Raport Wykorzystania Narzędzi Analityki Internetowej 2014 wskazuje, że 89% serwisów, które mają wdrożony na stronie kod Google Analytics posiada co najmniej jeden błąd w jego instalacji.
Niepoprawne śledzenie transakcji jest jednym z najczęściej popełnianych błędów. Aż 45% przebadanych serwisów e-commerce popełnia co najmniej jeden błąd w śledzeniu transakcji.
Poprawne zbieranie danych jest podstawą skutecznej analityki internetowej. Dlatego też aby mieć pewność, że dane które zbieramy w Google Analytics są poprawne należy przeprowadzić audyt i porównać dane dotyczące transakcji z danymi z CRM. Jeżeli rozbieżność to 10%-15% zakładamy, że dane zbierają się prawidłowo.
Skąd wynika ta różnica? Część użytkowników (ok. 10% w Polsce) nie jest wcale śledzona, ponieważ korzysta z programów do blokowania reklam, blokuje wywoływanie skryptów śledzących czy też korzysta z opcji opt-out. W przypadku serwisów z których korzysta wielu zaawansowanych użytkowników jak np. https://conversion.pl/wiedza/blog/ 😉 czy serwisy o grach komputerowych, programowaniu itp. liczba użytkowników którzy nie są śledzeni może dochodzić nawet do 30%. A skoro użytkownik nie jest śledzony, to również jego transakcje nie zostaną zaraportowane do Google Analytics natomiast pojawią się w CRM-ie. Pomimo tej różnicy ok. 80% transakcji powinno być spójnych i mieć takie same wartości w CRM i w Google Analytics.
Sprawdzanie danych z CRM jest również niezwykle istotne w przypadku testów A/B gdyż w porównaniu uwzględniamy tylko te transakcje, które były spójne (w tym wersja wylosowana przez użytkownika) w Google Analytics i CRM.
1. Pobranie danych o liczbie transakcji z Google Analytics (wykorzystujemy opcję eksportu danych).
Aby pobrać dane o transakcjach wybieramy raport z grupy Konwersje -> Ecommerce -> Transakcje, a następnie eksportujemy dane do Excela, korzystając z przycisku „Eksportuj”. Eksplorując dane z Google Analytics należy pamiętać, że do Excela zostaną przekazane dane które widzimy na ekranie, czyli standardowo 10 wierszy. Jeśli w danym okresie liczna transakcji jest większa, to należy przed eksportem zwiększyć liczbę wyświetlanych wierszy.
2. Pobieramy dane z systemu CRM dla poszczególnych transakcji. Pobierając dane z sytemu CRM należy pamiętać, aby wybrać taki sam okres za jaki wyeksportowaliśmy dane z Google Analytics.
3. Połączenie danych z Google Analytics i CRM (korzystając z metody INDEX-MATCH).
Do pliku Excel zawierającego dane wyeksportowane z Google Analytics, wklejamy dane z systemu CRM do nowej zakładki (lub odwrotnie, dane z GA wklejamy do pliku z danymi CRM), tak aby w jednym pliku mieć zakładkę z danymi z CRM oraz zakładkę z danymi z Google Analytics.
a. Do danych z CRM należy dopasować dane z Google Analytics, najlepiej za pomocą unikalnego identyfikatora transakcji za pomocą metody INDEX-MATCH. Następnie należy sprawdzić stopień zgodności, dzieląc liczbę transakcji raportowaną i zgodną w CRM oraz w Google Analytics przez liczbę wszystkich transakcji w CRM. Przykładowo jeśli w CRM mamy w danym okresie 12 transakcji, natomiast 9 z nich jest raportowane w Google Analytics to stopień zgodności danych CRM i Google Analytics wynosi 75%, a powinien wynosić powyżej 80%. Mniejszy % oznacza, że Google Analytics nie rejestruje wszystkich transakcji i wtedy należy przeprowadzić audyt instalacji i konfiguracji.
Zgodność danych na poziomie 80% oznacza, że nasze dane zbierają się poprawnie.
b. Do danych z Google Analytics należy dopasować dane z CRM, analogicznie do tego jak zrobiliśmy w punkcie a, a następnie sprawdzić stan rozbieżności. Generalnie nie ma możliwości aby w Google Analytics były transakcje, których nie ma w CRM. Taka sytuacja oznacza, że dane z CRM są niekompletne i należy wyjaśnić tą kwestię z dostawcą systemu CRM.
Jeśli przeprowadzaliśmy test A/B i chcemy przeanalizować, która wersja okazała się skuteczniejsza to poza krokami 1-3 należy wykonać jeszcze kilka dodatkowych działań. Po pierwsze musimy do Google Analytics przekazać informację o tym jaką wersję w ramach testu wylosował użytkownik, np. jako wymiar niestandardowy. Po drugie do CRM należy przekazać informację o wylosowanej wersji.
1. i 2. Pobierając dane z Google Analytics i CRM należy również pobrać wersje ciasteczek (wersja A, wersja B), dla poszczególnych transakcji.
3. Krok 3 pozostaje bez zmian.
4. Oznaczenie zamówień wewnętrznych (np. zamówień testowych), oraz zamówień o statusie spam w CRM, jako ‘Spam’. Czasem czy to ze względu na testy które sami przeprowadzaliśmy (np. po wprowadzeniu zmian na stronie), czy to ze względu na spam, dane CRM i Google Analytics mogą być zanieczyszczone. Do testów A/B nie chcemy brać tego typu zamówień pod uwagę dlatego też warto je odpowiednio oznaczyć i wyeliminować z analizy na dalszym etapie albo całkowicie usunąć z pliku.
5. Oznaczenie zamówień które nie będą analizowane, jako ‘Duplikat’ lub jako ‘Nie’. Czasem zdarza się, że taka sama transakcja jest zduplikowana albo w danych CRM jest raportowana inna wersja ciasteczka niż w danych Google Analytics. Takie transakcje też chcemy wyeliminować przed analizą wyników testu, odpowiednio je oznaczając.
a. Jeżeli oba (lub więcej) zduplikowane zamówienia miały wylosowaną taką samą wersję ciasteczek, oznaczamy zamówienie o wyższej wartości jako ‘Ok’ a pozostałe , oznaczamy jako ‘Duplikat’.
b. Jeżeli oba (lub więcej) zduplikowane zamówienia miały wylosowane różne wersje ciasteczek, oznaczamy wszystkie powtórzone zamówienia jako ‘Nie’.
c. Jeżeli wersje CRM i Google Analytics dla jednej transakcji się różnią to takie zamówienie oznaczamy jako ‘Nie’
d. Jeżeli różne zamówienia dla tego samego użytkownika mają różne wersje to oznaczamy wszystkie takie zamówienia jako ‘Nie’.
6. Oznaczenie zamówienia które będziemy analizować jako ‘Ok’.
7. Stworzenie tabeli przestawnej w której sprawdzimy % transakcji o statusie „Nie” oraz „Duplikat”.
8. Stworzenie tabeli przestawnej z połączonych i odpowiednio oznaczonych danych CRM + Google Analytics, w celu uzyskania informacji o liczbie konwersji dla poszczególnych wersji ciasteczek (wersja A, wersja B). Dodanie filtra, tak aby do analizy zostały tylko transakcje oznaczone jako ‘Ok’.
9. Pobranie danych o liczbie Unikalnych Użytkowników na stronie dla poszczególnych wersji ciasteczek (wersja A, wersja B) z Google Analytics.
10. Wyliczenie Współczynnika Konwersji dla poszczególnych wersji ciasteczek (wersja A, wersja B). Współczynnik Konwersji = liczba transakcji/liczba Unikalnych Użytkowników.
11. Wyliczenie o ile % Współczynnik Konwersji dla poszczególnych wersji ciasteczek (wersja A, wersja B) różni się siebie.
12. Sprawdzenie, czy wzrosty są istotne statystycznie korzystając z odpowiedniego kalkulatora.
Podstawą skutecznej analizy na podstawie której można wyciągać wnioski prowadzące do wzrostu zysków są poprawne dane. Dla serwisów ecommerce dane dotyczące transakcji to najistotniejsza informacja. Biorąc pod uwagę liczbę błędów jaka pojawia się przy okazji śledzenia transakcji konieczna jest weryfikacja poprawności zbieranych danych, co można prosto sprawdzić porównując dane Google Analytics z danymi z CRM.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
