25 lipca 2011

Analiza ścieżek konwersji - Conversion Attribution - cz. II

Conversion Attribution to pojęcie, które... trudno (jeszcze) dobrze przełożyć na język polski :-) Jedno jest pewne - jest nierozerwalnie związane z nowymi raportami ścieżek konwersji w Google Analytics, o których pisaliśmy w ostatnim poście (bardzo ciekawe i szczegółowe opisanie tych raportów możecie znaleźć na blogu Conversion.pl).

Conversion Attribution (dosł. 'atrybucja konwersji', choć może bardziej pasowałoby określenie 'przypisanie konwersji') to parametr, który próbuje odpowiedzieć na pytanie - w jaki sposób każda z wizyt pojedynczego użytkownika wpłynęła na jego decyzję o wykonaniu pożądanej akcji (np. złożeniu zamówienia, rejestracji w serwisie, subsykrypcji newslettera, itp.), a także jaką wartość z tego tytułu reprezentuje?

Rozważmy trzy przykładowe ścieżki wizyt, które doprowadziły do teoretycznego zakupu:


Przy zastosowaniu najprostszych narzędzi i bez możliwości analizowania ścieżek konwersji, z raportów Google Analytics w domyślnej implementacji wyczytalibyśmy, że:
  • w scenariuszu A konwersję wygenerowało wejście z wyników organicznych,
  • w scenariuszu B konwersję wygenerowało wejście z wyników organicznych (znowu, ponieważ przy naliczaniu konwersji ignorowane są wejścia bezpośrednie, jeżeli wcześniejsza wizyta pochodziła z oznaczonego źródła ruchu),
  • w scenariuszu C konwersję wygenerowało wejście z banera (kampanii reklamowej).
Wyciąganie wniosków z tych informacji nie jest rozsądne, gdyż błędem byłyby chociażby twierdzenia, że:
  • nie ma sensu prowadzić kampanii PPC, skoro nie wygenerowała żadnych konwersji (przecież w ścieżkach A i C pojawiają się wizyty z tego kanału!),
  • najwłaściwsze jest prowadzenie działań SEO (choć w ścieżce B to nie była wizyta, podczas której użytkownik faktycznie złożył zamówienie!).
Wreszcie, wciąż nic nie wiemy o ścieżkach wizyt!
  • Jak użytkownik trafił na naszą ofertę - od którego źródła ruchu rozpoczął kontakt ze stroną?
  • W jaki sposób powracał na serwis (przez kanały typu pull czy push - czyli przypominaliśmy się z ofertą, czy to raczej internauta był stroną aktywnie poszukującą?)
  • Jeżeli wracał przez wyszukiwarki, to czy szukał konsekwentnie tego samego produktu? A może znalazł nasz serwis przez przypadek, poszukując zupełnie innego produktu i usługi? Kiedy zapamiętał naszą markę lub nazwę produktu zaczynając jej używać w celach nawigacyjnych?
Można postawić bardzo wiele problemów analitycznych tego rodzaju. Wszystko zależy od ich znaczenia i faktycznej wartości biznesowej udzielonych odpowiedzi. Zanim jednak zagłębimy się w tego typu analizy, skoncentrujmy się na próbie oszacowania udziału poszczególnych wizyt w końcowej korzyści, jaką reprezentuje każda mierzona akcja.

Modele przypisywania wartości konwersji do wizyt

Ogólnie rzecz ujmując, modele przypisywania wartości do poszczególnych wizyt wchodzących w ścieżkę prowadzącą do konwersji, można podzielić na:
  • jednowymiarowe - czyli takie, gdzie cała wartość konwersji (np. zysk z zamówienia) jest przypisana do jednej konkretnej wizyty
    • 'first-click' - model bazujący na założeniu, że do decyzji zakupu przyczynia się wyłącznie pierwsza wizyta w serwisie; wszelkie kolejne nie mają żadnego znaczenia - internauta powraca jedynie w celach nawigacyjnych, by złożyć zamówienie;
    • 'last-click' - całkowite przeciwieństwo modelu opisanego powyżej - bazuje na założeniu, że decyzję zakupu internauta podejmuje wyłącznie w ciągu ostatniej wizyty; wszystkie wcześniejsze doświadczenia ze stroną nie są istotne; model ten jest najmocniej zbliżony do wyników prezentowanych w podstawowej implementacji Google Analytics; z naszego doświadczenia wynika, że jest on najbardziej właściwy tylko przy wszelkich decyzjach podejmowanych spontanicznie, gdy wcześniejsze wizyty użytkownika w serwisie lub znajomość marki mają marginalny charakter;
  • wielowymiarowe - wartość konwersji jest rozdzielana pomiędzy dwie lub więcej (a nawet wszystkie) wizyty użytkownika - są to warianty bardziej złożone i w zdecydowanej większości przypadków również bardziej zbliżone w swoich założeniach do przebiegu realnych procesów decyzyjnych; możemy podzielić je na:
    • proporcjonalne - określające równy (proporcjonalny) udział każdej wizyty użytkownika; jeżeli zatem internauta dokonał zakupu produktu po 5 wizytach w serwisie, według założeń tego modelu, każda wizyta odpowiadała w 1/5 (20%) za końcowy efekt;
    • ważone - określające indywidualne znaczenie każdej wizyty ze względu na czynniki takie jak:
      • kolejność wizyt - wizyty wcześniejsze mają większe znaczenie od wizyt ostatnich w ścieżce konwersji (lub na odwrót); wizyty środkowe mają najmniejsze (lub żadne) znaczenie; brane pod uwagę są wyłącznie wizyty skrajne (pierwsze i ostatnie);
      • czas pomiędzy wizytami - wizyty bardziej rozłożone w czasie mają większe znaczenie (internauta zapomina o ofercie lub produkcie);
      • charakter wizyty - np. jej źródło (sekwencja wizyt z tego samego źródła ma mniejsze znaczenie), czas trwania, ilość odsłon (ignorujemy wizyty jednoodsłonowe);
      • inne - dowolne parametry, które wynikają z indywidualnych uwarunkowań firmy i prowadzonych przez nią działań marketingowych.
Jest to najprostszy podział, a każdy zastosowany model należy jeszcze indywidualnie doprecyzować, biorąc pod uwagę np. wpływ prowadzenia działań marketingowych offline oraz kontakt użytkownika z produktem lub usługą w świecie rzeczywistym.

Niezależnie od tego jakie warianty analizy przyjmiemy, pamiętajmy o jednym - każdy model będzie tak dobry i wartościowy, jak trafne będą założenia i wnioski wyciągane z końcowych obliczeń. Z tego punktu widzenia, lepiej zacząć od modeli prostych, a więc obarczonych mniejszą ilością błędnych założeń, które będą stopniowo coraz bardziej złożone, przy jednoczesnym monitorowaniu zmian jakościowych w efektach końcowych.

Pamiętajmy też, że conversion attribution ma nam pomóc w bardziej dokładnym ustaleniu wartości i faktycznej rentowności podejmowanych działań marketingowych. Obliczenia pozwolą podjąć decyzję o lepszym alokowaniu budżetów reklamowych. Nie bójmy się analizować pośredniego wpływu wizyt na konwersje - myślenie w kategoriach wyłącznie ostatniej wizyty i jej wpływie na decyzję zakupową na szczęście powoli odchodzi do lamusa. Świadczą o tym chociażby realne dane z raportów Google Analytics, które pokażemy... w następnym poście :-)

--
Maciej Gałecki

14 lipca 2011

Analiza ścieżek konwersji - nowe możliwości Google Analytics

Analiza ścieżki konwersji, czyli sekwencji wizyt internauty, który ostatecznie wykonał pożądaną akcję w serwisie, to jedna z najważniejszych, nowych funkcji Google Analytics. Przykładowa ścieżka konwersji może wyglądać np. tak:

(przykładowe dane oparte na realnym zachowaniu internautów w serwisie jednego z naszych klientów)

Poza podstawowymi informacjami możemy również uzyskać dużą ilość bardziej szczegółowych danych o zachowaniu potencjalnych klientów. Na przykład, jako agencję SEM, zainteresują nas poszczególne wyrażenia wpisywane przez internautę w wyszukiwarkę. Przykładowa ścieżka konwersji przedstawiająca wejścia z wyszukiwarek może więc wyglądać w następujący sposób:

(przykładowe dane oparte na realnym zachowaniu internautów w serwisie jednego z naszych klientów)

Będąc certyfikowanym konsultantem Google Analytics, mieliśmy możliwość zapoznać się z nowymi raportami jako jedni z pierwszych, korzystając z przywileju uruchomienia tej funkcji na wybranych kontach naszych klientów. Raporty te przynoszą bardzo wiele ciekawych informacji, których uzyskanie za pomocą Google Analytics wymagało do tej pory raczej zaawansowanych prac i konfiguracji - także od strony technicznej. Mamy nadzieję, że nowe funkcje będą niedługo dostępne poprzez API i będzie je można wdrożyć w aplikacje analityczne, takie jak na przykład BlueStat.

Dwie najważniejsze korzyści płynące z nowych raportów GA to:
  • lepsze zrozumienie sekwencji wizyt i udziałów poszczególnych źródeł ruchu w procesie decyzyjnym prowadzącym do konwersji,
  • możliwość obliczenia wartości sprzedaży przypadającej na każde źródło ruchu lub kampanię, wynikającej z uczestnictwa danego kanału w ścieżce konwersji.
Naszym zdaniem przede wszystkim ten drugi punkt powinien zainteresować osoby odpowiedzialne za realizację działań o charakterze sprzedażowym (lub dowolnym innym policzalnym celu biznesowym), gdyż umożliwia bardzo precyzyjne policzenie wskaźnika ROI działań online. Pozwoli to skuteczniej alokować budżety marketingowe.

Wbrew pozorom, wyniki uzyskane za pomocą nowych raportów Google Analytics mogą istotnie różnić się od tego, co można zobaczyć w standardowej konfiguracji narzędzia, która przypisuje wartości konwersji ostatniej wizycie użytkownika (poza małymi wyjątkami), kompletnie ignorując wizyty wcześniejsze. Pomiar wartości źródeł ruchu w ścieżkach konwersji, które nie zakończyły się bezpośrednią konwersją (inaczej mówiąc - wszystkie wizyty poza ostatnią), wymaga przyjęcia założeń i zbudowania modelu przypisania konwersji (ang. 'conversion attribution'). O tym już niebawem - w kolejnym artykule na ten temat :-)

--
Maciej Gałecki