Integracja i wykorzystanie dodatkowych danych z Google Analytics

W obecnych czasach, w których dużo mówi się o analizie danych, granica między tym, co w Internecie, a poza nim zaczyna się zacierać. Teraz z każdym dniem jesteśmy bliżej integracji danych „online” z danymi „offline”. Z tego tekstu dowiecie się o  przykładach wykorzystania dodatkowych danych w połączeniu z Google Analytics do analizy zachowań użytkowników oraz skuteczności kampanii.

Coraz więcej osób dostrzega korzyści płynące z analizy danych w swojej firmie, starając się przy tym wykorzystywać wnioski w podejmowaniu strategicznych decyzji. Analizując systemy ERP, firmy optymalizują produkcję, stany magazynowe, zużycie opon czy nawet wyjazdy służbowe.

W branży internetowej z pomocą przychodzi Google Analytics. Dostarcza on danych na temat tego,  w jaki sposób zachowują się użytkownicy na stronie www. Nie odpowiada jednak na pytanie dlaczego. Oczywiście nie mam tu na myśli prostych do zinterpretowania zależności, takich jak spadek ilości wyszukiwanych haseł związanych z ogrodem, przy równoczesnym spadku temperatury. Analizując raporty Google Analytics, nie zawsze jesteśmy w stanie  odpowiedzieć na pytanie, dlaczego doszło do spadku lub wzrostu ruchu na naszej stronie. Pomocne okazują się różnego rodzaju API, dzięki którym możemy dowiedzieć się,  przy jakiej pogodzie nasi klienci są bardziej skłonni do konwersji, czy też jak duży wpływ na sprzedaż urządzeń mobilnych i ruch w e-sklepie mają tweety technologiczne lub premiera nowego tabletu. Takie podejście pomaga w podejmowaniu bardziej trafnych decyzji biznesowych np. w tworzeniu lepszych kampanii. Google Analytics dostarcza coraz więcej zarówno darmowych, jak i płatnych aplikacji, które pomagają w podejmowaniu takich decyzji. Jednak żadna aplikacja nie zastąpi analityków, którzy odpowiednio zinterpretują uzyskane informacje i  wybiorą najlepszy sposób do przedstawienia wyników swoich analiz.

Poszerzenie zakresu danych o informacje np. z CRM-ów, szczególnie dla tych branż, które nie prowadzą sprzedaży internetowej, daje możliwość uzyskania bardzo ciekawych efektów. Dzięki temu połączeniu możemy zbadać zależność między skutecznością kampanii  a segmentami użytkowników. Takie działanie pokazuje, którzy klienci zareagowali najlepiej na daną kampanię, czyli np. która kreacja skutkowała największą sprzedażą. Poprzez wykorzystanie metod statystycznych  możemy dowiedzieć się, jaka była stopa zwrotu z wybranej kampanii lub które kampanie uległy efektowi synergii i wzajemnie wzmocniły swoje działanie. Daje to możliwość spieniężenia siły naszych działań i w efekcie  lepszego dopasowywania kampanii do poszczególnych segmentów użytkowników/klientów. Otwiera również możliwości optymalizacji targetu kampanii. To oznacza, że kampanie kierowane są konkretnym użytkownikom,  którzy są faktycznie zainteresowani danym produktem. Dzięki temu budżet jest efektywniej wydawany, co przekłada się na to wzrost potencjalnych konwersji lub sprzedaży przy zmniejszeniu lub utrzymaniu kosztów kampanii.

Jeśli już mówimy o segmentacji klientów możemy również pokusić się o opisanie ich jeszcze innymi dodatkowymi metrykami. Każdy z nas zostawiając w sieci ślady swojej obecności w postaci plików cookies umieszcza poprzez nie informacje o języku i miejscowości zamieszkania. Co nam to daje? Możliwość połączenia ich z danymi mówiącymi o liczbie ludności, strukturze społecznej miasta/regionu, ilości użytkowników Internetu czy średniego poziomu cen. To wszystko oczywiście zależy od zasobności i różnorodności baz do jakich mamy dostęp. Sporą ilość otwartych danych finansowych i ekonomicznych oferuje portal Quandl.com. Istnieją komercyjne narzędzia oferujące nawet integracje danych Google Analytics z Quandl. Te dodatkowe informacje również pomagają w lepszym dopasowaniu kampanii i promowaniu produktów.

To oczywiście tylko przykłady wykorzystania i integrowania danych z Google Analytics, z którymi będziemy starać się Was cyklicznie zapoznawać. Każdy przypadek jest na swój sposób unikatowy i prawdopodobnie będzie wymagał zastosowania zupełnie innych źródeł danych do wzbogacenia analizy. Z drugiej jednak strony może właśnie takie połączenia staną się za jakiś czas pewnym standardem analitycznym bez którego prawidłowa eksploracja danych webowych będzie mocno ograniczona. 

Autor:

Kuba Krysicki, Junior Digital Analyst

Udostępnij: