W pierwszym odcinku podcastu „Date with Data Talks” Mariusz Michalczuk rozmawia z Piotrem Wernerem – analitykiem z wieloletnim doświadczeniem w e-commerce. Podczas rozmowy omawiają swoją nietypową ścieżkę zawodową, kluczowe momenty rozwoju analityki oraz doświadczenia związane z wdrożeniami narzędzi analitycznych, takimi jak GA4, Consent Mode i Google Tag Manager.
Przywitanie i przedstawienie gościa
Początki kariery w e-commerce
Kluczowe momenty w rozwoju analityki
Case Study: Consent Mode w Orange
Narzędzia do analityki i integracji danych
Wyzwania współpracy biznes-IT
Plany zawodowe i rozwój
Podsumowanie głównych wniosków
Mariusz Michalczuk: Drodzy słuchacze, witam was w pierwszym odcinku podcastu Date with Data Talks, czyli podcastu skierowanego od praktyków do praktyków, od praktyków danych do praktyków wykorzystania danych w marketingu, w e-commerce. Moim i Waszym gościem, pierwszym gościem w tym podcaście jest Piotr Werner.
Piotrek, bardzo dziękuję, że przyjąłeś moje zaproszenie. Może opowiedz kilka słów o sobie i przejdziemy dalej do rozmowy.
Piotr Werner: Cześć, dzień dobry. Ja też bardzo dziękuję za to zaproszenie, Mariusz. Kilka słów o sobie. Mąż, ojciec, analityk. Może na początek wystarczy.
Mariusz Michalczuk: Opowiedz trochę, jak się w ogóle twoja przygoda z analityką zaczęła. Jak to wyglądało, jakie były twoje pierwsze kroki, jak rozwijałeś się do miejsca, w którym dzisiaj się znajdujesz.
Piotr Werner: Myślę, że moja ścieżka była nieco niestandardowa. Powiedziałbym, że przechodziłem od ogółu do szczegółów. Zacząłem już ponad dekadę temu pracować w e-commerce, a początkowo nie są to stanowiska związane z analityką. Zaczynałem od najprostszych ról, takich jak opisywanie produktów. To jeszcze były czasy, kiedy ręcznie należało umieszczać słowa kluczowe w kampaniach Google Ads. Krok po kroku nauczyłem się kolejnych obszarów: content marketingu, kampanii SEM, SEO. Też analityka w pewnym momencie się pojawiła. Na początku zajmowałem się różnymi aspektami prowadzenia e-commerce’u, zarówno tymi frontowymi, jak i zakulisowymi, np. kwestiami dostawy czy płatności. Po kilku latach zacząłem zarządzać e-commerce’ami. Zawsze czułem się lepiej w świecie liczb niż w kreatywnym. Pamiętam, że gdy pracowałem w mydlarni Cztery Szpaki, razem z koleżanką odpowiadającą za kreatywną stronę marketingu – porywające opisy produktów, artykuły, kampanie reklamowe – żartowaliśmy, że ja jestem gościem tych „nudnych” spraw. Dla mnie te „nudne” kwestie pozostają nadal interesujące. W pewnym momencie stwierdziłem, że całościowe spojrzenie na e-commerce przestaje wystarczać, bo szczegóły, począwszy od SEO, a potem analityki, były na tyle obszerne, że chciałem się w nie zagłębić. Najpierw skupiłem się mocno na SEO i jego technicznej stronie, a traf chciał, że na pewnym etapie mojej kariery, oprócz zarządzania zespołem SEA, otrzymałem zespół analityki. To był czas, kiedy zacząłem samodzielnie interesować się tym zagadnieniem. Stwierdziłem, że zarządzanie jest mało inspirujące i trzeba iść głębiej. Czytałem, robiłem kursy, zadawałem pytania, aż w końcu zdecydowałem, że chcę zająć się wyłącznie analityką. I tak to trwa do dziś.
Mariusz Michalczuk: Ja pamiętam początki, kiedy w 2010 roku analityka była domeną ludzi pracujących w SEO oraz PPC, bo bez danych wykonywanie ich pracy było utrudnione. Twoja ścieżka jest bardzo kompletna. Pamiętam, że zanim założyliśmy Conversion, miałem okazję uczestniczyć w managerskim programie w Banku Millennium, gdzie przez dwa lata rotowaliśmy między departamentami, zaczynając od oddziału detalicznego – kasa, sprzedaż kredytów, lokaty, itp.
Piotr Werner: Szkoła Toyoty.
Mariusz Michalczuk: To nawet nie wiedziałem, że to tak się nazywa, ale uważam, że to świetne podejście. A powiedz mi, jaki był kluczowy moment, który ukształtował twoje podejście do analityki? Kiedy pomyślałeś, że bez danych w e-commerce i marketingu ani rusz?
Piotr Werner: Na każdym etapie wydawało mi się, że bez danych i liczb jest ciężko. Gdybym musiał wskazać jeden punkt kulminacyjny, to był webinar, podczas którego zaprezentowano GA4. Oczywiście wcześniej korzystałem z Analyticsa, ale wtedy po raz pierwszy świadomie pomyślałem: “wow, w tym kierunku chcę iść”. Drugi, mniej pozytywny moment dotyczył content marketingu – widziałem różnicę między podejściem opartym na danych przy szukaniu tematów i parametrach artykułów a twardym wyciąganiem liczb, przygotowywaniem statystyk, pisaniem dokumentacji, pracami technicznymi, jak data layer czy blue tag manager. Zauważyłem dwa zupełnie różne kierunki i ten bardziej techniczny bardziej mi odpowiadał.
Mariusz Michalczuk: Wspomniałeś o content marketingu. Jak wtedy, jako obserwator, oceniano te działania – czy data miały wpływ na ocenę efektywności?
Piotr Werner: Content marketing był mocno sprzężony z liczbami. Od samego początku planowanie tematów, artykułów, ich długość, nasycenie słowami kluczowymi czy grupy docelowe opierały się na konkretnych narzędziach, nie tylko tych SEO, ale również narzędziach analitycznych badających demografię dostępnych klientów. Jeśli moja poprzednia odpowiedź sugerowała, że wybierasz między content marketingiem a danymi, to nie o to mi chodziło. Content marketing dobrze współgra z danymi, choć niekoniecznie z bardziej technicznymi kwestiami.
Mariusz Michalczuk: Ok, dobra. A powiedz mi teraz, skoro po 2019 roku, po ogłoszeniu GA4 – jeszcze wtedy jako App + Web – twoja ścieżka skręciła bardziej ku twardej analityce, czy możesz przytoczyć przykład sytuacji, w której dane doprowadziły do istotnej zmiany w organizacji, w której pracowałeś lub pracujesz nadal?
Piotr Werner: Zapytałeś o okres od 2019 roku, a ja przytoczę przykład z 2023. Opowiadamy o nim na ostatnim e-commerce evencie – to historia z Orange’a. Po niepozornym wdrożeniu Consent Mode zauważyliśmy spadek ruchu. Nic dziwnego – użytkownicy decydują się na akceptację ciasteczek lub nie, więc część odpowiada “nie”. Ruch spadł jednakowo nierówno we wszystkich kanałach – źródła wizerunkowe ucierpiały bardziej, a te domykające sprzedaż, takie jak SEO czy SEM, utrzymały się na podobnym poziomie. Druga zaskakująca kwestia: mimo spadku ruchu, transakcje utrzymały się na tym samym poziomie. Hipoteza, że użytkownicy, którzy nie chcą dokonać zakupów, odrzucają ciastka, okazała się naiwną – zajrzeliśmy w dane i odkryliśmy metrykę “no choice rate”, czyli współczynnik wyświetleń Cookie Bannera, podczas których nie podjęto żadnej akcji. Podczas gdy ponad 90% użytkowników, decydując się, akceptowało ciastka, ponad połowa wyświetleń Cookie Bannera kończyła się zamknięciem strony bez działania.
Mariusz Michalczuk: Okej, i standardowo rozumiem, że użytkownicy bez zgody nie byli śledzeni.
Piotr Werner: Tak, stosowaliśmy tzw. Basic Consent Mode – brak zgody oznaczał brak akcji. Gdy odkryliśmy wysoki odsetek takich przypadków, postanowiliśmy szukać dalej i skorzystaliśmy z narzędzia do weryfikacji jakości ruchu. Chcieliśmy sprawdzić, jaki ruch “odbija się” od Cookie Bannera. Nasze wstępne badania (POC) wykazały, że w niektórych źródłach aż 90% sesji oceniano jako sztuczne – narzędzie oceniało zachowanie użytkowników według kryteriów behawioralnych i technicznych, takich jak ruchy myszką, fingerprint, recaptcha, itp. Zauważyliśmy kampanie, w których kilkanaście tysięcy użytkowników wykonywało identyczne ruchy myszką i sekwencje kliknięć. Mieliśmy mnóstwo kampanii kończących się na Cookie Bannerze z powtarzalnymi wzorcami, gdzie np. banner wyświetlał się, a użytkownik zjeżdżał na sam dół strony – co w Advanced Consent Mode wywołałoby efekt zaangażowanej sesji. Te wyniki zmieniły nasze podejście do płatnego ruchu, zwłaszcza z sieci afiliacyjnych, gdzie setki, a nawet tysiące wydawców pozyskują ruch być może w sposób maszynowy. Drugim wnioskiem była nauka integracji danych między Ads a Analytics poprzez GCLID i BigQuery, co pozwoliło ocenić odsetek kliknięć przeradzających się w sesję. Często displayowe kreacje, nastawione na budowanie marki, padały celem botów, co obniżało efektywność.
Mariusz Michalczuk: Mam podobne doświadczenia. Pamiętam pierwsze cookie bannery i Cookie Management Platform u naszych klientów, kiedy jeszcze po pierwszym wyroku TSUE nie było jasne, czy ciasteczka są legalne. Po zakwestionowaniu legalności przez Schrems 2 firmy zaczęły traktować to poważnie – gdy użytkownik nie zgadzał się, nie wykorzystywano ciasteczek, co powodowało wzrost współczynników odrzuceń. A skoro transakcje nie spadły, a ruch spadł, to wyglądało korzystnie we współczynniku konwersji. Gdyby nie analiza, mogliśmy dojść do błędnych wniosków. A czy mógłbyś podzielić się narzędziem do jakościowej analizy, które możliwe jest łatwo wykorzystać?
Piotr Werner: Jedno z narzędzi, które polecam, to Traffic Watchdog. To polska firma obecna na rynku od kilkunastu lat. Testowaliśmy różne narzędzia, ale ostatecznie zdecydowaliśmy się na Traffic Watchdoga – również w formule Proof of Concept. Pierwsze POC miały ograniczone dane, potem przeszliśmy do testu pełnej funkcjonalności. Nie mogę się odnieść do wyników, bo odszedłem z Orange przed zakończeniem testów. Korzystaliśmy też z narzędzia do analityki jakościowej – Quantum Metric, które pozwala na analizę jakościową przy zachowaniu wysokiej wierności danych ilościowych (osiągnęliśmy 99% zgodności między danymi z Analytics i Quantum Metric). Oczywiście są też bardziej popularne i tańsze rozwiązania, jak Hotjar czy Clarity, choć o ograniczonych możliwościach. Dla porównania – parametr User Agent, przesyłany do Google Analytics, pozwala nam wyłapać segmenty słabiej konwertujących sesji.
Mariusz Michalczuk: Podchodzimy do tego z perspektywy ilościowej, ale narzędzia Traffic Watchdog i Quantum Metric są wartościowe. Jeśli słuchacze chcą zweryfikować, czy u nich nie występują dziwne ruchy, warto z nich skorzystać. A propos narzędzi – jakie inne technologie lub rozwiązania analityczne wykorzystywałeś w pracy, które pomogły wesprzeć pracę analityczną i biznes?
Piotr Werner: Obawiam się, że będę tu dość przewidywalny – oczywiście narzędzia ze znaku google’owskiego. Jestem ogromnym fanem Google Tag Managera. Uważam, że odpowiednio wykorzystany GTM pozwala wyciągnąć z witryny niemal wszystko, czego potrzebujemy. W Orange konfiguracja GA4 w GTM-ie zawierała ponad 40 parametrów niestandardowych przesyłanych przy każdym zdarzeniu, co umożliwiało łączenie danych między systemami. Można było np. przesyłać wartości ciasteczek jako parametry do GA4.
Mariusz Michalczuk: Po to, żeby później połączyć wszystko między systemami.
Piotr Werner: Dokładnie. Mogliśmy konsultować te dane z zespołem IT – gdy pojawiały się wątpliwości co do segmentu użytkowników lub błędów na stronie, łatwo łączyliśmy sesje z Quantum Metric i konsultowaliśmy problemy. Google Tag Manager, który dla wielu marketingowców jest standardem, oferuje ogromne możliwości. Wspomnę też o BigQuery – zacząłem się go uczyć cztery lata temu i nadal odkrywam nowe możliwości. BigQuery umożliwia zaawansowaną analizę surowych danych, porównanie ich z danymi z Analytics i budowanie dedykowanej analityki. A na koniec, mimo rosnącej zaawansowania technologicznego, nie wolno zapominać o Microsoft Excel. Dobra tabela przestawna z surówki potrafi wyciągnąć sensowne wnioski.
Mariusz Michalczuk: Pamiętam, że na LinkedIn wrzuciłem artykuł o NFZ w Nowej Zelandii, gdzie zarządzali budżetem za pomocą jednego arkusza Excela i błąd w jednej komórce spowodował duże zniekształcenia. W kontekście współpracy z IT, często widzimy, że element serwisu „nie działa”, mimo że dla działu technicznego wszystko wydaje się działać. Połączenie danych ilościowych z jakościowymi, np. z nagrań sesji, pozwala zobaczyć konkretne problemy. Dzięki temu argument “u mnie działa” jest trudniejszy do utrzymania.
Piotr Werner: Dokładnie. Nawet nie wchodząc w skomplikowane funkcje Quantum Metric, podobne efekty można uzyskać w Hotjarze – przesyłając parametr Hotjar session ID do Analyticsa i tworząc segment użytkowników spotykających się z błędami, które następnie przekazujemy zespołowi IT. Wspomniałem już o GTM i BigQuery, ale warto jeszcze dodać, że wyzwanie stanowi komunikacja między zespołami. Często analitycy i dział IT są zamknięci w swoich systemach. Analityk, dostając wymagania do Data Layer, powinien zadawać pytanie: „po co ci to?”. Mnie w Orange nauczyło to podejście – zamiast zbierać skomplikowane dane, warto zacząć od podstawowych współczynników, jak konwersja, liczba zamówień, ruch w poszczególnych kanałach. W biznesie kluczowe jest tworzenie interdyscyplinarnych zespołów, które rozumieją wspólny cel, komunikują się i uczą odpowiedzialnych liderów, nie bojących się pytać o sens wdrażanych rozwiązań. Często nawet AI, jak ChatGPT, nie zastąpi refleksji i dialogu między działami.
Mariusz Michalczuk: Myślę, że jako analitycy naszym zadaniem jest dopytywanie biznesu, żeby wspólnie znaleźć najlepsze rozwiązania.
Piotr Werner: Zdecydowanie. Analityk, dostając pytanie o dane lub wymagania do Data Layer, powinien zapytać: „po co ci to?”. Mamy mnóstwo systemów, które zbierają liczby, ale nie pomagają w decyzjach. Pamiętam, że w Orange dostałem prośbę o śledzenie, ile osób po kliknięciu przycisku „formy dostawy” zmieniało ścieżkę między Inpost a paczkomatem. Zapytałem wprost – po co to? Okazało się, że wymaganie przyszło z góry, bez konkretnego planu wykorzystania. Dlatego analitycy powinni dążyć do uproszczenia systemów, zaczynając od podstawowych metryk, które umożliwiają dalsze analizy i trafne decyzje.
Mariusz Michalczuk: Opowiedziałeś o łączeniu danych ilościowych z jakościowymi przy użyciu narzędzi zaczynających się od GTM, przez BigQuery, aż po analizę błędów w narzędziach jakościowych. A co z marketingiem przed pozyskaniem użytkownika? Czy możesz podać przykład, gdzie analiza wykazała fraudowy charakter ruchu i pozwoliła zaoszczędzić budżet oraz poprawić kampanię?
Piotr Werner: Tak, taki przykład jest klasyczny. Analiza efektywności budżetu marketingowego oraz przeliczanie wyników na poszczególne kanały pozwoliły nam przesunąć część budżetu – w tym przypadku na Google Ads. W efekcie, w ciągu kolejnego kwartału współczynnik konwersji wzrósł o kilkadziesiąt punktów procentowych. To pokazało, że odpowiednia analiza i wykorzystanie danych może realnie wpłynąć na oszczędności i poprawę wyników.
Mariusz Michalczuk: A jak wygląda Twoja dalsza ścieżka zawodowa? Skoro przeszedłeś od pracy w e-commerce przez program typu Toyota, do głębokiej analityki, jakie masz plany na najbliższą przyszłość?
Piotr Werner: W jednym z poprzednich pytań wspomniałem już o moim odejściu z Orange. Obecnie zaczynam karierę w białostockiej firmie – cateringu dietetycznym Kuchnia Vikinga. Moim zadaniem będzie budowa analityki internetowej, a prawdopodobnie również offline. Podejdę do tego od szczegółu do ogółu i z powrotem.
Mariusz Michalczuk: Super, mega fajnie. Cieszę się, że będziesz mógł wykorzystać wszystkie zdobyte lekcje z Orange oraz poprzednich ról, by stworzyć analitykę “od podstaw” na nowym, dziewiczym terenie. Podsumowując nasze spotkanie – to bardzo wartościowa rozmowa. Dziękuję za wskazówki i życzę sukcesów w nowej roli. Mam nadzieję, że nasze doświadczenia będą pomocne także dla słuchaczy.
Piotr Werner: Ja też bardzo dziękuję za zaproszenie. Cieszę się i trzymam kciuki za Conversion. Mam wrażenie, że dopiero się rozkręcaliśmy, ale nie chcemy zanudzić słuchaczy. Dziękuję, Mariusz, za dobre słowo. Dziękuję wszystkim za wysłuchanie podcastu. Dobrego dnia i do usłyszenia.
Rozmowa z Piotrem Wernerem pokazuje nietypową, ale kompletną ścieżkę rozwoju w e-commerce – od prostych ról operacyjnych po zaawansowaną analizę danych. Kluczowymi momentami były przełomowe wydarzenia, takie jak webinar prezentujący GA4, a także doświadczenia zdobyte przy wdrożeniach Consent Mode, które ujawniły istotne problemy z jakością ruchu. W dyskusji podkreślono znaczenie narzędzi analitycznych, takich jak Traffic Watchdog, Quantum Metric, Google Tag Manager, BigQuery i Excel, oraz konieczność ścisłej współpracy między działami technologicznymi i biznesowymi. Głównym przesłaniem jest, że zaczynając od solidnych fundamentów i prostych metryk, można budować bardziej zaawansowane systemy analityczne, co wpływa na poprawę efektywności kampanii i optymalizację budżetu marketingowego.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
