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 poprzedniej lekcji sprawdzaliśmy zwroty z inwestycji z naszych
kampanii Google Ads. Natomiast dokładnie w podobny sposób możemy sprawdzić zwroty
z inwestycji innych naszych kanałów, tak jak na przykład e-mail marketing,
Facebook marketing, content marketing - co tylko chcesz. Zatem wskoczmy
do Analyticsa. W tym momencie przeanalizujemy sobie źródło
ruchu otagowane, czyli była to jakaś kampania zewnętrzna,
nie były to Google AdWords, dlatego musieliśmy otagować te URL-e. O jakiej kampanii
będziemy mówić? Szybka powtórka. Jeżeli wskoczymy do zakładki Pozyskiwanie > Cały
ruch i Źródło/medium, w środku znajdziemy wszystkie
kanały, które sprowadzały ruch na naszą stronę. Natomiast kampania, którą chcemy przeanalizować
na koncie demo, nazywała się dfa/cpm. Jak
możesz zauważyć, wprost ta kampania w ogóle nie skonwertowała. Natomiast
być może kojarzysz z poprzednich lekcji, że ta kampania miała konwersje wspomagane. Natomiast
pytanie brzmi, na ile ten zysk, który wygenerowały
te konwersje wspomagane, możemy przypisać konkretnie do tego źródła. Co
musimy zrobić? Sprawdzić, w jakim momencie ścieżki konwersji to
źródło się znajdowało. Zatem lećmy dalej. Jeżeli
przeskoczymy do zakładki Konwersja, po czym do zakładki Ścieżki
wielokanałowe - pamiętamy, że ta kampania konwersje wspomagane miała,
dlatego już tam zaglądamy. Przeskakujemy od razu do Najważniejszych ścieżek konwersji,
żeby zobaczyć, co to były za historie, czyli gdzie to źródło znajdowało się w środku. Po
raz kolejny musimy zmienić pewne rzeczy, czyli w Konwersji musimy
zmienić nasz cel, pod kątem
którego patrzymy, czyli patrzymy przez pryzmat transakcji, przez pryzmat sprzedaży,
dlatego zostawiamy tylko Transakcja. Klikamy sobie Zastosuj. Oraz
drugi element - musimy zmienić długość ścieżki na po prostu jeden
krok lub więcej. Tak, żebyśmy po prostu widzieli wszystkie historie. Czyli jeżeli to źródło samo w
sobie by konwertowało, też chcemy to zobaczyć. Nie przeklikujemy na AdWords,
ponieważ nie jest to źródła adwordsowe. Natomiast to, co musimy przeklikać, to
jest właśnie ścieżka przez pryzmat źródło/medium, żebyśmy w łatwiejszy sposób mogli
znaleźć nasze dane. W porządku. Kolejny element - te
dane, które mamy przed oczami, musimy przefiltrować. Czyli po prostu przeskrolować
do prawej strony naszego wykresu i uwzględnić źródło/medium
tylko dfa/cpm, czyli konkretnie tak, jak otagowaliśmy
naszą kampanię. Innymi słowy - tak jak otagujemy, czyli użyjemy zmiennych per źródło/medium i
nazwa kampanii, w ten sam sposób w Analytics będziemy w stanie odszukać konkretnie
to źródło. W porządku. Kliknijmy Zastosuj i zobaczmy,
co nam się pojawi. Okej. Mamy dwie historie,
czyli mówimy tutaj o dwóch konwersjach. Dlatego troszeczkę
łatwiej będzie nam to rozbić na czynniki pierwsze. I teraz tak - w pierwszym
przypadku jest nasza kampania na pierwszej pozycji. Czyli jakby zainicjowała
konwersję, natomiast potem jakieś źródło z odesłania jakby tę konwersję
skończyło. Trzecie źródło, czyli direct, możemy pominąć. Dlatego
też jeżeli ta konwersja była warta blisko 150 $,
to czysto teoretycznie powinniśmy tę konwersję podzielić na pół, czyli
połowa dla źródła dfa, połowa dla źródła,
które odsyłało ruch. W drugiej historii z kolei nasze
źródło znajduje się na drugiej pozycji, czyli mamy jedno źródło, które odsyła, później
mamy źródło nasze, która analizujemy, potem jeszcze raz to
samo, co było na pierwszej pozycji - numer 4 - czyli jeszcze trzecią stronę,
trzecie źródło, no i na końcu ruch bezpośredni. W tym
przypadku tak naprawdę mieliśmy trzy główne źródła. Dlatego z tej kwoty, którą
zarobiliśmy na tej konwersji, czyli 150 $, powinniśmy dla naszego
źródła przypisać około 1/3. Spróbujmy w
takim razie przeskoczyć do modeli atrybucji i sprawdzić, czy któryś z tych modeli
idealnie pokryłby tę sytuację. Kolejnym etapem, który
musimy przejść, jest przejście właśnie do zakładki Konwersje, gdzie znajdziemy zakładkę Atrybucja
i Porównanie modeli konwersji. Jeżeli jesteśmy w środku, przypomnijmy
sobie, gdzie nasze źródło znajdowało się na ścieżce konwersji. Raz było na
pierwszej pozycji, raz było gdzieś w środku w towarzystwie innych źródeł. Natomiast
żeby odkryć, jaki jest zwrot z inwestycji, pierwsza
rzecz, którą musimy zrobić, to oczywiście przefiltrować nasze dane. Krok pierwszy, klikamy
na Źródło/medium. W tym momencie łatwiej nam będzie odnaleźć kanał, na
którym nam zależy. Krok drugi - klikamy Zaawansowane i wpisujemy
po prostu nazwę tego źródła, żeby łatwiej było nam patrzeć na dane. Zatem
wpisujemy dfa/cpm,
klikamy Zastosuj i wykres powinien odfiltrować się pod kątem tylko
naszego źródła. Co widzimy? Dostajemy informację,
że nasze źródło, nasza kampania nie konwertuje wprost,
czyli nie jest jakby ostatnim źródłem na ścieżce konwersji, co jest prawdą - sprawdziliśmy
to wcześniej. Natomiast znajduje się czasem na pierwszej pozycji, czasem
gdzieś w środku. Zatem zmieńmy model ostatniej interakcji
na interakcję pierwszą. Porównajmy
to z kolejnym modelem, czyli powiedzmy - z modelem liniowym. Nasze źródło
było w otoczeniu innych dwóch mocnych źródeł, dlatego spróbujmy
na równo podzielić tę konwersję. Okej. I
dla kontrastu wrzućmy jeszcze tutaj model rozkładu czasowego,
który dodaje jakby gratyfikacji źródłom, które są jak najbliżej samej konwersji. Dobrze. Zobaczmy,
co nam się udało uzyskać dzięki temu porównaniu. Przeklikajmy sobie
tylko jeszcze Konwersje i CPA na Konwersje i wartość, żebyśmy wiedzieli
mniej więcej, ile system przypisze. Porównajmy
sobie to z trzecim modelem, czyli z rozkładem czasowym, który dodaje,
powiedzmy, bonus źródłom, które są jak najbliżej już samej konwersji. Co
uzyskujemy? Dostajemy informację, że w modelu pierwszej interakcji
system przypisał nam jedną całą konwersję, w modelu rozkładu liniowego
jest pół konwersji, w rozkładzie czasowym jest jakby 1/3 konwersji. Czyli
nasze źródło wspomagało dwie całe konwersje, natomiast w różnych układach system
przypisuje po pewną część. I teraz znowu - odcinając
skrajne elementy, powinniśmy się zasugerować rozkładem liniowymi i
przyjąć, że nasze źródło - prawdopodobnie to, co możemy z pewnością
do niego przypisać - dało nam jakby pół konwersji o pewnej wartości. Natomiast
wiemy, że nie jest to idealne, dlatego jakby wracając do
wątku - w idealnym świecie powinniśmy skorzystać z nieco innego rozwiązania, czyli stworzyć
może swój niestandardowy model. Oczywiście tutaj musimy zasięgnąć pomocy, mieć
troszeczkę więcej danych. Natomiast żeby być jak najbliżej realnych
danych na temat zwrotu z naszych kampanii, powinniśmy takie modele tworzyć.
Ewentualnie możemy również pokombinować z zaimportowaniem niestandardowych
modeli z galerii. W tym momencie, jeżeli posiadacie Analytics
Premium, możecie oczywiście skorzystać z systemu Google Attribution, natomiast
nie jest on jeszcze dostępny dla wszystkich. Dlatego to, co możemy zrobić
na ten moment - nauczyć się korzystać z bazowych modeli, potem w
kwestii ewolucji przeskoczyć na tworzenie własnych modeli albo przed
tworzeniem własnych modeli zacząć korzystać z tych z galerii rozwiązań - będzie
nam nieco łatwiej. Co musisz zapamiętać z tej lekcji? Jeżeli
chodzi o analizę innych źródeł niż AdWords, najważniejszym elementem jest
tagowanie tych kampanii, czyli używanie tak zwanych UTM-ów. Jeżeli zapomnisz
tego zrobić swojej kampanii na Facebooku, e-mailowej, content marketingowej,
nie będziemy w stanie zweryfikować tego źródła, a co gorsza sprawdzić zwrotu z
jego inwestycji. Drugi element, co czasem może się zdarzyć. Powiedzmy,
że tagujesz swoją kampanię na Facebooku i widzisz w statystykach
źródło Facebook, medium CPC. Natomiast Facebook
organiczny z Twojego profilu potrafi pokazywać się w Analytics w różny sposób. To
znaczy - możesz mieć ruch na przykład z odesłania ze strony m.facebook.com, l.facebook.com
i tak dalej. Czysto teoretycznie w tym momencie musiałbyś to
źródło każde z osobna sobie analizować. Natomiast jeżeli zastosujesz
funkcję grupowania kanałów w Google Analytics, możesz te kanały sprzężyć, przez co
to będzie tylko jedna pozycja w Twoich statystykach. Dodatkowo możesz
zrobić jeszcze jedną rzecz. Wróćmy jeszcze na sekundkę
do Analytics. W sytuacji kiedy chciałbyś dowiedzieć się,
jaki jest konkretnie zwrot z Twojej inwestycji, potrzebowalibyśmy jeszcze wiedzieć, ile
w nią zainwestowałeś. W przypadku AdWords jest to dosyć proste, ponieważ
system zaciąga dane z panelu AdWords, wrzucając je do panelu Analytics,
przez co wiesz, ile wydałeś, ile
zarobiłeś. Natomiast w przypadku kampanii facebookowych, e-mailowych i tak dalej - tego
niestety nie masz. Dlatego też musisz pamiętać o jednej opcji,
to znaczy jesteśmy w stanie do Analytics dane wstrzyknąć. W
zakładce Administracja, pod hasłem Import danych, który znajduje
się w środkowej kolumnie, będziesz mógł wstrzykiwać dane kosztowe swoich
kampanii - tak żeby finalnie w zakładce Atrybucja móc porównać
różne kanały wobec siebie pod względem kosztu
pozyskania klienta tudzież zwrotu z inwestycji. To tyle w tej
lekcji. Do usłyszenia za chwilę!