Wraz ze wzrostem dojrzałości analitycznej, firmy zaczynają coraz więcej inwestować w dane. Przede wszystkim integrują je z różnych źródeł. W ten sposób prowadzą demokratyzację wiedzy, zapewniając dostęp do danych w organizacji. Jak w tym wszystkim wykorzystać Google Analytics 360 w kontekście pracy z danymi w Google BigQuery? O tym w dzisiejszym wpisie.

Co znajdziesz w tym artykule?
Google Analytics 360 a Google BigQuery
Google BigQuery – znaczenie w rozwoju analityki internetowej
Google Analytics 360 – dlaczego warto?
Przyszłość Google 360
Zdarzenia w Google Analytics
Jak obliczyć liczbę zdarzeń w Google Analytics
Liczba zdarzeń w wersji desktop i w aplikacji mobilnej
Liczba zdarzeń w Ecommerce
Podsumowanie

Google Analytics 360 a Google BigQuery

Google Analytics 360 w połączeniu z Google BigQuery umożliwia zaawansowaną analizę danych marketingowych. Dzięki tej integracji firmy mogą łatwo przetwarzać ogromne ilości informacji i uzyskiwać cenne wnioski. Google BigQuery pozwala na szybkie i efektywne przetwarzanie dużych zbiorów danych, co jest kluczowe w dynamicznie zmieniającym się środowisku marketingu online.

Jednym z głównych atutów korzystania z Google Analytics 360 i Google BigQuery jest możliwość tworzenia bardziej precyzyjnych segmentów użytkowników oraz lepsze zrozumienie ich zachowań. To z kolei pozwala na bardziej efektywne kampanie marketingowe i lepsze dostosowanie treści do potrzeb odbiorców.

Warto również zaznaczyć, że dzięki integracji z Google BigQuery, firmy mogą łatwo łączyć dane z Google Analytics 360 z innymi źródłami danych, takimi jak CRM czy systemy e-commerce. To umożliwia tworzenie kompleksowych raportów i analiz, które wspierają podejmowanie decyzji biznesowych.

Google Analytics 360 i Google BigQuery to potężne narzędzia, które pomagają firmom lepiej wykorzystywać dane w marketingu online. Integracja tych systemów umożliwia zaawansowaną analizę, precyzyjne segmentowanie użytkowników oraz tworzenie bardziej efektywnych kampanii marketingowych. 

Google BigQuery – znaczenie w rozwoju analityki internetowej

Naturalnym krokiem w rozwoju dojrzałości analitycznej jest wykorzystanie Google BigQuery. Po pierwsze, integruje różne źródła danych w jednym miejscu. Po drugie, BigQuery staje się głównym źródłem prawdy w kontekście raportów i procesów BI wykorzystywanych w firmie. Po trzecie, umożliwia wykorzystanie zaawansowanych mechanizmów machine learning do prowadzenia bardziej zaawansowanych analiz. Coraz częściej źródłem danych w tym zakresie jest również Google Analytics.

Google BigQuery to hurtownia danych, która gromadzi w skalowalny sposób bardzo duże ilości danych. Do czasu, gdy korzystaliśmy z Google Analytics 3 (Universal Analytics), integracja i eksport danych analitycznych do Google BigQuery były zarezerwowane wyłącznie dla klientów Google Analytics 360, czyli płatnej wersji Google Analytics. Wraz z wprowadzeniem Google Analytics 4, natywny eksport danych, polegający na integracji obu narzędzi za pomocą kilku kliknięć, stał się jednak bezpłatny i dostępny również dla użytkowników bezpłatnej wersji Google Analytics.

Google Analytics 360 – dlaczego warto?

Pojawia się więc pytanie, dlaczego inwestować w Google Analytics 360, skoro jedna z kluczowych funkcji, wcześniej dostępna tylko w płatnej wersji, jest teraz dostępna także w wersji bezpłatnej. Warto jednak zwrócić uwagę na kilka istotnych aspektów, które przemawiają za inwestycją w GA360.

Przede wszystkim, Google Analytics 360 oferuje service level agreement (SLA), dostępny tylko dla właścicieli płatnej wersji narzędzia w kontekście Google BigQuery. 

Jednak głównym czynnikiem, który może przekonać do inwestycji w płatną wersję Google Analytics, jest limit miliona zdarzeń, które może przyjąć eksport do Google BigQuery. Dotyczy to danych analitycznych, obejmujących zachowania użytkowników w ramach Twoich produktów cyfrowych, które trafiają do Google BigQuery.

Inwestycja w Google Analytics 360 może więc być uzasadniona, jeśli Twoja firma potrzebuje większej przepustowości danych oraz gwarancji jakości usług oferowanych przez Google. Na pierwszy rzut oka może się wydawać, że jeden milion zdarzeń dziennie to duży zapas. Jednak po przeanalizowaniu kilku przykładów i obliczeń okazuje się, że ten limit można szybko wyczerpać. Po przekroczeniu tego limitu dalsze dane nie będą przetwarzane. 

W kontekście podejmowania decyzji na podstawie danych, jest to sytuacja niedopuszczalna, gdyż w pewnym momencie dnia dane przestają być gromadzone właśnie z powodu tego limitu.

Przyszłość Google 360

W kierunku przyszłości Google 360 zmierza intensywnie w stronę pełnej integracji z chmurą i AI-napędzanych analiz. Oczekuj szybszych eksportów danych, lepszej obsługi strumieniowej oraz wbudowanego wspierania modeli ML bezpośrednio na zestawach GA360. Nowe wersje będą też bardziej modularne – łatwiej będzie rozszerzać funkcje w zależności od potrzeb.

Innowacje i nowości technologiczne

Jednym z najciekawszych kierunków są narzędzia AI w BigQuery, które pomagają automatycznie generować zapytania SQL lub przygotowywać dane (np. funkcja Gemini dla BigQuery). Ponadto, usprawniane są rurociągi danych (data pipelines), by zmniejszyć opóźnienia i uprościć integracje z innymi systemami marketingowymi.

Zdarzenia w Google Analytics

Zdarzenia w analityce internetowej, szczególnie w Google Analytics 4, to interakcje podejmowane przez użytkowników. Interakcje mogą być automatycznie wywoływane, na przykład zdarzenie zdarzenie scrollowania czy kliknięcie w interaktywny element serwisu. 

W podstawowym rozumieniu zdarzenie to każda interakcja, na przykład załadowanie strony (zdarzenie o nazwie Page View) czy kliknięcie w element, w zależności od tego, jak ten element został skonfigurowany. 

Liczba zdarzeń, które gromadzi Google Analytics i później eksportuje do Google BigQuery, zależy od dwóch podstawowych czynników. Po pierwsze, zależy od poziomu ruchu. Im więcej użytkowników odwiedza stronę, tym więcej zdarzeń generuje Google Analytics. Drugi czynnik to poziom konfiguracji śledzenia. Im bardziej dokładne śledzenie i im więcej akcji rejestrowanych przez Google Analytics, tym więcej zdarzeń przypada na jednego użytkownika.

Jak obliczyć liczbę zdarzeń w Google Analytics

Przypomnijmy, że limit bezpłatnej wersji Google Analytics na eksport dzienny wynosi milion zdarzeń. Zakładając, że podczas jednej wizyty użytkownik dokonuje średnio 15 zdarzeń, można to zobrazować jako wizytę na pięciu podstronach, czyli 5 odsłon różnych podstron. 

Odsłona może również oznaczać przeładowanie tej samej strony. Na każdej podstronie użytkownik wykonuje średnio trzy różne zdarzenia, takie jak powiększenie zdjęcia, zescrollowanie strony do określonego poziomu czy kliknięcie na element, który nie powoduje przeładowania strony. W sumie daje to średnio 15 zdarzeń na jedną wizytę użytkownika.

Jeśli mamy 67 tysięcy użytkowników dziennie, łatwo zauważyć, że przy takim poziomie aktywności limit zdarzeń zostanie przekroczony. Jeżeli liczba użytkowników przekroczy 67 tysięcy, zostanie przekroczony limit i dalsze zdarzenia nie będą rejestrowane przez Google Analytics. 67 tysięcy użytkowników dziennie to około 2 miliony użytkowników miesięcznie. Największe serwisy w Polsce mogą pochwalić się takim poziomem ruchu.

Liczba zdarzeń w wersji desktop i w aplikacji mobilnej

Jeżeli serwis oprócz wersji desktopowej posiada również aplikację mobilną, zaangażowanie użytkowników w aplikacji jest zazwyczaj wyższe, co oznacza wyższy poziom śledzenia. Oprócz ekranów rejestrowane są także systemowe zdarzenia, takie jak crashe w aplikacji. W przypadku aplikacji, na jedną sesję użytkownika może przypadać około 30 zdarzeń. 

W takim wypadku limit zostanie napotkany przy dodatkowych 30 tysiącach użytkowników dziennie, z punktu widzenia samej aplikacji. Łączenie analityki danych z aplikacją i wersją desktopową jest kluczowe, aby obserwować ścieżkę użytkownika pomiędzy różnymi produktami cyfrowymi. Okazuje się, że nasze serwisy czy produkty cyfrowe powinno odwiedzać maksymalnie 50 tysięcy użytkowników dziennie, aby nie przekroczyć limitu miliona zdarzeń, które przyjmuje Google BigQuery.

Liczba zdarzeń w Ecommerce

Może to wydawać się mało prawdopodobne, jednak przykład jednego z naszych klientów – witryny e-commerce, która działa na dziesięciu rynkach w Europie i generuje około 60 milionów przychodu netto miesięcznie – pokazuje, że można napotkać ten limit. W tym przypadku, już osiągnęliśmy limit miliona zdarzeń dziennie, zanim jeszcze przystąpiliśmy do rozszerzenia śledzenia na potrzeby biznesowe.

Inwestycja w płatną wersję Google Analytics, jest decyzją, którą trzeba odpowiednio zabudżetować. Warto prześledzić, jak wygląda liczba zdarzeń w Twoim przypadku. Jeśli jesteś blisko tego limitu, warto rozważyć kroki, aby go nie przekroczyć lub rozpocząć rozmowy o płatnej wersji Google Analytics.

Podsumowanie

Podsumowując, główną zaletą Google Analytics 360 w kontekście BigQuery jest brak limitu miliona zdarzeń dziennie, co daje większą elastyczność i możliwość skorzystania z pełni możliwości analitycznych. Oczywiście, w ramach licencji na Google BigQuery obecne jest również SLA na eksport danych. Jak pokazałem na większych liczbach, może się okazać, że milion zdarzeń jest już osiągnięty lub bardzo blisko przekroczenia. Możliwe, że nie jesteś świadomy, iż dane powyżej tego miliona zdarzeń, na przykład w pewnym momencie dnia, od godziny 16 lub 17, nie są rejestrowane. Zachęcam do sprawdzenia, czy rzeczywiście tak jest. Jeśli masz pytania dotyczące optymalizacji lub inwestycji w Google Analytics 360, zapraszam do kontaktu na bezpłatną konsultację, gdzie pomożemy odpowiedzieć na te pytania.

The post Google Analytics 360
a Google BigQuery first appeared on Conversion.

Jak zwiększać przychód w ecommerce?
Współczynnik konwersji w Ecommerce
Jak optymalizować współczynnik konwersji?
3 raporty w Google Analytics pomagające w optymalizacji konwersji
Optymalizacja checkout w Google Analytics
Optymalizacja landing page w Google Analytics
Optymalizacja mikro-konwersji w Google Analytics
Podsumowanie

Jak zwiększać przychód w ecommerce?

Na początek wyobraź sobie, że jesteś ecommerce managerem lub zarządzasz digital marketingiem w sklepie internetowym lub innym serwisie generującym leady. Dodatkowo, otrzymujesz 50 tysięcy złotych, które możesz przeznaczyć na rozwój swojego biznesu.

W biznesie online nie chodzi o bezsensowne wydawanie pieniędzy, ale o generowanie większego przychodu z ecommerce’u lub działalności online. Działając w internecie, z pewnością zdajesz sobie sprawę, że efekt Twoich działań w postaci przychodów i zapisów na rachunku od klientów zależy od trzech czynników: liczby użytkowników, czyli ruchu, efektywności serwisu mierzonej współczynnikiem konwersji oraz średniej wartości zamówienia.

Model przychodów ecommerce doskonale odzwierciedla działanie sklepu internetowego. Jeśli chcemy go zastosować do strony generującej potencjalnych klientów, współczynnik konwersji będzie odnosił się do wysłanych formularzy, a średnia wartość zamówienia do życiowej wartości klienta. Model ten jest uniwersalny i można go przedstawić w formie lejka. Serwis, produkt cyfrowy, aplikacja mobilna czy strona internetowa działają jak lejek. Na górze znajdują się użytkownicy sprowadzeni na witrynę za pomocą marketing mix, reklam sponsorowanych, pozycjonowania w wyszukiwarkach, social mediów itp. Użytkownicy poruszają się w środku lejka, a na końcu wypadają w formie konwersji, szczególnie transakcji w ecommerce lub potencjalnych klientów.

Inwestując 50 tysięcy złotych, istnieją trzy główne drogi, aby te środki spożytkować tak, by na dole lejka wygenerować jak najwięcej przychodu. Pierwszą drogą, którą najczęściej wybierają ecommerce managerowie lub zarządzający online’em, jest sprowadzanie większej liczby użytkowników. Im więcej użytkowników przechodzi przez lejek, tym większa jest liczba transakcji i przychód. Oczywiste jest, że kiedy zmniejszamy inwestycje, na przykład po wydaniu 50 tysięcy złotych na zakup linków sponsorowanych, generujemy mniej przychodu. Mówiąc wprost, jak przestajemy dokładać do pieca, przestaje się w nim palić. 

Większym problemem jest nieszczelny lejek zakupowy, który pozwala użytkownikom na opuszczenie procesu zakupowego. Dolewanie większej liczby użytkowników do nieszczelnego lejka jest jak próba napełnienia naczynia przy użyciu sitka. 

Współczynnik konwersji w Ecommerce

Drugą drogą jest praca nad współczynnikiem konwersji, która często wiąże się także z poprawą średniej wartości zamówienia. Współczynnik konwersji to liczba konwersji w odniesieniu do liczby sesji lub użytkowników w serwisie w danym okresie. W ecommerce współczynnik konwersji wskazuje, jaki procent odwiedzin w serwisie kończy się transakcją. Dziedzina, która bazuje na poprawie konwersji, nazywa się Conversion Rate Optimization (CRO). Polega ona na zmienianiu serwisu i działań marketingowych w taki sposób, aby z tej samej liczby użytkowników generować większą liczbę zamówień. Optymalizacja konwersji może być wprowadzana zarówno w serwisie, jak i poza nim.

Pracując nad współczynnikiem konwersji, warto pamiętać, że jest to inwestycja, która przynosi długoterminowe korzyści. Po uszczelnieniu procesu zakupowego lub serwisu jako lejka, z tej samej liczby użytkowników można generować większy przychód i więcej transakcji. Oczywiście, do momentu, kiedy nie zajdzie jakaś diametralna zmiana na rynku.

Przykładem takiej zmiany mogłoby być wprowadzenie zakupów telepatycznych, gdzie użytkownicy myślą o zakupie, a produkty automatycznie trafiają do paczkomatu lub są dostarczane przez kuriera. Choć jest to wyolbrzymiony przykład, pokazuje, że dopóki nie zmienią się znacząco trendy lub technologia, optymalizacja konwersji pozostanie efektywna. Można sobie wyobrazić przyszłość, w której zakupy będą robione za pomocą okularów zamiast aplikacji mobilnych czy stron internetowych. Aby optymalizacja przestała być efektywna, musi zajść naprawdę duża zmiana. 

Optymalizacja konwersji ma wiele korzyści, a jedną z najważniejszych jest możliwość finansowania dodatkowych kampanii marketingowych z zysków wygenerowanych dzięki poprawie współczynnika konwersji. Uszczelniając lejek sprzedażowy i optymalizując produkty cyfrowe, takie jak witryna internetowa, można zwiększyć marżę zysku. Następnie, inwestując te dodatkowe środki w kampanie marketingowe, sprowadzamy więcej użytkowników do zoptymalizowanego lejka, co przynosi podwójne korzyści.

Ecommerce manager czy osoba zarządzająca sklepem internetowym powinna patrzeć na optymalizację konwersji w ten sposób. Niestety, z mojej perspektywy, często tak to nie wygląda. Gdyby faktycznie tak było, firm specjalizujących się w optymalizacji współczynnika konwersji, takich jak Conversion, byłoby znacznie więcej. W Polsce można je policzyć na palcach jednej, maksymalnie dwóch rąk, co jest wymowne, biorąc pod uwagę, że działa tu ponad 20 tysięcy ecommerce’ów…

W mojej ocenie problem polega na tym, że ecommerce managerowie i osoby zarządzające online’em wiedzą, że optymalizacja konwersji jest słusznym podejściem, ale nie wiedzą, co dokładnie zmieniać w serwisie. Często wygląda to tak, że uczestniczymy w konferencjach, słuchamy, jak inne firmy wprowadziły pewne zmiany, które przyniosły im sukces, a następnie próbujemy wdrożyć te same rozwiązania u siebie. Niestety, okazuje się, że to, co działało dla innych, nie zawsze przynosi oczekiwane rezultaty w naszym przypadku. Dlaczego nie działa? Dlatego, że bazujemy na doświadczeniach innych firm i ich danych, a nie na własnych. To, co pomaga osiągać sukces w optymalizacji współczynnika konwersji i realizacji KPI firm działających online, to właśnie dane. W analityce internetowej wyróżniamy dwa rodzaje danych: ilościowe i jakościowe. Dane ilościowe mówią, co się dzieje w serwisie, przedstawiają suche fakty. Dane jakościowe wyjaśniają, dlaczego coś się dzieje.

Jak optymalizować współczynnik konwersji?

W optymalizacji konwersji w swoich witrynach zawsze warto zaczynać od danych ilościowych. Dlaczego? Po pierwsze, są dużo tańsze w pozyskaniu. Google Analytics jest bezpłatny. Analiza danych jakościowych jest znacznie łatwiejsza i oferuje szersze spojrzenie na problem. Bezpośredni kontakt z użytkownikiem pozwala na zadawanie pytań, dlaczego coś mu się nie podoba lub dlaczego zrezygnował na określonym etapie. Realizacja badań użyteczności, takich jak organizowanie grup fokusowych i proszenie uczestników o realizację scenariuszy, jest bardziej angażująca dla działu analitycznego oraz osób organizujących te badania.

Analiza danych otwartych, gdzie użytkownicy opisują swoje doświadczenia, wymaga wyciągania esencji z tych opisów. Jest to proces kosztowny i czasochłonny. W tym kontekście warto zwrócić uwagę na Google Analytics 4. Wprowadzenie tej wersji stanowi wyzwanie, a wielu użytkowników zgłasza trudności w jej obsłudze. Nawet doświadczeni analitycy, zajmujący się tym narzędziem od lat, napotykają na problemy. Google Analytics 4 to narzędzie, które jest ciągle rozwijane i oferuje wiele nowych raportów w porównaniu do Universal Analytics. Pojawiają się nowe metryki i wymiary, co daje większe możliwości analizy.

3 raporty w Google Analytics pomagające w optymalizacji konwersji

Przechodząc do sedna… celem tego artykułu jest pokazanie trzech gotowych sposobów analizy, które można rozpocząć od raportów z GA4. Te metody pozwolą znaleźć elementy do poprawy. Czy spowodują one wzrost współczynnika konwersji? To będzie zależało od rekomendacji, które przygotujecie na podstawie tych raportów. Szczegóły omówię w dalszej części tekstu. Zanim przejdziemy do omawiania raportów, warto ułożyć fundamenty, dlaczego wybraliśmy właśnie te raporty. Aby lepiej to zrozumieć, posłużę się analogią. Nasz produkt cyfrowy można porównać do rzeki. Wyobraźcie sobie, że wasza strona internetowa, szczególnie sklep internetowy, to rzeka. Po jednej stronie rzeki znajdują się użytkownicy odwiedzający waszą stronę, których przyciągacie za pomocą marketingu mix. Po drugiej stronie są użytkownicy, którzy dokonali zakupu, czyli ci, którzy się skonwertowali. Przeprawa przez rzekę symbolizuje proces konwersji, czyli to, jak przekształcacie odwiedzających w kupujących. Dziedzina zajmująca się konwersją przypomina pracę budowniczego mostu. W Conversion Rate Optimization (CRO) chodzi o zbudowanie solidnej przeprawy, aby użytkownik mógł z łatwością przejść z jednego brzegu waszego serwisu na drugi. O tej przeprawie decydują dwa czynniki: opór i motywacja. 

Opór to wszystkie przeszkody, które napotykają użytkownicy, wynikające z konstrukcji serwisu. Mogą to być błędy w projektowaniu, problemy z nawigacją czy nieintuicyjne formularze. Z kolei motywacja użytkownika jest często elementem zewnętrznym, na który jednak możemy wpływać, aby zwiększyć konwersję. Przykłady motywacji obejmują różne sytuacje życiowe. Pierwszy śnieg może skłonić do zakupu opon zimowych, a pusta lodówka do zrobienia zakupów w delikatesach internetowych. Cztery lata temu, kiedy szukaliśmy maseczek i środków ochrony osobistej, motywacją było widmo śmiertelnego wirusa nadciągającego z Chin. 

Zrozumienie tych dwóch czynników – oporu i motywacji – jest kluczowe w optymalizacji konwersji. Dzięki temu można skutecznie projektować serwisy, które nie tylko przyciągają użytkowników, ale również prowadzą ich przez cały proces zakupowy, minimalizując przeszkody i wzmacniając motywację. Motywacja rzeczywiście zachęca użytkownika do przejścia na drugi brzeg. Jednak opór w procesie zakupowym, na przykład brak konkretnych informacji, może stanowić przeszkodę. Przykładem oporu może być brak informacji o koszcie dostawy. W przypadku zakupu mniejszych produktów, takich jak książki, spodziewamy się, że koszty dostawy nie będą wyższe niż 15 zł. To może nie stanowić dużego oporu. Jednak w przypadku zakupu większych produktów, takich jak opony, brak informacji o kosztach dostawy może być bardziej zniechęcający. Motywacja odgrywa tutaj kluczową rolę. Na przykład, jeśli musimy za dwa dni wyjechać na ferie zimowe, a mamy opony letnie, poradzimy sobie z wyższymi kosztami dostawy. Podobnie, gdy pojawiają się pierwsze przypadki zachorowań na wirusa, jesteśmy skłonni zapłacić za maseczki więcej, mimo że wcześniej kosztowały znacznie mniej.

Opór ma większe znaczenie, gdy użytkownik dochodzi do końca procesu zakupowego. Jeśli po wypełnieniu wielu danych, takich jak imię, nazwisko, e-mail, na podsumowaniu nagle zmienia się cena produktu, użytkownik może zrezygnować z zakupu. Mimo że motywacja była wysoka, nagła zmiana może go zniechęcić.

Opór często wiąże się z koniecznością dostarczenia dodatkowych informacji lub z niepewnością. Są to elementy związane z użytecznością (UX) serwisu. Dlatego warto zwrócić uwagę na to, jak budujemy użyteczność naszego serwisu, aby minimalizować opór i ułatwiać użytkownikom proces zakupowy. Konwersja jest wypadkową oporu i motywacji. Wiemy, że opór ma większe znaczenie na końcu procesu zakupowego. Jeśli chcemy szybko znaleźć elementy do poprawy w serwisie, powinniśmy zacząć od ostatniego etapu lejka całościowego, czyli od checkoutu. Na samym dole lejka znajdują się specyficzne strony, szczególnie w ecommerce: koszyk, strona z danymi, strona podsumowania oraz strony wyboru płatności i dostawy. 

Jeśli serwis generuje potencjalnych klientów (leady), przedostatnią stroną przed wysłaniem leada będzie strona z formularzem. W przypadku leadów można podzielić checkout na mikrolejek, analizując, jak użytkownicy przechodzą przez poszczególne pola formularza.

Optymalizacja checkout w Google Analytics

No dobrze… ale jak wykorzystać Google Analytics w optymalizacji współczynnika konwersji? Pierwszym raportem, który warto wykorzystać, jest raport „ścieżka do przychodu”. W GA4 dostępne są zarówno „ścieżka do przychodu”, jak i „ścieżka do zakupu”. „Ścieżka do zakupu” pokazuje cały lejek, a nie tylko jego ostatni etap, czyli checkout. Warto zacząć od checkoutu, ponieważ na końcu procesu zakupowego użytkownicy napotykają więcej problemów związanych z użytecznością. Takie problemy najłatwiej wyłowić i poprawić. Wracając do omawianego raportu, jeśli skonfigurowaliście ecommerce w swoim GA4, raport na pewno będzie działał. W prawym górnym rogu, przy przycisku „wyświetl kroki ścieżki”, można go dodatkowo skonfigurować. Jeśli śledzenie GA4 ecommerce jest wdrożone, będziecie mieli śledzenie dodawania do koszyka i poszczególnych kroków ścieżki, aż do zdarzenia „purchase”, które przesyła wszystkie informacje o transakcji do GA4.

Patrząc na ten raport, warto zwrócić uwagę na benchmark, który obserwujemy na rynku. Dobry checkout generuje co najmniej 60% zakończeń, co oznacza szczelność na poziomie 60%. Oznacza to, że na 100 wejść do koszyka, 60 kończy się złożeniem zamówienia. Jest to współczynnik konwersji na checkoucie. W mojej ocenie wynik powyżej 60% jest zadowalający. Jeśli w raporcie zobaczysz wynik poniżej 60%, istnieje duże prawdopodobieństwo, że ten poziom da się poprawić. Osoby, które są zmotywowane do zakupu, napotykają na przeszkody, które uniemożliwiają im dokończenie transakcji. Średnia szczelność checkoutu wynosi między 40 a 60%. 

Zakładając, że zaobserwujesz poniżej 60% szczelności i prowadzicisz typowy ecommerce, raport skuteczności do przychodu wskazuje, że coś nie działa. Waszym zadaniem jest teraz zidentyfikowanie przyczyn tego problemu. Dlaczego coś nie działa? Zanim przejdziemy do danych jakościowych, staramy się postawić hipotezy na podstawie danych ilościowych. Jeśli chcemy odpowiedzieć na pytanie „dlaczego”, wracamy do danych ilościowych i dodajemy wymiary.

Na końcu procesu zakupowego najczęściej wspomniany już wcześniej opór odgrywa znaczącą rolę. Opór ten jest związany z użytecznością. Z naszej perspektywy wymiary, które należy analizować w raporcie skuteczności do przychodu, powinny obejmować techniczne aspekty urządzeń, z których użytkownicy korzystają w witrynie. Podstawowe paramety to kategoria urządzeń, czyli mobile, tablet, desktop oraz rozdzielczość ekranu, przeglądarka i jej wersja.

Jeśli te dane nie wystarczą przy analizie checkoutów, warto skorzystać z raportu lub strony pomocy Google Analytics. Jest tam cała sekcja „Platforma Urządzenie”, gdzie podane są wszystkie potrzebne techniczne szczegóły. Po zebraniu tych danych można dodać dodatkowe wymiary do raportu i dokładniej przeanalizować problem. Raport domyślnie zawiera techniczne aspekty, takie jak desktop, mobile i tablet, czyli wymiar nazywany kategorią urządzeń. Analizując go, widzimy liczbę rozpoczęć procesu, dodań do koszyka, przejść do zostawienia danych i inne. Taka analiza może być problematyczna, ponieważ trudno jest porównać dane, na przykład 908 na desktopie wobec 1097, oraz 167 na mobile wobec 347. 

Aby ułatwić analizę, warto korzystać z porównań. Porównania działają poprzez nałożenie segmentów użytkowników z różnych urządzeń, takich jak mobile i desktop. Dzięki temu raport pokazuje współczynnik porzuceń na poszczególnych krokach. Jeśli współczynnik porzuceń jest znacznie wyższy dla jednej kategorii urządzeń, na przykład 5% dla desktopu i 10% dla mobile, oznacza to, że dwa razy więcej użytkowników porzuca proces na mobile niż na desktopie. To wskazuje, gdzie leży problem, na przykład w kroku zostawienia danych dla użytkowników mobilnych. Ciągle jednak nie wiemy dlaczego. Analityka w tym przypadku polega na stawianiu hipotez. Aby to zrobić, musimy odwzorować wygląd danego kroku, bazując na parametrach, które na niego wpłynęły. Oznacza to, że musimy zasymulować sytuację, którą widzimy w danych ilościowych. W przeglądarce Chrome, w narzędziach dla developerów, dostępna jest funkcja symulacji. Można tam zobaczyć, jak konkretna podstrona będzie wyglądała w danej rozdzielczości. Co więcej, można wybrać konkretne urządzenie z gotową rozdzielczością, która zostanie zastosowana do podstrony. Na tej podstawie należy postawić hipotezę.

Jeśli to nie wystarczy, warto sięgnąć po dane jakościowe, organizując badanie użyteczności i zapraszając realnych użytkowników do wzięcia w nim udziału. W praktyce, scenariusze do badań użyteczności przygotowuje się w ten sposób, że dane ilościowe wskazują, gdzie jest problem, a na ich podstawie tworzy się scenariusze do badań. Zakładamy, że poprawiliśmy checkout, czyli jeden z trzech „low-hanging fruits” związanych z technologicznymi aspektami tego procesu, gdzie trafiają zmotywowani użytkownicy. Kolejnym krokiem jest analiza landing page. 

Optymalizacja landing page w Google Analytics

Landing page można porównać do pierwszego wrażenia podczas spotkania. To kluczowy moment, kiedy użytkownik decyduje, czy chce kontynuować interakcję z naszą stroną. W tym przypadku użytkownik jest jak osoba, którą próbujemy zainteresować naszą ofertą. Rozważając pierwszy model, który wcześniej opisywałem, czyli model lejka, warto rozszerzyć go o współczynnik odrzuceń. Odrzucenie to sytuacja, w której użytkownik wchodzi na nasz landing page, ale opuszcza go natychmiast. W analityce internetowej współczynnik odrzuceń jest istotną metryką, ponieważ pokazuje, jaki procent sesji nie zaangażował się w witrynę. Ta metryka była bardzo popularna w Universal Analytics. W Google Analytics 4 mamy jej odwrotność, czyli współczynnik zaangażowania, który informuje nas, jaki procent użytkowników pozostaje w serwisie.

Warto znaleźć raport, który pokaże elementy charakteryzujące się najniższym zaangażowaniem. Jednym z takich raportów jest raport dotyczący pozyskiwania ruchu. Sam współczynnik zaangażowania niewiele nam powie. Należy przeanalizować dane ilościowe, aby zrozumieć, przy jakich wymiarach powstaje ten współczynnik. Zaangażowanie mierzone przez współczynnik zaangażowania powstaje między dwoma elementami: kampanią, która odsyła użytkownika na landing page, oraz samym landing page’em. Współczynnik zaangażowania wskazuje, czy nasz landing page przyciągnął użytkownika od pierwszych momentów jego wizyty w serwisie.

W raporcie zawierającym współczynnik zaangażowania, warto skupić się na pozyskiwaniu sesji. Przede wszystkim należy sprawdzić, która kampania generuje ruch i dopasować do niej odpowiedni landing page. Analizując taki raport, warto porównywać różne kampanie prowadzące do tych samych landing pages, aby zrozumieć, jak różnią się one pod względem współczynnika zaangażowania. Jak już wspomniałem, w przypadku analizy checkoutu, z moich obserwacji wynika, że powinien on mieć przynajmniej 60% szczelności. Natomiast w przypadku współczynnika zaangażowania nie ma jednoznacznych benchmarków. Zaangażowanie można modyfikować w zależności od tego, co oznacza. W pierwotnej wersji w Google Analytics 4 zaangażowanie oznacza, że użytkownik spędził co najmniej 10 sekund na stronie docelowej. Kiedyś, gdy mieliśmy współczynnik odrzuceń w Universal Analytics, istniały ogólne benchmarki dla stron.

Dla stron ecommerce, czyli retail sites, badania pokazywały, że współczynnik odrzuceń powinien wynosić między 20 a 40%. Jednak z mojej perspektywy nie jest to miarodajna wartość. Przykładowo, wychodząc z psem na spacer, średnio mamy trzy nogi. Średni współczynnik odrzuceń czy zaangażowania (jego odwrotność) nie daje pełnego obrazu. Jeśli współczynnik odrzuceń wynosi 30%, to współczynnik zaangażowania będzie równy 70%, ale ta metryka sama w sobie nie dostarcza wystarczających informacji. Analiza landing page i kampanii, które do niego odsyłają, jest tutaj kluczowa. Dane ilościowe mogą wskazać, co nie działa. Załóżmy, że mamy landing page A, na który odsyła pięć różnych kampanii. Jedna z kampanii wyróżnia się negatywnie pod względem współczynnika zaangażowania. Podczas gdy pozostałe kampanie mają współczynnik zaangażowania na poziomie 60%, ta jedna osiąga jedynie 20%.

Aby zrozumieć, dlaczego tak się dzieje, warto ponownie przeanalizować dane ilościowe. W raporcie widzimy kolumny z informacjami o kampaniach, landing page’ach oraz współczynnikach zaangażowania. Zadaniem analityka jest symulacja tej sytuacji. Na przykład, jeśli mamy kreację display na portalu Interia z określonym komunikatem, warto przeanalizować, jak ten komunikat wpływa na zaangażowanie użytkowników. Allegro Pay oferuje kupon na zakupy na Allegro. Klikam na link i ląduję na landing page, który jednak prezentuje inny komunikat. Oczekiwałem kuponu na zakupy, a landing page obiecuje możliwość kupowania teraz i płacenia 30 dni później. To dwa zupełnie różne przekazy.

Z drugiej strony, weźmy przykład banera na Onecie, gdzie Audi A5 jest oferowane w leasingu od 1595 zł. Po kliknięciu ląduję na stronie docelowej, która utrzymuje ten sam komunikat. 

Porównanie z motoryzacją może być nietrafione, jednak to co chcę przekazać to to, że kluczowe jest pierwsze wrażenie i komunikat, ponieważ praca nad zaangażowaniem polega na dopasowaniu obietnic z kampanii marketingowej do rzeczywistości. Może to być display, tekst reklamowy w Facebook Ads, czy kontekst afiliacji, z jakiego serwisu użytkownik do nas przychodzi. Z drugiej strony mamy landing page. Ważne jest, czy kontynuujemy to, na co użytkownik został wystawiony jeszcze przed wejściem na naszą stronę.

Jeżeli analiza i organoleptyczne sprawdzenie nie wystarczą do postawienia hipotezy, warto sięgnąć po bardziej zaawansowane metody. Należy wtedy zorganizować badania jakościowe i dokładnie zastanowić się, co się dzieje. W przypadku prac nad zaangażowaniem użytkowników, duże znaczenie mają nagłówki na landing page’ach. Zanim przystąpimy do badań użyteczności, warto zainwestować w badania z wykorzystaniem heat map, które pokazują, na co użytkownicy zwracają uwagę w serwisie.

Optymalizacja mikro-konwersji w Google Analytics

Po zoptymalizowaniu naszego landing page, przechodzimy do trzeciego kroku, czyli środka lejka. Każda strona w serwisie ecommerce to mikro lejek. Na przykład, karta produktu ma na celu skłonienie użytkownika do dodania produktu do koszyka, co jest ostatnim krokiem tego mikro lejka. Wcześniejsze kroki mogą obejmować wybór rozmiaru, obejrzenie zdjęć oraz przeczytanie informacji o składzie produktu. Ostatni krok w naszej analizie w dużej mierze zależy od dodatkowej konfiguracji w serwisie. Jeśli ecommerce jest poprawnie wdrożony, funkcja dodania do koszyka będzie działać bez problemu. Jednak wybór rozmiaru, kliknięcie na zdjęcie czy rozwinięcie opisu składu produktu często wymaga dodatkowej konfiguracji, aby stworzyć pełny lejek.

Gdy dane zostaną zaimportowane do Google Analytics, należy skorzystać z raportu zaangażowania zdarzenia. Sam raport może nie być wystarczająco wartościowy. Dużo bardziej przydatne jest stworzenie eksploracji, która, podobnie jak raport skuteczności do przychodu, pokaże liczbę obejrzeń zdjęcia, wejść do przymierzalni oraz dodań do koszyka.

Nie istnieją uniwersalne benchmarki dla tych danych. Można oszacować, jaki procent użytkowników na karcie produktu przechodzi do koszyka, jednak wiele zależy od liczby reklam produktowych. Reklamy te mogą bezpośrednio kierować użytkowników na kartę produktu, co zwiększa liczbę odwiedzin na górze lejka. Użytkownicy trafiający na stronę poprzez wyniki wyszukiwania czy strony kategorii mogą zachowywać się inaczej. Raport zaangażowania zdarzenia to trzeci kluczowy raport. Benchmarki należy ustalać na zasadzie testowania, na przykład w danym miesiącu. 

Przyjrzyjmy się procentowi użytkowników, którzy odwiedzili kartę produktu i dodali produkt do koszyka. Załóżmy, że wynosi on 6%. W ramach optymalizacji, analizujemy raporty, dodajemy parametry i kampanie, aby zidentyfikować miejsca, gdzie zaangażowanie użytkowników jest najmniejsze. Wizualizujemy te dane i przeprowadzamy testy, aby poprawić wyniki.

Digital marketing to dziedzina oparta na testowaniu. Benchmarki, takie jak współczynnik odrzuceń czy konwersji, różnią się w zależności od branży i źródła ruchu. Dlatego warto analizować je w kontekście konkretnego serwisu i jego marketingu mix.

Optymalizację najlepiej rozpocząć od checkoutu, dodając dodatkowe śledzenie do kluczowych elementów. Na landing page zazwyczaj nie potrzeba dodatkowego śledzenia, ponieważ generowana jest odsłona i liczone jest zaangażowanie. Po optymalizacji, korzystając z trzech raportów i przeprowadzając po trzy iteracje dla każdego raportu, można znacznie poprawić użyteczność serwisu. W efekcie użytkownicy, zmotywowani do zakupu, nie napotykają problemów.

Po zredukowaniu oporu użytkowników, warto skupić się na motywacji. Przykładem tutaj może być serwis z oponami. Użytkownik, wiedząc o konieczności zmiany opon, może odkładać decyzję ze względu na koszty. Aby zwiększyć motywację, serwis może wprowadzić dodatkowe zachęty, takie jak promocje czy przypomnienia o sezonowej wymianie opon. Prognoza pogody dla danego rejonu zapowiada opady śniegu na jutro. Nie zwlekaj, zamontuj zimowe opony. To prosty przykład, jak można pracować nad motywacją. W przypadku motywacji potrzeba więcej danych jakościowych, aby zrozumieć, co może motywować użytkowników. Dane ilościowe pomogą zmierzyć, czy hipotezy i proponowane zmiany są właściwe.

Aby zwiększać współczynnik konwersji, należy zmieniać serwis. Często problemem jest określenie tego, co należy zmieniać. Istnieje pojęcie „garbage in, garbage out” (GIGO), które oznacza, że błędne dane prowadzą do błędnych wniosków. Dlatego ważne jest, aby dane były prawidłowe.

Podsumowanie

Najważniejszym narzędziem do analizy danych jest Google Analytics 4. W kontekście ecommerce trzy raporty w Google Analytics 4 dobrze opisują model przychodów, którym jest lejek. Zachęcam do skorzystania z tych raportów, aby:

1. Uszczelnić proces checkout.
2. Popracować nad landing page’ami i kampaniami na nie kierującymi
3. Analizować dane dotyczące środka lejka i angażować użytkowników.

To właśnie dzięki tym działaniom można skutecznie zwiększać współczynnik konwersji i poprawiać wyniki ecommerce. Życzę powodzenia w optymalizacji, a jeżeli potrzebujesz pomocy, zapraszam do kontaktu z nami.

The post Google Analytics 4 a współczynnik konwersji – 3 proste sposoby na jego poprawę first appeared on Conversion.

Czy Twoja organizacja powinna zainwestować w Google Analytics 360? To pytanie, które zadaje sobie wielu przedsiębiorców i osób odpowiedzialnych za marketing i analitykę internetową. Dlatego też w tym artykule przyjrzymy się bliżej, kiedy inwestycja w Google Analytics 360 staje się opłacalna i jakie korzyści może przynieść Twojej organizacji.

Czym jest Google Analytics 360?
Różnice między GA4 a GA360
Główne korzyści płynące z Google Analytics 360
Podsumowanie

Pytanie, czy Twoja organizacja potrzebuje Google Analytics 360 jest częścią naszego ebooka poświęconego właśnie tej rozszerzonej wersji Google Analytics, który stworzyliśmy, aby dostarczyć kompleksowe źródło wiedzy na ten temat. Już na wstępie zachęcamy do zapoznania się z pełną wersją tego poradnika, który może okazać się nieocenionym źródłem informacji dla wszystkich, którzy rozważają skorzystanie z płatnej wersji Google Analytics.

Czym jest Google Analytics 360?

Google Analytics 360 jest płatną wersją popularnego narzędzia do analityki internetowej, oferującą zaawansowane funkcje i możliwości, które mogą znacząco wspierać rozwój firmy. Dla wielu organizacji Google Analytics 360 oferuje funkcje, które są niezbędne do Google Analytics 360 stanowi płatną, premium wersję popularnego narzędzia Google Analytics, charakteryzującą się brakiem limitów i zapewniającą gwarancję SLA (Service Level Agreement) dotyczącą zbierania danych. 

Różnice między GA4 a GA360

Decydując, czy Twoja organizacja potrzebuje płatnej wersji Google Analytics, kluczowe jest zrozumienie różnic między wersją bezpłatną a płatną. W dzisiejszym świecie, gdzie dane odgrywają kluczową rolę w procesie decyzyjnym firm, wybór odpowiedniego narzędzia do analizy tych danych jest niezwykle istotny. W przypadku Google Analytics, użytkownicy stają przed wyborem między wersją bezpłatną a płatną, znaną jako Google Analytics 360 (GA 360). Różnice między nimi można podzielić na kilka kategorii, szczególnie zauważalne w zakresie wsparcia i wydajności.

Gwarancja SLA i funkcjonalności

Przede wszystkim, licencja Google Analytics 360 oferuje SLA, co gwarantuje niezawodność zbierania danych, ich aktualizację oraz dostępność w raportach. Ponadto, wersja płatna różni się od bezpłatnej zakresem dostępności różnych funkcji, takich jak liczba dostępnych raportów w eksploracji, liczba grup odbiorców, czy liczba konwersji, obecnie określanych jako kluczowe zdarzenia.

Różnice między GA4 a GA360 cz. 1

Limity zdarzeń w wersji bezpłatnej

Z mojej perspektywy, oprócz SLA, jedną z największych różnic między tymi wersjami jest limit zdarzeń, który w wersji bezpłatnej jest ograniczony do miliona zdarzeń dziennie. Ten limit może okazać się istotną barierą, szczególnie dla serwisów z dużym ruchem oraz tych, które posiadają aplikacje mobilne.
Różnice między GA4 a GA360 cz. 2

Dostęp do danych historycznych

Dodatkowo, wersja bezpłatna oferuje dostęp do danych historycznych tylko przez 14 miesięcy, podczas gdy wersja płatna rozszerza ten okres do 50 miesięcy. Dla firm, które polegają na długoterminowej analizie trendów i wzorców, ten aspekt może być decydujący przy wyborze wersji płatnej.

Różnice między GA4 a GA360 cz. 3

Główne korzyści płynące z Google Analytics 360

Jak już zapewne widzisz, Google Analytics 360 w wielu aspektach znacząco różni się od swojej bezpłatnej wersji. Przy podejmowaniu decyzji o zakupie wersji rozszerzonej, warto więc rozważyć kilka kluczowych aspektów, takich jak:

• pewność i stabilność danych
• potrzeba analizy długich okresów czasowych(<14 miesięcy)
• poziom zaawansowania struktury śledzenia produktów cyfrowych w firmie
• ilość zbieranych danych

Jeśli Twoje analizy obejmują szeroki zakres czasowy i korzystasz intensywnie z interfejsu, GA 360 z pewnością ułatwi Twoją pracę. Jego zaawansowane funkcje pozwalają na efektywniejszą pracę z danymi, zwłaszcza przy długoterminowych analizach.

Dla firm o skomplikowanej strukturze organizacyjnej, oferujących różnorodne strony i produkty cyfrowe, GA 360 umożliwia szczegółową analizę za pomocą subproperties i roll-up properties. Te funkcje, będące odpowiednikami widoków z Universal Analytics, pozwalają na bardziej precyzyjne śledzenie i analizę danych.

Podsumowanie

Osobom, które zarządzają dużymi ilościami danych, zdecydowanie polecam rozważenie inwestycji w Google Analytics 360. W związku z tym zapraszam do zapoznania się z naszym poradnikiem, a w przypadku dodatkowych pytań, zachęcam do bezpośredniego kontaktu z nami.

The post Google Analytics 360 – czy Twoja firma go potrzebuje? first appeared on Conversion.

Spadająca marża na sprzedaży w niejednej firmie (i to nie raz) na pewno przysporzyła bólu głowy osobom odpowiedzialnym za utrzymanie jej na odpowiednim poziomie. Marżowość jest często jednym z najważniejszych KPI w przedsiębiorstwie. Warto więc wiedzieć, jak zachować się gdy zaczyna zauważalnie spadać, i jak w diagnozie problemu mogą pomóc dane online.

Czym jest marża?
Jakie są rodzaje marży?
Jak analizuje się marżę w kontekście marketingu?
Marża na sprzedaży – rola przychodów i kosztów
Spadająca marża na sprzedaży a dane
Spadająca marża na sprzedaży a wydatki marketingowe
Podsumowanie

Czym jest marża?

Zrozumienie marży jest kluczowe dla każdej firmy, ponieważ wpływa bezpośrednio na zyskowność. Marża jest różnicą pomiędzy przychodami a kosztami, co w uproszczeniu oznacza zysk. Można ją wyrazić procentowo w odniesieniu do kosztów, co pozwala na szybką ocenę efektywności finansowej. 

W kontekście zmian w marży, istotne jest zrozumienie czynników wpływających na jej wzrost lub spadek. Gdy marża maleje, można to przypisać albo do spadku przychodów, albo do wzrostu kosztów. Analiza tych dwóch elementów może ujawnić przyczyny zmian i wskazać kierunki działań naprawczych. W analizie finansowej i kontroli zarządczej, marża jest kluczowym wskaźnikiem, który pozwala ocenić rentowność produktów lub usług. Istnieje jednak kilka rodzajów marż, które odgrywają istotną rolę w ocenie efektywności biznesowej i które należy wziąć pod uwagę przy przeprowadzaniu takiej analizy. 

Jakie są rodzaje marży?

Zapewne niejednokrotnie byłeś/aś świadkiem dyskusji na temat poziomu marży w firmie lub sam brałeś w niej czynny udział. Czy masz jednak pełne przekonanie, że wszyscy rozmówcy przez pojęcie marży czy też marży na sprzedaży rozumieli to samo? Warto na wstępie zadać sobie to pytanie, ponieważ podejść do tematu jest kilka.

Marża brutto (pierwszego rodzaju)

Pierwszym z nich jest marża brutto, znana również jako marża pierwszego rodzaju. Ta marża reprezentuje przychody ze sprzedaży produktu lub usługi pomniejszone o bezpośrednie koszty ich produkcji. Jest to podstawowy wskaźnik pokazujący bezpośredni zysk z oferowanego produktu.

Marża drugiego rodzaju (marketingowa)

Kolejną marżą, którą warto rozważyć, jest tzw. marża drugiego rodzaju. Chociaż nie jest ona bezpośrednio wyróżniana w rachunkowości, stanowi ona ważny element w analizie efektywności działań marketingowych. Marża ta uwzględnia zysk z produktu po odjęciu kosztów inwestycji marketingowych. Pozwala to na głębsze zrozumienie, jak działania promocyjne wpływają na rentowność i pozwala na optymalizację wydatków marketingowych w celu maksymalizacji zysku.

Marża netto (trzeciego rodzaju)

Trzecim i kluczowym w świecie finansów i kontrolingu jest wskaźnik znany jako marża netto, który odzwierciedla rentowność firmy. Marża netto, często określana jako trzecia marża, to nic innego jak zysk netto wyrażony procentowo w stosunku do przychodu. Jest to miernik efektywności operacyjnej przedsiębiorstwa, pokazujący, jak część przychodów przekształca się w zysk po odjęciu wszystkich kosztów.

Zrozumienie i analiza różnych rodzajów marż są niezbędne dla efektywnego zarządzania finansami przedsiębiorstwa. Pozwalają one na dokładniejsze planowanie i podejmowanie świadomych decyzji biznesowych, które prowadzą do zwiększenia rentowności i rozwoju firmy. 

Jak analizuje się marżę w kontekście marketingu?

Analiza marży, szczególnie w kontekście działań marketingowych, jest niezwykle ważna. Pozwala zrozumieć, jak inwestycje w marketing wpływają na rentowność firmy. Monitorując zmiany w marży netto, można ocenić, czy strategie marketingowe są kosztowo efektywne i czy przynoszą oczekiwane wyniki finansowe. W świecie marketingu często spotykamy się z pewnym zamieszaniem wokół pojęcia marży. Profesjonaliści czasem mylą marżę brutto (pierwszą) z marżą netto (drugą), co prowadzi do błędnych wniosków. Rozróżnienie tych dwóch pojęć jest istotne, ponieważ niektórzy marketerzy obliczają rentowność, odejmując od całkowitych przychodów jedynie koszty inwestycji w marketing. Takie podejście sprawia, że tracą oni z pola widzenia pełny obraz rentowności, nie biorąc pod uwagę, że różne produkty i usługi mogą generować zróżnicowane marże.

W kontekście analityki online, ważne jest, aby marketing miał pełną świadomość rzeczywistego kosztu i marży związanej z poszczególnymi produktami lub usługami. Decyzje inwestycyjne dotyczące promowania określonych produktów powinny być oparte na precyzyjnym zrozumieniu ich rentowności. Tylko wtedy strategie marketingowe mogą być maksymalnie efektywne, a inwestycje przynoszą oczekiwane rezultaty. Właściwe analizowanie i rozumienie marży jest kluczem do optymalizacji działań marketingowych i zwiększania efektywności każdej kampanii. W świecie biznesu często obserwujemy, jak dyrektorzy finansowi (CFO) angażują się w poszukiwanie oszczędności w różnych obszarach organizacji. Szczególnie interesujące może być dla nich analizowanie wydatków marketingowych. CFO, próbując odnaleźć pola do oszczędności, może czasem wchodzić w domenę dyrektora marketingu (CMO) i oceniać inwestycje marketingowe pod kątem ich efektywności.

Marża na sprzedaży – rola przychodów i kosztów

Znalezienie oszczędności wydaje się być prostsze niż identyfikacja nowych inwestycji, które mogą przynieść wyższy zwrot. Jednak to drugie podejście często okazuje się być kluczowe dla optymalizacji działań firmy. Analizując koszty i marżę, można podjąć działania w dwóch obszarach: poszukiwanie sposobów na zwiększenie przychodów lub redukcję kosztów. Zwiększenie przychodów bezpośrednio wpływa na poprawę marży, co jest korzystne dla finansów firmy. W analizie efektywności działań w obszarze e-commerce istotnym aspektem jest optymalizacja kosztów. Zmniejszenie kosztów może prowadzić do wzrostu marży, co jest zazwyczaj pożądanym rezultatem. Jednakże, warto mieć na uwadze, że istnieje pewna granica, poniżej której koszty nie mogą zostać obniżone – teoretycznie mogą one oscylować wokół zera, ale w praktyce zawsze będą istnieć pewne niezbędne wydatki.

Z drugiej strony, optymalizacja przychodów nie napotyka na takie ograniczenia. Potencjalnie, możliwości zwiększania przychodów są nieograniczone i zależne głównie od kreatywności i skuteczności wdrażanych strategii. Warto zatem rozważyć, gdzie skupić swoje działania optymalizacyjne, aby maksymalizować efektywność finansową przedsiębiorstwa. 

Optymalizacja kosztów marketingowych

Temat optymalizacji kosztów marketingowych został przedstawiony w dedykowanym artykule, który pozwoli na głębsze zrozumienie tej tematyki oraz na zapoznanie się z praktycznymi narzędziami i metodami redukcji wydatków przy jednoczesnym zachowaniu, a nawet zwiększeniu, jakości oferowanych usług czy produktów. 

W kontekście optymalizacji marży, istotne jest skoncentrowanie się na zwiększaniu przychodów. Aby skutecznie optymalizować marżę, kluczowe jest posiadanie odpowiednich danych. W poprzednim artykule, do którego odsyłałem akapit wyżej, omówiłem jak istotne jest umiejętne przedstawienie kosztów i marży w ujęciu czasowym. Gdy rozkładamy marżę w czasie i zauważamy jej spadek, musimy zrozumieć wpływ dwóch głównych składowych: przychodów i kosztów.

Spadająca marża na sprzedaży a dane

Pierwszym krokiem w analizie spadającej marży jest obserwacja trendów. Następnie przeprowadzamy dekompozycję tych trendów, aby zrozumieć przyczyny zmniejszającej się marży. W praktyce oznacza to podział na analizę przychodów oraz kosztów. Dopiero później warto dokładniej przyjrzeć się przychodom z poszczególnych linii produktowych, aby zidentyfikować możliwości dalszej optymalizacji. Pozwoli to wejść na większy poziom szczegółowości analizy, co w efekcie da nam trafniejsze wnioski.

Kluczowym aspektem jest systematyczna analiza danych, która pozwala na wczesne wykrycie trendów i podejmowanie działań mających na celu zwiększenie marży lub ograniczenie jej spadku. To podejście umożliwia lepsze zarządzanie finansami firmy i przyczynia się do jej długoterminowego sukcesu. Analityka online to kluczowy element optymalizacji działań w biznesie internetowym. Jednym z podstawowych zadań, które przed nią stoją, jest identyfikacja przyczyn problemów i znajdowanie efektywnych rozwiązań. Skupmy się na analizie przychodów, które są bezpośrednio związane z ilością sprzedanych produktów i ceną, za jaką są one oferowane. Przychody to w końcu iloczyn ilości sprzedanych produktów i ich ceny.

Popyt, podaż i ryzyko wojny cenowej

Zrozumienie podstawowego prawa podaży i popytu jest tutaj kluczowe. W skrócie, mówi ono, że przy niższej cenie zwykle sprzedajemy więcej, jednak ta zależność jest odwrotnie proporcjonalna. To prowadzi nas do wniosku, że obniżanie cen w celu zwiększenia ilości sprzedanych produktów nie zawsze jest najlepszym rozwiązaniem. Taka strategia może bowiem doprowadzić do niechcianej wojny cenowej, która w dłuższej perspektywie może być szkodliwa dla rentowności firmy.

Podczas analizy przychodów warto również zwrócić uwagę na inne czynniki, które mogą wpływać na ilość sprzedanych produktów, takie jak jakość, unikalność oferty czy postrzeganie marki przez konsumentów. Optymalizacja tych aspektów może przyczynić się do wzrostu przychodów bez konieczności angażowania się w ryzykowną grę cenową. Efektywność kosztowa jest kluczowym aspektem w prowadzeniu biznesu, a jej wpływ na marżę jest niezaprzeczalny. Analizując rynek detaliczny, szczególnie interesującym przykładem jest niedawna wojna cenowa między Lidlem a Biedronką. Kampanie te, realizowane poprzez SMS, mają na celu przyciągnięcie uwagi konsumentów przez bezpośrednie porównanie cen. Jednakże, zamiast skupiać się wyłącznie na redukcji kosztów do minimum, warto zastanowić się nad strategią zwiększania przychodów.

Z punktu widzenia przychodów, istotniejsze niż cięcie cen jest zwiększenie ilości sprzedawanych produktów. Osiągnięcie tego celu nie powinno odbywać się poprzez bezpośrednią redukcję ceny, lecz przez inteligentne inwestycje marketingowe, które przyciągną klientów i zwiększą sprzedaż. A jak już wiemy, dane są niezbędne do efektywnego zarządzania budżetem i optymalizacji działań marketingowych, co w konsekwencji może prowadzić do wzrostu marży.

Spadająca marża na sprzedaży a wydatki marketingowe

Podsumowując, kluczowym aspektem w pracy nad marżą jest nie tylko kontrola kosztów, ale przede wszystkim umiejętne zarządzanie inwestycjami marketingowymi, które powinny być oparte na solidnej analizie danych. To właśnie one mogą stać się fundamentem do podejmowania strategicznych decyzji, które przyczynią się do wzrostu przychodów i zysków firmy. Zrozumienie koncepcji lejka atrybucji jest kluczowe w świecie marketingu. Ta koncepcja pozwala nam śledzić, jak inwestycje w różne kanały marketingowe wpływają na sprzedaż. W modelu lejka, klienci znajdują się na różnych etapach procesu zakupowego, od etapu świadomości (TOFU – Top of the Funnel), przez rozważanie (MOFU – Middle of the Funnel), aż po decyzję o zakupie (BOFU – Bottom of the Funnel). Terminologia ta, choć pochodzi z marketingu B2B, doskonale odnajduje się również w kontekście B2C.

Marketer a marża drugiego stopnia

Inwestycje marketingowe nie zawsze przynoszą natychmiastowe rezultaty. Często działania podjęte obecnie mogą przynieść wzrosty w znacznie dalszej przyszłości. W kontekście marży, istotne jest rozróżnienie między różnymi jej rodzajami. Marża, którą można bezpośrednio powiązać z inwestycjami marketingowymi, to tzw. druga marża. To właśnie na nią marketerzy mają największy wpływ. Z kolei marża pierwsza jest domeną zespołu produktowego, a trzecia – finansowego (CFO). Mimo że czasami CFO może próbować wpływać na drugą marżę, zrozumienie jej mechanizmów jest niezbędne do skutecznego zarządzania marketingiem online i osiągania długoterminowych korzyści finansowych. Zwiększanie marży produktowej jest kluczowym aspektem zarządzania finansami w każdej firmie. Istotne jest zrozumienie, że marża może być podzielona na dwie główne kategorie: marża pierwsza i marża druga. Pierwsza odnosi się do zysku generowanego bezpośrednio z sprzedaży produktów, podczas gdy druga uwzględnia koszty kampanii marketingowych.

Aby efektywnie zwiększać marżę drugą, warto skupić się na produktach o najwyższej rentowności. Dzięki precyzyjnie ukierunkowanym kampaniom na te produkty, które generują najwyższą marżę i są dostępne, można znacząco poprawić wyniki finansowe firmy.

Scoring produktowy i technologia

W tym kontekście, warto wspomnieć o zastosowaniu scoringu produktowego, które pozwala na optymalizację kampanii marketingowych. Przykładem może być wykorzystanie Google BigQuery do integracji różnych źródeł danych, co pozwala na zbudowanie zaawansowanego systemu scoringowego. Dzięki niemu możliwe jest nie tylko identyfikowanie produktów o najwyższej marży, ale także efektywne zarządzanie dostępnością tych produktów. Przy okazji, stanowi to świetny przykład tego, jak spadająca marża na sprzedaży może być zniwelowana przez analitykę danych.

Podsumowanie

Podsumowując, marża jest wynikiem różnicy między przychodami a kosztami, a jej analiza powinna uwzględniać różne jej poziomy. Najczęściej koncentrujemy się na poziomie mieszającym marżę pierwszą i drugą, co pozwala na lepsze zrozumienie finansów i podejmowanie bardziej świadomych decyzji biznesowych. W dziedzinie marketingu jednym z kluczowych wskaźników jest marża pierwszego stopnia. Często jednak popełnia się błąd, polegający na braniu pod uwagę wyłącznie przychodu z produktu, pomijając fakt, że różne produkty i usługi generują różne koszty. Z ekonomicznego punktu widzenia, korzystniejsze może być skupienie się na tych produktach i usługach, które charakteryzują się wyższą marżą, gdyż to właśnie one mogą przynieść organizacji najlepsze rezultaty finansowe.

W analizie marketingowej niezbędne jest dysponowanie solidnymi danymi nie tylko na poziomie samego marketingu, ale również szerszymi informacjami z całej organizacji. Dopiero wtedy możliwe jest dokładne obliczenie marży na różnych poziomach działalności. Precyzyjne dane są fundamentem dla podejmowania trafnych decyzji biznesowych, które mogą znacząco wpłynąć na zyskowność firmy.

The post Spadająca marża na sprzedaży – co zrobić? first appeared on Conversion.

Redukcja kosztów marketingowych a wzrost przychodów
Koszty marketingowe – kategorie
Analiza kosztów marketingowych
Koszty marketingowe a analiza działań konkurencji
Analiza źródeł ruchu i lejków marketingowych
Nowi użytkownicy vs powracający użytkownicy
Podsumowanie

Redukcja kosztów marketingowych a wzrost przychodów

Rozważając to, jak dane mogą wpłynąć na oszczędności w marketingu, warto skupić się na kilku kluczowych aspektach. Pierwszym z nich jest analiza efektywności kampanii reklamowych. Rosnące koszty marketingowe kampanii mogą przyprawić o bół głowy, jednak dzięki narzędziom takim jak Google Analytics, możemy dokładnie prześledzić, które kanały przynoszą najwięcej konwersji przy najniższych kosztach. Drugim aspektem jest optymalizacja lejka sprzedażowego, gdzie analiza danych pozwala na identyfikację i usunięcie przeszkód, które uniemożliwiają klientom dokonanie zakupu.

Dane online oferują bogate źródło wiedzy, które może być wykorzystane do poprawy efektywności marketingowej. Jednakże, kluczowe jest, aby podejść do nich strategicznie i z odpowiednią wiedzą. W tym kontekście, analityka internetowa staje się nie tylko narzędziem, ale również umiejętnością niezbędną do osiągnięcia sukcesu w e-commerce.

Zanim jednak zagłębimy się w poszukiwanie oszczędności w danych, warto zrozumieć, dlaczego w ogóle poświęcamy na to uwagę. Podstawowym celem jest zwiększenie efektywności działania firmy, co bezpośrednio przekłada się na zysk, będący różnicą między przychodami a kosztami. W sytuacji, gdy efektywność spada, często jest to wynikiem rosnących kosztów, stąd naturalnym krokiem wydaje się poszukiwanie oszczędności właśnie w tej sferze.

Jednakże, zanim skupimy się na redukcji kosztów, warto zastanowić się, czy jest to najbardziej efektywna metoda zwiększania efektywności. Chociaż często jest to pierwszy krok wybierany przez osoby odpowiedzialne za finanse, takie jak CFO, to nie zawsze jest to najbardziej efektywna ścieżka. Zamiast skupiać się wyłącznie na cięciu kosztów, warto również rozważyć inne metody optymalizacji procesów biznesowych, które mogą przynieść długoterminowe korzyści dla firmy. 

W dalszej części artykułu przyjrzymy się, jak analityka online może pomóc w identyfikacji obszarów, które oferują potencjalne oszczędności, nie tracąc przy tym z oczu ogólnego celu, jakim jest wzrost efektywności działania przedsiębiorstwa. W świecie analityki online często spotykamy się z dylematem: czy skupić się na minimalizacji kosztów, czy może jednak na zwiększaniu przychodów? Odpowiedź na to pytanie nie jest tak oczywista, jak mogłoby się wydawać. Rozważając kwestię oszczędności, warto zauważyć, że koszty można obniżać jedynie do pewnego poziomu, a mianowicie do zera. To oznacza, że istnieje naturalny limit, poniżej którego nie jesteśmy w stanie zredukować wydatków.

Z drugiej strony, kiedy skupiamy się na wzroście przychodów, napotykamy na znacznie większe możliwości. Przychody, w przeciwieństwie do kosztów, nie mają sztywnego ograniczenia górnego. Oczywiście, nie oznacza to, że możemy skalować je w nieskończoność, ale potencjał wzrostu jest znacznie większy. W praktyce oznacza to, że firmy powinny zwrócić szczególną uwagę na strategie zwiększania przychodów, ponieważ to one mogą przynieść znaczące korzyści finansowe w dłuższej perspektywie.

Choć kontrola kosztów jest ważnym elementem zarządzania finansami, to skupienie się na rozwoju przychodów może okazać się znacznie bardziej korzystne. Warto pamiętać, że ograniczenia kosztów są stałe, podczas gdy możliwości zwiększenia przychodów są zdecydowanie szersze i mogą przynieść długofalowe korzyści dla firmy. W kontekście wzrostu efektywności i inwestycji marketingowych, kluczowym wskaźnikiem jest zwrot z inwestycji, znany także jako return on investment (ROI). Jest to miara, która informuje nas o dodatkowym zysku generowanym z każdej zainwestowanej złotówki. W związku z tym poszukujemy takich inwestycji, które pozwolą nam znacząco zwiększyć przychody. Zrozumienie i skuteczne wykorzystanie ROI pozwala na lepsze zarządzanie budżetem marketingowym i optymalizację działań promocyjnych. Warto pamiętać, że inwestycje te zazwyczaj pociągają za sobą początkowy wzrost kosztów, jednakże celowość tych wydatków mierzymy właśnie poprzez ROI, który powinien w dłuższej perspektywie przynieść wzrost przychodów. Wzrost przychodów przewyższający wzrost kosztów jest kluczowy dla osiągnięcia zamierzonej efektywności. Skupmy się jednak na kwestii redukcji kosztów.

Koszty marketingowe – kategorie

Wieloletnie doświadczenie w projektach doradczych i analizach pokazuje, że pierwszym krokiem w poszukiwaniu oszczędności jest potwierdzenie, czy faktycznie mamy do czynienia z problemem wzrostu kosztów. Często zdarza się, że firmy zgłaszają się z obawami o rosnące koszty, które rzekomo obniżają efektywność. Jednak po głębszej analizie okazuje się, że źródło problemu leży gdzie indziej.

Pierwszym etapem jest zatem weryfikacja, czy koszty rzeczywiście rosną. Kolejnym krokiem, po potwierdzeniu wzrostu kosztów, jest zidentyfikowanie przyczyn tej sytuacji. Analiza przyczyn pozwala na skuteczne podejmowanie działań naprawczych i optymalizację wydatków. W dziedzinie analityki online, szczególnie istotne jest zrozumienie źródeł danych marketingowych. Te dane można zwykle odnaleźć w działach finansowych, a dokładniej w kontroli zarządczej. W analizie kosztów marketingowych rozróżnia się sześć głównych kategorii: wynagrodzenia bezpośrednio związane z generowaniem przychodów, koszty projektowe, administracyjne, sprzedaż, marketing oraz rozwój talentów.

Przyglądając się bliżej marketingowi i poszukiwaniu potencjalnych oszczędności, nie wystarczy tylko prześledzenie miesięcznych wydatków. Należy dokładniej przeanalizować koszty, dokonując ich dekompozycji. W marketingu możemy wyróżnić trzy podstawowe grupy kosztów, które są kluczowe dla efektywnej analizy finansowej. Pierwszym źródłem kosztów są bezpośrednie wydatki mediowe, czyli kwoty przeznaczone na kampanie w systemach reklamowych. Drugie źródło obejmuje koszty obsługi mediów, które pokrywają wynagrodzenia osób zarządzających kampaniami, a także wsparcie w zakresie kreacji i technologii IT, takich jak np. przygotowanie landing page. Trzecie źródło kosztów to narzędzia wykorzystywane w procesie marketingowym.

W praktyce marketing dzieli się na podkategorie, takie jak tworzenie i promocja treści, narzędzia, zewnętrzne usługi i inne koszty. W zależności od organizacji, koszty te mogą być monitorowane przez dział controlling lub mogą być bezpośrednio związane z agencją realizującą kampanie lub narzędziami używanymi do ich prowadzenia. Te wydatki są zazwyczaj najbardziej widoczne, szczególnie gdy są one obciążane na karcie kredytowej firmy i wymagają późniejszego rozliczenia w formie faktury dla działu finansowego.

Zarządzanie kosztami mediów to złożone zadanie, które wymaga dokładnej analizy i przypisania wydatków do odpowiednich działań marketingowych. Dzięki temu możliwe jest optymalizowanie budżetu i zapewnienie, że każda inwestycja przynosi oczekiwane rezultaty. W analizie kosztów obsługi mediów cyfrowych istotnym elementem są wynagrodzenia osób zaangażowanych w te działania lub opłaty za usługi agencji, która zajmuje się realizacją kampanii. Koszty te mogą być zróżnicowane w zależności od przyjętego modelu rozliczeniowego. Przykładowo, mogą to być opłaty procentowe od przychodu, od budżetu kampanijnego, a czasem stosuje się stałą stawkę. W niektórych przypadkach rozliczenie może uwzględniać zwrot z inwestycji reklamowej (ROAS).

W przypadku PPC (pay-per-click) istnieje wiele metod rozliczeń, podobnie jak w SEO (Search Engine Optimization), gdzie opłaty mogą zależeć od pozycji fraz kluczowych w wynikach wyszukiwania, takich jak top 3, top 10 itp. Możliwe są także opłaty za ruch organiczny. 

Analiza kosztów marketingowych

Gdy już zebrane zostaną wszystkie dane dotyczące kosztów, w tym opłaty za narzędzia, powinno się przystąpić do ich szczegółowej analizy. Rozpoczynając od ogólnego obrazu, stopniowo należy przechodzić do bardziej szczegółowych aspektów, aby zrozumieć, jak poszczególne elementy wpływają na całościowy obraz finansowy działań marketingowych. W analizie danych online, kluczowe jest zidentyfikowanie i zrozumienie wzrostu kosztów marketingowych. Pierwszym krokiem jest sprawdzenie, czy problem wzrostu kosztów faktycznie występuje. W tym celu, analizuje się koszty marketingowe na przestrzeni miesięcy, tygodni lub innego wybranego okresu. Po potwierdzeniu, że koszty te rosną, należy przystąpić do ich dekompozycji.

Jeżeli w wyniku analizy zauważymy, na przykład, znaczący wzrost kosztów związanych z tworzeniem i promocją treści, następnym krokiem będzie szczegółowe zbadanie, które narzędzia lub działania są odpowiedzialne za ten wzrost. To pozwoli na lepsze rozumienie struktury wydatków i pomoże w optymalizacji działań marketingowych dla osiągnięcia lepszej efektywności kosztowej. Wzrost ten może wynikać z różnych czynników, takich jak zwiększone wydatki na media czy wyższe opłaty agencji obsługującej kampanie. Aby zidentyfikować przyczynę wzrostu kosztów, niezbędne jest dokładne przeanalizowanie danych. 

Koszty marketingowe – narzędzia

W pierwszej kolejności warto przyjrzeć się narzędziom analitycznym. Często istnieje możliwość poszukiwania tańszych alternatyw lub całkowitej rezygnacji z niektórych z nich, jeśli nie przynoszą one oczekiwanej wartości. Warto stworzyć listę opłacanych obecnie narzędzi marketingowych i dokonać ewaluacji ich przydatności a następnie zrezygnować z tych niepotrzebnych. Następnie dla pozostałych narzędzi poszukać tańszych alternatyw.

Koszty marketingowe – obsługa mediów

W przypadku kosztów związanych z obsługą mediów sprawa jest bardziej złożona, ponieważ należy wziąć pod uwagę wiele czynników wpływających na końcowe opłaty.

Podstawowym dylematem jest wybór między utrzymywaniem działań marketingowych wewnątrz firmy (in-house) a outsourcingiem. 

Sytuacja jest podobna do tej, dotyczącej zatrudniania analityków danych oraz alternatyw do tego rozwiązania. Posiadanie zespołu na miejscu ma swoje zalety. Pracownicy, będąc integralną częścią organizacji, mają głębsze zrozumienie jej działania i są bardziej zaangażowani w jej sukces. Nieformalne rozmowy przy kawie czy herbacie mogą prowadzić do twórczych pomysłów, które pozytywnie wpłyną na kampanie marketingowe.

Przy zatrudnieniu osoby lub osób odpowiedzialnych za marketing w firmie, często spotykamy się z sytuacją, w której jedna osoba pełni rolę całej orkiestry: odpowiada za kampanię, jej konfigurację, warstwę kreatywną, analizę i wiele innych zadań. W takich okolicznościach, choć może to wydawać się kontrintuicyjne, warto rozważyć zatrudnienie dodatkowej osoby. Inwestycja ta może się okazać krokiem wstecz, który umożliwi późniejsze trzy kroki naprzód.

Małe organizacje często obawiają się zwiększania zatrudnienia, nawet gdy obciążenie pracą jest ogromne. Jednakże, aby sprostać wymaganiom szybko zmieniającego się rynku, nie można polegać wyłącznie na zdolnościach jednego pracownika do zarządzania wszystkimi aspektami martketingu. W końcu, nikt nie jest w stanie skutecznie zarządzać operacjami i jednocześnie być na bieżąco z najnowszymi trendami branżowymi.

Rozważając kwestię zatrudnienia wewnętrznego (in-house) w porównaniu do outsourcingu, konieczne jest dokładne przeanalizowanie zarówno zalet, jak i wad obu rozwiązań. W miarę jak organizacja się rozwija, kluczowe staje się budowanie wewnętrznych kompetencji i zdolności do adaptacji w zmieniającym się środowisku marketingu cyfrowego. 

Koszty marketingowe – budżety na media

Zarządzanie budżetem mediowym to kolejny istotny aspekt, który wymaga szczegółowej analizy danych. Jeśli dane wskazują na problematyczne obszary, warto skoncentrować się na nich, aby optymalizować wydatki i prowadzone działania marketingowe. Analityka internetowa dostarcza szczegółowych informacji o zachowaniu użytkowników na stronie, które są niezbędne do efektywnego zarządzania kampaniami online.

Kluczowym elementem jest jednak zapewnienie, że dane, na których opieramy nasze decyzje, są wiarygodne. Od samego początku działalności firmy należy dbać o ich poprawność, ponieważ stanowią one fundament dla wszelkich analiz i strategii marketingowych. Właściwe zarządzanie danymi i wykorzystanie analityki internetowej umożliwia nie tylko identyfikację problemów, ale także optymalizację działań i maksymalizację zwrotu z inwestycji. Wartość analiz jest bezpośrednio związana z jakością danych, na podstawie których są one przeprowadzane. Stąd wywodzi się znane w branży powiedzenie „Garbage In, Garbage Out” (GIGO), które dosadnie podkreśla, że analiza wykonana na podstawie niskiej jakości danych nieuchronnie prowadzi do błędnych wniosków i wątpliwych rekomendacji.

Aby uniknąć takiej sytuacji, kluczowe jest zapewnienie poprawnej konfiguracji narzędzi analitycznych oraz regularny audyt tych narzędzi. Google Analytics jest tu często używanym przykładem, bowiem niewłaściwa konfiguracja może prowadzić do błędów w gromadzeniu i interpretacji danych.

Kolejnym elementem jest również właściwe tagowanie kampanii marketingowych. Dzięki temu możliwe jest dokładne śledzenie i ocena efektywności różnych źródeł ruchu. Odpowiednia konfiguracja raportów jest niezbędna, aby dane mogły efektywnie służyć organizacji, umożliwiając podejmowanie opartych na nich decyzji biznesowych.

Warto zatem poświęcić czas na upewnienie się, że dane, na których bazują nasze analizy są rzetelne i precyzyjne. Tylko w ten sposób możemy wykorzystać pełny potencjał analityki online w rozwoju naszego biznesu. Uwaga firm powinna skupiać się nie tylko na krótkoterminowych oszczędnościach, ale także na długofalowej strategii. Oszczędności wynikające z niepodejmowania pewnych działań mogą wydawać się korzystne na początku, jednak w perspektywie czasu mogą obrócić się przeciwko przedsiębiorstwu. Właśnie dlatego istotne jest, aby nie tracić z oczu ogólnego obrazu sytuacji rynkowej.

Koszty marketingowe a analiza działań konkurencji

Jednym z kluczowych aspektów, o którym firmy muszą pamiętać, jest konkurencja. Decyzje dotyczące budżetu marketingowego, szczególnie w kontekście jego redukcji, powinny uwzględniać fakt, że działamy wśród innych graczy na rynku internetowym. Pandemia COVID-19 i związane z nią lockdowny, które zamknęły inne kanały sprzedaży, zwłaszcza sklepy stacjonarne, doskonale to zilustrowały. W wyniku ograniczeń, znaczna część ruchu klientów przeniosła się do internetu, co skłoniło wiele firm do intensyfikacji działań reklamowych w przestrzeni cyfrowej.

To przypomnienie podkreśla, jak ważne jest dostosowanie strategii marketingowej do zmieniających się warunków rynkowych i zachowań konsumentów. W erze cyfrowej, gdzie konkurencja jest zaledwie kilka kliknięć myszką, nie można ignorować znaczenia skutecznej obecności online i inwestycji w działania marketingowe, które zapewnią widoczność i przewagę nad konkurentami. Z obserwacji naszych klientów zauważyliśmy znaczący wzrost kosztów mediów internetowych. Jest to efekt ograniczonej liczby użytkowników internetu w danym regionie geograficznym, co przy rosnącej liczbie firm pragnących zaistnieć w sieci, prowadzi do wzrostu cen za obsługę mediów. W okresie lockdownu stało się jasne, że sama obecność w internecie to za mało. Kluczowa okazała się jakość tej obecności oraz sposób kreowania kampanii i dotarcia do użytkowników, preferując bardziej spersonalizowany przekaz.

Dane odgrywają tu znaczącą rolę, ponieważ umożliwiają lepszą segmentację i docieranie do odpowiedniej grupy odbiorców. W dzisiejszych czasach, kiedy coraz więcej elementów w budżetach marketingowych opiera się na automatyzacji, dane stają się niezmiernie ważne. Systemy automatyczne wykorzystują informacje do samooptymalizacji, co podnosi efektywność działań marketingowych i pozwala na osiąganie lepszych wyników przy niższych kosztach. Lepsza jakość danych może przekładać się na wyższą efektywność działań. W kontekście redukcji kosztów budżetów marketingowych, kluczowe jest, aby dane były dokładne i nie były pomijane w procesie optymalizacji. Jednakże, w poszukiwaniu oszczędności, często firmy nie biorą pod uwagę działań konkurencji, co jest błędem ponieważ rosnące koszty budżetu marketingowego mogą wynikać z intensyfikacji działań konkurentów.

Istnieją narzędzia, które pozwalają analizować aktywność konkurencji w przestrzeni cyfrowej. Przykładem może być narzędzie oferowane przez platformę Meta – Ads library, które umożliwia wgląd w reklamy prezentowane przez konkretne firmy. Na przykład, wpisując nazwę „Conversion”, można zobaczyć wszystkie nasze kampanie reklamowe realizowane w ekosystemie Meta. To tylko jeden z przykładów narzędzi, które mogą być wykorzystane do monitorowania strategii marketingowych konkurencji, co jest istotne dla skutecznego zarządzania budżetem reklamowym. Analiza konkurencji stanowi cenne źródło informacji, które może wyjaśnić, dlaczego koszty reklamowe nagle wzrosły. Często wynika to z intensyfikacji działań konkurencji – pojawia się więcej firm chcących się reklamować, co prowadzi do wzrostu kosztów. 

Analiza źródeł ruchu i lejków marketingowych

W kontekście redukcji budżetów marketingowych istotne jest, by nie eliminować pochopnie źródeł ruchu, które są kluczowe dla początkowych etapów procesu zakupowego klienta. Użytkownicy internetu znajdują się na różnych etapach procesu zakupowego, co oznacza, że nie zawsze odwiedzający sklep internetowy są gotowi do zakupu. Zrozumienie lejka marketingowego, który obejmuje etapy początkowe, środkowe i końcowe – gdzie klienci są już zdecydowani i wiedzą, co chcą kupić – jest kluczowe. Związane jest to również z koncepcją atrybucji konwersji.

Analizując dane, które już posiadamy, i szukając oszczędności, chcąc ograniczyć źródła ruchu, pamiętajmy, że nie wszystkie kanały, które nie przynoszą bezpośrednich wyników sprzedażowych, powinny być eliminowane. Niektóre z nich mogą odgrywać ważną rolę w budowaniu świadomości marki lub wpływać na decyzje zakupowe na dalszym etapie ścieżki klienta. W analizie efektywności różnych źródeł ruchu internetowego istotne jest zrozumienie, że nie wszystkie mają bezpośredni wpływ na sprzedaż. Niektóre z nich są odpowiedzialne za przyciąganie nowych użytkowników i budowanie świadomości marki. Jeśli zdecydujemy się ograniczyć te źródła, ponieważ dane wskazują na ich niską efektywność sprzedażową, możemy w dłuższej perspektywie stracić potencjalne przychody. Brak tych źródeł może oznaczać również zanikanie tych, które zamykają proces sprzedaży.

Kluczowe w temacie lejków jest zrozumienie pojęcia atrybucji konwersji. Nie powinniśmy ograniczać się jedynie do podstawowych modeli atrybucji, które przypisują konwersje wyłącznie źródłom ruchu, które bezpośrednio przyprowadziły użytkownika do serwisu. Ważne jest również uwzględnienie tych źródeł, które towarzyszyły użytkownikowi na różnych etapach lejka zakupowego. Taka wiedza pozwala na świadome zarządzanie budżetami marketingowymi i rozumienie procesów decyzyjnych użytkowników.

Branże, w których proces decyzyjny jest dłuższy i wymaga wielokrotnych wizyt w serwisie, jak na przykład organizatorzy wycieczek zagranicznych, wymagają szczególnie ostrożnego podejścia do atrybucji. Decyzje zakupowe w tych przypadkach często są podejmowane przez okres do trzech tygodni od pierwszej wizyty, co dodatkowo podkreśla znaczenie kompleksowej analizy ścieżek konwersji. W e-commerce, pierwsza wizyta na stronie to dopiero początek drogi klienta, który może obejmować nawet 30 kolejnych wizyt, pełnych porównań i analiz. W tym kontekście kluczowe jest, aby nie tylko sami rozumieliśmy znaczenie każdego elementu tej podróży, ale także abyśmy potrafili wyjaśnić te aspekty osobom z innych działów, które poszukują oszczędności. Szczególną uwagę należy zwrócić na dział finansów i CFO, którzy, opierając się na podstawowych statystykach, mogą dojść do wniosku, że niektóre kanały, takie jak display ads, nie generują sprzedaży i mogą być kandydatami do cięć budżetowych. Jednakże, taka perspektywa nie uwzględnia pełnego obrazu i może prowadzić do decyzji, które długoterminowo przyniosą więcej szkód niż korzyści. CFO, podejmując decyzje o inwestycjach marketingowych bez pełnego zrozumienia specyfiki branży, mogą nieświadomie zaszkodzić potencjałowi wzrostu firmy. Oszczędności kosztów, choć kuszące w krótkim okresie, mogą nie uwzględniać wartości długofalowego budowania marki i utrzymywania relacji z klientami.

Nowi użytkownicy vs powracający użytkownicy

W kontekście oszczędności w budżetach marketingowych, istotne jest również skupienie się na przyciąganiu nowych użytkowników. To wymaga strategicznego podejścia do alokacji środków, które uwzględnia zarówno potrzeby bieżące, jak i przyszłe cele firmy. Zamiast pochopnych cięć, warto analizować dane z narzędzi takich jak Google Analytics, aby zrozumieć, które kanały marketingowe faktycznie przyczyniają się do pozyskiwania wartościowych klientów, a które wymagają optymalizacji. W świecie e-commerce często spotykamy się z podejściem, w którym firmy skupiają swoje działania marketingowe na pozyskiwaniu nowych klientów kosztem dbania o już istniejących. To podejście przypomina strategie firm telekomunikacyjnych, które zdają się preferować werbowanie nowych użytkowników zamiast inwestować w lojalność i zadowolenie obecnych. Analizy wykazują, że koszt pozyskania nowego klienta jest znacznie wyższy niż koszt utrzymania już istniejącego. Dlatego też budowanie sprzedaży i efektywności poprzez ponowne angażowanie obecnych użytkowników może okazać się znacznie korzystniejsze.

Jasnym przykładem efektywnego programu lojalnościowego jest Allegro Smart. Wprowadzenie opłaty abonamentowej, która gwarantuje darmową dostawę przy zamówieniach przekraczających określoną kwotę, sprawia, że klienci są bardziej skłonni do dokonywania zakupów na tej platformie, zamiast szukać alternatywnych ofert.

W kontekście budowania skutecznych strategii marketingowych, kluczowe staje się tworzenie własnego zestawu narzędzi, zamiast polegania wyłącznie na zewnętrznych platformach takich jak Google, Meta, LinkedIn czy ogólnie social media. Po pozyskaniu użytkownika, niezwykle ważne jest zdobycie jego danych kontaktowych, nawet jeśli nie jest on gotowy do natychmiastowego zakupu. Posiadanie tych informacji umożliwia późniejsze nawiązanie kontaktu, na przykład poprzez e-mail, co jest zdecydowanie bardziej efektywne niż ponowne próby dotarcia do niego przez reklamy w sieci, takie jak Google Display Network. 

Jednym z częstych błędów, który może wystąpić podczas próby redukcji kosztów marketingowych, jest nadmierne skupianie się na wskaźniku zwrotu z wydatków reklamowych (ROAS). Zamiast tego, przedsiębiorstwa powinny przyjrzeć się długofalowemu zwrotowi z inwestycji, biorąc pod uwagę wartość klienta (lifetime value, LTV).

Przykładem są biznesy takie jak kluby zakupowe czy banki, które często inwestują w pozyskanie klienta więcej niż wynosi zysk z pierwszej transakcji. Kluczem jest tu długoterminowa strategia, która koncentruje się na powracających użytkownikach i możliwości sprzedaży dodatkowych produktów czy usług (upselling). Budowanie wartości klienta w ten sposób może z czasem znacząco zwiększyć efektywność wydatków marketingowych.

Podsumowanie

Warto pamiętać, że efektywność nie oznacza jedynie obniżania kosztów, ale przede wszystkim zwiększanie przychodów w sposób efektywny. Oznacza to inwestowanie w media i działania online, które przynoszą wzrost przychodów w stosunku do ponoszonych kosztów. Dane są fundamentem efektywności marketingu cyfrowego – zbieramy je i analizujemy, aby w odpowiednim momencie wykorzystać w celu zwiększenia efektywności naszych działań. Analityka online jest jak ubezpieczenie samochodowe dla marketerów – stanowi zabezpieczenie, które pozwala na optymalizację działań i maksymalizację zwrotu z inwestycji. Wprowadzenie analityki online do działalności firmy może początkowo wydawać się kosztowne, lecz jej efektywność, widoczna w znaczącym wzroście przychodów, pozwala na optymalizację tych kosztów. Kluczowe jest zrozumienie, że głównym źródłem wydatków jest kontrola finansowa, czyli controlling. Pokazuje to, jak ważne jest posiadanie dobrze zorganizowanego systemu controllingu, który w moim doświadczeniu powinien obejmować co najmniej dwa poziomy kosztów.

Na drugim poziomie wnikamy w szczegóły, szczególnie istotne w przypadku kampanii marketingowych. To właśnie tutaj dane z analityki internetowej stają się kluczowe, umożliwiając podejmowanie świadomych decyzji. Warto jednak pamiętać, by nie dążyć do oszczędności za wszelką cenę. Zamiast tego, należy skupić się na długoterminowej perspektywie działania, która często przynosi lepsze rezultaty niż krótkowzroczne cięcia kosztów. W świecie e-commerce i digital marketingu, decyzje dotyczące budżetów reklamowych muszą być podejmowane z rozwagą, szczególnie w kontekście ich wpływu na lejek sprzedażowy. Często dział finansów poszukuje oszczędności, co może prowadzić do propozycji odcięcia kampanii, które nie przynoszą bezpośrednich wyników. Jednakże, nie można ignorować ich znaczenia dla budowania świadomości marki. Użytkownicy, którzy zostali osiągnięcia dzięki tym działaniom, mogą wrócić do nas w przyszłości, kiedy będą gotowi do zakupu, i wtedy koszt ich pozyskania może być znacznie niższy.

Z tego powodu, przycinanie budżetów reklamowych na etapie budowania świadomości może mieć długofalowo negatywne konsekwencje. Zanim podejmiemy pochopne decyzje o cięciu kosztów, warto dokładnie przeanalizować dane. Kluczowe jest zrozumienie, co dokładnie jest przyczyną spadku efektywności kampanii. Należy stawiać hipotezy i przeprowadzać testy A/B, aby znaleźć optymalne rozwiązania.

Podsumowując, zanim podejmie się decyzje o redukcji wydatków reklamowych, konieczne jest przeprowadzenie dogłębnej analizy danych. Tylko w ten sposób można uniknąć negatywnych skutków dla całego procesu sprzedażowego i ostatecznie dla wyników finansowych firmy.

The post Rosnące koszty marketingowe – jak szukać oszczędności przy pomocy danych? first appeared on Conversion.

Model opieki analitycznej – założenia
Cele analityki internetowej
Google Analytics w modelu projektowym
Jak działa model opieki analitycznej?
Obszary opieki analitycznej
Model opieki analitycznej – zalety
Podsumowanie

Model opieki analitycznej – założenia

Model opieki analitycznej różni się od modelu projektowego przede wszystkim ciągłością wsparcia i długoterminowym zaangażowaniem w analizę danych. W przeciwieństwie do modelu projektowego, gdzie wdrożenie narzędzia jest jednorazowym zadaniem, model opieki analitycznej zakłada bieżącą optymalizację i dostosowywanie narzędzi do zmieniających się potrzeb biznesowych i technologicznych.

W ramach modelu opieki analitycznej, eksperci w dziedzinie analityki internetowej pracują nad ciągłym monitorowaniem, analizą i rekomendacją działań, które pomagają firmom maksymalizować wartość wynikającą z danych. To podejście umożliwia lepsze zrozumienie ścieżek klientów, optymalizację konwersji oraz personalizację doświadczeń użytkowników.

Wdrożenie Google Analytics w ramach modelu opieki analitycznej pozwala na głębszą analizę i lepsze wykorzystanie danych, co przekłada się na bardziej skuteczne i celowane działania marketingowe oraz strategiczne decyzje biznesowe. Dzięki temu, firmy mogą nie tylko reagować na obecne wydarzenia, ale również przewidywać i kształtować przyszłe trendy.

Zmiana podejścia z projektowego na model opieki analitycznej otwiera drzwi do głębszego zrozumienia i wykorzystania danych online. To właśnie dzięki stałemu monitorowaniu, analizowaniu trendów i dostosowywaniu strategii w oparciu o zebrane informacje, firmy mogą efektywniej reagować na potrzeby rynku i optymalizować swoje działania marketingowe oraz sprzedażowe.

Cele analityki internetowej

Jako specjaliści w dziedzinie Digital Analytics, nasza praca polega na implementacji narzędzi Google w przedsiębiorstwach oraz na przeprowadzaniu zaawansowanych procesów analizy danych. Dzięki temu nasi klienci mogą nie tylko lepiej zrozumieć zachowania swoich użytkowników, ale również efektywniej kierować swoimi kampaniami marketingowymi.

Korzystanie z danych online pozwala na dokładną analizę każdego etapu ścieżki klienta, od pierwszego kliknięcia aż po finalizację zakupu w fazie checkout. Wiedza ta jest nieoceniona przy optymalizacji kampanii reklamowych, zarówno w kanałach takich jak Facebook Ads, jak i w wyszukiwarce Google. Precyzyjne mierzenie efektów działań pozwala na szybką reakcję i dostosowanie strategii w czasie rzeczywistym, co w konsekwencji może znacząco zwiększyć rentowność inwestycji w marketing.

Zachęcamy firmy do głębszego zanurzenia się w świat danych i wykorzystania ich potencjału do rozwijania swojego biznesu. W dobie cyfrowej transformacji, umiejętne zarządzanie danymi online jest nie tylko przewagą konkurencyjną, ale staje się koniecznością dla każdego, kto chce skutecznie konkurować na rynku e-commerce (i nie tylko). W dziedzinie analityki online kluczowe jest wykorzystanie danych do wspierania organizacji w podejmowaniu strategicznych decyzji dotyczących inwestycji. Analityka internetowa dostarcza informacji o zachowaniach użytkowników, co pozwala lepiej zrozumieć ich potrzeby i preferencje. Dzięki temu, produkty i marketing mogą być bardziej skuteczne, co jest głównym celem analityki.

Analityka a wskaźniki efektywności (KPI)

Jednak analityka online ma również drugi ważny cel: przyspieszenie osiągania kluczowych wskaźników efektywności (KPI). Dane online powinny ułatwiać monitorowanie i osiąganie tych wskaźników, co z kolei przekłada się na szybsze i bardziej świadome podejmowanie decyzji.

W tym kontekście, model PDCA (Plan-Do-Check-Act) okazuje się być nieocenionym wsparciem w zarządzaniu działaniami online. Cykl PDCA składa się z czterech faz: planowania, wykonania, weryfikacji i działania. 

Cykl PDCA

Analityka internetowa odgrywa kluczową rolę w fazie weryfikacji, gdzie analizuje się efektywność podjętych działań i na tej podstawie planuje się dalsze kroki. Stosowanie tego modelu pozwala na ciągłe doskonalenie procesów i szybsze osiąganie wyznaczonych KPI, co jest możliwe dzięki solidnej bazie danych, w tym danych związanych z procesem checkout. Analityka online to dziedzina wymagająca zintegrowania trzech kluczowych zasobów: ludzi, procesów i narzędzi. W centrum tego procesu analitycznego stoi postać analityka internetowego, który odgrywa fundamentalną rolę. Znalezienie wykwalifikowanych specjalistów w tej dziedzinie jest wyzwaniem, ponieważ na rynku pracuje stosunkowo niewiele osób z odpowiednimi kompetencjami. Oprócz odpowiednich danych, niezbędne są również procesy analityczne. Aby procesy te mogły funkcjonować efektywnie, wymagane jest zaangażowanie osób, które je wdrożą – czy to analityków, czy innych specjalistów w tej dziedzinie. Warto zatem rozważyć różne opcje organizacyjne, które umożliwią skuteczne zarządzanie i analizę danych w firmie. Kluczową rolę odgrywają również narzędzia, które umożliwiają zbieranie i analizowanie danych. W Polsce podstawowym narzędziem wykorzystywanym do tego celu jest Google Analytics. Jednakże samo posiadanie narzędzi nie przekłada się automatycznie na wartościowe wnioski. Aby wydobyć pełny potencjał z Google Analytics, niezbędne są odpowiednie audyt i wdrożenie.

Google Analytics w modelu projektowym

Wdrożenie systemu Google Analytics, podobnie jak każdego innego systemu IT, może być wyzwaniem. Marketerzy wykorzystują dane zebrane przez te systemy, ale często napotykają trudności związane z doświadczeniami w wdrażaniu systemów IT. Projekty IT, w tym wdrożenia analityki internetowej, mają tendencję do przekraczania wyznaczonych terminów. Badania przeprowadzone przez PM Research wskazują, że aż 61 procent projektów IT jest oddawanych po terminie. Opóźnienia te mogą wpływać negatywnie na realizację projektów związanych z analityką internetową, co podkreśla konieczność starannego planowania i zarządzania takimi przedsięwzięciami. W świecie analityki online, poszukiwanie efektywnego modelu wdrożenia narzędzi, takich jak Google Analytics, jest kluczowe dla sukcesu firm. W przeszłości, podobnie jak wiele innych firm, skupialiśmy się na realizacji wdrożeń analityki w modelu projektowym. Proces ten zazwyczaj rozpoczynał się od audytu, który miał na celu zidentyfikowanie obszarów działających poprawnie oraz tych wymagających interwencji. Następnie przechodziliśmy do fazy wdrożenia, gdzie na podstawie wcześniej przygotowanego planu tagowania, zakładaliśmy współpracę z działem IT.

Teoretycznie, etap wdrożenia miał przebiegać sprawnie i zgodnie z harmonogramem, zakładającym dostępność zasobów IT. Jednakże, praktyka pokazała, że często deklarowana dostępność IT nie pokrywała się z rzeczywistością. Zasoby te były ograniczone z powodu innych projektów w organizacji. Dodatkowo, nawet gdy dochodziło do wdrożenia kodów śledzących, dział IT często nie przewidywał wystarczającej liczby iteracji, które okazywały się niezbędne. Szczególnie na początku naszej działalności, kiedy analityka internetowa w Polsce była w fazie wczesnego rozwoju, deweloperzy często po raz pierwszy stykali się z kodami śledzącymi.

Wyzwania we współpracy z działem IT

Wnioski z tych doświadczeń są jasne: efektywne wdrożenia analityczne wymagają nie tylko starannego planowania, ale i elastyczności oraz ścisłej współpracy z działem IT. To pokazuje, jak istotne jest zrozumienie i dostosowanie się do realiów wewnętrznych procesów w firmie, aby osiągnąć sukces w digital analytics. W dziedzinie analityki online, szczególnie w kontekście wdrożeń narzędzi takich jak Google Tag Manager (GTM), często napotykamy wyzwania związane z iteracjami kodu. W przeszłości, zamiast jednej lub dwóch iteracji, zazwyczaj dochodziło do pięciu, sześciu, a czasem nawet więcej. Te dodatkowe kroki były niezbędne do prawidłowego wdrożenia kodów.

Z punktu widzenia klienta biznesowego, sytuacja ta była kłopotliwa. Osoby odpowiedzialne za realizację projektu analitycznego często nie miały wpływu na dział IT i były zdane na terminy, które ten narzucał. Z kolei dla firmy wdrożeniowej, takiej jak nasza, stanowiło to wyzwanie związane z rezerwacją zasobów. Istotne było, aby być gotowym do sprawdzenia wdrożenia, jak tylko zostanie ono zwrócone do weryfikacji, aby projekt mógł zostać jak najszybciej zakończony i abyśmy mogli otrzymać wynagrodzenie za jego realizację.

Planowanie zasobów było dodatkowo komplikowane przez opóźnienia w płatnościach, które czasami wymagały wprowadzenia hybrydowych form wynagrodzenia. To stawiało nas przed trudnym wyborem: czy angażować się w kolejny projekt, czy poczekać na zakończenie poprzedniego. Przewidywanie terminów i kosztów w projektach IT, w tym wdrożeniach, bywa bardzo trudne. Zwykle zakładaliśmy, że wdrożenie potrwa od sześciu do dziewięciu miesięcy. Rekordzista, po trzech latach, wrócił do nas z gotową warstwą danych e-commerce. Oczywiście, w międzyczasie projekt został zawieszony i nie rezerwowaliśmy na niego zasobów, czekając na jego zakończenie.

Doświadczenia te pokazują, że komunikacja i współpraca między działami biznesu a IT są kluczowe dla sukcesu projektów analitycznych. Wymaga to zarówno elastyczności w planowaniu zasobów, jak i cierpliwości w dostosowywaniu się do zmieniających się harmonogramów. W przypadku systemów IT i wdrożeń analitycznych, skuteczność konfiguracji i implementacji zależy od wielu czynników, co sprawia, że trudno jest precyzyjnie oszacować odpowiedni poziom lub opóźnienia w projektach. W poszukiwaniu efektywnych rozwiązań często stosowane są różne modele realizacji projektów, w tym podejścia hybrydowe.

Jednakże, samo wdrożenie narzędzi analitycznych, takich jak Google Analytics, nie gwarantuje sukcesu. Kluczowe jest ciągłe monitorowanie i analiza danych, co wymaga stałej współpracy i opieki analitycznej. Audyt analityczny jest jedynie punktem wyjścia; jeśli firma nie podejmie działań w oparciu o uzyskane z niego wnioski, projekt nie przyniesie oczekiwanej wartości.

Jak działa model opieki analitycznej?

Naszym celem jest zapewnienie, by od początku współpracy klienci mieli dostęp do niezbędnych danych. Analogicznie do posiadania podstawowych leków w domowej apteczce, firmy często już dysponują pewnymi danymi, które mogą być wykorzystane jako punkt wyjścia do dalszych działań analitycznych. Warto podkreślić, że nawet wstępne informacje mogą posłużyć do rozpoczęcia procesu optymalizacji i podejmowania bardziej świadomych decyzji biznesowych. W dzisiejszym świecie analityki online, szczególnie w kontekście Google Analytics 4 i jego integracji z narzędziami bazodanowymi takimi jak Google BigQuery, wdrożenie analityki przekształciło się w coś więcej niż tylko konfigurację Google Analytics. Obecnie mamy do czynienia z integracją różnorodnych źródeł danych w ramach jednego zbioru danych. W przeszłości, kiedy skupialiśmy się wyłącznie na Google Analytics, mogliśmy mówić o prostym wdrożeniu. Teraz praca wymaga zarządzania różnymi zestawami danych i wykorzystywania ich do celów, dla których analityka internetowa została stworzona.

W praktyce model opieki analitycznej i realizacja projektów wyglądają następująco: zawsze zaczynamy od zarezerwowania zespołu. W naszym przypadku zespół składa się z ekspertów analityki internetowej, którzy posiadają również kompetencje biznesowe. Konsultant pełni rolę partnera do dialogu, łącząc punkty widzenia klienta z językiem analitycznym, który następnie jest przekazywany do ekspertów w dziedzinie analityki. Po analizie i wyciągnięciu wniosków, konsultant przekazuje biznesowe rekomendacje i feedback dotyczący obecnych działań online klienta. W ramach usług analitycznych, często spotykamy się z potrzebą włączenia dodatkowej kompetencji, jaką jest data engineering. Ta specjalność nabiera szczególnego znaczenia, gdy pojawiają się zaawansowane integracje, zwłaszcza te związane z platformami cloudowymi.

Model opieki analitycznej, który stosujemy, zakłada zaangażowanie naszego zespołu na co najmniej jeden dzień w tygodniu, co przekłada się na cztery dni miesięcznie. Oznacza to, że rezerwujemy osiem roboczych godzin tygodniowo, czyli łącznie 32 godziny w ciągu miesiąca, na potrzeby klienta. W przypadku dodatkowych wymagań i dostępności zasobów, jesteśmy w stanie zaoferować więcej czasu pracy w ramach opieki analitycznej.

Obecnie średnie zaangażowanie naszego zespołu wynosi 12 godzin miesięcznie, co odpowiada około 1,5 dnia pracy tygodniowo. Niektórzy klienci decydują się na zarezerwowanie większej liczby godzin, sięgając nawet trzech dni tygodniowo, co w skali miesiąca daje nam łącznie 12 dni pracy. 

Obszary opieki analitycznej

Właściwe wykorzystanie analityki internetowej może być dla firm prawdziwym game-changerem. W ramach współpracy z klientami, realizujemy cztery główne obszary działania, które są niezbędne do osiągnięcia wysokiej jakości danych i wyciągania z nich wartości.

Pierwszym obszarem jest zapewnienie dostępu do danych. To kluczowy etap, na którym skupiamy się, aby dane były dostępne dla dalszych analiz. 

Kolejnym krokiem jest utrzymanie jakości danych. To nieustanny proces monitorowania, który gwarantuje, że informacje napływające do naszych systemów są wiarygodne i aktualne.

Trzeci obszar to analiza danych. Tutaj właśnie rodzi się prawdziwa wartość analityki internetowej. Przez głębokie badanie zgromadzonych informacji jesteśmy w stanie wydobyć insighty, które mogą przekształcić działania marketingowe i sprzedażowe na bardziej efektywne.

Czwarty element to budowanie wiedzy specjalistycznej w ramach organizacji klienta. Uważamy, że pewne podstawowe umiejętności analityczne powinny być obecne w kompetencjach każdego pracownika działu marketingu. Pozwala to na szybkie i samodzielne weryfikowanie hipotez bez konieczności angażowania specjalistów od danych.

Nasze cotygodniowe spotkania statusowe z klientami służą nie tylko omówieniu postępów, ale także są platformą do dzielenia się wiedzą i feedbackiem z zespołami wewnętrznymi. Dzięki temu możemy wspólnie rozwijać kompetencje i efektywnie wykorzystywać dane w codziennej pracy.

Model opieki analitycznej – zalety

Model opieki analitycznej, który stosujemy, przynosi naszym klientom wiele korzyści. Eliminuje przestoje i oczekiwanie w kolejce, co jest częstym problemem w tradycyjnym modelu projektowym. Dzięki ciągłej współpracy i monitorowaniu, wdrożenia są realizowane sprawnie, co skraca czas oczekiwania po stronie klienta i pozwala na szybsze osiąganie założonych celów biznesowych. Klienci korzystający z usług analitycznych mają zawsze pewność, że zespół analityczny jest dla nich dostępny przez co najmniej 8 godzin tygodniowo. W sytuacji, gdy pojawia się potrzeba większego zaangażowania i dysponujemy wolnymi zasobami, jesteśmy w stanie zrealizować szerszy zakres pracy. Istotną wartością naszej usługi jest ciągła dostępność, co umożliwia bieżące dostarczanie wartościowych danych. Na wstępnym etapie współpracy skupiamy się na zapewnieniu solidnej bazy danych, która stanowi rodzaj ubezpieczenia informacyjnego dla klienta. 

W miarę postępów wdrożenia i gwarancji wysokiej jakości napływających danych, nasz zespół kieruje większą część zasobów na ich analizę. Dotyczy to zarówno poszczególnych kampanii, jak i przeprowadzania testów A/B. Proces analizy i wykorzystania danych jest kluczowy, nawet jeśli na początku ich ilość może wydawać się niewielka. Podobnie jak witamina C w domowej apteczce, nawet początkowe dane mogą pomóc firmie w podejmowaniu trafnych decyzji.

Wsparcie ekspertów i partnerów zewnętrznych

Ponadto, dzięki doświadczeniu zdobytemu podczas setek, a nawet tysięcy godzin pracy analitycznej, jesteśmy w stanie oferować wsparcie w szerokim zakresie. Gdy klient rozważa nową kampanię lub zmiany na stronie, nasz zespół nie tylko współpracuje bezpośrednio z klientem, ale także korzysta z wiedzy całego zespołu Conversion, który jest jednym z najbardziej doświadczonych zespołów analitycznych w Polsce. W trakcie współpracy czasami pojawia się również potrzeba zaangażowania zewnętrznych partnerów w ramach konsultacji, co dodatkowo wzbogaca proces analityczny i pozwala na jeszcze lepsze dostosowanie strategii do potrzeb klienta. Jest tak np. w kontekście kwestii prawnych związanych z polityką prywatności i wykorzystaniem ciasteczek. Firmy często zmagają się z wątpliwościami dotyczącymi legalności narzędzi takich jak Google Analytics. W takich sytuacjach, kluczowa okazuje się współpraca z ekspertami i partnerami zewnętrznymi. W przypadku pojawienia się problemów prawnych, organizacja spotkań z udziałem działu prawnego klienta, data officerów oraz analityków może pomóc w szybkim wypracowaniu optymalnych rozwiązań.

Ponadto, bieżąca współpraca z firmą pozwala na lepsze zrozumienie jej organizacji, co ułatwia formułowanie trafnych rekomendacji. Budowanie know-how w ramach współpracy jest cennym „efektem ubocznym”. Na przykład, udostępnienie dashboardów odpowiednim osobom w firmie klienta nie tylko zapewnia im dostęp do aktualnych danych, ale również wspiera rozwój ich kompetencji analitycznych.

Przewidywalność kosztów i zasobów

Model opieki analitycznej, który jest również ceniony przez klientów za możliwość przewidywania kosztów i unikania konieczności angażowania dodatkowych zasobów w przypadku niespodziewanych potrzeb. W sytuacjach, gdy pojawia się nagła konieczność zwiększenia zasobów analitycznych, firma współpracująca może zapewnić wsparcie ad hoc.

Klienci doceniają również fakt, że model opieki analitycznej eliminuje potrzebę zaangażowania działu prawnego w podpisywanie kolejnych zleceń. Dzięki temu, planowanie budżetu staje się łatwiejsze, gdyż koszty są przewidywalne i nie zmieniają się w zależności od przeciągających się projektów.

Zaletą tego modelu jest również przewidywalność planowania zasobów. Przydzielone zespoły, które poznają klienta i stale z nim współpracują, są w stanie efektywniej realizować projekty. Taki sposób pracy pozwala na ograniczenie liczby klientów obsługiwanych przez jedną osobę, co przekłada się na wyższą efektywność i lepszą jakość usług.

Model opieki analitycznej jest szczególnie odpowiedni dla firm, które są świadome znaczenia danych w codziennej działalności i potrzebują ich regularnej analizy oraz wykorzystania w podejmowaniu decyzji biznesowych. W długofalowej perspektywie, taki model współpracy jest wartościowy, gdyż zapewnia ciągłość dostępu do analityki, niezbędnej dla rozwoju i efektywności działań e-commerce.

Budowanie kompetencji analitycznych wewnątrz firmy

Podsumowując, model opieki analitycznej stanowi solidną podstawę dla firm, które pragną nie tylko otrzymać raporty i analizy, ale również zbudować trwałe kompetencje analityczne w swojej organizacji. Jest to podejście, które gwarantuje nie tylko dostęp do danych, ale także wsparcie w ich interpretacji i wykorzystaniu w strategicznych decyzjach biznesowych. W dzisiejszym świecie cyfrowym, kompetencje analityczne są niezbędne dla każdej organizacji. Warto zrozumieć, że analityk danych powinien być integralną częścią firmy, żyjąc jej codziennością i rozumiejąc jej specyfikę. Współpraca z zewnętrznym zespołem analitycznym może być owocna, jednak pełne zrozumienie i zaangażowanie w procesy firmy osiąga się najlepiej, gdy analityk jest jej stałym elementem.

Analityka internetowa wymaga posiadania trzech kluczowych kompetencji: analitycznej, technologicznej i biznesowej. Kiedy kompetencja analityczna zostaje zinternalizowana, pozostają jeszcze obszary technologiczny i biznesowy. W tym miejscu partner technologiczny może wesprzeć wewnętrznego analityka, szczególnie w zakresie nowoczesnych technologii. Nie można zaprzeczyć, że branża danych i marketingu dynamicznie się rozwija, a zrozumienie i adaptacja do tych zmian jest kluczowa dla sukcesu w świecie cyfrowym. Wraz z pojawieniem się nowych regulacji i narzędzi, a także z rosnącą rolą sztucznej inteligencji (AI) w analityce, organizacje stają przed wyzwaniem utrzymania wewnętrznych zasobów na bieżąco z najnowszymi trendami. Jest to zadanie wymagające i często nieefektywne. Zamiast inwestować w rozbudowę wewnętrznych kompetencji technologicznych, wiele firm decyduje się na outsourcing usług związanych z zapewnieniem i utrzymaniem danych oraz budową know-how.

Jednakże, kompetencje analityczne są kluczowe i powinny być rozwijane wewnątrz organizacji. Przyjmowanie zewnętrznej wiedzy i doświadczenia w zakresie analizy biznesowej jest niezwykle cenne. Firmy specjalizujące się w digital analytics, takie jak partnerzy Google, często mają dostęp do najnowszych technologii i są w stanie szybko adaptować się do zmian na rynku. Takie firmy, dzięki pracy z różnorodnymi klientami, posiadają rozległe doświadczenie i są w stanie oferować wsparcie w zakresie najnowszych trendów i praktyk.

Należy pamiętać, że analityka internetowa to nie tylko technologia, ale przede wszystkim proces, którego celem jest umożliwienie podejmowania świadomych decyzji biznesowych na podstawie analizy danych. Firmy mogą skorzystać z pomocy partnerów technologicznych w implementacji procesów analitycznych, optymalizacji konwersji (CRO), analizy danych czy segmentacji klientów.

Podsumowanie

Podsumowując, analityka internetowa stanowi kluczowy element w procesie podejmowania decyzji biznesowych. Outsourcing kompetencji technologicznych i jednoczesne wewnętrzne rozwijanie umiejętności analitycznych mogą być efektywną strategią dla firm dążących do optymalizacji swoich działań w oparciu o dane. Realizacja analityki internetowej jako projekt jednorazowy często nie przynosi oczekiwanych rezultatów. W takim ujęciu, dane są traktowane jako oddzielne produkty, które nie są w stanie efektywnie służyć biznesowi. Z ponad trzynastoletniego doświadczenia w branży wynika, że skuteczniejszym modelem jest stała opieka analityczna. Od 2019 roku, kiedy zaczęliśmy stosować ten model współpracy, obserwujemy, że klienci znacznie lepiej rozumieją i wykorzystują wartość danych.

Stała opieka analityczna umożliwia nie tylko dostarczenie narzędzi analitycznych, ale także wsparcie w ich wykorzystaniu. Klient otrzymuje niejako „samochód z kierowcą”, czyli zestaw narzędzi wraz z ekspertem, który pomaga w osiąganiu określonych celów biznesowych, zgodnie z ustalonymi wskaźnikami KPI. Taki model współpracy zapewnia, że konfiguracje i wdrożenia, które są często bardzo zaawansowane, są właściwie używane i przynoszą realne korzyści dla firmy.

The post Google Analytics – model opieki analitycznej vs model projektowy first appeared on Conversion.

Nieubłaganie zbliża się koniec Google Analytics 360 (Universal Analytics). Co to oznacza dla Twojego biznesu i jak można się do tej zmiany przygotować? W tym artykule przedstawię kluczowe informacje, które pomogą Ci zrozumieć nadchodzące zmiany i przygotować się na nie w odpowiedni sposób.

Jakie zmiany czekają nas w kontekście Google Analytics?
Historia zmian w narzędziach do analityki internetowej Google
Jakie zmiany w zakresie Google Analytics czekają nas w najbliższych miesiącach?
Wygaszone funkcjonalności w Universal Analytics i ich odpowiedniki w Google Analytics 4
Co zmieni się 1 lipca 2024r. w Google Analytics?
Koniec Universal Analytics – najczęściej zadawane pytania
Podsumowanie

Jakie zmiany czekają nas w kontekście Google Analytics?

Nadchodzi niemała zmiana w świecie analityki online. Google zapowiedziało, że w niedalekiej przyszłości usługi Google Analytics 360 (Universal Analytics) przestaną być wspierane. To ważny sygnał dla wszystkich firm korzystających z tych narzędzi, aby zacząć przygotowania do migracji na nowszą wersję narzędzia – Google Analytics 4.

Przygotowanie się do tej zmiany powinno obejmować przegląd istniejących konfiguracji analitycznych, ocenę potrzeb biznesowych oraz planowanie strategii przechodzenia na nową wersję narzędzia. Warto również skupić się na szkoleniu zespołów odpowiedzialnych za analitykę w celu zapewnienia płynnego przejścia i wykorzystania nowych możliwości, jakie oferuje Google Analytics 4.

Ważne aby pamiętać, że aktualizacja narzędzi analitycznych to nie tylko konieczność dostosowania się do zmian technologicznych, ale również okazja do usprawnienia procesów decyzyjnych w oparciu o dane. Nowe narzędzia oferują zaawansowane funkcje, które mogą przyczynić się do jeszcze lepszego rozumienia zachowań użytkowników i efektywniejszego zarządzania kampaniami marketingowymi.

W nadchodzących miesiącach kluczowe będzie zrozumienie, jak zmiany wpłyną na Twoje działania analityczne i marketingowe. Analityka internetowa to niezwykle ważne narzędzie dla każdego, kto chce śledzić efektywność swojej obecności w sieci. Zmiany w tej dziedzinie są nieuniknione i mają ogromne znaczenie dla firm oraz specjalistów od danych. Ważnym wydarzeniem, które już wkrótce nastąpi, jest wycofanie przez Google usługi Universal Analytics. Ostateczny termin, po którym Universal Analytics przestanie działać, to 1 lipca 2024 roku. Warto zaznaczyć, że dla użytkowników bezpłatnej wersji Google Analytics zmiana ta miała miejsce już od lipca 2023 rok, choć w przypadku niektórych z naszych klientów, mieli oni dostęp do danych jeszcze w październiku czy listopadzie.

Jest to znacząca zmiana, która wymaga przygotowania i dostosowania się do nowych realiów. Przejście na nowsze rozwiązania, takie jak Google Analytics 4, staje się koniecznością dla tych, którzy chcą nadal czerpać korzyści z analityki internetowej. 

Historia zmian w narzędziach do analityki internetowej Google

W 1995 roku narodziło się narzędzie, które zrewolucjonizowało świat analityki internetowej. Firma Archin Software stworzyła Archin Analytics, prekursora dzisiejszego Google Analytics. W 2005 roku, po zakupie przez Google, powstała pierwsza wersja Google Analytics, która zintegrowała się z ekosystemem giganta z Mountain View. W 2007 roku zadebiutowała druga wersja, wprowadzając nowy kod śledzący, a w 2012 roku światło dzienne ujrzała trzecia odsłona, znana jako Universal Analytics, która umożliwiła również śledzenie aplikacji mobilnych.

W 2013 roku Google wprowadziło płatną wersję swojego narzędzia – Google Analytics Premium, odpowiadając na potrzeby bardziej wymagających użytkowników. Rozwój rynku urządzeń mobilnych i rosnące obawy o prywatność użytkowników, zwłaszcza w kontekście wykorzystania plików cookie, skłoniły Google do pracy nad nową koncepcją narzędzia analitycznego. Tak powstało Google Analytics for Web and App, które później przekształciło się w Google Analytics 4.

16 marca 2022 roku Google ogłosiło zakończenie wsparcia dla Google Analytics 3 oraz Universal Analytics. To wydarzenie stanowiło ważny punkt zwrotny w ewolucji analityki cyfrowej, zwiastując nową erę w gromadzeniu i analizowaniu danych użytkowników. W lipcu 2023 roku, bezpłatna wersja Google Analytics oraz Universal Analytics przestały być aktywne. Warto podkreślić, że dla niektórych klientów, w tym użytkowników Google Analytics 360, znanej również jako Google Analytics Premium, termin ten został przedłużony. Dzięki temu, firmy korzystające z płatnej wersji Analytics mogły dłużej czerpać korzyści z istniejących funkcjonalności do lipca 2024 roku.

Jakie zmiany w zakresie Google Analytics czekają nas w najbliższych miesiącach?

Obecnie znajdujemy się w kluczowym momencie przejścia, gdzie Google Analytics i Universal Analytics nadal są używane przez klientów GA360. W tym kontekście istotne jest, aby zrozumieć harmonogram nadchodzących zmian oraz to, co czeka nas w najbliższych tygodniach i miesiącach.

Dla tych, którzy rozważają przejście na Google Analytics 360 i zastanawiają się nad wartością tej inwestycji, przygotowaliśmy e-book, który w kompleksowy sposób omawia narzędzie, jakim jest GA360. 

W kontekście wygaszania usług Universal Analytics dla klientów korzystających z Google Analytics 360, warto przybliżyć obecną sytuację. Funkcje Universal Analytics nie są rozwijane od pewnego czasu, co oznacza, że zespół Google nie zajmuje się już naprawą ewentualnych błędów w tej wersji narzędzia. W przypadku naszych klientów posiadających licencję GA360, już w ubiegłym roku większość z nich przeszła na płatną wersję Google Analytics 4. Dzięki dostępnej opcji, te firmy mogą korzystać z Universal Analytics aż do 1 lipca 2024 roku, o ile istnieje taka potrzeba. 

Do tej pory wycofano już niektóre funkcje, które miały zostać usunięte do 29 stycznia. Wśród nich znajdują się raporty czasu rzeczywistego, analiza kohortowa oraz raport prawdopodobieństwa konwersji. Na szczęście, Google Analytics 360 oferuje alternatywy dla tych narzędzi. Na przykład, dla raportu czasu rzeczywistego istnieje odpowiednik w Google Analytics 4, który użytkownicy mogą wykorzystać do monitorowania aktywności na swojej stronie w czasie rzeczywistym. 

Migracja z Universal Analytics do Google Analytics 4 jest nieunikniona, a firmy korzystające z GA360 powinny już teraz przygotowywać się do pełnego przejścia na nową platformę, by zapewnić ciągłość i efektywność swoich działań analitycznych. 

Wygaszone funkcjonalności w Universal Analytics i ich odpowiedniki w Google Analytics 4

Google Analytics 4 (GA4) wprowadza wiele zmian i innowacji, które zastępują funkcje dostępne w poprzedniej wersji, Universal Analytics. W GA4 znajdziemy nowe narzędzia takie jak eksploracja cyklu życia użytkownika, eksploracja modeli czy raporty porównawcze modeli, które pozwalają na jeszcze głębszą analizę danych. Te funkcjonalności mają swoje odpowiedniki w GA4 i są dostosowane do aktualnych wymagań cyfrowego ekosystemu. Warto podkreślić, że wszystkie funkcje, które zostały wyłączone lub mają zostać wyłączone do 29 stycznia, posiadają swoje odpowiedniki w GA4. Na przykład analiza kohortowa, znana z poprzedniej wersji, również znalazła swoje miejsce w GA4 pod postacią eksploracji kohort. 

Ważnym terminem dla użytkowników jest początek marca 2024 roku, kiedy to zostaną wyłączone funkcjonalności takie jak niestandardowe raporty, w tym niestandardowe tabele oraz raporty niepróbkowane. Zostaną one zastąpione przez analogiczne narzędzia w GA4. Jest to istotne dla tych, którzy przeprowadzają analizy rok do roku – warto już teraz przenieść niestandardowe tabele z Universal Analytics do GA4, aby uniknąć niespodzianek po wyłączeniu wsparcia dla starych funkcji.

Dodatkowo, od marca zacznie się proces wyłączania niektórych funkcji w Universal Analytics, w tym narzędzi remarketingowych. Jest to związane z wprowadzeniem Digital Markets Act, nowego zestawu regulacji mających na celu zwiększenie konkurencyjności i uczciwości na rynku cyfrowym. Przejście na GA4 jest więc nie tylko kwestią dostępu do nowych narzędzi, ale również dostosowania się do zmieniającego się prawa i standardów w branży digital analytics. W związku z nadchodzącymi zmianami w Google Analytics, firmy muszą dostosować swoje działania, aby nadal skutecznie korzystać z narzędzi analitycznych, takich jak remarketing i tworzenie audience na bazie danych z nowej wersji platformy – Google Analytics 4 (GA4).

W kontekście tych zmian, warto zwrócić uwagę na raporty danych demograficznych, które nadal będą dostępne w GA4. Istotne jest, aby zaznajomić się z zamiennikami raportów, które były dostępne w poprzedniej wersji – Universal Analytics (UA), a które zostaną wyłączone od marca. Na przykład, raporty dotyczące wydawców oraz niektóre funkcjonalności, takie jak tworzenie usług w UA, będą zupełnie wycofane. W przypadku aplikacji, nie będzie już dostępne SDK, a także niepróbkowane raporty. Dla tych ostatnich, GA4 oferuje eksplorację niepróbkowanych danych oraz niestandardowe raporty, które mogą posłużyć jako alternatywa dla niepróbkowanych tabel w GA360.

Jeśli dotychczas korzystałeś z funkcjonalności Universal Analytics 360, szczególnie w zakresie niepróbkowanych tabel, zaplanuj wdrożenie odpowiedników w GA4, aby zapewnić ciągłość analiz. Pełna lista funkcjonalności, które zostaną wyłączone, oraz ich zamienników w GA4 znajduje się tutaj.

Co zmieni się 1 lipca 2024r. w Google Analytics?

Data 1 lipca 2024 roku stanowi ważny kamień milowy – wszystkie dane zostaną usunięte z Universal Analytics. Jeśli jeszcze nie zabezpieczyłeś swoich danych, a korzystałeś z możliwości natywnej integracji Universal Analytics 360 z Google BigQuery, teraz jest odpowiedni moment, aby to uczynić. Proces przechodzenia z Universal Analytics na GA4 warto przyspieszyć, aby przed końcem marca organizacja mogła już opierać się wyłącznie na danych z GA4, a okres od marca do lipca wykorzystać na optymalizację nowego systemu.

Kluczowe znaczenie ma również koniec marca, szczególnie dla europejskiego obszaru gospodarczego, w kontekście wspomnianego już wcześniej Digital Markets Act. Zmiany te wpłyną na funkcjonowanie remarketingu, który bez przeniesienia list remarketingowych i wdrożenia consent mode w wersji drugiej, przestanie funkcjonować od 6 marca 2024 roku. To kolejny powód, dla którego marzec jest tak istotny w planowaniu strategii działań analitycznych. 

Podsumowując, nadchodzące zmiany w Google Analytics wymagają od firm dostosowania i aktualizacji ich praktyk analitycznych. Zrozumienie nowych funkcji i możliwości GA4 jest niezbędne do utrzymania efektywności działań online i wykorzystania pełnego potencjału gromadzonych danych. W obliczu nadchodzącej zmiany w świecie analityki online, wiele firm zastanawia się nad konsekwencjami przesiadki z usługi Universal Analytics na Google Analytics 4. Z tego powodu poniżej odpowiadamy na najczęściej zadawane pytania związane z sunsetem Universal Analytics.

Koniec Universal Analytics – najczęściej zadawane pytania

Kiedy usługa Universal Analytics przestanie działać? 

Dd 1 lipca 2024 roku, Universal Analytics nie tylko przestanie zbierać nowe dane, ale również dostęp do zgromadzonych informacji w interfejsie tej usługi zostanie zablokowany.

Jak wyeksportować dane z Universal Analytics? 

Najbardziej efektywnym rozwiązaniem jest eksport danych do Google BigQuery. Dla użytkowników płatnej wersji Google Analytics, czyli Google Analytics 360, istnieje możliwość natywnego eksportu danych do BigQuery. Jeśli nie masz jeszcze tego skonfigurowanego, warto to zrobić jak najszybciej, ponieważ istnieje ograniczenie do pobrania maksymalnie 12 miesięcy historii lub 5 GB danych. Im wcześniej rozpoczniesz eksport, tym więcej historycznych danych będziesz mógł zachować.

Jaki wpływ te zmiany będą miały na konta Google Ads? 

Jeśli Twój Universal Analytics jest połączony z Google Ads, to rekomendujemy jak najszybsze przełączenie się na Google Analytics 4, aby dane z nowej platformy mogły wspierać i optymalizować Twoje kampanie reklamowe.

Czy można usunąć usługę Universal Analytics? 

Technicznie jest to możliwe, ale nie ma takiej konieczności przed oficjalnym terminem zakończenia działania usługi.

Czy istnieje możliwość przeniesienia usługi Universal Analytics z jednego konta na drugie?

Tak, przeniesienie jest możliwe do 1 lipca 2024 roku, również w przypadku użytkowników Google Analytics 360. Jednakże, warto zastanowić się, czy w Twojej sytuacji jest to konieczne.

Podsumowanie

Zmiana z Universal Analytics na Google Analytics 4 jest nieunikniona i wymaga odpowiedniego przygotowania. Przemyślane działania i wczesne planowanie pozwolą na płynne przejście i wykorzystanie pełnego potencjału nowej platformy analitycznej. 

Mamy nadzieję, że większość użytkowników już przeszła z Universal Analytics na Google Analytics 4. Jeśli proces ten jest jeszcze w toku, kluczowe jest, aby zakończyć migrację jak najszybciej, optymalnie przed 6 marca. Warto pamiętać, że działania remarketingowe wymagają czasu na zgromadzenie danych użytkowników, dlatego nie należy zwlekać z tym przejściem.

W kontekście zabezpieczenia danych, zakładam, że większość użytkowników ma już skonfigurowany eksport danych do Google BigQuery. Jeśli nie zostało to jeszcze zrobione, niezbędne jest jak najszybsze wykonanie tej operacji, aby zabezpieczyć dane. W przypadku, gdy nie uda się zarchiwizować danych za ostatnie 12 lub 13 miesięcy, istnieją alternatywne metody, takie jak wykorzystanie API czy eksport danych do formatu CSV, które mogą okazać się przydatne w procesie tworzenia backupu. 

Warto już teraz zacząć przygotowania, aby dane były odpowiednio zabezpieczone i można było bez przeszkód kontynuować ich wykorzystanie w procesach marketingowych. 

The post Koniec Google Analytics 360 (Universal Analytics) – co oznacza i jak się przygotować? first appeared on Conversion.

Pierwsze źródło prawdy – punkt odniesienia
Prezentacja danych w Google Analytics
Dane w Google Analytics a RODO
Jaki poziom rozbieżności danych jest akceptowalny?
Jak sprawdzić poziom rozbieżności danych w serwisie?
Rozbieżności w danych w zależności od typu serwisu
Google a inne systemy reklamowe
Jak ograniczyć rozbieżności w danych za pomocą zmian w rejestrowaniu transakcji
Podsumowanie

Pierwsze źródło prawdy – punkt odniesienia

W Conversion najczęściej współpracujemy z serwisami e-commerce, w związku z czym głównym punktem odniesienia w projektach, które realizujemy jest system magazynowo-księgowy. To właśnie on najczęściej stanowi wspomniane wcześniej pierwsze źródło prawdy, względem którego porównujemy inne dane takie jak liczba transakcji czy przychody z tych transakcji.

Gdy mówimy o porównaniu danych z Google Analytics do tych z systemu wewnętrznego firmy (systemu transakcyjnego czy CRM), musimy mieć świadomość, że mówimy o dwóch obszarach porównywania danych – ich trafności oraz dokładności. Zacznijmy od wyjaśnienia tych dwóch kluczowych pojęć.

Trafność vs dokładność w Google Analytics

Trafność a dokładność danych

O trafności mówimy w momencie, gdy jakieś narzędzie zewnętrzne (tutaj Google Analytics) pokazuje dokładnie te same dane, które widzimy w naszym punkcie odniesienia. Na potrzeby tego artykułu przyjmijmy, że w przypadku ecommerc’ów jest to system CRM. Znajdziemy w nim np. dane na temat zamówień złożonych w naszym sklepie. Jeżeli Google Analytics zbiera dane cechujące się trafnością, liczba transakcji będzie równa tej w systemie wewnętrznym.

W przypadku badania dokładności zbieranych danych, nie zwracamy już uwagi na dokładne odwzorowanie danych w ujęciu ilościowym. Tutaj dużo ważniejszym elementem są trendy. Jeżeli w naszym CRM liczba transakcji rośnie w badanym okresie w danym tempie, powinno to być odzwierciedlone również w naszym Google Analytics.

Prezentacja danych w Google Analytics

Google Analytics zbiera – a co za tym idzie – prezentuje dane w oparciu o kilka fundamentów. Pierwszym z nich jest JavaScript, który jest osadzony w serwisie w kodzie źródłowym strony lub wprowadzony w nią za pomocą Google Tag Managera. Uruchamia się on w momencie załadowania strony. Jego zadaniem jest tworzenie i odczytywanie ciasteczek (cookies), które zawierają w sobie unikalne ID użytkownika. W takim wypadku mówimy, że Google Analytics operuje na podstawie JavaScriptów. Jednak nie wszyscy odwiedzający naszą stronę mają włączoną obsługę JavaScriptów czy ciasteczek. Użytkownicy często również wykorzystują wtyczki, które celowo blokują nie tylko reklamy, ale również skrypty Google Analytics. W takiej sytuacji działania wykonane przez użytkownika nie będą śledzone. 

Wróćmy teraz do pojęcia dokładności. Jak wspomnieliśmy wcześniej, główną funkcją Google Analytics jako narzędzia klasy Digital Analytics nie jest jest pokazywanie dokładnie tych samych danych co system wewnętrzny. Jego głównym celem jest to, aby łączyć źródło ruchu użytkownika (miejsce, z którego trafił do serwisu) z jego zachowaniem w serwisie, gdy już do niego trafił. Dzięki temu zarządzający stroną internetową otrzymują informacje potrzebne do oceny tego, jak w zależności od źródeł ruchu i zachowań w serwisie, użytkownik realizuje pożądane przez niego akcje – czyli dokonuje konwersji. Musimy więc pamiętać, że narzędzia do analityki internetowej istnieją po to, aby odpowiadać na pytania dotyczące realizacji celów, które postawiliśmy przed naszym serwisem, a nie do zbierania w 100% dokładnych danych. To niestety nie jest możliwe ze względu na blokowanie części udostępnianych informacji przez użytkowników.

Dane w Google Analytics a RODO

Żyjemy w czasach coraz większej dbałości o prywatność użytkowników (RODO). Od jakiegoś czasu właściciele serwisów muszą aktywnie podchodzić do uzyskiwania zgód użytkowników na tworzenie i wykorzystywanie ciasteczek. Oczywistym jest więc, że im więcej użytkowników wchodzących na nasz serwis tej zgody nie wyrazi, tym rozbieżności w danych będą większe. Z tego powodu, Google Analytics nigdy nie odzwierciedli 1 do 1 danych, które są zbierane w systemie wewnętrznym. Dlatego tak ważne jest badanie trendów, które obserwujemy w CRM i porównywanie ich z tymi notowanymi w Google Analytics 4.

Często podczas współpracy z klientami zdarza się, że gdy nie mamy odnotowanych 100% transakcji w Google Analytics, są one do niego “dosyłane” np. za pomocą measurement protocol. Nie jest to odpowiednie podejście do tematu rozbieżności w danych, z powodu przyczyny, która została wspomniana wcześniej – Analytics służy do oceny efektywności ruchu w zależności od jego źródeł czy zachowań w serwisie – nie do zbierania w pełni kompletnych danych. Jeżeli “doślemy” dane o transakcji z CRMu do Analyticsa, której on sam nie odnotował ze względu na blokady ciasteczek przez użytkownika, nie będziemy mieli informacji o powiązanym z nią źródle ruchu czy zachowaniu użytkownika w serwisie. W efekcie nie będziemy w stanie przyjrzeć się dokładniej tej transakcji i nie uzyskamy o niej wartościowych dla nas informacji.

Pamiętajmy więc przy korzystaniu z narzędzi analityki internetowej o ich głównej funkcji i nie wymagajmy od nich pełnej dokładności i trafności – taka sytuacja nie zdarza się w praktyce. 

Jaki poziom rozbieżności danych jest akceptowalny?

Po dotarciu do tego momentu artykułu, na pewno zastanawiasz się, jaki poziom rozbieżności nie powinien budzić Twojego niepokoju. Załóżmy, że dane które widzisz w Google Analytics cechują się dokładnością – trendy odpowiadają tym widzianym w systemie CRM. Zastanówmy się więc, jaki poziom trafności możemy uznać za odpowiedni.

W projektach, które realizujemy dążymy do poziomu zbieżności danych w Google Analytics z systemami wewnętrznymi na poziomie 85%. Oznacza to, że na 100 transakcji odnotowanych w systemie CRM (rzeczywista liczba transakcji w serwisie), średnio 85 powinno być odzwierciedlonych w danych w Google Analytics.

Jak sprawdzić poziom rozbieżności danych w serwisie?

Na szczęście w serwisach ecommerce istnieje na to prosty sposób. W wewnętrznym systemie transakcyjnym (pierwszym źródle prawdy) mamy dane o wszystkich dokonanych w serwisie transakcjach, wraz z przypisanym do dokonujących ich użytkowników ID. Przy poprawnie skonfigurowanym Google Analytics, będziemy widzieli w nim te same transakcje, z tym samym przypisanym ID.

Należy więc najzwyczajniej w świecie wyeksportować dane z systemu wewnętrznego i porównać je z danymi dostępnymi w Google Analytics, a następnie sprawdzić, ilu ID z systemu CRM brakuje w Analyticsie.

Aby dokonać jak najbardziej wartościowego porównania, należy również zwrócić uwagę na cechy charakterystyczne użytkowników, po których możemy posegmentować dokonane transakcje widoczne w CRM a niewidocznie w Google Analytics. Dzięki temu pojawią się dodatkowe hipotezy na temat tego, z czego mogą wynikać rozbieżności między systemami – a to pierwszy krok do ich ograniczenia.

Rozbieżności w danych w zależności od typu serwisu

Wspomnieliśmy wcześniej, że w większości przypadków 85% zbieżności danych to poziom, do którego powinniśmy dążyć. Po większym zagłębieniu się w temat, odpowiedź nie jest jednak taka zerojedynkowa. Zadowalający nas poziom rozbieżności zależy również od typu serwisu – a dokładniej rzecz ujmując – od charakterystyki użytkowników serwisu.

Wpływ świadomości użytkowników na jakość danych

Musimy zdawać sobie sprawę, że jako marketerzy cechujemy się, generalnie rzecz biorąc, wyższym poziomem świadomości w zakresie korzystania z internetu. Nie oznacza to jednak, że “zwykli” użytkownicy są pod tym kątem homogeniczni. Odzwierciedlenie tego stanu rzeczy jest widoczne również w poziomie rozbieżności w danych.

W serwisach gromadzących bardziej świadomych użytkowników, istnieje większe prawdopodobieństwo, że będą oni mieli wyłączone funkcjonalności przeglądarki, na podstawie których Google Analytics zbiera dane, takich jak JavaScripty czy ciasteczka. Mogą oni blokować również przesyłanie informacji o sobie do narzędzia za pomocą specjalnych dodatków, blokujących nie tylko reklamy, ale również śledzenie ich działań w internecie przez Google Analytics. W przypadku takich serwisów poziom zbieżności danych będzie zauważalnie niższy. Ma to miejsce głównie w przypadku specjalistycznych serwisów, zwłaszcza w branży IT, gdzie poziom zbieżności będzie “sięgał” nawet tylko 40-50%.

Z drugiej strony, w przypadku serwisów odwiedzanych przez średnio mniej świadomych użytkowników internetu, takich jak sklepy z odzieżą czy elektroniką, możemy spodziewać się poziomu zbieżności danych na wspomnianym już wcześniej poziomie 85% lub wyższym.

Google a inne systemy reklamowe

Rozbieżności między systemami wewnętrznymi a Google Analytics, to nie jedyne wyzwanie, z którym spotykają się analitycy. Różnice w danych będą zauważalne również pomiędzy poszczególnymi systemami reklamowymi (przypisanymi do różnych narzędzi marketingu internetowego) a Google Analytics 4. Dzieje się tak mimo tego, że narzędzia te oparte są na tej samej technologii JavaScript. Dlaczego więc tak się dzieje? Odpowiedzi powinniśmy szukać w stosowanym modelu atrybucji.

Atrybucja i interesy platform reklamowych

Dla przykładu weźmy pod lupę system reklamowy Facebooka, czyli Facebook Ads. Będzie on dążył do pokazania możliwie jak największej liczby konwersji dokonanych za pomocą reklam w tym systemie po to, aby przyciągać do siebie zachęconych wynikami reklamodawców. Z drugiej strony Google Analytics odbierający te dane nie ma już takiego interesu. Możemy więc założyć, że dane w Google Analytics 4 powinny być bardziej obiektywne. 

Aby zobrazować tę swego rodzaju wojnę gigantów między firmami, przyjrzyjmy się reklamom w aplikacji mobilnej Facebook’a. Jak większość użytkowników, w naszych telefonach mamy zapewne zainstalowaną przeglądarkę w formie in-app, działającą na tzw. WebView. W takim przypadku, w momencie przejścia z Facebooka na serwis zewnętrzny, nie jest on wyświetlany w nowej przeglądarce, w wyniku czego dostęp do danych z perspektywy Google Analytics jest blokowany. Właśnie dlatego dane dostępne w systemie reklamowym Facebooka zauważą i odnotują tę akcję – w przeciwieństwie do Analyticsa. W wyniku takiego działania, jako reklamodawcy jesteśmy zachęcani do korzystania z danych w systemie reklamowym Mety – bo to właśnie tam zobaczymy te dane.

Podczas analizy danych musimy pamiętać o tych niuansach i wybrać najodpowiedniejszy (najbardziej rzetelny) dla nas model atrybucji, i to nim kierować się w dalszych analizach. Każdy z nich ma swoje wady i zalety, dlatego to decyzja o tym w jaki sposób chcemy analizować dane jest kluczowa – nie chcemy przecież doprowadzić do sytuacji, w której liczba konwersji pochodząca z wykorzystywanych systemów reklamowych kilkukrotnie przewyższa faktyczną liczbę transakcji widoczną w systemie CRM.

Jak ograniczyć rozbieżności w danych za pomocą zmian w rejestrowaniu transakcji

Jednym z najczęściej pojawiających się problemów w temacie rozbieżności danych w ecommerce są te związane z rejestracją transakcji. Pojawiają się one gdy korzystamy z zewnętrznych bramek płatności. W takim przypadku, transakcje domyślnie rejestrowane są po powrocie użytkownika do serwisu. Użytkownicy jednak bardzo często po dokonaniu płatności nie wracają już do serwisu, co powoduje spore rozbieżności…

Kiedy najlepiej zliczać transakcję?

Jak temu zaradzić? Rekomendujemy zliczanie transakcji w Google Analytics tuż przed samym przejściem do zewnętrznej płatności. Z naszych obserwacji wynika, że istnieje zdecydowanie większe prawdopodobieństwo tego, że użytkownik po dokonaniu płatności nie wróci do serwisu, niż to że przejdzie do jej dokonywania i zaraz po tym zrezygnuje. Dzieje się tak ze względu na dwie rzeczy:

• call to action w ecommerce – a raczej to, jak jest ono sformułowane. W większości przypadków brzmi ono “złóż zamówienie z obowiązkiem zapłaty” bądź odpowiednik, sugerujący że w następnym kroku wymagane będzie dokonanie płatności. Skoro użytkownik jest tego świadomy, dużo bardziej prawdopodobne jest, że zrezygnuje przed przejściem dalej, niż wtedy gdy znajdzie się w miejscu, przed którym był poinformawany o obowiązku zapłaty.
• powód nie opłacenia zamówienia – nie opłacenie zamówienia po przejściu do bramki płatności to najczęściej wynik niespodziewanego błędu lub czynników losowych takich jak zapomnienie danych do logowania do banku. Istnieją jednak mechanizmy pozwalające przywrócić wcześniej utracony koszyk i powrót do płatności, co w znacznym stopniu niweluje problem.

Ze względu na powyższe, w celu zniwelowania rozbieżności w danych, rekomendujemy ustawienie zliczania konwersji tuż przed przejściem do bramki płatności.

Podsumowanie

Korzystając z narzędzi do analityki internetowej pamiętajmy, jakie jest ich przeznaczenie i nie traktujmy ich jako jedynego źródła prawdy. Dane zbierane w tego rodzaju narzędziach powinny cechować się dokładnością (a nie trafnością) i to do niej powinniśmy dążyć, a zadowalającym nas poziomem zbieżności w większości przypadków jest 85%. W zależności od typu serwisu nie zawsze będzie to jednak możliwe, i to również powinniśmy mieć na uwadze. W analizach zwracajmy większą uwagę na spójność trendów między Google Analytics a CRM, niż na trafnym odzwierciedleniu liczby transakcji. Dzięki temu świadoma analiza zaprowadzi nas do bardziej wartościowych wniosków!

The post Rozbieżności w danych w Google Analytics – z czego wynikają i jak je zminimalizować? first appeared on Conversion.

Ile kosztuje Google Analytics 360? W dzisiejszym artykule weźmiemy pod lupę właśnie temat ceny rozszerzonej wersji najpopularniejszego narzędzia do analityki danych online – Google Analytics 360. Wiele firm zastanawiających się nad zakupem licencji płatnej wersji tego narzędzia obawia się wysokich, nieuzasadnionych kosztów. Warto jednak przyjrzeć się temu z bliska i zrozumieć, ile wynosi i jak obliczyć realną cenę licencji. Na początku jednak, należy się zastanowić czy w Twoim konkretnym przypadku, ta konkretna inwestycja będzie odpowiednim rozwiązaniem.

Kiedy warto rozważyć inwestycję w Google Analytics 360?
Jak obliczyć swoją cenę Google Analytics 360?
Co zawiera się w cenie licencji Google Analytics 360?
Podsumowanie

Kiedy warto rozważyć inwestycję w Google Analytics 360?

Zanim odpowiemy sobie na pytanie o cenę Google Analytics 360, należy odpowiedzieć sobie na pytanie, czy naprawdę potrzebujesz ulepszonej wersji Google Analytics. Patrząc przez pryzmat naszych obecnych klientów, zauważamy, że firmy korzystające z wersji płatnej tego narzędzia generują co najmniej 5 milionów przychodu netto miesięcznie. To od razu sugeruje, że jest to opcja skierowana raczej do dużych organizacji, operujących dużą ilością danych (wysoki poziom ruchu w witrynie i/lub aplikacji mobilnej oraz wysoka liczba zdarzeń).

#1 Duża liczba zdarzeń

W pierwszym kroku należy przeanalizować ograniczenia, jakie ma Google Analytics 4. Jednym z nich jest to, związane z Google BigQuery. Bezpłatna wersja Google Analytics 4 jest w stanie przesyłać do Google BigQuery maksymalnie jeden milion zdarzeń dziennie. Przy określaniu liczby zdarzeń, należy wziąć pod uwagę liczbę użytkowników oraz liczbę stron jakie odwiedzają. Idąc dalej, dochodzimy do liczby wykonywanych przez nich interakcji, takich jak kliknięcia w elementy strony, scrollowanie jej czy odtwarzanie filmów video. 

Dodatkowo należy dodać do tego zdarzenia z aplikacji mobilnej, w której użytkownicy są zdecydowanie bardziej zaangażowani i przeważnie generują więcej aktywności niż w przypadku aplikacji webowej. Po przeprowadzeniu dokładnej analizy liczby zdarzeń, ,może okazać się, że limit miliona zdarzeń dziennie jest niewystarczający, co stanowi jasny sygnał do rozważenia inwestycji w płatną wersję.

#2 Potrzeby wewnętrznych zespołów analitycznych

Jak już zostało wspomniane na początku, najczęściej to większe firmy inwestują w Google Analytics 360. Często posiadają one specjalistyczne zespoły lub przynajmniej dedykowane osoby odpowiedzialne za analitykę. Ci eksperci odpowiedzialni są za analizę danych, ich przedstawienie, wyciąganie wniosków i tworzenie rekomendacji na podstawie zgromadzonych informacji.

Obecność takich osób lub zespołów świadczy o tym, że prawdopodobnie istnieją w niej zdefiniowane procesy, które obejmują optymalizację kampanii czy raportowanie i działania związane z optymalizacją współczynnika konwersji. Dzięki temu analizy są systematyczne i pozwalają na skuteczne działania oparte na danych.

Obecność specjalistów sprawia, że w toku analiz szybko ujawniają się ograniczenia bezpłatnej wersji Google Analytics. Zdarza się to szczególnie wtedy, gdy chcemy dokładniej prześledzić aktywność użytkowników oraz segmentować dane na bardziej szczegółowym poziomie niż obecnie. Ograniczenia związane z próbkowaniem danych, progowaniem czy innymi mechanizmami, które nie pokazują pełnego obrazu danych, stają się wtedy widoczne i uciążliwe.

To właśnie drugi z sygnałów skłaniających firmy do inwestycji w Google Analytics 360 – moment,  w którym firma potrzebuje prowadzić zaawansowane analizy na dużych zbiorach danych. Do osiągnięcia pożądanego efektu, płatna wersja staje się kluczowa, ponieważ daje dużo większe możliwości szczegółowej analizy gromadzonych danych.

#3 Rozbudowany ekosystem stron i serwisów

Kolejnym istotnym argumentem, skłaniającym do rozważenia zakupu licencji Google Analytics 360, jest rozbudowany ekosystem stron i serwisów. W poprzedniej wersji narzędzia, Universal Analytics, istniała klarowna struktura konta, które zawierało usługę,  w ramach której dostępne były konfigurowalne  widoki pomagające w organizowaniu danych. Niestety, w Google Analytics 4 ówczesna struktura została zniesiona. Nie oznacza to jednak, że Google Analytics 360, nie oferuje udogodnień w zakresie zarządzania złożonymi ekosystemami danych.

Wprowadzenie funkcjonalności takich jak subproperties czy roll up properties staje się kluczowe dla efektywnego zarządzania dużym ekosystemem stron i serwisów w nowej odsłonie Google Analytics. Dzięki nim możemy w ramach jednej usługi wydzielić specyficzną część ruchu, (np. dla określonej kategorii produktowej czy danego rynku graficznego), co znacząco ułatwia analizę danych. Subproperties pozwalają więc na lepszą segmentację, natomiast roll up properties umożliwiają agregację danych do jednego konta zbiorczego. 

Rozbudowany ekosystem analityczny to trzeci powód, w efekcie którego firma powinna zastanowić się nad inwestycją w Google Analytics 360. W przypadku rozbudowanych ekosystemów stron i serwisów, płatna wersja narzędzia stanowi kluczowy element umożliwiający efektywne zarządzanie danymi i uzyskiwanie wartościowych wniosków.

#4 Service Level Agreement (SLA)

Czwartym kluczowym czynnikiem, który skłania firmy do rozważenia inwestycji w Google Analytics 360, jest wymóg posiadania service level agreement (SLA). Jeżeli nie napotkaliśmy wcześniej wspomnianych ograniczeń związanych z ruchem, analizą danych czy strukturą ekosystemu, warto zastanowić się nad obecnym SLA. Jest to istotne zwłaszcza w przypadku dużych korporacji o międzynarodowym zasięgu, które wymagają spełnienia określonych standardów bezpieczeństwa.

Service level agreement gwarantuje, że dane są zbierane i przetwarzane w sposób gwarantujący bezpieczeństwo, co jest szczególnie istotne dla biznesów operujących na dużą skalę. Warto zaznaczyć, że jedynie płatna wersja Google Analytics 360, spełnia te wymagania w stu lub niemal stu procentach.

Jak obliczyć swoją cenę Google Analytics 360?

Na etapie rozważań dotyczących zakupu licencji Google Analytics 360, jednym z pierwszych pytań pojawiających się pytań jest to, dotyczące ceny samej licencji. Na rynku krążą różne mity, szczególnie że aktualnie mamy do czynienia z okresem zmian w narzędziach analitycznych (migracja do Google Analytics 4 oraz jego odpowiednia konfiguracja) , co również wpływa na zmiany w cenniku. W porównaniu z wcześniejszą wersją (Universal Analytics), obecny cennik zależy od kilku czynników, które szczegółowo omówiłem wcześniej. Dla przypomnienia są to: 

1. liczba generowanych zdarzeń, 
2. wewnętrzne potrzeby analityczne, 
3. poziom rozbudowania ekosystemu danych.

Rzeczywisty koszt licencji jest wypadkową tych trzech elementów, gdzie kluczowy wpływ ma liczba generowanych zdarzeń.

Warto zauważyć, że korzystając z subproperties i roll-up properties, definiujemy kategorie usług, z których główną nazwiemy usługą źródłową. Tworząc subroperties  (odpowiednik widoków w Universal Analytics), liczba zdarzeń z usługi źródłowej zostaje zwiększona o 50% dla każdej pojedynczej subproperty. Przykładowo, jeśli mamy 100 milionów zdarzeń w usłudze źródłowej i cztery subproperties, generujące po 25 milionów zdarzeń, to łącznie mamy 100 milionów z usługi źródłowej i 50% ze 100 mln z subproperties (4*25 mln), co daje łącznie 150 milionów zdarzeń. Tą wartością powinniśmy się kierować, przy określaniu poziomu ceny.

Sprawa wygląda podobnie, w temacie zależności ceny od wykorzystywanych roll-up properties. Są one użyteczne szczególnie wtedy, gdy firma posiada więcej niż jedną usługę źródłową (gdzie każda z nich odpowiada np. poszczególnym produktom, markom czy regionom geograficznym). Dzięki stworzeniu roll-up property, uzyskamy zagregowany widok danych z wybranych source properties. Jej (lub ich) wykorzystanie również wpłynie na naszą cenę licencji Google Analytics 360 – zdarzenia wygenerowane w roll-up property definiowane są jako 0,5 zdarzenia generowanego w usługach. Posługując się analogicznym do powyższego przykładem: jeśli mamy 100 milionów zdarzeń w roll-up property i cztery usługi źródłowe, generujące po 25 milionów zdarzeń, to łącznie mamy 100 milionów z usługi źródłowej i 50% ze 100 mln z usług źródłowych (4*25 mln), co daje łącznie 150 milionów zdarzeń. Tą wartością powinniśmy się kierować, przy określaniu poziomu ceny.

Roll-up property –  – obliczanie sumy zdarzeń do rozliczenia

Cena, lub raczej poziom cennika, w który wchodzimy, będzie więc uzależniony od liczby generowanych zdarzeń, zmieniając się co każdy kolejny milion. Im większy ruch generujemy, tym niższe są wzrosty w wysokości progów cenowych dla każdego kolejnego miliona zdarzeń. Wzrost ceny jest tutaj więc odwrotnie proporcjonalny do poziomu wygenerowanych zdarzeń (wraz ze wzrostem liczby zdarzeń, tempo wzrostu ceny spada).

Opierając się na naszych doświadczeniach możemy stwierdzić, że jej średni miesięczny koszt waha się w granicach 3-4 tysięcy euro. Oczywiście jest to średnia, a cena w konkretnych przypadkach zależy od omówionych wcześniej czynników.

Co zawiera się w cenie licencji Google Analytics 360?

Jaką wartość oprócz samego narzędzia otrzymamy w cenie licencji Google Analytics 360? 

1. Brak wielu ograniczeń, które nakłada na nas Google Analytics 4 skutkujący w możliwości bardziej precyzyjnego analizowania zgromadzonych danych oraz wsparcie dedykowanego opiekuna licencji.
2. W Conversion zauważyliśmy, że firmy często mają problem, ze skutecznym wykorzystaniem możliwości, jakie daje Google Analytics 360. Dlatego my stworzyliśmy proces obsługi licencji GA360, w którym Klient oprócz samej licencji otrzymuje:
   – raz w kwartale webinary produktowe, dzięki czemu firma jest na bieżąco z nowościami narzędziowymi i case’ami ich wykorzystania,
   – konsultacje eksperckie z osobą z conajmniej 4 letnim doświadczeniem w branży, dzięki czemu na jednym spotkaniu firma jest w stanie zyskać rozwiązania większości problemów związanych z danymi,
   – sesje feedbackowe, dzięki którym firma ma sugestie w jaki sposób lepiej może wykorzystać dane GA360,
   – opiekę doświadczonego analityka internetowego, który realizuje analizy na zlecenie działów biznesowych Klienta lub wspiera dział analityczny w zapewnieniu danych.

Jest to dla nas kluczowe, gdyż przy zakupie tego rodzaju narzędzia, często pojawia się pytanie o zwrot z inwestycji.  Odpowiedź jest prosta – będzie on zerowy, jeśli nie podejmiesz działań na podstawie zebranych danych i nie wykorzystasz ich do podejmowania decyzji. W tym obszarze również służymy wsparciem doświadczonego zespołu.

Podsumowanie

Podsumowując, na pytanie o cenę Google Analytics 360 można jednoznacznie odpowiedzieć tylko następująco: to zależy. Zależy głównie od trzech kluczowych czynników: liczby generowanych zdarzeń, struktury konta i wykorzystania subproperties oraz roll-up properties. Dodatkowo, region, w którym chcesz zakupić licencję również ma wpływ na ostateczną cenę, choć jest to zazwyczaj najmniej zmienny czynnik. Z naszego doświadczenia miesięczny koszt licencji waha się zazwyczaj w przedziale 3-4 tysiące euro. Jeżeli masz więcej pytań dotyczących zakupu licencji Google Analytics 360, skontaktuj się z nami i umów się na bezpłatną konsultację z naszym specjalistą.

The post Google Analytics 360 – ile kosztuje? first appeared on Conversion.