Analiza Stron Internetowych
5 godz. 45 min · Google · Biznes i Automatyzacje
Karol DziedzicNiniejszy kurs został przygotowany z myślą o praktycznym wyciąganiu wniosków na podstawie danych tak, aby móc podejmować odpowiednie decyzje biznesowe. Dowiesz się, dlaczego obecnie warto skupić się na myśleniu “data driven”, niż ślepo ufać swojej intuicji. Ten kurs będzie do tego doskonałym wsparciem.
W pierwszej części kursu przejdziemy przez checklistę wdrożeniową, aby krok po kroku sprawdzić poprawność zbieranych danych w Google Analytics. Omówimy często popełniane błędy, wskażemy nieistotne elementy na których nie powinniśmy marnować czasu przy analizach oraz nauczymy się konfigurować cele oraz źródła ruchu pod kątem późniejszych analiz.
Kolejna część kursu skupia się na poznaniu tego, co stoi za konkretnymi zmiennymi w Google Analytics. Wiele osób popełnia błędy podczas interpretacji danych w związku z niezrozumieniem ich definicji. Wspólnie przejdziemy przez wszystkie niuanse związane z interpretacją danych, tak, by nie popełnić w przyszłości niepotrzebnych błędów.
Z tego rozdziału dowiesz się, w jaki sposób sprawdzić charakterystykę swoich potencjalnych klientów na stronie internetowej. Opowiemy Ci o tym jak budować persony swoich klientów oraz nauczysz się jak grupować użytkowników w odpowiednie segmenty w Google Analytics. Ponadto, poznasz sposoby na późniejsze wykorzystanie utworzone przez siebie segmentów użytkowników w dalszych działaniach marketingowych.
W tym rozdziale przejdziemy dokładnie przez proces weryfikacji efektywności każdego kanału reklamowego, który sprowadza ruch na Twoją stronę. Zaczniemy od sprawdzenia jakości tego ruchu, poprzez analizę konwersji wspomaganych na modelach atrybucji, kończąc na nauce sprawdzania zwrotów z inwestycji poniesionych na reklamę. Nauczysz się swobodnie zarządzać budżetami reklamowymi, przerzucając je odpowiednio pomiędzy najlepiej konwertujące źródła.
Kolejny rozdział poświęcony jest dogłębnej analizie zachowań użytkowników na Twojej stronie internetowej. Nauczysz się analizować zarówno przepływy użytkowników przez swój serwis internetowy, znajdować najlepsze treści na swojej stronie oraz sprawdzać, czego użytkownicy szukają na Twojej stronie. Ponadto, dowiesz się, jak analizować lejki konwersji i jak zwiększać ich przepustowość.
W tym rozdziale opowiemy Ci o tym, w jaki sposób tworzyć odpowiednie raporty na podstawie danych z Google Analytics. Dowiesz się z jakich narzędzi w jakiej konkretnej sytuacji musisz korzystać, aby Twoja praca na danych przebiegała sprawnie. Na praktycznych przykładach nauczysz tworzyć raporty dopasowane do Twoich potrzeb.
Ostatni rozdział poświęcony jest technicznym elementom wdrożeniowym. Dowiesz się jak za pomocą Google Tag Managera samodzielnie poradzić sobie z wdrażaniem celów na Twojej stronie internetowej. Dodatkowo poznasz sposoby na dokładniejsze analizowanie aktywności użytkowników na stronie oraz poznasz metody wdrażania zewnętrzne narzędzi pomocnych w analityce poprzez GTM.
eKurs stworzony został z myślą o osobach, które chcą nauczyć się lepiej wyciągać wnioski na podstawie danych. Oznacza to zarówno tych, którzy już pracują z Google Analytics, jak i tych, którzy dopiero rozpoczynają swoją przygodę z analityką internetową.
Cześć! W tej lekcji skonfrontujemy to, co pokazuje Ci Google
Analytics z rzeczywistością, czyli powiemy sobie, które ze
zmiennych dostępnych w Google Analytics mogą spowodować, że
zostaniesz wprowadzony w błąd. Zatem zacznijmy! Pierwsza rzecz
ze zmiennych, które mogą wprowadzić Cię w błąd, jest to zmienna użytkowników.
Wydawałoby się, że użytkownikiem w oczach Analytics
powinien być nasz potencjalny klient. Innymi słowy, że użytkownik
jest po prostu człowiekiem stojącym za wizytą w naszej witrynie. Mało
tego, jeszcze czasem może się zdarzyć, że usłyszysz też taką zmienną
jak unikalny użytkownik, więc mamy unikalnego użytkownika, mamy użytkownika
i mamy człowieka. Pytanie, czy to wszystko jest tym
samym, czy może czymś innym. Zacznijmy od unikalnych
użytkowników i użytkownika. Te zmienne na dzień dzisiejszy to jest jedność, więc
mniejszy problem z głowy. Natomiast czy użytkownika
możemy nazwać człowiekiem, naszym potencjalnym klientem? Rozpatrzmy
to na przykładzie. W kawiarni siedzi pięc osób, powiedzmy, że są to freelancerzy
pracujący nad swoimi projektami i teraz te pięć osób
za pomocą swoich laptopów łączy się z Twoją stroną internetową. Co nam
powie Analytics? Mamy pięć osób, mamy pięć sprzętów, użytkowników w Analytics
też będzie pięć, natomiast czy to są ludzie, czy urządzenia
stojące za użytkownikami? Jeżeli te pięć osób wyciągnie
swoje smartfony i po raz kolejny wejdzie na Twoją stronę internetową, w
tym momencie mamy pięć laptopów, pięć smartfonów, użytkowników w Analytics będzie
już 10. Jeżeli te same osoby na tych samych komputerach
odpalą kolejną przeglądarkę w swoim laptopie, będziemy mieć
tak naprawdę 10 sprzętów, czyli pięć laptopów, pięc smartfonów, 15
przeglądarek - ponieważ mamy po dwie w każdym laptopie i jedną na smartfonie,
czyli tych użytkowników będzie już 15. Zatem pierwszy
mit - użytkownik nie jest człowiekiem, użytkownik jest unikalną
przeglądarką. Oczywiście Analytics stara się zunifikować tych ludzi
pod tym kątem, że jeżeli korzystamy z przeglądarki Chrome na naszym laptopie, jak i
smartfonie, będąc zalogowani do konta google'owego, to w tym
momencie system stara się nas sparować, że jesteśmy jedną osobą. Natomiast
nie wszyscy są w ten sposób zalogowani do przeglądarek. Wejdźmy
na jakiś przykład. Wskakując do Analytics, znowu
skorzystamy z konta demo Google Analytics. Jeżeli wskoczymy do
zakładki Odbiorca, po czym klikniemy sobie w ogólną zakładkę Przegląd
odbiorców, w tym momencie - jeżeli analizujemy określony okres
czasu, dla nas jest to maj - możemy zobaczyć, że w tym okresie
czasu użytkowników mieliśmy ponad 71 tysięcy,
natomiast nie jest to 71 tysięcy osób, jest to 71
tysięcy unikalnych przeglądarek. Przeglądarka, zapisując
ciasteczko na Twoim komputerze, identyfikuje Cię jako użytkownika. Zatem
jeżeli to ciasteczko usuniesz, to też tracimy pewnego rodzaju informację.
Natomiast za tymi wejściami tych użytkowników stoją
różne przeglądarki i różne urządzenia. Jeżeli przyjrzymy
się, z jakich urządzeń osoby wchodzą na tą stronę internetową, czyli
zajrzymy sobie do Ruchu mobilnego i do Przeglądu, zobaczymy,
że to nie jest tylko jedno urządzenie. Bo przeważnie mamy jedną przeglądarkę
w jednym urządzeniu i tak z tego korzystamy, natomiast tutaj możemy zobaczyć,
że użytkownicy z różnych urządzeń łączą
się z naszą stroną. 70% udziału w ruchu to desktop, mobile
to jest blisko 30%, tablet to jest blisko 4%. Zatem
na poziomie użytkowników będziemy mieć już pewnego rodzaju przekłamania,
dlatego nie możemy tej liczby traktować jako liczby potencjalnych
klientów, tylko musimy ją zmniejszyć w zależności
od używalności urządzeń przez naszych użytkowników w odpowiedniej
skali. Zatem biorąc pod uwagę fakt, że użytkownicy korzystają,
to znaczy wchodzą na naszą stronę, z różnych urządzeń, liczba użytkowników versus
potencjalnych klientów będzie odpowiednio niższa. Przejdźmy do
kolejnego mitu. Kolejnym mitem, o którym musimy sobie wspomnieć,
jest czas na stronie. Co mam na myśli? Patrząc
na statystyki Analytics, wydaje się, że ten czas jest liczony co do sekundy. W
naszym przykładzie ten czas wynosi ponad 2,5 minuty, czyli 2
minuty 36 - no i właśnie - sekund, co sugeruje, że Analytics
jakby poniekąd odpala stoper na stronie, jeżeli wchodzi na nią użytkownik. Sposób, w
jaki Analytics mierzy czas, jest nieco inny. W dużym uproszczeniu możemy
przyjąć, że Analytics nie mierzy czasu na ostatniej podstronie, na której
jest użytkownik. Jaki to rodzi problem? Wyobraźmy sobie przykład landing page'a. Landing page jako jedna
strona jest zarówno pierwszą, jak i ostatnią stroną, dlatego ten czas
będzie zbliżony do zera. Innym przykładem może być na przykład strona
Wikipedii. W związku z tym, jak użytkownicy korzystają z tej strony, też
możemy mieć mylne statystyki. To znaczy, wpisujemy
frazę, która nas interesuje w wyszukiwarce, wchodzimy na Wikipedię,
konsumujemy artykuł od góry do dołu, po czym wychodzimy. Wychodzimy
jako zadowolony użytkownik, który pochłonął treść, natomiast system
pokaże nam, że ten czas był zbliżony do zera. Więc miejmy to na uwadze, zawsze
pamiętajmy o urealnieniu tego czasu, ponieważ Analytics może spowodować,
że w zły sposób będziemy te dane analizować. W porządku.
Wiemy już, kim jest użytkownik w oczach Analytics, wiemy, czemu
czas jest źle mierzony w systemie, teraz możemy przejść do kolejnego mitu,
jakim jest współczynnik odrzuceń. Współczynnik odrzuceń
jako zlepek dwóch słów brzmi bardzo negatywnie. Natomiast z
angielskiego to jest nic innego jak bounce rate, czyli współczynnik odbić. Odrzucenie,
odbicie, można wyczuć różnicę. Co jest istotne
pod kątem współczynnika odrzuceń, to fakt, że nie jest prawdą, że
jeżeli zbliża się do 100%, to jest tragedia. Współczynnik
odrzuceń może osiągnąć poziom 100% i być idealną sytuacją. Wróćmy
do przykładu na przykład Wikipedii. Jeżeli wszystkie osoby weszłyby z wyszukiwarki
na content, przeczytały konkretnie to, co ich interesuje i wyszły - rewelacyjna
rzecz. Z drugiej strony jeżeli współczynnik odrzuceń
miałyby poziom 0%, też mogłaby być to idealna sytuacja - w sensie, że zawsze osoby
przechodzą dalej w naszą stronę, natomiast to się rzadko zdarza. Często
pytanie, jakie pada w stosunku do współczynnika odrzuceń, to są jakby jego odpowiednie
ramy. Oczywiście, jak w naszej branży bywa, odpowiedź, która padnie
w tym momencie, to jest "to zależy". Czyli, jeżeli przyjrzymy się współczynnikowi odrzuceń
na tym konkretnym sklepie, on wynosi 44,46%. Czy
to dobrze, czy to źle? To zależy. Tak naprawdę współczynnik odrzuceń
sam w sobie nie może być interpretowany. Współczynnik odrzuceń powinniśmy porównywać
z innymi zmiennymi, jak na przykład, mamy różne źródła
ruchu w bardzo ogólnym pojęciu i jedno z nich charakteryzuje się
wyższym współczynnikiem odrzuceń niż drugie. To źródło, które współczynnik
odrzuceń ma dużo wyższy od średniej i od innych źródeł, będzie naszym pierwszym
elementem analiz, żebyśmy zobaczyli, czy wszystko jest w porządku. Pamiętajmy też
o tym, że jeżeli zobaczymy współczynnik odrzuceń poniżej 30%, to też
może świadczyć o tym, że ktoś za bardzo urealnił go i doszliśmy
do wniosków, które są po prostu nierealne. Pamiętajmy
też o tym, że czas i współczynnik odrzuceń są
wzajemnie zależnymi zmiennymi. Czyli jeżeli współczynnik odrzuceń mamy bardzo wysoki,
czas spada i na odwrót. Jeszcze jedna
rzecz, o której warto wspomnieć, jest to zmienna strona/sesja. Znowu
możemy próbować interpretować ją wprost, co będzie błędem. Jeżeli
zobaczymy tutaj stronę przez sesję na poziomie blisko 4,5, czyli każdy
użytkownik podczas jednej sesji widział ponad cztery podstrony
naszego serwisu. Czy to dobrze, czy to źle? Znowu - to zależy,
ponieważ z jednej strony mógł się zgubić, z drugiej strony mógł tak bardzo
pokochać nasz content. Kolejny raz kiedy musimy tą zmienną porównać
z innymi, żeby wysnuć z tego całą historię. Jeżeli
już znasz zmienne i co za nimi stoi, w dalszej części
łatwiej nam będzie przechodzić przez wszystkie elementy raportowania
i wnioskowania. Co musisz zapamiętać z tej lekcji? Pierwsza
rzecz: użytkownik to nie człowiek, to przeglądarka. Liczba
użytkowników w stosunku do potencjalnych klientów będzie zawyżona. Drugi
element jest to czas. Jeżeli nie urealnisz czasu tudzież współczynnika odrzuceń
na swojej stronie internetowej, pamiętaj o tym, że Analytics nie mierzy
czasu na ostatniej podstronie, na której jest użytkownik. I o ile to jest sklep internetowy,
gdzie ostatnią podstroną jest podziękowanie za zakup, tak dużego zaburzenia nie
odczujesz w swoich danych. Natomiast jeżeli mówimy o landing page'ach, to tutaj
będziesz miał bardzo mocne zaburzenie, dlatego miej to na uwadze. No
i na sam koniec nasz współczynnik odrzuceń. To, że osiąga
momentami poziom 100%, to nie oznacza, że odbywa się jakaś tragedia. Pamiętaj
natomiast o tym, żeby ten współczynnik urealnić - tak żebyśmy w łatwiejszy sposób patrzyli
na nasze dane. Oraz pamiętaj również o tym, że współczynnik
odrzuceń służy głównie do porównywania pewnych rzeczy, czyli
za jego pomocą sprawdzamy, czy dana zmienna odchyla się od
standardów, czy ten współczynnik odrzuceń dla danej zmiennej wyjściowej jest
wyższy lub niższy od ogółu albo w porównaniu z innymi elementami i w
ten sposób pracuj ze współczynnikiem odrzucania. To tyle w tej
lekcji. Do usłyszenia za chwilę!