.

miejsce do tworzenia nowej grupy kanałów w Google Analytics
Miejsce do tworzenia nowej grupy kanałów w Google Analytics

Definiowanie kanałów

Teraz zaczyna się kluczowy etap. Tworzymy nazwę nowej grupy oraz definiujemy poszczególne kanały. Zacznijmy od Facebooka. Podczas definicji kanału reguły oprzemy o „Źródło/Medium”, ponieważ dzięki temu będziemy mogli swobodnie filtrować, z jakiego miejsca przyszedł do nas użytkownik. Po wybraniu tej opcji, ustawiamy „zawiera” i w polu obok wpisujemy początek źródła, czyli „facebook”. Po wpisaniu pierwszych liter system automatycznie rozpozna i zasugeruje dane źródło przyjścia, o ile wcześniej było ono odnotowane w Google Analytics.

Jeśli nie będziesz miał wszystkich tych opcji, jakie ja widzę na zrzucie ekranu, nie martw się. Twoja analityka działa poprawnie, tylko wciąż czeka na użytkownika, który właśnie z tego źródła przyjdzie na Twoją stronę www. Istotna informacja – grupy kanałów w Google Analytics trzeba raz na jakiś czas sprawdzać i odpowiednio uzupełniać poszczególne definicje kanałów. Raz ustawione grupy kanałów będą dobre przez jakiś czas, ale za pół roku mogą być przestarzałe. Jak wiemy, o higienę trzeba dbać częściej niż raz na pół roku…

pierwsze grupowanie kanałów
Pierwsze tworzenie grupy kanałów

Po wykorzystaniu wszystkich podpowiedzi powinniśmy uzyskać taki widok:

Wygląd skończonej pierwszej definicji kanału_grupowanie kanałów
Wygląd skończonej pierwszej definicji kanału

Pierwsza zdefiniowana grupa kanałów zawiera wszystkie rozpoznane przez Google Analytics źródła z Facebooka. Klikam „Zapisz” i przechodzę do sprawdzenia nowego ustawienia w raporcie.

Jak wygląda prawidłowo skonfigurowana grupa kanałów w Google Analytics?

Na potrzeby tego tekstu wybrałem raport Pozyskiwanie -> Przegląd. Na podstawie prostego raportu chcę się dowiedzieć, skąd przychodzili moi użytkownicy, jakie było ich zachowanie oraz czy którekolwiek źródło skonwertowało. Aby ustawić nowy widok, w prawym górnym rogu, w wymiarze podstawowym, wybieramy naszą nową grupę kanałów. Ja swoją nazwałem „Grupa Kanałów SamNektar”. Po wybraniu widoku ukaże się nam prosty raport, który dla niektórych może wydawać się nawet ubogi. Jednak na tym etapie najważniejsze jest, by był on prawidłowo ustawiony i zrozumiały dla Ciebie. Od czegoś trzeba zacząć. Mam jednak nadzieję, że po zmianie zrozumiesz, dlaczego to robimy.

Widok raportu w Google Analytics z nowo utworzoną grupą kanałów
Widok raportu w Google Analytics z nowo utworzoną grupą kanałów

Dla porównania pokaże Tobie, jak wygląda moja analityka po wprowadzeniu dodatkowych definicji. Dodałem i poukładałem inne „Źródła/Medium”, jakie znalazłem podczas tworzenia grup kanałów. Podzieliłem je na źródła, które mają dla mnie strategiczne znaczenie.

Moje grupowanie kanałów w Google Analytics – symulacja

Załóżmy, że prowadzę bloga. Tematyka nie jest tutaj istotna, bo skonfigurowanie analityki jest uniwersalne, przyda się każdej witrynie. Podczas codziennej pracy, po stworzeniu wpisu na blogu, udostępniam stronę w mediach społecznościowych, starając się wywołać „szum” informacyjny. Moim celem na potrzeby tej symulacji będzie wypełnienie formularza kontaktowego i jest to moja jedyna konwersja, którą ustawiłem w Google Analytics.

Do promowania wpisu organicznie wykorzystam dostępne mi media społecznościowe, a do promocji płatnej – Facebook Ads. Skąd wiem, z jakiej strony przychodzą użytkownicy? Na potrzeby reklamy przygotowałem tagi UTM bezpośrednio w menedżerze reklam i wzorując się na podobnym schemacie, w innych miejscach również umieszczałem tagi UTM. Dzięki temu każda osoba, która przyszła na moją stronę zostawiła ślad w postaci źródła. Pozostało mi tylko odpowiednie grupowanie kanałów i uzyskałem taki efekt:

Widok grupowania w rozbudowanej analityce
Widok grupowania w rozbudowanej analityce

Przy podobnym zasięgu organicznym i poświęceniu wszystkim kanałom społecznościowym tej samej ilość czasu wiem, że najkorzystniejsze dla mnie jest promowanie wpisów na Facebooku. A dlaczego bardziej na LinkedInie niż na Instagramie? Ponieważ na LinkedInie odnotowuję mniejszy współczynnik odrzuceń. Z wszystkich trzech miejsc Instagram więc wypadł najgorzej.

Do jakich wniosków dojdziesz po ustawieniu swojej grupy kanałów w Google Analytics? Możliwe, że będą one wymagały zaparzenia więcej niż jednej kawy oraz dłuższej playlisty, jednak od czegoś trzeba zacząć. Jeśli czujesz, że Twój biznes już teraz potrzebuje zaawansowanych działań związanych z analityką oraz przeprowadzenia skutecznych kampanii w obszarze mediów społecznościowych – napisz do Beeffective, zobaczymy co możemy dla Ciebie zrobić.

#samnektar by Paweł Ciosk/Beeffective Team

Stwórz raport dla swojej kampanii w Google Data Studio

Prowadzenie kampanii w kilku systemach reklamowych bywa trudnym zadaniem. Wymaga zarówno wysokiego poziomu koncentracji, jak i zdolności do analizowania i prognozowania skuteczności prowadzonych działań. Każdy, kto opiekuje się kampaniami digitalowymi wie, jak trudno niekiedy odnaleźć się w gąszczu wskaźników i rozległych tabel zawierających niezrozumiałe liczby. Do tego rozmieszczonych w kilku różnych miejscach. Jak ułatwić swoją pracę? Stwórz raport w Google Data Studio i śledź swoje kampanie w jednym miejscu.

Filarem każdej kampanii digitalowej jest analiza i wyciąganie odpowiednich wniosków z prowadzonych działań. Zadanie to wymaga wielu zdolności analitycznych, kiedy do zestawienia mamy ze sobą dane z Facebook Ads, Google Ads, LinkedIn Ads oraz Google Analytics. Jeśli dołożymy do tego działania organiczne i nieodpartą chęć ich mierzenia, to ilość źródeł danych potrafiłaby przytłoczyć nawet najbardziej wielozadaniowych marketerów. Nieustanna optymalizacja prowadzonych działań reklamowych jest kluczem do utrzymywania ich odpowiedniej efektywności. Warto więc skupić się na tym, by wyciąganie wniosków było procesem możliwie komfortowym i jednocześnie skutecznym. W tym celu możesz stworzyć swój własny raport w Google Data Studio.

O samym narzędziu i jego niewątpliwych zaletach wspominała na łamach cyklu #samnektar w swoim artykule Ania Skóra. Nie chcąc powielać tych wniosków, zamierzam skupić się na aspekcie praktycznym tworzenia i funkcjonowania raportów w Google Data Studio.

Od czego zacząć raport w Google Data Studio?

Tak jak w przypadku wielu podobnych kwestii, najbardziej istotnym aspektem jest wstępne rozpoznanie potrzeb. Zupełnie inny raport stworzysz dla zaawansowanego klienta e-commerce z analizą kilkudziesięciu różnych czynników, świadczących o tendencjach i zachowaniach klientów, a kompletnie odmienny raport powstanie dla klienta prowadzącego działania mające na celu budowanie świadomości marki. Parafrazując klasyka – na samym początku musisz zadać sobie jedno ważne, ale to bardzo ważne pytanie: „jakie dane chcesz analizować?”, a potem zacznij je analizować. Brzmi prosto, ale tak naprawdę wstępna koncepcja raportu będzie drogowskazem. Pozwoli Ci on pozostać na właściwym szlaku do analizowania naprawdę potrzebnych rzeczy.

Jeśli poprawnie zostały rozpoznane potrzeby Twoje lub Twojego klienta, nie pozostaje Ci nic innego niż rozpoczęcie tworzenia swojego pierwszego raportu. Wejdź na datastudio.google.com i zaloguj się tam z wykorzystaniem swojego konta Google. Optymalnie, jeśli będzie to konto powiązane z usługą Google Analytics lub Google Ads.

Źródła danych w Google Data Studio

Praca nad raportem zaczyna się zawsze od wyboru źródła danych i tutaj warto się na moment zatrzymać. Google Data Studio to narzędzie darmowe. Nie oznacza to jednak, że dane z wszystkich systemów reklamowych zdobędziemy za darmo. Google udostępnia kilkanaście darmowych konektorów. Są to takie, które pokazują dane z Google Analytics, Google Sheets, Google Ads, BigQuery i statystyk YouTube. Jeśli operujesz wyłącznie w tych obszarach, całkiem prawdopodobne, że nie są potrzebne Tobie płatne rozwiązania. W przypadku systemów reklamowych spoza galaktyki Google, należy jednak wykorzystać rozwiązania zewnętrzne, które są już płatne. Przykładowo jednym z partnerów Google Data Studio jest Supermetrics, który udostępnia kilkadziesiąt różnych konektorów. Pozwalają one na import danych z systemów m.in. Facebooka, LinkedIna czy Instagrama. Dodatkowo konektory od Supermetrics dodają nowe funkcjonalności do źródeł danych powiązanych z Google Analytics (np. możliwość analizowania ścieżek wielokanałowych) lub Google Ads. W przypadku prowadzenia kampanii poza ekosystemem Google warto rozważyć skorzystanie z Supermetrics i uzupełnić swój raport o dane z innych systemów reklamowych.

Wybór źródła danych Google Data Studio
Wybór źródła danych Google Data Studio

Zadbaj o wygląd raportu w Google Data Studio

Po wybraniu źródła danych prawdopodobnie domyślnie zostanie utworzona pierwsza wizualizacja Twoich danych. Nie przejmuj się jej dość mało atrakcyjnym wyglądem.  Wystarczy kliknąć dowolne miejsce raportu poza wizualizacją danych, by naszym oczom ukazała się karta „Motyw i układ”. Wbrew pozorom nie jest to tytuł podrzędnego kryminału klasy B, a miejsce, w którym można poprawić nieco styl naszego raportu i jednocześnie ustawić domyślny styl tworzonych wizualizacji.

Wybór motywu w Google Data Studio
Wybór motywu w Google Data Studio

Google Data Studio udostępnia kilkanaście różnych motywów kolorystycznych, dlatego każdy znajdzie coś dla siebie. Jeśli jednak Twój gust graficzny jest bardziej wyrafinowany, poszczególne elementy zawsze będzie można dodatkowo edytować w trakcie tworzenia samego raportu. Przechodząc na kartę „Układ” znajdziemy opcje dotyczące samego rozmieszczenia slajdów raportu. Możemy wybrać format poziomy i pionowy – w zależności od naszych preferencji, jak i samego zastosowania raportu. Po ustawieniu podstawowych kwestii można przejść do wizualizowania danych.

Wizualizowanie danych z systemów reklamowych w Google Data Studio

Google Data Studio umożliwia przedstawianie danych w kilku głównych kategoriach. Są to: tabele, wykresy słupkowe, kolumnowe, podsumowania statystyk, serie czasowe i rozmaite wykresy (liniowe, świecowe, kołowe itd.). Dodatkowo pozwala na korzystanie z wizualizacji tworzonych przez społeczności, np. wykresy Gantta lub wizualizacja lejków sprzedażowych.

Uwaga! Zawsze należy zezwolić na wykorzystywanie wizualizacji tworzonych przez społeczność w opcjach źródła danych.

Nadawanie dostępu do wizualizacji Google Data Studio
Nadawanie dostępu do wizualizacji Google Data Studio

Większość wizualizacji opiera się o dwie główne składowe – wymiar i dane. Wymiar stanowią informacje, według których zostaną przedstawione dane. Przykładowo wymiarem będą nazwy kampanii w Google Ads, a danymi liczba wyświetleń, kliknięć i stawka CPC. Dla wykresów z serią czasową wymiarem zawsze będzie czas – w miesiącach, dniach lub godzinach. Dane lub wymiar możemy też dowolnie formatować. Wielkości te często nie posiada jednostek, wówczas można dane edytować dodając odpowiedni ich format.

Edycja danych w Google Data Studio
Edycja danych w Google Data Studio

Istotną funkcją, o jakiej warto wspomnieć, jest też możliwość tworzenia własnych pól w ramach źródła danych. W tym celu musimy wejść w menu edycji źródła danych: Zasób – Zarządzaj dostępnymi źródłami danych – Edytuj przy wybranym źródle danych. Chcąc dodać pole – wybierz opcję „Dodaj pole”, gdzie ukaże się okno formuły. Możemy dodać w nim dowolne funkcje związane z polami występującymi w źródle danych. Przykładowo, chcąc stworzyć własne pole dla policzenia współczynnika CTR kampanii Google Ads, powinniśmy wpisać formułę o takim kształcie:

Tworzenie formuły Google Data Studio
Tworzenie formuły Google Data Studio

Lista formuł, jakie można wykorzystać w trakcie tworzenia własnych pól, jest dostępna TUTAJ.

Zakres dat raportu i dane porównawcze w Google Data Studio

Każde działania powinny być w jakimś stopniu osadzone w czasie. Dodawane wizualizacje danych mają domyślnie ustawiony przedział dat jako „automatyczny”. Oznacza to, że jest on ustalany według zakresu dat dla danej strony. Pole wyboru wykresu dat może pokazywać w zasadzie dowolnie wybrany przez nas domyślny (tj. taki jaki jest widoczny po wyświetleniu raportu) przedział dat. Google Data Studio proponuje kilka różnych opcji, jednak możemy też wytypować własne.

Dla danych liczbowych przedstawionych w tabelach, podsumowaniach statystyk lub na wykresach możemy zestawić również dane z analogicznego okresu – np. z tego samego miesiąca w poprzednim roku lub w poprzednim miesiącu. Przy wyborze okresu porównawczego wybieramy wtedy „poprzedni okres” dla np. poprzedniego miesiąca lub „poprzedni rok” dla analogicznego okresu w minionym roku. Co ciekawe, po zmianie zakresu dat, np. na ostatnie 10 dni, system porówna zwizualizowane dane z poprzednimi dziesięcioma dniami.

Będąc wyposażonym w podstawową wiedzę na temat tworzenia raportów w Google Data Studio, możesz rozpocząć pracę nad własnym raportem. Praca nad stworzeniem raportu bywa niekiedy żmudna i długotrwała. W ostatecznym rozrachunku pozwala jednak zaoszczędzić długie godziny na poszukiwaniu odpowiednich statystyk lub liczeniu rozmaitych zależności. A to potrafi znacząco wpłynąć na efektywność codziennej pracy.

#samnektar by Norbert Korus/Beeffective Team