Choć Looker Studio (daw. Google Data Studio) nie należy do narzędzi, które pojawiły się na rynku wczoraj (do jego premiery doszło stosunkowo dawno, bo w 2016 roku), to nadal wiele osób nie wie o jego istnieniu. Z kolei zdecydowana większość tych, którzy “coś” kojarzą – nie do końca zdaje sobie sprawę, jakie możliwości daje to rozwiązanie.

Jeśli zaliczasz się do tego grona – mam dobrą wiadomość. Treść tego artykułu poświęcę na dogłębne i szczegółowe omówienie definicji, sposobów wykorzystania, no i oczywiście – mocnych oraz słabych stron Google Data Studio. Jeżeli wiesz o nim nieco więcej – uspokajam. W dalszej części wpisu umieściłem też kilka innych ciekawych “smaczków”, które z pewnością wykorzystasz w swojej codziennej pracy.
Ale żeby nie przedłużać – pozwól, że zacznę od krótkiego wprowadzenia.

 
Co znajdziesz w tym artykule?
Definicja, czyli czym jest Looker Studio (daw. Google Data Studio)?
Jak działa Looker Studio (daw. Google Data Studio)?
Nowe funkcje i kierunki rozwoju Looker Studio w 2025–2026
Dla kogo jest Looker Studio (daw. Google Data Studio)?
Zalety Looker Studio (daw. Google Data Studio). Dlaczego warto z niego korzystać?
Wady Looker Studio (daw. Google Data Studio)? Co świadczy o jego słabościach?
Jak przygotować raport w Looker Studio (daw. Google Data Studio)?
Looker Studio (daw. Google Data Studio) – podsumowanie

Definicja, czyli czym jest Looker Studio (daw. Google Data Studio)?

Looker Studio (daw. Google Data Studio) (na potrzeby tego artykułu czasami będę używać skrótu GDS) to wszechstronne narzędzie do wizualizacji danych.
Pozwala na tworzenie czytelnych raportów umożliwiających pozyskiwanie bieżących danych na temat wybranych obszarów firmy, analizowania przebiegu i wyników kampanii, wyciągania wniosków i przygotowywania rekomendacji, a nawet podejmowania na tej podstawie decyzji.

Z uwagi na łatwość obsługi, szybki dostęp oraz czytelny interfejs, stanowi doskonały wybór dla wszystkich osób, które chcą posiadać wgląd do stosunkowo prostych analiz.

Jak działa Looker Studio (daw. Google Data Studio)?

Looker Studio (daw. Google Data Studio) umożliwia integrację informacji pochodzących z innych miejsc, a następnie daje szerokie możliwości wykonywania na ich podstawie mniej lub bardziej rozbudowanych raportów. Co ważne – wszystko odbywa się za pomocą łatwego interfejsu, który nie wymaga wiedzy i umiejętności z zakresu kodowania.

Źródłami, z których GDS może czerpać dane, są m.in.:

• Google Marketing Platform, czyli: Google Analytics, Google Ads, Campaign Manager, Display & Video 360, a także Search Ads 360.
• Google Cloud Platform, czyli: BigQuery, Google Cloud Storage oraz Cloud Spanner.
• Inne rozwiązania od Google, w tym między innymi: YouTube czy Google Search Console.
• Zewnętrzne źródła danych, czyli: MySQL, PostgreSQL, Microsoft SQL Server.

Jednak na tym lista możliwości wcale się nie kończy. Dzięki opcji tworzenia własnych konektorów*, ilość potencjalnych połączeń jest praktycznie nieograniczona.

* Konektory (connectors) to dodatkowe narzędzia, które umożliwiają integrację Looker Studio (daw. Google Data Studio) z innymi źródłami danych.

Nowe funkcje i kierunki rozwoju Looker Studio w 2025–2026

W ostatnich miesiącach platforma Looker Studio, będąca następcą Google Data Studio, zyskała szereg aktualizacji, które wyraźnie wskazują kierunek jej rozwoju w 2025–2026 r. Google wprowadził m.in. bardziej zaawansowane konektory danych, obsługę większych zestawów (do 75 000 wierszy) oraz logi audytowe w Looker Studio Pro, co ułatwia zarządzanie i bezpieczeństwo pracy zespołowej. To sygnał, że narzędzie zmierza w stronę profesjonalnych zastosowań BI przy zachowaniu intuicyjności dla użytkownika.

Integracje z BigQuery i analiza „big data” w raportach

Dla kogo jest Looker Studio (daw. Google Data Studio)?

Dużo osób, które nie są biegłymi analitykami, ale potrzebuje regularnego dostępu do informacji, ma problemy z pozyskiwaniem oraz interpretacją danych, które oferują konkretne narzędzia.
Pisząc to, mam na myśli przede wszystkich potężne źródło, jakim jest Google Analytics 4. Wiele osób nie umie się po nim “poruszać”, wyciągać właściwych danych, wnioskować, interpretować. O właściwym filtrowaniu nawet nie wspominając. To właśnie między innymi dla nich zostało stworzone narzędzie Looker Studio (daw. Google Data Studio).

Z jednej strony korzystają z niego analitycy i osoby odpowiedzialne za szeroko pojęte dane, dla których jest pewnego rodzaju agregatorem danych. A mówiąc jeszcze prościej, Looker Studio (daw. Google Data Studio) pozwala im wyciągać kluczowe (z punktu widzenia danego obszaru) informacje, a następnie prezentować je w przystępny sposób.
Jednak kluczowymi odbiorcami tego narzędzia są osoby nie do końca związane z obszarem analizy danych, w tym: członkowie zarządu, dyrektorzy i kierownicy wybranych obszarów firmy, a także inni przedstawiciele biznesu czy marketingu.
Looker Studio (daw. Google Data Studio) sprawia, że zamiast często skomplikowanych i trudnych w interpretacji tabelek, otrzymują jasne i bardzo czytelne dashboardy.

Biorąc pod uwagę powyższe możliwości tego narzędzia, nie sposób oprzeć się wrażeniu, że GDS stanowi swego rodzaju “łącznik”. Tzw. “most”, który pozwala na sprawną komunikację pomiędzy “światem analiz”, a szeroko pojętym biznesem.
Ułatwia pracę analityków, którzy są w stanie szybko (i łatwo) przygotowywać dashboardy pokazujące rzeczy, na którym zależy przedstawicielom biznesu. Z drugiej strony – odbiorcy raportów nie muszą się przejmować, że dane, które weryfikują, są nieczytelne lub nie do końca trafione. GDS przedstawia im konkretne dane “jak na tacy”.

Zalety Looker Studio (daw. Google Data Studio). Dlaczego warto z niego korzystać?

Do mocnych stron, wynikających z użytkowania GDS, zaliczam:

1.Przystępny i intuicyjny interfejs

Mocną przewagą, a jednocześnie jednym z głównych powodów, dla których wiele firm stawia na Looker Studio (daw. Google Data Studio), jest przejrzystość i czytelność prezentowanych danych. Narzędzie daje szerokie możliwości personalizacji, dzięki którym każda ważna informacja może zostać pokazana na szereg różnych sposobów.
Wiele wykresów do wyboru (kołowe, słupkowe itp.), mnogość kolorów i czcionek. To tylko kilka przykładów tego, w jaki sposób można zadbać o właściwe pokazanie kluczowych informacji.

2.Wygoda i oszczędność czasu

Jak już wspomniałem – GDS pozwala na sprawną integrację z wszystkimi najpopularniejszymi źródłami danych. W bibliotece konektorów znajduje się 20 oficjalnych konektorów (przygotowanych przez Google) oraz uwaga… blisko 500 należących do tzw. Data Studio Community Connectors. Każda z nich stanowi gotową pozycję, którą można uruchomić kilkoma prostymi kliknięciami.
To sprawia, że wszystkie ważne informacje mogą znajdować się w jednym miejscu. Bez konieczności generowania kilku lub kilkunastu raportów, a tym bardziej bez “przeklikiwania się” pomiędzy różnymi zakładkami.

3.Koszty, a właściwie ich brak

Looker Studio (daw. Google Data Studio) to w 99% darmowe narzędzie. Powiedziałem w 99%? Zgadza się! 1% stanowią dodatkowo płatne rozwiązania, do których możemy zaliczyć wspomniane już konektory (ale tylko wybrane!), a także sposoby wizualnej prezentacji danych (template’y).
Pomimo istotnych zalet, warto również wspomnieć, że to narzędzie nie jest całkowicie idealne. Dlatego pora na kilka “gorzkich słów”.

Wady Looker Studio (daw. Google Data Studio)? Co świadczy o jego słabościach?

GDS ma też kilka słabych punktów, które w niektórych przypadkach mogą okazać się uciążliwe. Do istotnych ograniczeń zaliczamy, chociażby:

1.Szybkość działania

Jeżeli miałbym wymienić jedną kluczową wadę, która “boli” mnie najbardziej – zdecydowanie byłaby to prędkość. Nie zrozum mnie źle. Narzędzie Looker Studio (daw. Google Data Studio) “samo w sobie” działa całkiem sprawnie. Problemy zaczynają pojawiać się dopiero wtedy, gdy zależy nam na generowaniu bardziej rozbudowanych raportów, które opierają się na wielu źródłach danych.

Zasada jest prosta: im więcej modyfikacji, tym Looker Studio (daw. Google Data Studio) działa wolniej. Wówczas to ograniczenie GDS może dać o sobie znać i sprawić, że tworzenie kolejnych dashboardów nie będzie już tak ekspresowe.
Jeżeli zależy Ci na szybkim działaniu – możesz poszukać możesz nieco szybszych, bardziej zaawansowanych i płatnych alternatyw (np. Tableau czy Looker). Możesz również zastosować kilka trików, które pozwolą przyspieszyć działanie Looker Studio (daw. Google Data Studio). Ale to już temat na osobny artykuł ;).

2.Błędy, sporo błędów

Powiedzieć, że Looker Studio (daw. Google Data Studio) ma pewne bugi to jakby nic nie powiedzieć . Ich problem często polega na tym, że nie do końca wiadomo, skąd się wzięły i co je wywołało. Na szczęście w większości przypadków rozwiązywanie problemów z GDS jest proste. Wystarczy, po prostu przeładować!

3.Ograniczenia integracji z zewnętrznymi dostawcami

Oczywiście największe utrudnienie może stanowić fakt braku wbudowanych konektorów do popularnych narzędzi spoza ekosystemu Google. W tym zwłaszcza tych związany z portalami jak Facebook czy Pinterest. Jeżeli zależy Ci na pozyskiwaniu danych z tych miejsc – nie masz wyjścia i musisz dodatkowo za nie zapłacić.

Na początku tego artykułu obiecałem, że zawrę w nim zarówno informacje dla początkujących, jak i tych, którzy już “coś wiedzą”. A skoro definicja, przeznaczenia oraz przegląd mocnych i słabych stron mamy już za sobą – pora na ćwiczenia praktyczne.

Jak przygotować raport w Looker Studio (daw. Google Data Studio)?

1. Zacznijmy od dodania Nowego raportu na ekranie głównym Looker Studio (daw. Google Data Studio).

2. Stworzyliśmy pusty template – na początku zmieńmy tytuł dashboardu. Możemy to zrobić w lewym górnym rogu naszego raportu.

3. Następnie musimy wskazać zbiór danych, na podstawie którego chcemy przygotować dashboard. W tym celu klikamy przycisk dodaj dane.

4. Zostaniemy przeniesieni do menu wyboru typu połączenia z danymi (możemy wybrać spośród 21 wbudowanych konektorów). Na potrzeby tego zadania skupmy się na podstawowym źródle, tzn Google Analytics. Po wyborze zostaniemy przeniesieni do okna wyboru widoku, który chcemy wizualizować. Połączenie z Google Analytics mamy gotowe – możemy przejść do wizualizacji.

5. Zacznijmy od dodania tytułu wykresu. W tym celu dodajemy pole tekstowe klikając w przycisk “Tekst” na górnym pasku nawigacyjnym.

6. Dodane pole tekstowe możemy dowolnie edytować – opcje edycji tekstu znajdują się po prawej stronie w zakładce “Tekst – właściwości”.

7. Po zmianie czcionki na rozmiar 24, pogrubieniu, dodaniu kursywy i wycentrowaniu tekstu tytuł wygląda następująco.

8. Czas na dodanie statystyk – zacznijmy od dodania prostych okienek zawierających najważniejsze statystyki. Możemy to zrobić klikając “Dodaj wykres” i wybierając widżet “Podsumowanie statystyk”.

9. Teraz menu po prawej stronie wygląda inaczej – widzimy możliwość wyboru źródła danych (w naszym przypadku to utworzone wcześniej połączenie z widokiem “1 Master View”) oraz wybór danych, które powinny być przedstawione. Wybierzmy metrykę “Nowi użytkownicy”.

10. Powtórzmy działanie i dodajmy jeszcze 3 podobne podsumowania opisujące metryki Sesje, współczynnik odrzuceń oraz transakcje. Klikając ołówek po lewej stronie nazwy metryki możemy zmienić jej ustawienia np. zmieniając jego nazwę. Zróbmy to dla metryki współczynnik odrzuceń i ustawmy etykietę “Bounce Rate”.

11. Po dodaniu elementów nasz dashboard wygląda następująco:

12. Czas na dodanie przykładowego wykresu. Spośród wielu dostępnych opcji, wykorzystajmy “Wykres z serią czasową” i dodajmy tam dwie metryki – sesje oraz transakcje. Efekt wygląda następująco:

13. Ze względu na bardzo dużą różnicę w skali, linia przedstawiająca liczbę transakcji jest bardzo nieczytelna. Poprawmy to dodając dodatkową oś pionową na naszym wykresie. Zmieniamy zakładkę na “Styl”, a następnie dla serii 2 (transakcje) zmieńmy opcję oś na wartość “Po prawej stronie”.

14. Wykres wygląda zdecydowanie lepiej.

15. Nasz dashboard jest prawie gotowy. Pod wykresem mamy zdecydowanie za dużo wolnego miejsca. Możemy je ukryć, modyfikując ustawienia bieżące strony.

16. Gotowe – w 5 minut stworzyliśmy pierwszy, podstawowy raport w Data Studio.

Gotowe! Całość nie powinna zająć Ci więcej niż 5 minut.

Looker Studio (daw. Google Data Studio) – podsumowanie

I to by było na tyle! Jak widzisz – Looker Studio (daw. Google Data Studio) to wszechstronne narzędzie, dzięki któremu proces pozyskiwania danych, opracowywania na ich podstawie raportów, a także dalszej interpretacji, wyników staje się zdecydowanie przystępniejszy.
W Conversion wykorzystujemy je między innymi po to, aby ułatwiać procesy analizy i wyciągania wniosków. Robimy to jednak przede wszystkim po to, aby nasi klienci zyskiwali wygodny dostęp do wyselekcjonowanych danych, które najbardziej ich interesują.

The post Looker Studio (daw. Google Data Studio): co to, jak działa i dlaczego warto? first appeared on Conversion.

Z pewnością kojarzysz to słynne powiedzenie mówiące o tym, że połowa budżetu marketingowego jest zawsze marnowana. Nikt jednak nie wie, która połowa. Musisz wiedzieć, że tak było kiedyś, gdy do wielu zadań z zakresu promocji czy sprzedaży w Internecie, podchodziło się na zasadzie “wydaje mi się…”, “u mojego sąsiada działa”, “szwagier mi tak doradził” lub po prostu zwykłego “wróżenia z fusów”.

Obecnie, dzięki rozwijającej się technologii, dostępowi do coraz bardziej zaawansowanych narzędzi, a przede wszystkim – rosnącej świadomości właścicieli i osób odpowiedzialnych za zarządzanie firmami – to stwierdzenie nie ma już racji bytu. Wszystko przez fakt, że biznesy coraz chętniej korzystają z dobrodziejstw, jakie daje im analityka internetowa.

Chcesz poznać jej dokładną definicję, przekonać się, jak działa, sprawdzić dostępne narzędzia, a na koniec dowiedzieć się, dlaczego warto? W takim razie zapraszam Cię do lektury tego wpisu. Przed Tobą naprawdę potężna dawka wiedzy na temat analityki internetowej!

Co znajdziesz w tym artykule?
Czym jest analityka internetowa?
Trend 2026: Analityka internetowa wspierana przez sztuczną inteligencję w praktyce
Jak działa analityka internetowa?
Do czego służy analityka internetowa? Jak wykorzystać pozyskane dane?
Narzędzia wykorzystywane w analityce internetowej. Czego warto używać?
Dlaczego analityka jest tak ważnym elementem biznesu?
Zagrożenia, czyli analityka internetowa a prywatność użytkowników
Analityka internetowa – podsumowanie

Czym jest analityka internetowa?

Analityka internetowa jest gałęzią jeszcze większego zagadnienia o nazwie, uwaga… analityka ! Oba dotyczą tego samego, z tą różnicą, że ta pierwsza jest zawężona do obszaru skupiającego się wokół aktywności w sieci.

Jej rolą jest stawianie użytkownika Internetu w centrum zainteresowań, dążenie do poznania i analizy jego zachowań, a następnie – budowanie procesów decyzyjnych i wdrożeń, które pozwolą na jak najlepsze dopasowanie oferty oraz komunikacji marketingowej firmy – bezpośrednio do jego preferencji.

Można więc powiedzieć, że analityka internetowa to cały ekosystem narzędzi, ludzi, procesów oraz kultury, których połączenie pozwala na podejmowanie trafnych decyzji wspierających rozwój biznesu online.

Choć samo zagadnienie może wydawać się trudne, a co za tym idzie – zarezerwowane dla umysłów ścisłych – zasada jego funkcjonowania jest bardzo prosta.

Otóż analityka internetowa to tak naprawdę działanie opierające się na stawianiu sobie konkretnych pytań biznesowych, w tym m.in.: “Co? Jak? Dlaczego?”, a następnie – szukanie na nich właściwych odpowiedzi.

Obszary zainteresowania, czyli kto powinien korzystać z analityki internetowej?

Jak sama nazwa wskazuje – ten rodzaj analityki dotyczy świata online, a więc wszystkiego, co dzieje się w tzw. digitalu. W związku z tym, do jednych z największych beneficjentów, należą właściciele sklepów internetowych i strony www (w tym landing page, serwisy informacyjne, a nawet blogi), dla których analityka jest nieocenionym źródłem wiedzy o byłych, obecnych, jak i potencjalnych klientach.

Trend 2026: Analityka internetowa wspierana przez sztuczną inteligencję w praktyce

Praktyczne zastosowania AI w analizie danych i marketingu online

Jak działa analityka internetowa?

W ten sposób możemy wyodrębnić 4 główne etapy analityki internetowej:

Etap numer 1: rozpoznanie potrzeb biznesowych,

Punktem wyjścia każdej udanej analizy jest zmapowanie potrzeb jej finalnych odbiorców, a następnie – opracowanie takich działań, które będą w stanie odpowiedzieć na ich konkretne wymagania. W tym miejscu niezwykle ważną rolę odgrywa więc umiejętność zadawania właściwych pytań (najczęściej tych, które skupiają się na poznaniu celu analizy, czyli “dlaczego?”).

Etap numer 2: wyciąganie i “obróbka” danych 

Ta część dotyczy wszystkich aktywności związanych z gromadzeniem wartościowych danych, które mogą w jakikolwiek sposób wpłynąć na biznes, jak i podejmowanie kluczowych decyzji na temat jego funkcjonowania. Takie dane mogą pochodzić z różnych miejsc (narzędzi), a także dotyczyć różnych obszarów, o czym opowiem za chwilę. 

Etap numer 3: wizualizacja informacji

Gdy dane są już wyciągnięcie oraz wstępnie “obrobione” – pora zadbać o to, aby mogli je odczytać, a następnie wykorzystać nie tylko analitycy, ale przede wszystkim odbiorcy biznesowi (w tym reprezentanci działów marketingu, sprzedaży, jak i wielu innych).

Ta część skupia się na prezentacji informacji w takiej formie, aby były jasne, klarowne i pozwalały na ich odczytanie oraz podejmowanie decyzji.

Etap wizualizacji polega więc na integracji i prezentacji danych, które pochodzą z różnych systemów i środowisk. Często, w zależności od potrzeb konkretnych firm i organizacji, odbywa się z wykorzystaniem hurtowni danych lub tzw. data lake, które umożliwiają zbudowanie bardziej kompleksowego systemu raportowania (Business Intelligence).

Etap numer 4: wyciąganie wniosków i opracowywanie rekomendacji

Ostatnim z kluczowych etapów, którym zajmuje się analityka, a raczej odpowiedzialni za nią analitycy internetowi, jest interpretacja pozyskanych informacji.

Rolą analityki jest więc pokazanie, co oznaczają te wszystkie dane, a następnie – przedstawienie gotowych propozycji działań, które mogą mieć różne cele, w tym:

• Aktywizacja użytkowników.
• Określenie wysokości, a także sposobu podziału budżetu marketingowego na konkretne kanały dotarcia do użytkowników (m.in. dzięki efektywnej atrybucji konwersji).
• Planowanie i budowanie ścieżek użytkowników (omnichannel).
• Segmentacja userów i personalizacja sposobów komunikacji z odbiorcami.

Naturalnie, przykładów może być zdecydowanie więcej. Jednak wszystkie łączy wspólny cel, jakim jest działanie na rzecz konkretnej organizacji. W tym: poprawy wskaźników, ograniczenia kosztów, zwiększenia zysków lub innego kluczowego (z perspektywy firmy) obszaru.

W tym aspekcie pracę analityków coraz częściej wspierają algorytmy sztucznej inteligencji (tzw. AI), które są wykorzystywane w odniesieniu do marketingu online (m.in. do optymalizacji strategii biddowania), jak i opracowywania silników rekomendacyjnych.

Warto też wspomnieć, że każdy z wyżej wymienionych punktów powinien być procesem ciągłym, który należy powtarzać, weryfikować i w razie potrzeby – optymalizować. Tylko takie podejście pozwoli na uzyskanie maksymalnych korzyści płynących z analityki internetowej .

Do czego służy analityka internetowa? Jak wykorzystać pozyskane dane?

W tym miejscu możemy wyróżnić dwa zasadnicze obszary.

Pierwszy z nich to mierzenie skuteczności działań marketingowych

Analityka internetowa pozwala przypisywać wagi do konkretnych działań, a także sprawdzać, co i w jaki sposób przynosi efekty. Wykorzystuje się ją m.in. do określania podstawowych wskaźników takich, jak: OR i CTR, bounce rate, czas spędzony na stronie, liczba porzuconych koszyków oraz wielu innych.

Jednak zainteresowania analityki internetowej sięgają zdecydowanie dalej. Oczywiście, w tym zestawieniu nie może zabraknąć współczynnika konwersji (polecam osobny artykuł na temat: atrybucji konwersji online), który może dotyczyć sprzedaży produktów i usług, subskrypcji (np. na newsletter), a nawet ilości kontaktów (tzw. lead generation). Sprawdza się również przy wyznaczaniu oraz mierzeniu najróżniejszych KPI firmy.

Osobiście stoję jednak na stanowisku, że “poważna” działania analityczne sięgają zdecydowanie dalej, a wymienione powyżej miary stanowią jedynie wstęp do czegoś zdecydowanie większego . W mojej ocenie duże znaczenie ma bowiem dążenie* do mierzenia takich metryk, jak: inkrementalne ROAS, Lifetime Value, Actual Acquisition Cost i innych. Uważam, że to właśnie one mogą stanowić podstawę do dalszych działań, a co za tym idzie – podejmowania właściwych decyzji biznesowych (i nie tylko).

* Dlaczego “dążenie”? Ponieważ takie podejście do analityki to stosunkowo trudne zadanie, które wymaga dobrego przygotowania, odpowiedniego zaplecza oraz czasu.

Drugi obszar dotyczy optymalizacji konwersji oraz innych wskaźników

Dysponując kompleksową wiedzą na temat osiąganych wyników, tego “co i jak” działa oraz rekomendacjami* związanymi z ewentualnymi usprawnieniami – możemy przystąpić do faktycznej optymalizacji i wdrażania zmian w wybranych dziedzinach.

Zakres takich działań może być bardzo szeroki i dotyczyć zarówno kwestii UX (user-experience) serwisów internetowych, planowania, projektowania i dodawania określonych funkcjonalności, doboru źródeł pozyskiwania ruchu, jak i wielu innych czynników. W tym celu wykorzystuje się m.in. testy A/B oraz segmentację użytkowników.

* Warto pamiętać, że oba wyżej wymienione obszary (zarówno dokonywania pomiarów, jak i optymalizacji) są nierozerwanie związane z ciągłym procesem analizy i opracowywania rekomendacji, który towarzyszy każdemu z nich. Profesjonalne podejście do analityki internetowej wymaga bowiem nieustannego dążenia do poprawy wskaźników pomagających osiągać wyznaczone cele.

Kto odpowiada za analitykę internetową?

Chcesz wiedzieć, jak wygląda praca analityków internetowych i sprawdzić, czy masz predyspozycje, aby zostać jednym z nich? Koniecznie sprawdź ten artykuł: Analityk Internetowy: co musi “mieć”, aby firma miała z niego pożytek?

Czy to wszystkie zagadnienia, jakich dotyka analityka internetowa?

Już dawno przestała dotyczyć wyłącznie tego, co dzieje się na stronie czy e-sklepie. Analitycy, jak i osoby odpowiedzialne za biznes, zaczęły zdawać sobie sprawę z tego, że to, co dzieje się wewnątrz serwisu, jest prawie tak samo ważne, jak to, co dzieje się poza nim.

W związku z tym analityka internetowa skupia się na odtwarzaniu całego tzw. customer journey, czyli ścieżki użytkownika. Mierzy i interpretuje aspekty związane z tym, jak użytkownik zachowuje się na stronie, ale także to, co robił, zanim w ogóle postanowił na nią wejść.

Umożliwia wyselekcjonowanie ścieżek, na których znajdują się użytkownicy, a następnie – dopasować do nich konkretne działania marketingowe (i nie tylko). Wspomniane etapy to:

• Acquisition , czyli pozyskiwanie użytkowników (skąd pochodzą, jakie kampanie reklamowe ich dotyczą itp.).
• Behaviour , czyli mierzenie i analiza ich zachowań (co klikają, jakie strony odwiedzają, co na nich robią itp.).
• Conversion , czyli konwersja, która w zależności od biznesu, może przyjmować różne formy (zakup, zapis do bazy, subskrypcja, pozostawienie danych kontaktowych itp.).
• Retention , czyli utrzymanie mogące polegać, chociażby na “przywiązaniu” klienta do firmy na określony czas lub też jego regularnych powrotach w celu dokonania kolejnych zakupów.

Dotyczy to zatem interakcji z takimi obszarami, jak: reklama płatna (Google, Facebook, Instagram, YouTube itp.), mailingi i newslettery, notyfikacje web push, wyszukiwarki internetowe (głównie Google).

Narzędzia wykorzystywane w analityce internetowej. Czego warto używać?

Jeżeli Twoja wiedza na temat analityki zatrzymała się na narzędziu o nazwie Google Analitycs – małe sprostowanie. Musisz zdawać sobie sprawę, że profesjonalnie prowadzone procesy analityczne składają się z etapów, które planuje i egzekwuje się w oparciu o zakres działań firmy, branżę czy sposoby jej promocji w sieci. 

Można więc powiedzieć, że do różnych faz służą również różne narzędzia analityczne. 

• Dane ze strony internetowej pozyskuje się m.in. za pomocą wspomnianego już Google Analytics, ale także Google Optimize (do prowadzenia testów A/B), czy chociażby Hotjar (do analizy zachowania użytkowników).
• Dane na temat prowadzonych działań marketingowych mogą pochodzić z: Google Marketing Platform (w tym te dotyczące kampanii płatnych: Search, Display oraz Video), Facebooka (kampanie FB Ads, Instagram itp.), a także zewnętrznych narzędzi do e-mail, SMS, web push marketingu, jak i całego marketing automation (Freshmail, Exponea, Synerise, PushPushGo i wiele innych). Do pomiaru aktywności z zakresu pozycjonowania (SEO) można z kolei wykorzystać: Google Search Console, Semstorm, Senuto, Ahrefs i kilka innych rozwiązań. Większość wymienionych można zastąpić za pomocą rozwiązań adserwerowych*.

* Rozwiązania adserwerowe to narzędzia umożliwiające prowadzenie działań marketingowych online. Do ich zadań należy m.in.: dynamiczne wyświetlanie reklam, analizowanie ich skuteczności (w tym czy odbiorcy je widzieli i kliknęli), a także zbieranie innych informacji na temat ścieżki klientów.

Dlaczego wykorzystuje się aż tyle narzędzi analitycznych?

Po pierwsze – jest to związane bezpośrednio ze źródłami pochodzenia konkretnych informacji, a co za tym idzie – pewnymi ograniczeniami technologicznymi. Otóż każdą aktywność w sieci, czy też konkretne działania marketingowe, mierzy się w inny sposób. Zupełnie inaczej podchodzi się do aspektów związanych z płatnymi formami promocji, inaczej do pozycjonowania, a z goła inaczej do aktywności z zakresu marketing automation.

Po drugie – stosowanie różnych narzędzi do analityki internetowej wynika również z różnych etapów procesów decyzyjnych, na których znajdują się konkretni użytkownicy. W inny sposób należy patrzeć (i analizować!) użytkowników, którzy:

• Wchodzą w interakcję z firmą “z własnej woli”, np. za pośrednictwem wyszukiwarki Google.
• Mają kontakt z marką za pomocą mediów społecznościowych (Facebook, Instagram, LinkedIn, YouTube itp.) – zarówno za pomocą działań płatnych, jak i organicznych.
• Zapisują się na listę mailingową, aby otrzymywać zamówione informacje handlowe i edukacyjne.
• Odwiedzili już stronę lub “skonwertowali”, co pozwala na wystosowanie wobec nich tzw. remarketingu.

Przykłady takich działań mogę wymieniać w nieskończoność. Wszystkie łączy jednak fakt, że zarówno narzędzia, jak i podejście do analityki, powinny być dopasowane do etapu, na jakim znajduje się użytkownik.

Jak łączyć dane pochodzące z wielu miejsc?

W przypadku wykorzystywania kilku lub kilkunastu źródeł jednocześnie bardzo ważna jest możliwość szybkiej i sprawnej integracji pozyskanych danych. W tej roli doskonale sprawdza się, chociażby Google Data Studio, o którym przeczytasz w tym artykule.

Warto wiedzieć, że procesy analityczne mogą odbywać się również za pomocą dedykowanych rozwiązań – tworzonych specjalnie na potrzeby konkretnych biznesów. Ich budowa i wdrożenie są uzasadnione, zwłaszcza gdy firmy mają szczególne potrzeby dotyczące gromadzenia, przetwarzania oraz interpretowania danych.

Dlaczego analityka jest tak ważnym elementem biznesu?

Podobnie, jak w innych obszarach funkcjonowania firmy – zawsze chodzi o pieniądze. I choć prowadzenie działań z zakresu analizy internetowej “samo w sobie” nie generuje sprzedaży, to z pewnością ich wkład jest jednym z nadrzędnych elementów, które wpływają na wzrost zysków, jak i spadek kosztów. Dzieje się tak z kilku powodów.

Po 1 – daje dostęp do kompleksowych danych na temat użytkowników

Dobrze realizowana analityka internetowa to nieocenione wsparcie dla działów marketingu i sprzedaży. Ułatwia segmentację użytkowników, planowanie komunikacji, a co za tym idzie – także dobór właściwych kanałów oraz przypisywanie do nich odpowiednich budżetów (nie tylko reklamowych).

Po 2 – znajduje “wąskie gardła” i inne ograniczenia hamujące biznes

Czasami brak wzrostu zależy po prostu od występowania pewnych procesów (lub ich braku), które działają na niekorzyść firmy. Analityka internetowa umożliwia ich znalezienie, a następnie – opracowanie planu naprawczego.

Po 3 – pozwala planować i opracowywać strategie

Jednym z nadrzędnych elementów każdej firmy, która pragnie odnosić sukcesy, jest wizja tego, jak chce wyglądać i gdzie chce się znaleźć za kilka, kilkanaście, a nawet kilkadziesiąt lat. Rolą analityki internetowej jest również wsparcie w wytyczaniu drogi i prognozowaniu przyszłości biznesu.

Zagrożenia, czyli analityka internetowa a prywatność użytkowników

Choć powiedziałem całkiem sporo o zastosowaniu, a co za tym idzie – zaletach analityki internetowej, muszę również wspomnieć o pewnych jej niedoskonałościach.

Zmiany legislacyjne (tzw. RODO / GDPR w Europie i na całym świecie), a do tego coraz intensywniejsza rywalizacja pomiędzy gigantami technologicznymi (Google, Apple itp.) sprawiają, że dostęp do miarodajnych danych jest coraz bardziej ograniczony.

Choć dostawcy narzędzi starają się jak tylko mogą (doskonałym przykładem jest Consent Mode, o którym pisaliśmy na naszym blogu) – warto pamiętać, że pozyskiwane dane nigdy nie są 100-procentowym odzwierciedleniem rzeczywistości. A biorąc pod uwagę obecne podejście do kwestii prywatności użytkowników w Google Analytics – w przyszłości może być z tym jeszcze trudniej.

Analityka internetowa – podsumowanie

Zachowanie użytkowników Internetu ciągle ewoluuje. Userzy, z którymi mieliśmy do czynienia jeszcze 5 czy 10 lat temu, nie są tymi samymi ludźmi, którzy korzystają z sieci dzisiaj. Zmianie ulegają ich preferencje, przyzwyczajenia, oczekiwania, a nawet sposób korzystania z Internetu.

Firmy, które chcą nadążać za zmianami, a co najważniejsze – trafiać do swoich odbiorców, nie mają wyjścia. Jednym z kluczowych zagadnień, na których muszą się skupić, jest właśnie wdrożenie, rozwój i intensywna praca nad analityką internetową.

Jeżeli chcesz wiedzieć więcej na temat analiz, narzędzi i nie tylko – regularnie zaglądaj na naszego bloga. Zapraszam!

The post Analityka internetowa: co to jest, jak działa i jakie daje możliwości? first appeared on Conversion.

Co ma największy wpływ na decyzje zakupowe Twoich klientów? Czy “motywatorem” okazał się filmik wrzucony do social mediów, merytoryczny artykuł opublikowany bezpośrednio na firmowym blogu lub ciekawy newsletter? A może powodem, dla którego finalnie “skonwertowali” była dobrze zaplanowana i poprowadzona kampania PPC w wyszukiwarce Google lub Facebooku?  

Jeżeli prowadzisz swoje działania za pomocą jednego nośnika informacji – sprawa wydaje się dość prosta. W końcu jedno źródło oznacza, że Twoi klienci na 99,9% pochodzą właśnie z niego. “Schody” zaczynają się wówczas, gdy swoje działania marketingowe prowadzisz na wielu frontach, a do promocji swojego biznesu angażujesz kilka lub kilkanaście źródeł. Jak wówczas poradzisz sobie z “przypisywaniem zasług” do tego, który konwertuje najlepiej? 

Na szczęście masz mnie, a ja nowy wpis, w którym wyjaśnię Ci, czym jest atrybucja, jakie są jej rodzaje, a przede wszystkim – co to wszystko może oznaczać dla Twojego biznesu.

Co znajdziesz w tym artykule?
Atrybucja – co to takiego?
Jakie modele wykorzystuje się w atrybucji?
Modele atrybucji oparte o założenia. Czym są i jak działają?
Modele atrybucji oparte na danych (data-driven attribution). Co to takiego?
Jaka działa data-driven attribution?
Jakie dane może wykorzystywać atrybucja data-drive?
Czy o atrybucję data-driven możesz zadbać we własnym zakresie?
Atrybucja – podsumowanie

Atrybucja – co to takiego?

Jeżeli na sam dźwięk słowa “atrybucja” przypominają Ci się najgorsze sceny ze szkolnych lekcji – uspokajam. Zaraz wszystko Ci wyjaśnię . Choć brzmi groźne, tajemniczo i skomplikowanie, atrybucja w marketingu to tak naprawdę cały zestaw reguł i zależności, które pozwalają określać skuteczność Twoich działań promocyjnych.

W zależności od zastosowania konkretnych modeli, atrybucja odpowiada na pytanie: co wpłynęło na ostateczną decyzję danego użytkownika?

Można więc powiedzieć, że pozwala przypisywać wartości (wagi) do konkretnych źródeł ruchu (np. działań SEO, reklam płatnych Google Ads i Facebook Ads, e-maili i newsletterów, a nawet pushy i wielu innych). W ten sposób dostarcza informacji, które z nich miało największy wpływ na finalną konwersję, a które przyczyniło się do niej w najmniejszym stopniu.

W tym miejscu warto zapamiętać, że ostateczne rezultaty, a co za tym idzie – płynące z nich wnioski, zależą od wyboru metodyki badania. Te same działania, ale mierzone innym sposobami – mogą dostarczyć zgoła odmiennych wniosków.

Dlatego, zanim wybierzesz konkretny model atrybucji, musisz wziąć pod uwagę, że każde narzędzie dostarcza innych danych. Co za tym idzie – wnioski z nich płynące mogą być zupełnie odmienne.

Doskonały przykład w tej materii stanowią różnice występujące między Google Ads i Google Analytics 4.

Pierwsze z nich “skupia się” na aktywnościach związanych z prowadzeniem płatnych kampanii reklamowych w przestrzeniach należących do Google’a (wykorzystujących do tego search, video, czy chociażby display). To naturalnie ogranicza możliwości wnioskowania i atrybucji – do tych konkretnych źródeł danych.

Z kolei Google Analytics ma dostęp do zdecydowanie większej ilości informacji. Agreguje bowiem dane z całego ekosystemu Google (w tym kampanii płatnych i działań organicznych), a dodatkowo może korzystać z informacji pochodzących spoza swojej infrastruktury (w tym: mediów społecznościowych, e-mail marketingu, web pushe i wielu innych nośników). Zatem, jak łatwo się domyślić, specyfika GA pozwala na gromadzenie większej ilości danych, a co za tym idzie – znacznie dokładniejsze i lepsze jakościowo) wnioskowanie.

Jakie modele wykorzystuje się w atrybucji?

Wyróżniamy dwa podstawowe podejścia do atrybucji. Pierwszy z nich opiera się o predefiniowanych założeniach (tzw. atrybucja oparta o założenia). Natomiast drugi jest związany z pracą algorytmów wykorzystujących odpowiednie dane (w tym przypadku mówimy o tzw. data-driven attribution – w skrócie DDA).

W dalszych akapitach opowiem Ci nieco więcej o obu tych podejściach, opiszę, jak działają, a dodatkowo wskażę istotne wady oraz zalety każdego z nich.

Modele atrybucji oparte o założenia. Czym są i jak działają?

Dotychczas najbardziej popularnym podejściem do atrybucji było to odnoszące się bezpośrednio do konkretnych założeń. Mówiąc wprost – to wybór modelu w dużej mierze decydował o tym, jak będą kształtowały się wyniki potwierdzające skuteczność (lub jej brak) poszczególnych źródeł.

Pozwól, że dla lepszego objaśnienia tej kwestii, posłużę się modelami atrybucji opartej o założenia, które są dostępne w Google Analytics. Zaliczamy do nich:

• Pierwsze / ostatnie kliknięcie z ang. first / last click) – jak sama nazwa wskazuje, w tym modelu całą wartość danej konwersji przypisuje się do źródła, które na ścieżce zakupowej pojawiło się jako pierwsze lub jako ostatnie.
• Ostatnie niebezpośrednie kliknięcie(z ang. last non-direct click) – dotyczy konwersji, która została wywołana wejściem bezpośrednim. Wówczas bierze on pod uwagę ostatnie wejście i to jemu przypisuje całą wartość.
• Model rozkładu czasowego(z ang. time decay) – bierze on pod uwagę czas oraz kolejność poszczególnych źródeł i na tej podstawie przypisuje wartości. Największa trafia do ostatniego źródła ścieżki zakupowej. Z kolej najmniejsza – do pierwszego.
• Model uwzględniający pozycję(z ang. position based) – ten model analizuje pierwsze i ostatnie kliknięcie (przypisuje im po 40% wartości), a także pozostałe elementy ścieżki, które otrzymują po 20%.
• Model linearny(z ang. linear) – w tym podejściu wartość konwersji jest przypisywana “równo” – do wszystkich źródeł, które pojawiły się na ścieżce zakupowej użytkownika.

źródło: Google

Jak łatwo zauważyć – żaden z nich nie jest idealny. Co za tym idzie – nie da się wskazać jedynego, uniwersalnego i w pełni słusznego podejścia do mierzenia skuteczności poszczególnych źródeł ruchu.

Modele atrybucji oparte na danych (data-driven attribution). Co to takiego?

W opozycji do atrybucji opartej o założenia stoi ta wykorzystująca dane. W tym przypadku działanie modelu nie ogranicza się do “z góry” wskazanych założeń. Zamiast tego podejście data-driven zakłada, że metodyka nie wykorzystuje stale określonych wag, a analizie poddaje się cały szereg różnych zmiennych.

W tym podejściu niezwykłe istotną rolę odgrywa dostęp do danych. Mianowicie, aby atrybucja data-driven spełniała swoe zadania, musi opierać się na odpowiedniej ilości i co najważniejsze – poprawnie zbieranych informacji.

Jaka działa data-driven attribution?

DDA liczy więc tzw. inkrementalność poszczególnych kanałów, które pojawiły się na drodze użytkownika oraz (pośrednio lub bezpośrednio) doprowadziły do wykonania przez niego konkretnej akcji (np. zakupu).

Zbiera dane dotyczące tego, w jaki sposób użytkownicy wchodzą w interakcję z reklamami oraz innymi nośnikami informacji. Analizuje szereg zmiennych i na ich podstawie, na bieżąco decyduje o tym, jakie czynniki są brane pod uwagę do przypisywania skuteczności poszczególnych źródeł.

W ten sposób atrybucja oparta o dane pozwala mierzyć wyniki wykorzystywanych kanałów, porównywać ścieżki, obliczać prawdopodobieństwo konwersji i na podstawie osiągniętych wyników – prowadzić działania optymalizacyjne. To wszystko z kolei wpływa na ostateczne rezultaty działań promocyjnych i sprzedażowych. W dalszej kolejności warto zadbać o ciągłe testowanie, które pozwala osiągać coraz lepsze wyniki :).

W tym miejscu należy także pamiętać o pewnych ograniczeniach danych (czyli np. niepełnych ścieżkach użytkowników). Temat ten jest jednak na tyle szeroki, że szczegółowo opowiem o nim w kolejnych artykułach – tym przy okazji omawiania modeli DDA w narzędziach Google.

Jakie dane może wykorzystywać atrybucja data-drive?

Model oparty na danych na bieżąco wykorzystuje zagadnienia statystyczne i matematyczne (w tym, chociażby rachunek prawdopodobieństwa). Jednak zdecydowanie najczęściej atrybucja oparta na danych korzysta z algorytmów stworzonych na bazie Łańcuchów Markowa oraz wartości Shapleya (która wywodzi się z Teorii Gier)*.

Łańcuchy Markowa odnoszą się bezpośrednio do ciągów zdarzeń, w których prawdopodobieństwo wystąpienia jednego jest zależne od wyniku poprzedniego. Z kolei przytoczona wartość Shapleya bierze pod uwagę kanały, które ze sobą współpracują i na tej podstawie sprawdza, jaki każdy z nich miał udział w ostatecznym wyniku danej kampanii.

Oczywiście, są to jedynie przykłady metodyk, które można wykorzystywać w modelowaniu atrybucji, a sam temat jest na tyle szeroki, iż z pewnością poświęcę mu niejeden, a nawet kilka artykułów.

źródło: Google

Czy to jedyne metodyki, które można stosować w data-driven attribution?

Naturalnie, nic nie stoi na przeszkodzie, aby korzystać z możliwości, jakie oferują inne metodyki. Aczkolwiek te, o których wspomniałem, są używane zdecydowanie najczęściej.

Można więc powiedzieć, że atrybucja oparta na danych jest swego rodzaju “czarną skrzynką”, do której analitycy i inne osoby odpowiedzialne za pracę z kampaniami reklamowymi, mają ograniczony dostęp. Muszą więc polegać na intuicji, wiedzy i umiejętnościach ich autorów, czyli m.in. pracownikach Google’a czy Facebooka .
* Więcej na temat tych zagadnień przeczytasz na Wikipedii.

Czy o atrybucję data-driven możesz zadbać we własnym zakresie?

Naturalnie, nie ma żadnych przeciwwskazań, aby “rozświetlić tę skrzynkę” i tworzyć własne narzędzia do atrybucji data-driven. Takie działanie da Ci pełny dostęp do danych oraz wpływ na to, jakie z nich są brane pod uwagę podczas analizy skuteczności działań.

Jednak uprzedzam, że takie działanie jest bardzo złożone. Wymaga posiadania odpowiedniej wiedzy, umiejętności, ogromnej świadomość z zakresu działania mediów i analityki, a przede wszystkim – dostępu do dużej ilości bardzo wartościowych danych.

Jeżeli nie dysponujesz odpowiednimi zasobami – radzę zaufać gotowym rozwiązaniom, chociażby tym, które serwuje nam Google .

Atrybucja – podsumowanie

To by było na tyle. Temat atrybucji danych jest bardzo szeroki, dlatego w tym artykule skupiłem się na przedstawieniu jego definicji oraz nakreśleniu ogólnych zasad działania.

Jeżeli wydał Ci się ciekawy i chcesz go jeszcze bardziej zagłębić – daj znać w komentarzu. Z chęcią przygotuję dla Ciebie kolejne wpisy, w których jeszcze bardziej przybliżę Ci zagadnienie związane z atrybucją. Zarówno tą dotyczącą założeń, jak i tą związaną z danymi.

The post Atrybucja konwersji online – wprowadzenie do tematu first appeared on Conversion.

Mogłoby się wydawać, że wdrożenie wymagań dotyczących polityki RODO (z ang. GDPR) wywróci całą branżę do góry nogami. Długo zapowiadane zmiany, całe listy wymagań, aż wreszcie – perspektywa naprawdę srogich kar (sięgających kilku milionów złotych). Wszystko to mroziło krew w żyłach – właścicieli firm, osób odpowiedzialnych za strony internetowe, a przede wszystkim samych prawników.

W praktyce większość zmian, jakie wymusiło na wielu biznesach RODO, ograniczyło się do konieczności wykonania kilku nieskomplikowanych operacji. W tym: dodania lub modyfikacji dotychczasowej polityki prywatności, przyjrzenia się sposobom zbierania zgód na przetwarzanie danych osobowych, a także opracowania bardziej szczegółowych procedur związanych z ich zarządzaniem oraz ochroną.

Parafrazując klasyka: musiało zmienić się wszystko, aby w zasadzie nie zmieniło się nic. Ale wszystko do czasu… aż GDPR wkroczyło do kolejnego etapu i wreszcie zaczęło być egzekwowane. I właśnie o tym porozmawiamy sobie w dalszej części tego wpisu.

Co znajdziesz w tym artykule?
Przed Tobą potężna dawka materiału, z którego dowiesz się m.in.:

Jaka była dotychczasowa rola plików cookies?
Przyszłość cookiesów. Co się zmieni?
Zmiana sposobu zbierania cookies—co to właściwie oznacza?
Jak kształtuje się przyszłość analityki internetowej?
Jak Consent Mode sprawdza się w praktyce?
Co z danymi zbieranymi przez Google Analytics?
Consent Mode—czy warto?

Wygląda na to, że nie ma co przedłużać, a więc – zaczynamy!

Jaka była dotychczasowa rola plików cookies?

Pliki cookies stanowią obecnie niezbędne ogniowo – dostarczające informacji na temat użytkowników oraz ich zachowań.

Są wręcz kluczowym elementem większości biznesów, który pozwala na sprawne analizowanie, a co najważniejsze – prowadzenie skutecznych i mierzalnych działań marketingowych. To dzięki nim firmy zbierają informacje o swoich użytkownikach – m.in.: skąd pochodzą, jakie działania reklamowe działają na nich najlepiej, aż wreszcie – w jaki sposób dokonują zakupów lub też realizują inne cele konwersji.

Ważnym czynnikiem przemawiającym na korzyść popularnych cookiesów jest również fakt, że to właśnie dzięki nim można prowadzić tzw. remarketing.

Przyszłość cookiesów. Co się zmieni?

Jak wspomnieliśmy na samym wstępie – po wielu latach, wymagania RODO wreszcie są egzekwowane, a co za tym idzie – dotykają również kwestii zgód związanych z ciasteczkami.
Od teraz, każdy użytkownik serwisu musi wyrazić zgodę na ich udostępnianie. W praktyce przyjmuje ona postać charakterystycznego okienka, które pojawia się wówczas, gdy odwiedza dany serwis po raz pierwszy (lub po dłuższej nieobecności).

• Jeśli zaakceptuje – dane gromadzone za pomocą cookies będą zbierane tak, jak dotychczas. Wówczas marketerzy, analitycy oraz inne osoby odetchną z ulgą, bo nadal będą miały dostęp do kluczowych informacji na temat prowadzonych działań.
• Jeśli odmówi – system nie będzie mógł ich śledzić, czyli w praktyce staną się nie tylko całkowicie anonimowi, ale po prostu przestaną dla niego istnieć. Oczywiście, dla wspomnianych marketerów, analityków itp. będzie to oznaczało spore problemy – związane z brakiem dostępu do jakże ważnych danych.

Ciasteczka są dodatkowo personalizowane. Dzięki temu może wyrazić zgodę na wszystkie, część lub zdecydować o całkowitej blokadzie śledzenia jego działań na Twojej stronie.

Zmiana sposobu zbierania cookies—co to właściwie oznacza?

Jak łatwo się domyśleć – konieczność wyrażenia jasnej i czytelnej zgody jest równoznaczna z tym, że część użytkowników po prostu tego nie zrobi.

Dotychczas (przed wdrożeniem omawianych restrykcji) różnice między faktycznym ruchem, a tym, który agregował chociażby Google Analytics – oscylowały w granicach od 10% do 20%. Obecnie, czyli odkąd serwisy muszą zbierać dodatkowe zgody – różnica jest jeszcze większa i wynosi nawet 30 – 40% (dane na podstawie obserwacji specjalistów Conversion).

Jak kształtuje się przyszłość analityki internetowej?

Na Twoje, jak i nasze szczęście – Google również zaczyna dostrzegać potencjalne źródło problemów. Nie ma się co dziwić. W końcu utrata tak istotnych danych stanowi duży nie tylko dla giganta z USA, ale przede wszystkim poważny kłopot dla klientów Google Marketing Platform.

Aby zaradzić obecnym, jak i piętrzącym się problemom z brakiem dostępu do wartościowych danych – firma Google powołała do życia nową funkcjonalność. Jej rolą jest ograniczenie negatywnych skutków związanych ze zmianą przetwarzania tzw. cookiesów.

Consent Mode, bo właśnie o nim mowa, to rozwiązanie, które ma za zadanie gromadzić zanonimizowane dane. Dokładnie takie, które są pozbawione informacji pozwalających na przypisanie ich do konkretnych użytkowników. Oczywiście, nie są one już tak dokładne, jak tradycyjne – przechowywane z plikach cookies. Jednak stosowanie Consent Mode jest zdecydowanie lepsze niż brak dostępu do jakiejkolwiek wiedzy. Według najnowszych obserwacji, ta funkcjonalność pozwala ograniczyć utratę danych nawet o 70%.

Musisz jednak pamiętać, że coraz bardziej powszechna jest rezygnacja z wykorzystywania tzw. 3rd party cookies. W przyszłości cookiesy mają zniknąć z powszechnego użytku, dlatego już teraz powinieneś przygotować się na Cookieless future.

Jak Consent Mode sprawdza się w praktyce?

Zasada działania jest bardzo prosta:

1. W momencie wejścia na stronę użytkownik widzi „okienko”, za pomocą którego może zaakceptować lub odrzucić zgodę na przetwarzanie jego plików cookies. Jeśli będzie “ZA” – jego śledzenie będzie odbywało się tak, jak dotychczas. Jeśli będzie na „NIE” – strona wyśle komunikat do GTM (Google Tag Managera), aby uruchomić Consent Mode*.

Z racji na treść tego artykułu – dalsze kroki poświęcimy sytuacji pt.: co się stanie, jeśli user nie wyrazi zgody.

2. Google (przy wykorzystaniu technologii AI) zbiera dane o użytkownikach, ale w sposób zagregowany i w pełni anonimowy. Nie mają oni swoich ID, a co za tym idzie – nie da się im przypisać konkretnych cech, lokalizacji, zachowań itp.

Przykład:
Załóżmy, że na Twoją kampanię zareaguje 100 użytkowników. Wśród nich znajduje się 30% osób, które nie wyraziły zgody na cookies. Wówczas otrzymasz dokładne dane o 70 z nich. Natomiast dane na temat pozostałej trzydziestki zostaną przekazane na podstawie najbardziej prawdopodobnego scenariusza. Za to właśnie odpowiada AI.

3. Consent Mode przekazuje dane do Google Ads. W ten sposób dostarcza danych na temat konwersji, źródeł i prowadzonych kampanii. Jednak ze względu na ich anonimowość – nie pozwala na dalsze działania remarketingowe. W przyszłości dane te będą widoczne również w interfejsach: Search Ads 360 oraz Display&Video 360.

* W przypadku niewdrożenia Consent Mode – brak wyrażonej zgody oznacza konieczność automatycznego zablokowania kodów (z poziomu analityków lub działu IT).

Co z danymi zbieranymi przez Google Analytics?

Na ten moment funkcjonalności Consent Mode są przekazywane wyłącznie do użytkowników prowadzących swoje kampanie reklamowe za pomocą Google Ads. Z dostępnych informacji wynika, że wspomniane rozwiązanie nie zostanie wdrożone do Universal Analytics. Zagości natomiast dopiero w Google Analytics 4 (GA4).

Consent Mode — czy warto?

Tego typu podejście należy rozpatrywać nie w kategoriach szacowanych korzyści, a przede wszystkim w tych związanych z ograniczaniem rozmiarów strat.

Wszystko przez fakt, iż brak zmiany i skorzystania z Consent Mode od Google – oznacza po prostu utratę wartościowych informacji. A przypomnijmy, że mogą dotyczyć nawet 30 – 40% całego generowanego ruchu.

Z punktu widzenia analityków, jak i marketerów odpowiedzialnych za prowadzenie kampanii w sieci – jest to kolejny, niezbędny krok. Taki, dzięki któremu mogą zadbać o poprawienie konwersji, ograniczenie wydatków, a także zdobywanie danych mogących wpływać na przyszłe decyzje biznesowe.

Zainteresowała Cię tematyka i chcesz dowiedzieć się więcej o Consent Mode i nie tylko?

W takim razie zapraszamy Cię do obejrzenia jednego z naszych webinarów na żądanie: Google Analytics 4. Czym jest? Co zmienia? Jak wdrożyć?
Mariusz Michalczuk i Magda Wójtowicz podzielą się z Tobą najistotniejszymi informacjami oraz zmianami, do których należy dostosować swoją analitykę.

Link do webinaru znajdziesz w tym miejscu.

The post Consent Mode: jak ograniczyć stratę danych po “bitwie o cookies”? first appeared on Conversion.