Nie takie API straszne, jak je malują - wykorzystaj środowisko R do pobierania danych z Google Analytics i Google Trends

Czy spotkałeś się kiedyś z sytuacją, w której funkcjonalności prezentacji i analizy danych w Google Analytics były dla Ciebie niewystarczające? Albo masz dość generowania cotygodniowych raportów w panelu GA, a następnie kopiowania ich do Excela? Jeśli tak, to świetnie trafiłeś. Do pozyskiwania takich informacji w sposób zautomatyzowany służy Analytics API (Application Programming Interface - automatyczny sposób komunikacji programów). Dzięki niemu proces pozyskania danych można usprawnić. 

Google Analytics dysponuje zdecydowanie większą ilością dostępnych informacji niż te zawarte w standardowych raportach. Dzięki obsłudze API mamy do nich dostęp. Postaram się podzielić się z Tobą moją wiedzą na temat praktycznego wykorzystania API do pozyskania danych.

Jak zacząć?
Wystarczą 2 kroki. Pierwszy to aktywowanie API analyticsowego dla naszego konta (jeśli wcześniej nie zostało to zrobione), drugi to zainstalowanie bezpłatnego oprogramowania R (język programowania oraz środowisko do obliczeń statystycznych i wizualizacji wyników źródło: Wikipedia).

Aby uruchomić opcję korzystania z API należy wejść na stronę:

https://console.developers.google.com/

Do pracy z API musisz wygenerować client ID i client secret. Aby to zrobić, postępuj zgodnie z poniższymi krokami:

1. Otwórz Credentials page.
2. Jeśli nie robiłeś tego wcześniej, stwórz OAuth autoryzację dla swojego projektu, klikając w Create credentials, następnie kliknij w OAuth 2.0 client ID. Później konfigurator może poprosić cię o stworzenie nazwy dla produktu. Gdy przejdziesz przez ten etap, wybierz Other application i nadaj nazwę swojemu projektowi.
3. W pop-upie otrzymasz client ID i client secret.
4. Jeśli coś pójdzie nie tak i nie uzyskasz dostępu do tych informacji, w pop-up odszukaj Client ID w OAuth 2.0 i kliknij w nazwę.

Client ID i client secret to kluczowe ciągi znaków dla całego procesu pobierania danych z Twojego konta przy użyciu R. Dlatego sugeruję skopiowanie ich do notatnika.

Teraz musimy aktywować API dla naszego konta. Aby tego dokonać, postępuj zgodnie z poniższą instrukcją:

1. Otwórz stronę z informacjami dla Analytics API - Overview page.
2. Kliknij w przycisk Enable API, który aktywuje Analytics API.

Teraz pozostaje nam zainstalować R na komputerze. Oprogramowanie można pobrać z poniższej strony:

https://cran.r-project.org/bin/windows/base/

Jeżeli nie miałeś wcześniej styczności z takim oprogramowaniem, załączam również link z krótkim wprowadzeniem do R:

https://cran.r-project.org/doc/contrib/Komsta-Wprowadzenie.pdf

Zapoznanie się z całą zawartością wprowadzenia nie jest warunkiem koniecznym dla opisywanej metody. W Sieci dostępne są również darmowe szkolenia oraz fora informatyczne, na których programiści chętnie udzielają porad w kłopotliwych sytuacjach. Jednak w tym przypadku musisz wiedzieć jedynie, jak wykonywać kod w R i postępować zgodnie z instrukcjami.

Po wykonaniu powyższych kroków masz już wszystko, aby zacząć naszą przygodę z R i Analytics API. Aby podłączyć się do swoich danych musisz otworzyć R i zainstalować pakiet RGoogleAnalytics. Hash i wszystko co następuję po nim możesz pominąć. Jest to tylko komentarz, który nie jest interpretowany podczas kompilacji kodu. Służy on jedynie utrzymywaniu odpowiedniej dokumentacji i nadzoru nad tym, co dzieję się w skrypcie. Opisywanie swoich kroków przy pomocy komentarzy ułatwia rozumienie wcześniej stworzonego kodu.

# instalacja pakietu
install.packages("RGoogleAnalytics")
# ładowanie pakietu do pamięci R
library("RGoogleAnalytics") 

Powyższe komendy pozwalają na zainstalowanie pakietu potrzebnego to utworzenia połączenia oraz załadowanie go do pamięci podręcznej R. Teraz będziesz musiał stworzyć token dla swojego skryptu. Na tym etapie będziesz potrzebować wcześniej wygenerowanych client ID i client secret. Do autoryzacji Twojego połączenia wykorzystaj poniższy skrypt. 

# tworzy token
token<-Auth(client.id="client id ", client.secret = "client secret")
# zapisuje token
save(token,file="./token_file")
# sprawdza poprawność tokena
ValidateToken(token) 

Jeśli token został poprawnie zaimplementowany nasze połączenia z API analyticsowym właśnie zostało uwierzytelnione i jest gotowe do pracy. Celem tego artykułu jest zaprezentowanie możliwości pobrania danych przy użyciu API, dlatego nie będę wchodził w szczegóły techniczne środowiska programistycznego.

W kolejnym kroku tworzymy zmienną, w której przechowywane będzie zapytanie do danych.

#Utworzenie listy przykładowych parametrów
query.list <- Init(                start.date = "2015-09-01",
       end.date = "2015-09-31",
       dimensions = "ga:date,ga:source,ga:medium",
       metrics = "ga:sessions",
       max.results = 10000,
       sort = "-ga:date",
       table.id = "ga:identyfikator widoku danych") 

Dwa pierwsze parametry funkcji Init odnoszą się do daty początkowej i daty końcowej ekstraktu. Parametry dimensions i metrics odpowiadają kolejno za wybór wymiarów i metryk do naszego zapytania. Nazwy metryki i wymiarów dostępne są na stronie:

https://developers.google.com/analytics/devguides/reporting/core/dimsmets

Google Analytics ogranicza jednak pozyskanie danych przez API do 7 wymiarów i 10 metryk, dlatego warto uwzględnić to przy generowaniu ekstraktu. Należy również pamiętać o tym, że nie wszystkie metryki i wymiary możemy ze sobą zestawiać tzn., że w przypadku nieprawidłowo zdefiniowanego zapytania napotkamy na błąd. 

Parametr max.result ogranicza maksymalny rozmiar Twojego zapytania. Atrybut sort ustala kierunek i zmienną dla sortowania naszego zbioru danych. Jednak, aby zapytanie zostało poprawnie skonstruowane, musisz dodać informację o tym, z którego widoku usługi chcesz pobrać dane. W tym celu w table.id wpisz identyfikator widoku danych, którego wartość łatwo znajdziesz w panelu administracyjnym Google Analytics w sekcji ustawienia widoku. Wykonanie powyższego kodu stworzy zapytania do obiektu query.list. W kolejnym etapie zbudujesz obiekt, który posłuży  już do bezpośredniego pozyskania danych z Google Analytics.

# Utworzenie obiektu Query Builder
ga.query <- QueryBuilder(query.list)
# Umieszczenie otrzymanych wyników w obiekcie data.frame
dane <- GetReportData(ga.query, token, split_daywise = T)
# Wyświetlenie pozyskanych danych
dane 

Jeśli znasz R w stopniu pozwalającym na swobodne poruszanie się po danych, już możesz rozpocząć analizę. Jeśli nie, zapisz dane w formie tekstowej i otwórz je środowisku, w którym czujesz najbardziej swobodnie np. w Excelu. Dzięki zautomatyzowanej formie pobierania danych można również ograniczyć problem próbkowania, pobierając dane dzień po dniu.

# Zapisanie ramki danych do pliku tekstowego
write.table(dane,"dane.txt",sep="\t")

Teraz przy tworzeniu własnych raportów i odnajdywaniu wzorców w danych nic nie jest w stanie Cię powstrzymać. Z pewnością nie będzie to panel Google Analytics. Może jedynie poziom Twoich umiejętności analizy danych w R, ale to zawsze można nadrobić. R łączy się również bez trudu z Google Trends. Nie jest to jednak oficjalna dystrybucja API Google’a tylko opensourcowy pakiet stworzony przez środowisko pasjonatów R. Google Trends daje możliwości sprawdzenia popularności określonych fraz w danym czasie i miejscu. Poniżej wykres popularności słów (jajka,karp,kielbasa) między 1 stycznia 2015 a 21 kwietnia 2016 w Polsce.

Możesz z łatwością zaobserwować, jak okres świąteczny wpływa na wyniki wyszukiwania fraz związanych z jedzeniem - widać wyraźne wzrosty w okolicach Bożego Narodzenia i Wielkanocy. Dzięki temu narzędziu możesz np. sprawdzić, które produkty powinny być promowane w danym miesiącu lub też, jak plasują się w porównaniu z konkurencyjnymi. Oczywiście podobny wykres możesz swobodnie wygenerować używając wersji webowej aplikacji. Jednak w przypadku cyklicznego raportowania, może to stać się nużące, a w takiej sytuacji nietrudno o błąd. Poza tym, mając już dostęp do danych z API możesz spróbować połączyć obie te informacje i wysnuć wiele ciekawych wniosków.

Aby połączyć się z Google Trends musisz wykonać poniższe komendy w środowisku R i posiadać konto Google.

# instalacja pakietu gtrendsR
install.packages("gtrendsR")
# załadowanie pakietu do używanych bibliotek
library(gtrendsR)
# zapisujemy nazwę użytkownika konta do zmiennej
usr <- "przykład@gmail.com"
# zapisujemy Google’owe hasło do zmiennej
psw <- "haslo"
# łączymy się z Google Trends
gconnect(usr, psw) 

Aby stworzyć raport musisz użyć funkcji gtrends. Pierwszym parametrem tej funkcji będą frazy, których popularność chcesz zmierzyć. Start_date w cudzysłowach wpisz datę początkową dla Twojego zapytania, a w end_date analogicznie - końcową. Możesz również zawęzić raport popularności wyszukań do parametru geograficznego.

# ch<- gtrends(c("kielbasa","jajka","karp"),start_date = "2015-01-01",end_date = "2015-12-01" ,geo = "PL") 

Tak przygotowany obiekt ch jest źródłem wielu cennych informacji. Aby do nich dotrzeć wystarczy wykonać kod z nazwą obiektu.

ch 

Stworzenie wykresu to już tylko jedna komenda.

plot(ch) 

To tak naprawdę jedynie przykłady naprawdę szerokiego użycia Analytics API i R. Zachęcam do korzystania i pogłębiania więdzy na temat możliwości obydwu narzędzi. Użycie ich może zaoszczędzić cenny czas podczas generowania raportów lub dać początek Twojej bazie danych.

Autor:

Jakub Krysicki, Digital Data Analyst

Dwa proste kroki do rozpoczęcia akcji „Personalizacja” w Twoim serwisie

W poniższym artykule, pokażę Ci jak nieszczególnie skomplikowana implementacja wymiarów niestandardowych umożliwi spojrzenie na zachowania użytkowników z zupełnie nowej, świeższej perspektywy. Słynne „Segment or die” zawsze w modzie, ale warto pójść o krok dalej i zastosować rozwiązanie, które umożliwi śledzenie per użytkownik, w szczególności, gdy myślimy poważnie o personalizacji. W tym celu wykorzystamy dwa wymiary niestandardowe – identyfikator ciasteczka Google Analytics oraz stempel czasu.

#1 wymiar niestandardowy - TimeStamp
Przy pomocy tagu niestandardowego definiujemy funkcję, która finalnie zwraca aktualną datę i godzinę w formacie RRRR-MM-DD GG:MM:SS. Nie jest to format przypadkowy. Stempel czasu w takiej postaci jest rozpoznawalny przez większość systemów. W związku z tym, przy eksporcie danych z Google Analytics do np. R czy Tableau, nie ma potrzeby dodatkowego formatowania daty. Do każdej interakcji użytkownika ‘doklejamy’ informację stempla czasu. Tworząc raport niestandardowy, przy wyborze opcji „tabela kartotekowa” możemy wybrać maksymalnie 5 wymiarów. Miesiąc, dzień, godzina i minuta wyczerpują 4 miejsca, pozostawiając tylko jeden wolny slot. Dzięki time stamp, wręcz przeciwnie, zajmujemy 1 miejsce, a 4 sloty zostają wolne. W konsekwencji, możemy utworzyć bardzo interesujące raporty.

#2 wymiar niestandardowy – GA cookie

Za pomocą kolejnego custom tagu, pobieramy i przekazujemy z każdym hitem niestandardowy wymiar w postaci wartości ciasteczka Google Analytics. W przeciwieństwie do userID, które na ogół definiujemy tylko dla użytkowników zalogowanych, cookie określamy dla każdego użytkownika. Jest to idealne rozwiązanie dla serwisów zorientowanych na zbieranie leadów, gdzie nie ma możliwości utworzenia konta, a zapis na newsletter to iframe. 

Time Stamp + GA cookie = personalizacja

Zdefiniowanie powyższych wymiarów niestandardowych to dopiero przedsmak tego co czeka nas w następnej kolejności. Dzięki zestawieniu ciasteczka i stempla z innymi wymiarami, otrzymujemy dotychczas niemożliwe do uzyskania raporty. Poniżej prezentujemy kilka naszych propozycji.

Wymiar #1 -> GA cookie

Wymiar #2 -> Time Stamp

Wymiar #3 -> Źródło / Medium

Metryka #1 -> Sesje

Przestrzeń do analizy -> Ilość sesji wygenerowanych przez dane ciastko (czytaj użytkownika) w zestawieniu ze źródłem ruchu. Kolejność i odstępy pomiędzy poszczególnymi sesjami. Jednym słowem raport wszystkich ścieżek (nie tylko ścieżek konwersji).

Wymiar #1 -> GA cookie

Wymiar #2 -> Time Stamp

Wymiar #3 -> Strona

Metryka #1 -> Odsłony

Przestrzeń do analizy -> Kolejność odsłanianych stron przez danego użytkownika. Poszukiwanie schematu zachowania. Ocena skuteczności nawigacji w obrębie serwisu. Jeżeli mamy skonfigurowane śledzenie zdarzeń, warto dodać do poniższego, atrybuty zdarzeń tj. kategorię, akcję i etykietę.

Wymiar #1 -> GA cookie

Wymiar #2 -> UserId

Metryka #1 -> Użytkownicy

Przestrzeń do analizy -> Ilość ciasteczek przypisanych do jednego userId. Realna ocena liczby użytkowników, którzy odwiedzają nasz serwis. Na poniższym przykładzie, możemy zaobserwować, że do jednego userId zostały przypisane dwa ciastka. Zatem ten konkretny użytkownik, albo korzysta z dwóch urządzeń, albo pozbywa się cookies. Co więcej, przy następnej wizycie w serwisie bez logowania, będziemy mogli (przy pomocy ciasteczka) powiązać  aktywność tego konkretnego użytkownika z wcześniej nadanym userId.

Co więcej, czy zastanawialiście się kiedyś ilu użytkowników żegna się z Waszym serwisem? Odpowiedź na to pytanie jest z pewnością twierdząca. Dzięki porównywaniu ciasteczek np. miesiąc do miesiąca jesteśmy w stanie określić ilu (oraz którzy!) użytkownicy do nas nie wrócili. Oczywiście moglibyśmy zastosować odpowiedni segment, ale z pewnością pojawiłby się problem próbkowania. Ponadto, wykorzystując przedstawione wyżej raporty, możemy pokusić się o zdefiniowanie ostatniego kroku przed wspomnianą ‘ucieczką’, czego segment nam nie zapewni.

Oczywiście przedstawione propozycje raportów, to tylko kropla w morzu opcji, jakie się przed nami otwierają. Nieskomplikowana konfiguracja, w szczególności, gdy mamy do dyspozycji menadżera tagów, daje nam wiele możliwości. Moim zdaniem warto :)

Autor: Weronika Kraszula, Digital Analyst

Google Tag Manager dla początkujących

Jeszcze do niedawna, aby zmodyfikować lub umieścić nowy kod w witrynie, należało skontaktować się z działem IT albo webmasterem. Niestety, często proces wdrożenia kodu na stronę trwa dłużej niż tego oczekujemy. Do tego jeszcze dochodzą błędne instalacje, które należy poprawić i tym samym wydłuża się czas poprawnej implementacji kodu na stronie. 

Google Tag Manager jest narzędziem, które ułatwia pracę ze wszystkimi skryptami i kodami śledzenia zamieszczonymi w witrynie. Dzięki usłudze możemy samodzielnie dokonywać edycji istniejących kodów oraz dodawać nowe skrypty, bez konieczności korzystania z usług działu IT. Za pomocą opcji debugowania na żywo możemy przetestować poprawność zaimplementowanego nowego tagu lub reguły. I co najważniejsze - wprowadzane modyfikacje są całkowicie odwracalne dzięki funkcji tworzenia wielu wersji kontenerów z tagami.

Poniżej przedstawimy sposób konfiguracji konta Google Tag Manager. Zobaczycie, jak łatwo z pomocą narzędzia możemy wdrożyć kod śledzenia Google Analytics i śledzenie konwersji Google AdWords na stronie www.domena.pl.

KONFIGURACJA

Krok 1. Utworzenie konta
Aby skorzystać z usług Google Tag Managera, należy posiadać konto.
Skieruj się na stronę http://www.google.com/tagmanager/ i wybierz „Zarejestruj się teraz”.

Krok 2. Konfiguracja konta
W zakładce „Dodaj nowe konto”, w polu „Nazwa konta” wpisz nazwę konta.
Opcja „Udostępniaj dane anonimowo firmie Google i innym użytkownikom” uruchamia usługę testów porównawczych, udostępniając dane firmy anonimowo. Wybór tej opcji nie jest wymagany.

Krok 3. Konfiguracja kontenera

Nadaj kontenerowi nazwę oraz wybierz ,gdzie chcesz go używać (w naszym wypadku wybieramy „Witryna internetowa”).

Co ważne, konto może zawierać więcej niż jeden kontener. Dobrą praktyką jest posiadanie jednego konta na firmę i jednego kontenera na witrynę/aplikację mobilną. 

Po akceptacji warunków korzystania z Menadżera Tagów Google zostanie utworzone konto z kontenerem.

Krok 4. Kod Google Tag Manager
Skopiuj fragment kodu GTM, który się pojawił i umieść go na każdej stronie witryny. Kod powinien się znaleźć tuż pod znacznikiem <body>, a nie tak, jak w przypadku kodu Google Analytics, pod <head>. Jest to związane z użyciem elementu <iframe>, który w sekcji <head> nie zadziała poprawnie. To jest jedyny moment, w którym konieczne jest skontaktowanie się z działem IT, późniejsze dodawanie i zarządzanie skryptami na stronie możesz wykonywać samodzielnie.

WDROŻENIE ŚLEDZENIA GOOGLE ANALYTICS
Najpopularniejszym wykorzystaniem Google Tag Managera jest śledzenie ruchu w witrynie z wykorzystaniem Google Analytics. Coraz więcej witryn – zarówno tych małych, jak i dużych – decyduje się na pomiar danych dotyczących zachowań użytkowników na stronie, co kupują i przeglądają. Jeśli jeszcze nie korzystasz z Google Analytics warto rozważyć jego wdrożenie na stronie w kilku prostych krokach.

UWAGA 
Jeśli nie posiadasz konta Google Analytics, przejdź do strony https://www.google.com/analytics/ i utwórz konto oraz usługę, dla której będziesz dokonywać wdrożenia. Przejdź do zakładki „Administracja”, z kolumny „USŁUGA” wybierz „Ustawienia usługi” i skopiuj identyfikator śledzenia.   

Krok 1. Utworzenie nowego tagu

Przejdź do strony https://tagmanager.google.com/. Wybierz utworzony kontener, a następnie „Dodaj nowy tag”.

Krok 2. Wybór produktu i typu tagu

Nadaj tagowi odpowiednią nazwę. W naszym wypadku nazwą tagu będzie „GA – pageview”, ponieważ będzie on śledził wyświetlenia naszych stron. Dobrą praktyką jest tworzenie nazwy w oparciu o rodzaj usługi i funkcji, jaką ma spełniać. Jest to szczególnie ważne, gdy w przyszłości będziemy posiadać wiele tagów i będziemy musieli nimi sprawnie zarządzać. Wybierz produkt („Google Analytics”) oraz typ tagu („Universal Analytics”). Jeśli korzystasz z klasycznej wersji wersji GA, jako typ tagu należy wybrać „Klasyczne Google Analytics”.

Krok 3. Konfiguracja tagu

W polu „Identyfikator śledzenia” wklej wcześniej skopiowany ID usługi GA, którą chcesz wdrożyć za pomocą GTM. Tworzenie kolejnych tagów dla strony wiąże się z każdorazowym przeklejaniem ID usługi. Można zautomatyzować dodawanie identyfikatora śledzenia za pomocą zmiennej.

Kliknij na ikonę klocka i z listy wybierz opcję „Nowa zmienna”.

Dodaj nazwę zmiennej (w naszym wypadku „GA - ID”), wybierz typ „Stała” oraz nadaj wartość zmiennej, czyli numer konta Google Analytics i kliknij „Utwórz zmienną”. Od teraz możesz korzystać ze zmiennej i nie potrzebujesz kopiować numeru usługi przy tworzeniu kolejnych tagów do kontenera.

Opcja „Włącz funkcje związane z reklamą w sieci reklamowej” umożliwia wykorzystanie remarketingu w Google Analytics oraz raportów demograficznych. Wybór tej opcji jest opcjonalny.

Wybierz „Wyświetlenie strony”, ponieważ chcemy śledzić wyświetlenia wszystkich stron witryny.

Krok 4. Wybór reguły

Wybór reguły uruchamiania jest ważny, ponieważ bez reguły tag nie zadziała. Wybierz ‘Wszystkie strony”, ponieważ chcemy, aby tag był odpalany na każdej stronie.

Zatwierdź utworzenie nowego tagu klikając w przycisk „Utwórz tag”.  

WDROŻENIE ŚLEDZENIA KONWERSJI GOOGLE ADWORDS

Dzięki śledzeniu konwersji możemy mierzyć np. ruch na stronie oraz liczbę realizacji celu. Najpopularniejszym przykładem konwersji są odwiedziny strony, np. „Dziękujemy za kontakt”. Strona ta wyświetli się użytkownikowi tylko wtedy, gdy wykona pożądane przez nas działanie, takie jak wypełnienie formularza kontaktowego. Do śledzenia powyższej konwersji potrzebujemy śledzić stronę, na której wyświetlany jest komunikat „Dziękujemy za kontakt”. Konfiguracja takiego tagu przebiega w kilku prostych krokach.

UWAGA 

Jeśli nie posiadasz konta Google AdWords, przejdź do strony https://www.google.com/adwords i utwórz konto oraz konwersję, dla której będziesz dokonywać wdrożenia. 

Przejdź do zakładki „Narzędzia”, z rozwijanej listy wybierz „Konwersje”, kliknij w utworzoną konwersję i skopiuj jej ID oraz etykietę.

Krok 1. Utworzenie nowego tagu

Utwórz nowy tag wybierając opcję „Dodaj nowy tag”.

Krok 2. Wybór produktu i typu tagu

Nadaj tagowi odpowiednią nazwę. W naszym wypadku nazwą tagu będzie „konwersja AdWords – Dziękujemy za kontakt”. Wybierz produkt „Google AdWords” oraz typ tagu „Śledzenie konwersji AdWords”. 

Krok 3. Konfiguracja tagu

W polu „Identyfikator konwersji” wklej skopiowane ID konwersji, a w polu „Etykieta konwersji” umieść nazwę etykiety z kodu konwersji. 

Poniżej znajdują się dwa pola: „Wartość konwersji” oraz „Kod waluty”, które w naszym wypadku pomijamy.   

Krok 4. Wybór i utworzenie reguły

Aby tag był uruchamiany tylko na wybranej stronie (www.domena.pl/dziekujemy.html), wybierz opcję „Niektóre strony”.

W nowym oknie wybierz „Nowe”. 

Dodaj nazwę reguły („Dziękujemy za kontakt”), wybierz typ zmiennej „Page URL”, operację „zawiera” oraz nadaj wartość zmiennej, czyli fragment adresu docelowego („dziękujemy.html”) i kliknij „Zapisz”.

Możesz zatwierdzić utworzenie tagu klikając w przycisk „Utwórz tag”.  

WERYFIKACJA I PUBLIKACJA

Utworzone tagi jeszcze nie działają na stronie. Zanim zostaną opublikowane, warto zweryfikować czy działają w poprawny sposób. 

Krok 1. Podgląd

Wybierz rozwijane menu przy przycisku „Opublikuj” po prawej stronie, a następnie „Podgląd”.

Krok 2. Weryfikacja

Przejdź na witrynę (www.domena.pl) w nowej karcie przeglądarki. Na dole powinna pojawić się konsola z informacją, czy utworzone tagi zostały uruchomione. 

Jak widać w konsoli tag „GA – pageview” został uruchomiony, a tag „konwersja AdWords – Dziękujemy za kontakt” nie uruchomił się, ponieważ jest on odpalany wyłącznie na stronie zawierającej dziekujemy.html.  

Krok 3. Zapisanie i publikacja kontenera 

Wybierz rozwijane menu przy przycisku „Opublikuj”, a następnie „Utwórz wersję” i zatwierdź przyciskiem „Gotowe”. Kliknij „Opublikuj” i „Opublikuj teraz”.

Od teraz tagi są uruchomione na witrynie, skrypt śledzący serwis rejestruje każde wyświetlenie strony, a jeśli ktoś pomyślnie wypełni formularz i przejdzie do strony zawierającej dziekujemy.html kod konwersji zarejestruje realizację celu.

Autor:

Kamila Celeban, Junior Digital Analyst

Śledzenie kampanii wewnętrznych z enhanced e-commmerce

Niepoprawne śledzenie sliderów czy banerów we własnej witrynie to jeden z kardynalnych błędów, jakie popełniają zarówno początkujący właściciele stron, jak doświadczeni gracze. Warto bliżej przyjrzeć się sposobowi, w jaki oznaczamy wewnętrzne kampanie, bo wiarygodne i pełne dane są pierwszym krokiem do testów a/b i optymalizacji naszego serwisu.

Na początek: jak tego NIE robić
W naszej codziennej praktyce, poza brakiem jakiegokolwiek śledzenia interakcji użytkownika z własnymi kampaniami, spotykamy się najczęściej z dwiema niewłaściwie używanymi metodami.

1. Wykorzystywanie parametrów utm
Tagowanie przy pomocy utm to świetny sposób na pozyskiwanie danych o kampaniach, które prowadzimy na zewnątrz. Tylko użycie tego sposobu zapewni nam w Google Analytics dostęp do informacji o newsletterze czy linku sponsorowanym. Jednak w przypadku kreacji wewnątrz serwisu utm-y nie tylko nie spełnią tej roli, ale mogą wręcz zaszkodzić jakości globalnie pozyskiwanych danych.

Przykład 1
Wyobraźmy sobie, że na naszej stronie http://biuroprasowe.bluerank.pl/ otagowalibyśmy parametrami utm główny wpis newsowy. Link w nim zaszyty mógłby wtedy wyglądać tak:
http://biuroprasowe.bluerank.pl/2936-yamaha-i-bluerank-nabieraja-predkosci-w-google?utm_source=biuroprasowe&utm_medium=referral&utm_campaign=150819_bluerank_i_yamaha

Już po fakcie, gdy zadowoleni z siebie opublikowaliśmy nowy wpis, dziennikarz A wchodzi na stronę główną biura prasowego z linku bezpłatnego w Google – zatem ze źródłem/medium google/organic. Co jednak wydarzy się, gdy kliknie w link otagowany w wyżej wymieniony sposób? Naliczona zostanie nowa  wizyta, z parametrami dziedziczonymi z utm. W praktyce, otrzymamy 2 wizyty tego samego usera, jedną z kanału Organic, a drugą z biuroprasowe/referral.

Podsumowując – jeżeli korzystamy z utm do tagowania wewnętrznych kampanii, otrzymamy profil korzystającego z nich usera niezgodny z realnym, a także wpłyniemy sztucznie na ilość sesji i wielkości wskaźników jakościowych - % powracających userów, % konwersji, bounce rate i innych.

2. Mierzenie zdarzeniami
W przeciwieństwie do poprzedniej metody, tę można uznać za poprawną, choć może powodować niedoszacowanie ilości kliknięć w nasze kreacje.
Przykład 2
Gdybyśmy w tę samą grafikę, kierującą do wpisu o współpracy z Yamaha, wpięli kod śledzący zdarzenie, moglibyśmy dowiedzieć się, że, przykładowo, 388 osób kliknęło w ten element. Ale w rzeczywistości mogłoby to być 400 osób, a u 12 z nich, event nie zdążył się wywołać zanim zostali przeniesieni do kolejnej podstrony.
Ten problem możemy rozwiązać stosując funkcję hitCallback, która umożliwi wysłanie danych na czas. Polega ona na odesłaniu elementu metodą ,,send” (eventu, wirtualnej odsłony) wraz z dodatkowym fragmentem kodu, np:

'hitCallback': function() {
    alert('analytics.js done sending data');
  }

Korzystanie z tej funkcji może powodować opóźnienia w ładowaniu strony, znacznie zwiększy też czasochłonność konfiguracji śledzenia. Dlatego jeśli chcemy mierzyć w ten sposób interakcję z wieloma elementami serwisu, musimy raczej zaakceptować niewielkie odchylenia w liczbach i oprzeć się na klasycznym wywoływaniu eventów.

Enhanced E-commerce – nie tylko transakcje

Rozszerzony moduł e-commerce daje sklepom internetowym nie tylko wiele możliwości w obszarze e-merchandisingu. W ramach tej sekcji w Google Universal Analytics znajdziemy także raport dedykowany kampaniom wewnętrznym (Konwersje>Ecommerce>Marketing>Promocja wewnętrzna).

Jak zacząć z niego korzystać? Pierwszy krok to uaktualnienie naszej usługi do Universal Analytics, uruchomienie Enhanced E-commerce – za pomocą pluginu ec w kodzie śledzącym i poprzez włączenie w panelu Administratora. Następnie konfigurujemy śledzenie kampanii wewnętrznych w kodzie strony. Możemy wykorzystać do tego Google Tag Managera – w tym wypadku konieczna będzie implementacja warstwy danych. 

Mierzymy 2 typy interakcji z wewnętrzną promocją, które potem będą widoczne jako metryki w naszych raportach – Wyświetlenia i Kliknięcia.

Kod śledzący kliknięcia i wyświetlenia lub dataLayer – w zależności od przyjętej metody wdrożenia.

Jeżeli zdecydowaliśmy się na wdrożenie przez Google Tag Managera, poza implementacją dataLayera musimy upewnić się, że główny tag śledzący odsłony ma włączoną obsługę enhanced e-commerce i pobieranie danych z dataLayera. Tag powinien w regule uruchamiającej mieć event gtm.dom. 

Tag 1 – główny kod GA w GTM z uruchomioną obsługą enhanced e-commerce i dataLayer

To w ramach głównego tagu, uruchamianego na wszystkich stronach serwisu, zliczane będą także wyświetlenia promocji wewnętrznych. Kliknięcia  w te elementy możemy śledzić dzięki dodatkowej konfiguracji.

Tag 2 – mierzenie kliknięć w kampanie wewnętrzne za pomocą zdarzenia

W kolejnym tagu jako regułę ustawiamy event = productClick – czyli taki, jaki jest odsyłany do warstwy danych przy kliknięciu w produkt. Do Google Analytics ta informacja musi trafić w postaci zdarzenia – moduł enhanced e-commerce rozpozna kliknięty element po nazwie i id, ale warto umieścić dodatkowe informacje w konfiguracji samego eventu. Dzięki temu będziemy mogli obserwować, jakie produkty były klikane także w raporcie Zdarzenia>Najczęstsze zdarzenia. 

Finalnie, w tabeli Konwersje>Ecommerce>Marketing>Promocja wewnętrzna możemy analizować następujące metryki:

• Wyświetlenia reklamy wewnętrznej

• Kliknięcia reklamy wewnętrznej

• CTR reklamy wewnętrznej

• Transakcje/Realizacje celu

• Przychody

• Współczynnik konwersji

Oznacza to, że nie tylko mamy pełen wgląd w klikalność naszych sliderów i banerów, ale także w ich wpływ na sprzedaż. Warto zauważyć (patrz: tabela), że przy wdrażaniu czy to kodu śledzącego promocje, czy dataLayera, mamy do dyspozycji parametry takie jak id, nazwa, opis oraz pozycja elementu. Możemy więc szczegółówo opisywać, kreacje, które umieszczamy na serwisie także pod kątem testów a/b.

Jak to zrobić inaczej?

Rozszerzony e-commerce sprawdzi się nie tylko w sklepach internetowych – możemy z niego skorzystać także, jeśli prowadzimy bloga czy stronę opartą o pozyskiwanie leadów. Jeśli jednak nie chcemy, lub nie mamy zasobów na wdrożenie tego modułu, możemy mierzyć kliknięcia w kampanie wewnętrzne za pomocą wewnętrznej wyszukiwarki.

Konfigurując śledzenie haseł wpisywanych przez użytkowników w sekcji Administartor/Ustawienia widoku, wybieramy określony parametr zapytania. W praktyce, jeżeli link do strony wyników wyszukiwania wygląda tak:

/ext/wyszukiwarka_podstawowa?slowo=kubek

to parametrem zapytania jest ,,slowo”. Zatem jeśli oznaczymy link do naszego wyżej wymienianego newsa tak:

http://biuroprasowe.bluerank.pl/2936-yamaha-i-bluerank-nabieraja-predkosci-w-google?slowo=news_zajawka, to w raporcie Zachowanie>Wyszukiwanie w witrynie>Wyszukiwane hasła będziemy mogli obserwować, jak często użytkownicy korzystali z kampanii wewnętrznej. Nie otrzymamy jednak informacji o CTR, ani o wpływie tego zachowania na konwersje – ta metoda nie zastąpi więc w 100% mierzenia poprzez rozszerzony e-commerce.

Jeśli rozważasz wdrożenie modułu Enhanced Ecommerce, zapoznaj się również z tym artykułem. Dowiesz się z niego, jakie inne informacje możesz pozyskać dzięki implementacji tej funkcji.

A jeśli masz własne pomysłu na śledzenie kampanii wewnątrz strony, podziel się nimi w komentarzach!

--

Ola Lisiecka, Digital Analyst

Atrybucja konwersji w Google Analytics krok po kroku – jaki model wybrać i jak interpretować dane?

Marketerzy mają coraz więcej możliwości kierowania użytkowników na stronę – DoubleClick, coraz doskonalszy remarketing czy reklama na Facebooku to tylko niektóre z nich. Lokowanie budżetów i ocena skuteczności poszczególnych kampanii okazuje się znacznie trudniejszym zadaniem, jeśli nasi klienci trafiają do serwisu kilka razy nim dokonają konwersji. Często w celu analizy efektywności źródeł ruchu wykorzystujemy Google Analytics. Podstawowe raporty, których zazwyczaj używamy, nie dają jednak pełnego obrazu – po niego warto sięgnąć nieco głębiej.

Chcesz wiedzieć więcej? Artykuł ukazał się pierwotnie w numerze czerwiec - lipiec 2015, 3(22)/2015 magazynu Online Marketing Polska (o-m.pl). Chcesz pobrać jedno z poprzednich wydań Magazynu? Kliknij: bit.ly/OMP_egzemplarz_pokazowy”.

Pobierz pełną wersję artykułu

--

Aleksandra Lisiecka, Digital Analyst

Funkcja User Id – poznaj lepiej zachowania swoich użytkowników!

Funkcja User Id

Rozważmy sytuację, w której użytkownik po raz pierwszy zapoznaje się z ofertą sklepu korzystając ze smartfona. Tego samego dnia wieczorem, dokonuje zakupu na laptopie, a tydzień później powraca do naszej witryny korzystając z tabletu. Google Analytics potraktuje naszego (jednego) użytkownika, jako trzech unikalnych. Mimo, że działań dokonała jedna osoba, zinterpretuje je, jako trzy niezależne od siebie punkty w czasie. Możemy, zatem wnioskować, że liczba użytkowników, która wynika z raportów Google Analytics nie jest liczbą wiarygodną. Z pomocą przychodzi nam funkcja User ID, dzięki której możemy przypisać wiele sesji (w tym całokształt aktywności, jaka w nich nastąpiła) do niepowtarzalnego, unikalnego identyfikatora.

UWAGA: Identyfikatory User Id nie są generowane przez Google Analytics! Najbardziej typowa implementacja to:

• generowanie identyfikatorów przez własny system uwierzytelniania;
• przypisania identyfikatora do użytkownika podczas logowania;
• przesłania identyfikatora do GA.

Dzięki funkcji User Id, w przytoczonym wyżej przykładzie, działania naszego użytkownika zostaną zinterpretowane, jako trzy aktywności na różnych rodzajach urządzeń, przypisane do jednej osoby. Łatwo zauważyć, że dzięki temu zyskujemy wiarygodniejsze dane o liczbie użytkowników wchodzących w interakcje z treściami naszej witryny. Ponadto możemy zacząć analizować działania użytkowników w kontekście jak zostali pozyskani, jakie działania podejmują na konkretnych urządzeniach oraz ile sesji generują przed konwersją. W celu skonfigurowania funkcji User Id należy uaktywnić ją na koncie GA, a następnie zmodyfikować kod śledzący.

Widok User Id

Widok User Id to specjalny widok raportowania, dostępny tylko dla usług Universal Analytics (z włączona funkcją User Id). Wyświetla tylko i wyłącznie dane z sesji, z których unikalne identyfikatory i całość powiązanych z nimi danych jest przesyłana do GA.

RAPORT: Różne urządzenia

W widoku User Id, w sekcji Odbiorcy mamy dostępny nowy raport „Różne urządzenia”, dzięki któremu możemy w logiczny i spójny sposób analizować dane dotyczące zachowań użytkowników oddzielnie np. na smartfonach, tabletach czy laptopach. Potencjalnie możemy wychwycić ciekawe zależności. Jaka część użytkowników zapoznaje się z naszą ofertą na smartfonie, by później dokonać konwersji na laptopie (ile czasu przy tym upływa?)?

RAPORT: Pokrywanie się urządzeń

Dzięki raportowi „Pokrywanie się urządzeń” możemy dowiedzieć się z ilu i jakich rodzajów urządzeń korzystają użytkownicy by wchodzić w interakcję z naszą witryną.  Możemy tworzyć ciekawe segmenty użytkowników np. korzystający z jednego urządzenia v korzystający z wielu urządzeń, a następnie porównywać ich zaangażowanie. Dostępny diagram umożliwia jednoczesne wyświetlanie maksymalnie trzech kategorii urządzeń. Domyślnie są to: Komputer, Telefon, Tablet.

RAPORT: Ścieżki urządzeń

Raport „Ścieżki urządzeń” obrazuje kolejność, w jakiej nasi użytkownicy korzystają z różnej kategorii urządzeń podczas interakcji z witryną. Otrzymujemy przejrzysty obraz tego jak na drodze do konwersji przechodzą pomiędzy urządzeniami. Ponadto możemy określić np. ile razy w ramach danej ścieżki zachodzą interakcje za smartfonów. Jeżeli następują wiele razy, należałoby zastanowić się nad wprowadzeniem bądź udoskonaleniem strategii mobilnej. 

RAPORT: Urządzenie pozyskania

Raport „Urządzenie pozyskania”  łączy dane o atrybucji i ruchu, dzięki czemu możemy obserwować zależności pomiędzy pozyskaniem a konwersją. Dzięki niemu możemy stwierdzić ilu użytkowników dokonuje konwersji na urządzeniu, na którym zostali pozyskani, ilu na innym urządzeniu, a ilu wcale nie konwertuje.

Podsumowanie

Wspominaliśmy już wcześniej wielokrotnie, że istotność ruchu z urządzeń mobilnych, w szczególności ze smartfonów w ogólnym ruchu, rośnie z miesiąca na miesiąc. W celu uzyskania pełnego obrazu zachowań i preferencji użytkowników należy rzetelnie śledzić ich zachowania. Na szczęście, Google Analytics wychodzi z nowymi raportami naprzeciw potrzebom analityków, którym nowocześni użytkownicy stawiają coraz wyższe wymagania.

--
Weronika Kraszula, Junior Digital Analyst

Narzędziownia SEM-owca. Jak wykorzystać narzędzia i systemy Google w praktyce?

Google oferuje marketerom wiele narzędzi przydatnych do optymalizacji kampanii z zakresu SEO, Paid Search i Digital Analytics. Ich znajomość jest wręcz obowiązkiem każdego specjalisty SEM. Jak wykorzystać je w praktyce? Zobacz 12 działań, które zrealizujesz dzięki narzędziom Google. 

1. Zoptymalizujesz serwis pod kątem słów kluczowych

Narzędzie Google Keyword Planner pozwala na wyszukanie potencjalnych słów kluczowych, dla jakich można zoptymalizowować serwis. Po wpisaniu kilku interesujących nas fraz, otrzymamy podpowiedzi nowych słów kluczowych, których wcześniej nie uwzględniliśmy. Dzięki opcjom filtrowania, możemy zawężać otrzymaną listę do słów zawierających np. konkretną frazę lub określić kraj, dla jakiego przeprowadzamy analizę. Dodatkowo narzędzie umożliwia sprawdzenie popularności danego słowa kluczowego. Przez popularność rozumie się tu średnią liczbę miesięcznych wyszukiwań danej frazy w Google.

Rys. 1 Narzędzie Google Keyword Planner

Jedną z ciekawszych opcji, które oferuje narzędzie są wykresy popularności dla analizowanych fraz, na których można sprawdzić liczbę wyszukiwań danego zapytania dla ostatnich 24 miesięcy i w ten sposób zobaczyć, jak zmieniała się liczba wyszukiwań danych słów kluczowych np. w fraz związanych z Waszym brandem.

Rys. 2 Wykres dla analizowanych fraz

Chcesz wiedzieć więcej? Artykuł ukazał się pierwotnie w numerze kwiecień - maj 2015, 2(21)/2015 magazynu Online Marketing Polska (o-m.pl). Chcesz pobrać jedno z poprzednich wydań Magazynu? Kliknij: bit.ly/OMP_egzemplarz_pokazowy”.

Pobierz pełną wersję artykułu

--

Weronika Węglewska, Paid Search Manager

Karolina Lejman - Rosińska, Digital Analytics Business Manager

Mateusz Rzetecki, Senior SEO Specialist

Dodatkowe informacje o produkcie w Google Analytics

Jeden z dziennikarzy portalu otrzymał prestiżową nagrodę i z dnia na dzień jego artykuły stały się bardziej poczytne. Znana szafiarka wrzuciła na swojego Instagrama zdjęcie w rudych, zamszowych botkach, co podniosło ich sprzedaż o połowę. Ogłoszono wymagania nowej gry komputerowej i klienci zaczęli kupować komputery z 4-rdzeniowymi procesorami. Można mnożyć przykłady sytuacji, w których metadane produktu lub jednostki treści (posta na blogu, pliku do pobrania) odgrywają dużą role w analizie i optymalizacji interakcji z Twoją witryną. Na szczęście w Google Analytics możesz łatwo włączyć rozszerzone informacje o produkcie do danych, z których korzystasz na co dzień.

Masz do dyspozycji 3 sposoby dodania metadanych do informacji, które gromadzi GA.

Enhanced e-commerce
Jeśli prowadzisz sklep internetowy lub wykorzystujesz moduł e-commerce do śledzenia niesprzedażowej witryny (na przykład bloga czy strony firmowej z formularzem kontaktowym), możesz uaktualnić swoje dane właśnie do wersji enhanced. W ramach tego modułu w Analytics możesz przekazywać (poza standardową kategorią produktu i ceną) także markę, wariant i wartość rabatu. Możesz te pola zagospodarować dowolnie – jeśli sprzedajesz tylko produkty własnej marki możesz w tym miejscu zobaczyć na przykład rozmiar, datę publikacji czy informację o posiłkach dla wycieczki.

Aby skorzystać z rozszerzonego modułu e-commerce musisz zaimplementować na stronie kod śledzący Universal Analytics i rozbudować go o wtyczkę ec.js. Trzeba też włączyć tę funkcję w panelu Administratora (Ustawienia e-commerce w sekcji ,,Widok”) oraz umieścić na stronie finalizacji zamówienia kod według poniższego wzoru:

ga('create', 'UA-XXXXX-Y');//id konta, obecne na każdej podstronie

ga('require', 'ec');//uruchomienie wtyczki odpowiedzialnej za enhanced e-commerce

ga('ec:addProduct', {

  'id': 'P12345',//id lub sku produktu

  'name': 'Telewizor X',//nazwa produktu

  'category': 'Telewizory 3D',//kategoria

  'brand': 'Supermarka',//marka

  'variant': '50 cali',//wariant

  'price': '4000',//cena

  'quantity': 2//ilość zakupionych produktów

});

ga('ec:setAction', 'purchase', {

  'id': 'T12345',//id transakcji

  'revenue': '3920',//przychód – kwota zapłacona przez klienta

  'tax': '80',//podatek

  'shipping': '40',//dostawa

  'coupon': 'darmowa-dostawa'    // kupon wykorzystany w koszyku

});

ga('send', 'pageview');     // odsłona, z którą przesyłane są dane e-commerce

W ramach enhanced e-commerce te same dane możesz przekazywać też na innych poziomach interakcji z produktem – jego wyświetlenia, kliknięcia czy dodania do koszyka. Więcej na ten temat przeczytasz u nas już wkrótce.

A jeśli dane, które możesz przekazywać w module e-commerce, to dla Ciebie za mało lub w ogóle nie używasz tej części Analytics, możesz wykorzystać

wymiary niestandardowe.

Są one dostępne także dla klasycznej wersji Google Analytics, ale w Universal Analytics ich implementacja będzie o wiele szybsza i łatwiejsza. 

Wystarczy ustawić wymiar w panelu Administratora, w sekcji Usługa/Niestandardowe definicje/Niestandardowe wymiary. Tworząc nowy wymiar, definiujesz jego nazwę i zakres. Analytics sam nada numer indeksu wymiaru – masz ich do dyspozycji 25.

Poza zakresem Produktu możesz wybrać poziom Sesji, Użytkownika lub Hitu. Wszystko zależy od tego, jakie informacje chcesz przesyłać z danym wymiarem – na przykład ID zalogowanego klienta można przesłać dla zakresu Użytkownik, a długość odtworzonego video dla Hitu.

Zauważ, że Analytics podaje gotowe przykłady kodów ustawiających niestandardowe wymiary – wystarczy je skopiować zgodnie ze wskazówką. Te wartości możesz także wpleść w kod e-commerce lub enhanced e-commerce i odsyłać tak, jak poniżej – razem z nazwą produktu, marką czy ceną przy dodaniu do koszyka lub zakupie. Dodatkowe informacje będą wtedy dostępne w raportach e-commerce.

Import danych

W panelu Administratora w Universal Analytics znajdziesz jeszcze jedną funkcję, pozwalającą na wzbogacenie Twoich raportów. W części usługa jest dostępna opcja Importu danych, a w niej część ,,Dane produktu”. Aby ją wykorzystać, musisz mieć zaimplementowany enhanced e-commerce. Konfiguracja importu opiera się o pliki csv i zajmie Ci tylko kilka chwil – w pierwszym kroku decydujesz, jakie dane będą przekazywane.

Po kliknięciu w ,,Zapisz” można pobrać schemat pliku, do którego należy wyeksportować informacje o produkcie z Twojej bazy danych. Nagłówki pliku .csv ( a więc pierwsze wersy kolumn w .xls) muszą być takie same jak nazwy zaimportowanych danych, a więc np. ga:productSku, ga:productVariant, ga:productBrand. W Twoim arkuszu kalkulacyjnym powinno to wyglądać tak:

Plik z wartościami możesz przesłać samodzielnie lub z pomocą programisty używając interfejsu API Google Analytics. Jeśli zdecydujesz się na tę pierwszą metodę, wystarczy wybrać ,,Zarządzaj przesyłaniem” i przeciągnąć gotowy plik. Dane będą dostępne po upływie ok. 24 godzin – możesz je przeglądać (w zależności od wybranych wymiarów) w raportach e-commerce, jako wymiary dodatkowe lub w specjalnie utworzonym raporcie niestandardowym.

Czy warto?

Przekazanie wielu dodatkowych danych produktu do Google Analytics nie zajmie wiele czasu, a pozwoli Ci znacznie poszerzyć zarówno możliwości Twoich raportów, jak perspektywę podczas analizy skuteczności sprzedaży. Informacje o kolorach, markach, autorach czy specjalnych właściwościach pomogą nie tylko w sytuacjach niezrozumiałych wzrostów lub spadków zainteresowania określonymi segmentami asortymentu. Pozwolą też na bieżąco podejmować decyzje, które produkty eksponować i promować. Na przykład, jeśli czerwone szpilki są częściej oglądane, ale czarne częściej kupowane, warto umieścić na sliderze te czerwone, a na karcie produktu zaproponować ten sam model również w czarnej wersji.

--

Ola Lisiecka, Digital Analyst

Nowość w Google Analytics, czyli raport produktów powiązanych

Kopalnia pomysłów dla managerów sklepów i kampanii e-commerce.

Jeżeli należycie do tej grupy, to prawdopodobnie wiecie, jakie produkty są najczęściej kupowane w Waszym sklepie. Ale czy wiecie, co klienci dokładają do kupowanych produktów? Jakie kombinacje różnych produktów są najczęstsze? Które produkty warto promować razem, a które rekomendacje są nietrafione? Do ciekawych i czasem zaskakujących wniosków można dojść analizując nowy raport Google Analytics Produkty Powiązane.

Co analizujemy?
Raport dostarcza metrykę współczynnik korelacji. Dla wyjaśnienia, jest to wartość określająca współzależność dwóch (lub więcej) zmiennych, tu - dwóch produktów.

Aby ocenić siłę korelacji, przyjmuje się przedziały dla jej wartości bezwzględnej. I tak, dla wartości w przedziałach:
0 - 0.2 - brak związku liniowego
0.2 - 0.4 - słaba zależność
0.4 - 0.7 - umiarkowana zależność
0.7 - 0.9 - dość silna zależność
0.9 - 1 - bardzo silna zależność

Dla przykładu, w jednym z naszych raportów znaleźliśmy takie silne korelacje:
Pampers Naturally Clean chusteczki z Pampers Active Baby Mega Pack (ale już chusteczki z mlekiem modyfikowanym były związane ogólnie bardzo słabo)
Samsung 18.5 LED S19D300NY z Kabel USB 2.0 A męski 1.8m
Tefal Patelnia WOK Revelation z Tefal Patelnia do naleśników Revelation
Brother DCP-J552DW z Xerox Business A4 500szt
Dragon Age Inkwizycja PS4 z Konsola Sony PlayStation 4 (PS4) 500GB

To mógł być oczywiście efekt listy produktów polecanych na karcie produktowej.
Jak się jednak okazało po analizie raportu korelacji, w wielu przypadkach polecane produkty nie obejmowały tych najsilniej i najliczniej skorelowanych, natomiast produkty pozornie powiązane (i polecane na stronie) wykazywały bardzo słabą korelację (np. wspomniane chusteczki dla dzieci i mleko modyfikowane).

Z ciekawych, średnio i bardzo skorelowanych, kombinacji wybraliśmy:
Perfumy dla pary - Calvin Klein CK One Red For Him i Calvin Klein CK One Red For Her
Zestaw kobiety aktywnej - NIKE T-shirt i Cartier Goutte De Rose woda toaletowa
Zestaw dla kobiety nowoczesnej - Apple iPhone 5S i Viktor & Rolf Flowerbomb woda perfumowana
Zestaw dla miłośników kotów i psów- Kitekat tuńczyk i Chappi wołowina
Zestaw dla miłośników kotów i dzieci - Pampers Premium Care pieluchy i Royal Canin Digestive

Technicznie
Raport jest jeszcze w wersji beta i dostępny jest na nielicznych kontach Google Analytics. Aby zawierał jakiekolwiek dane, musi być spełnionych kilka warunków. Przede wszystkim, konieczny jest wdrożony kod śledzący e-commerce, dodatkowo wymagana jest minimalna liczna produktów oraz transakcji. Jaka to jest liczba, tego Google nie precyzuje. Raport generowany jest na podstawie 30-dniowych danych transakcyjnych. Nie należy tego raportu mylić ze śledzeniem odsłon produktów powiązanych w ramach Universal Analytics. Dane, o których mowa, dostępne są dla obu wersji Google Analytics, klasycznej i nowej, a raportowane są na podstawie danych transakcyjnych.

Praktycznie
Na podstawie zagregowanych danych raportu produktów powiązanych, możemy zbudować szersze grupy produktów współwystępujących według kategorii (np. kosmetyki, chemia domowa, akcesoria kuchenne, artykuły dla dzieci, RTV itd.), a nawet wg cen (w naszym przypadku rzadkością było powiązanie produktu taniego z drogim).

Analizę korelacji między produktami można wykorzystać przede wszystkim na potrzeby:
- budowania rekomendacji na ścieżce zakupowej,
- remarketingu produktowego (z wykorzystaniem współczynnik korelacji jako jednego z warunków),
- zarządzania prezentacją i promocją produktów na stronie (listing, karta produktu).
Raport jest nowy, warto testować zastosowanie wypływających z niego wniosków. Nie dość jednak, że możemy dowiedzieć się czegoś więcej o klientach swojego sklepu, to jeszcze wpłynąć na zwiększenie wartości koszyka i podniesienie współczynnika konwersji.

Oto, jak wygląda przedstawiony powyżej, przykładowy raport:

Analizy współwystępujących produktów można prowadzić też choćby na podstawie danych z CRM. Praktyka pokazuje jednak, że dział marketingu i dział CRM są od siebie często bardzo odległe :)

-- 

Karolina Lejman - Rosińska, Digital Analytics Business Manager

Automatyczne śledzenie zdarzeń w nowej wersji Google Tag Managera

Mijają 3 miesiące, odkąd Google zaprezentował Tag Managera w ulepszonej wersji.  Jeżeli korzystasz z poprzedniej, musisz pamiętać, że obowiązkowy update czekający wszystkich w najbliższym czasie może wpłynąć na dotychczas opublikowane przez Ciebie tagi. 

Jak było?
Do tej pory automatyczne śledzenie zdarzeń przez GTM odbywało się za pomocą tzw. Odbiorników (Listenerów). Tworzone tagi odbiorników ,,nasłuchiwały” konkretnych interakcji na stronie, na przykład kliknięć w linki, wypełnień formularzy czy czasu sesji.  To one odpowiadały za przekazanie do GTM informacji o zaistnieniu eventu (określanego jako np. event gtmClick dla Odbiornika Kliknięć), a kolejne tagi definiowały, którą konkretnie akcję przekazać jako zdarzenie do Google Analytics. Przykładowo, chcąc mierzyć dodania produktu do schowka, zatem kliknięcia w przycisk o id ,,schowek”, tworzyliśmy odpowiednio:

- odbiornik kliknięć dla wszystkich stron, gdzie akcja była możliwa – choćby i dla reguły All pages
- tag zdarzenia Analytics o regule event= gtmClick (kliknięte elementy) oraz id=schowek (zawężenie śledzenia kliknięć tylko do tego konkretnego przycisku, uruchamiany również na wszystkich stronach.  W konfiguracji tagu należało zdefiniować parametry zdarzenia – czyli kategorię i akcję.

Jak będzie?

Użytkownicy nowo utworzonych kontenerów lub Ci, którzy zmigrowali stare do wersji 2 muszą przetestować i zredefiniować swoje tagi śledzące zdarzenia, gdyż ulepszony GTM nie obsługuje już Odbiorników. Dobra wiadomość jest taka, że tworzenie nowych tagów będzie dużo szybsze i  jeszcze łatwiejsze :)

Oto przykładowa instrukcja krok po kroku. Zwróć uwagę, że wersja 2 to także inne nazwy niektórych elementów występujących w czasie tworzenia tagów.

- Reguły to teraz Triggery

- Makra obecnie określamy jako Zmienne (Variables)

1. Wybierz jako typ tagu Google Analytics/ [Twoja wersja Analytics]

 2. Wybierz, jaka reguła uruchamia tag (to również Nowość – w starym interfejsie GTM regułę             dobieraliśmy właściwie w dowolnym momencie tworzenia tagu).

3. Ja zdecydowałam się na regułę opartą na formularzu. Zauważ, że możesz śledzić wypełnienie wszystkich (co skróci ścieżkę tworzenia tagu, jeśli strona zawiera tylko 1), lub określonych. Jeśli wybierzesz  konkretny formularz, to musisz utworzyć dla niego trigger, lub wybrać go z listy już istniejących.

4. Kolejny krok to doprecyzowanie triggera.

 5. W ostatnim kroku określasz podtyp tagu – w tym wypadku Zdarzenie.

Schemat działań po utworzeniu tagu pozostaje taki sam, jak w starym GTM – działanie tagu możemy przetestować w trybie debugowania, a następnie opublikować uaktualniony kontener.

Jak zacząć?
Wszystkie nowo utworzone konta działają już według GTM v2. Jeśli jednak chciałbyś przenieść już istniejący kontener do odświeżonego interfejsu, nic prostszego.  Na samym dole menu znajdziesz funkcję eksportu.

Uzyskany tą  drogą plik .json należy zaimportować do nowego interfejsu, korzystając z panelu Administratora:

System daje 2 możliwości importu, obie tworzą nowy kontener. Merge powoduje zachowanie tagów utworzonych już w nowym interfejsie i dodanie do nich tych, które znajdują się w pliku. Opcja Overwrite powoduje zastąpienie poprzedniego kontenera w całości nowym.

Tuż przed potwierdzeniem importu otrzymasz liczby nowo utworzonych, zaktualizowanych i usuniętych elementów  - przy czym jako usunięte traktowane są te, które w wersji 2 nie są już potrzebne, lub są domyślnie nieaktywne (jak niektóre makra, które dopiero możesz aktywować w panelu). Pamiętaj, by po potwierdzeniu  dokładnie przyjrzeć się całemu kontenerowi. Celnie ujął to Simo Ahava, i trudno się z nim w tej kwestii nie zgodzić: First of all, double-check all your tags, triggers and variables. No, triple-check, quadruple-check, and then check again. W nowym interfejsie zobaczysz inny niż do tej pory identyfikator kontenera - dlatego zanim całość zacznie działać, musisz podmienić także kod GTM na swojej stronie.

Tuż po potwierdzeniu i przetestowaniu, nowy interfejs jest gotowy do użycia. Mamy w nim do dyspozycji nowe, wbudowane tagi, a w sposób równie prosty, co opisany powyżej, można mierzyć chociażby wirtualne odsłony. Chętnie dowiemy się, czy i jak udało Wam się wykorzystać możliwości GTM v2:) Koniecznie podzielcie się wrażeniami w komentarzach!

--

Aleksandra Lisiecka, Junior Digital Analyst

Realizuj noworoczne kampanie na najwyższym poziomie

Zbliża się Nowy Rok, czas postanowień, czasami zmian. A gdyby tak jeszcze lepiej poznać użytkowników w 2015 roku i zwiększyć efektywność biznesu poprzez prowadzenie wyłącznie skutecznych kampanii reklamowych online w oparciu o rzetelne i zawsze aktualne dane? Przygotowaliśmy infografikę, z której dowiecie się, dlaczego warto skorzystać z Google Analytics w wersji Premium. 

Całą infografikę zobaczysz tutaj. 

Napisz i przekonaj się, że z nami to coś więcej niż tylko licencja!

--

Aleksandra Lisiecka, Junior Digital Analyst

Porzucony koszyk – zmora współczesnych marketerów?

Sprowadzenie potencjalnego klienta na stronę sklepu to dopiero połowa sukcesu. Druga połowa to skuteczne przeprowadzenie go od strony wejścia do strony potwierdzenia transakcji. Można twierdzić, słusznie zresztą, że to atrakcyjność oferty i zaufanie o marki decydują o konwersji. Praktyka i dane wyraźnie pokazują jednak, że proces transakcyjny może mieć decydujący wpływ na współczynnik konwersji e-commerce.

Dlaczego potencjalni klienci porzucają koszyk?
Istnieje 5 podstawowych powodów:

• konieczne jest zalogowanie lub utworzenie konta, aby dokonać transakcji;
• formularz zamówienia jest długi (przewijany) i zawiera wiele wymaganych pół, które klientowi mogą się wydać zbędne;
• kolejna strona składania zamówienia ujawnia dodatkowe koszty transakcji lub szczegóły dostawy, które nie odpowiadają oczekiwaniom klienta;
• dostępna forma płatności nie odpowiada oczekiwaniom klienta;
• złożenie zamówienia wymaga wielokrotnego potwierdzenia np. przez e-mail.

Aby przekonać się, na którym etapie klienci porzucają ścieżkę zakupową, należy ją mierzyć za pomocą narzędzi analitycznych, takich jak na przykład Google Analytics.

Załóżmy, że wszystkie kroki procesu zakupowego realizowane są w obrębie jednej strony np. /koszyk. Wykorzystując najbardziej podstawowe śledzenie stron serwisu otrzymamy jedynie informację o tym, ilu użytkowników rozpoczęło proces zakupu, a ilu skończyło. Jeśli ścieżka ma np. 4 kroki, nie poznamy żadnych szczegółów o skuteczności każdego z nich. Rozwiązaniem jest budowanie ścieżki transakcyjnej na unikatowych adresach lub śledzenie wirtualnych odsłon poszczególnych kroków koszyka, wówczas otrzymamy raport w formie lejka do konwersji, gdzie na każdym etapie zobaczymy procent użytkowników porzucających koszyk.

Jak określić czy procent porzuceń koszyka na określonym etapie jest duży czy mały? 

W głównej mierze zależy to od charakteru transakcji, czy jest spontaniczna czy przemyślana oraz od ilości kroków, które trzeba przejść, żeby trafić do koszyka i ich treści, czyli na przykład wybranie opcji dostawy, formularz danych osobowych czy przejście do systemu transakcyjnego. Zależnie od powyższego możemy mieć inne oczekiwania co do skuteczności ścieżki. Przykładowo, na etapie wyboru metody dostawy oczekiwany poziom porzuceń może być niewielki, za to w formularzu danych osobowych już wyższy, gdyż niezdecydowani niechętnie będą podawać takie informacje. Jeśli już użytkownicy przejdą przez warunki dostawy i formularz danych, możemy się spodziewać, że współczynnik porzuceń koszyka będzie malał i na etapie wyboru metody płatności czy potwierdzenia transakcji porzuceń będzie już stosunkowo mało. Każdy koszyk wymaga jednak osobnej analizy.

Warto śledzić zdarzenia w Google Analytics

Gdy zidentyfikujemy krok w procesie zakupowym, który zdecydowanie demotywuje klientów, warto pokusić się o dalszą analizę skuteczności. Z pomocą zdarzeń możemy np. mierzyć:

• zaangażowanie w treść strony wyrażone przewinięciem treści,
• zaangażowanie w treść wyrażone przez czas spędzony na stronie (im dłużej tym gorzej),
• kliknięcia w poszczególne elementy strony, przyciski potwierdzenia itp.
• wypełnienia pól formularza, w tym także te błędne.

Analiza treści strony z wykorzystaniem powyższych zdarzeń pozwoli zidentyfikować problematyczne elementy. Może np. formularz jest za długi, zbyt skomplikowany, cześć treści jest niewidoczna, format pola jest niejasny itd. Kolejnym, logicznym krokiem jest przetestowanie tez o problemach ze skutecznością procesu zakupowego. Do testów A/B możemy wykorzystać Google Analytics Content Experiments lub narzędzia komercyjne jak Optimizely czy Visual Website Optimizer. Zaletą tych drugich jest to, że posiadają edytor wizualny, co oznacza, że wiele testów możemy przeprowadzić bez angażowania grafika czy zasobów IT. Te włączą się dopiero, gdy test pozwoli wyłonić nową lepszą wersję.

Większy współczynnik konwersji, to jest możliwe!

Przykładem jest firma Ocmer z sektora B2B, która posiadała bardzo rozbudowany formularz kontaktowy. Bluerank wprowadził zmiany w postaci skrócenia liczby pól formularza, ograniczając je do niezbędnego minimum. Za pomocą narzędzia Optimizely można było przeprowadzić testy i wybrać odpowiednią wersję formularza. W rezultacie współczynnik konwersji wzrósł o 78%. Liczba najbardziej wartościowych leadów pozostała bez zmian, za to wzrosła liczba leadów o przeciętnej wartości, konwertujących na konkretny biznes. Ilościowe dane o skuteczności procesu zakupowego możemy uzupełnić o dane jakościowe, np. z narzędzia do badania poziomu satysfakcji użytkowników Opiniac. Krótka ankieta wyświetlona np. przy próbie opuszczenia strony, pozwoli nam, do pewnego stopnia, odpowiedzieć na pytanie, dlaczego klient porzuca koszyk. Dodatkowo, dane z ankiet mogą być przekazane do Google Analytics i wykorzystane do segmentacji użytkowników, a zbudowane w ten sposób segmenty mogą stać się targetem dla kampanii reklamowej domykającej transakcję.

Enhanced e-commerce, czyli jak zwiększyć współczynnik konwersji 

Enhanced ecommerce pozwala śledzić atrybuty produktu, karty produktowej i listingu produktów. Wskazuje, które produkty są przeglądane najczęściej, które konwertują najlepiej lub są porzucane. Pozwala ocenić wpływ poszczególnych elementów na skuteczność sprzedaży i ocenić skuteczność poszczególnych kuponów i etykiet, wrażliwość cenową, wrażliwość na markę, wpływ pozycji na liście produktów na sprzedaż. Tezy należy stawiać w oparciu o zebrane dane i weryfikować je za pomocą narzędzi statystycznych, na przykład Google Analytics lub Optimizely. 

Warto od samego początku prowadzenia działań online, mierzyć skuteczność podejmowanych kroków. Wiele obserwacji wskazuje na to, że im mniejsza liczba pól do wypełnienia w formularzu, czy też etapów dzielących użytkownika od dokonania transakcji, tym lepiej. Zachęcam do przeprowadzania testów, korzystania ze specjalistycznych narzędzi w celu optymalizacji ścieżki zakupowej. Wzrost konwersji gwarantowany. 

--

Karolina Lejman - Rosińska, Digital Analytics Business Manager