Kierowanie ruchu na landing page zamiast na stronę główną pozwala dopasować do odbiorcy komunikację oferty i nakłonić go do realizacji jednego konkretnego celu – np. zostawienia danych kontaktowych, zapisu do newslettera czy pobrania e-booka. Dzięki temu pozyskujesz więcej leadów przy niezmienionym budżecie na działania reklamowe.

W tym wpisie przedstawiam 8 przykładowych stron docelowych wraz z oceną, które elementy zostały poprawnie zaprojektowane, a które warto byłoby poprawić bądź przetestować. Zapoznanie się z nimi pomoże Ci zbudować skuteczniejszy landing page dla Twoich kampanii.

Warto naśladować:

• Kontrast – najważniejsza informacja, czyli cena OC, skutecznie przyciąga wzrok
• Formularz – mocno się wyróżnia od reszty strony, a dodatkowo jest krótki i zrozumiały
• Kolory – świetnie dobrane, współgrają z identyfikacją wizualną marki, jednocześnie zapewniając wysoki kontrast najważniejszych elementów
• Czytelność strony – ograniczenie tekstu do minimum sprawia, że strona jest prosta w odbiorze i szybko można się z nią zapoznać. Pomaga w tym fakt, że ubezpieczenie OC to produkt, który nie wymaga szczegółowego opisania – każdy go rozumie
• Nagrody – budują zaufanie i podkreślają atrakcyjność oferty

Należy unikać / poprawić / przetestować:

• Nagłówek – obecnie jest rozbity na dwie części, przez co trudno jest zauważyć, że „Ubezpieczysz swój samochód“ i „taniej niż myślisz“ to dwie części tego samego zdania. Sam tekst również nadaje się do optymalizacji – np. poprzez zastosowanie czasowników w stylu ”ubezpiecz” zamiast ”ubezpieczysz”
• Dowód społeczny – na stronie brakuje potwierdzenia, że oferta jest atrakcyjna – można je uzyskać np. poprzez dodanie liczby klientów

Warto naśladować:

• USP – komunikowane w widocznym miejscu oraz w zwięzłej, zrozumiałej formie. Korzyści z posiadania konta oraz karty są też dokładniej opisane w dalszej części strony docelowej
• Belka na dole strony – dzięki temu, że podąża za użytkownikiem wraz z przewijaniem strony, ułatwia mu przejście do formularza
• Nagrody – potwierdzają atrakcyjność oferty, zwłaszcza, że zostały przyznane przez niezależne portale branżowe (porównywarki finansowe)
• Prezentacja kroków do założenia konta – dzięki temu użytkownik wie, co musi zrobić, aby je założyć

Należy unikać / poprawić / przetestować:

• Nagłówki – wygodniej byłoby je czytać, gdyby zostały wyrównane do lewej. Nie komunikują korzyści dla klienta i nie nawołują do wykonania akcji
• Zdjęcie – wygląda sztucznie, przez co obniża wiarygodność strony. Proponowałbym je zmienić na bardziej naturalne
• Call To Action – przycisk u góry strony ma odpowiedni kontrast, ale już na ciemno granatowej belce nie wyróżnia się aż tak dobrze. Warto byłoby też jeszcze raz zakomunikować na tekście CTA główną korzyść, czyli 0 zł za prowadzenie konta

Warto naśladować:

• Call To Action – dobrze dobrano zarówno kolor przycisku, jak i tekst, który zawiera czasownik (nawołuje do akcji), a dodatkowo przemyca dwie korzyści dla użytkownika (usługa za darmo i bez zobowiązań).
• USP (Unique Selling Proposition) – nagłówek oraz 3 wartości dostarczane przez produkt, chociaż komunikowane krótkimi słowami, są w pełni zrozumiałe.
• Dowód społeczny – logotypy klientów podnoszą wiarygodność.

Należy unikać / poprawić / przetestować:

• Nagłówki – poza pierwszym nagłówkiem, który jest widoczny i czytelny, pozostałe są zbyt małe, co w połączeniu z nietypowym krojem czcionki obniża czytelność
• Referencje – są za długie, brakuje w nich podkreślenia kluczowych słów lub zdania – np. poprzez dodanie na górze referencji nagłówka lub wyboldowanie najważniejszej części wypowiedzi. Brakuje też zdjęć wypowiadających się osób, które podniosłyby wiarygodność opinii
• Zmarnowane miejsce u góry strony – logotyp oraz numer kontaktowy mogłyby się znajdować w jednej linii, co pozwoliłoby podnieść stronę, jednocześnie żaden element by na tym nie ucierpiał
• Bezpieczeństwo – podajemy wrażliwe dane, jak imię i nazwisko oraz numer telefonu, więc przydałaby się tutaj gwarancja bezpieczeństwa tych informacji, a także link do regulaminu oraz checkbox z wyrażeniem zgody na przetwarzanie danych
• Tło – niebo i ptaki w tle są nieco rozpraszające. Przetestowałbym tutaj wariant z jednolitym tłem.

Warto naśladować:

• USP – komunikacja została w sprytny sposób oparta o przewagi nad konkurencją – na tę stronę docelową można trafić po wpisaniu ”Basecamp” w Google. Przyciąga to uwagę użytkownika (”Jesteście lepsi niż Basecamp? Sprawdzę, dlaczego.”) i zachęca do przeczytania treści na landing page.
• Lista przewag – do jej prezentacji wykorzystano tabelkę, która jest czytelna, a także wiarygodna, ponieważ pokazano również funkcje oferowane przez oba narzędzia (często takie porównania wskazują, że ”nasze” narzędzie potrafi wszystko, a konkurencyjne nic, co zmniejsza wiarygodność).

Należy unikać / poprawić / przetestować:

• Nagłówek – opisuje narzędzie, a nie korzyści dla klienta. Warto byłoby przetestować nagłówek nastawiony na korzyści, np. ”Start managing your projects effectively”
• Call To Action – przede wszystkim mają niski kontrast względem reszty strony, na co składa się podobny do tła kolor oraz dużo elementów znajdujących się wokół nich. Brakuje rozróżnienia na to który z dwóch przycisków jest tym głównym, ponieważ mają ten sam kolor
• USP – sama treść USP jest interesująca – narzędzie jest darmowe, rejestracja jest błyskawiczna, nie wymaga podania numeru karty kredytowej. Forma przekazu sprawia jednak, że te korzyści giną wśród reszty strony, są nieczytelne i łatwo je pominąć, kierując wzrok od razu na pole do podania adresu e-mail
• Dowód społeczny – na stronie docelowej zostały umieszczone logotypy firm, ale brakuje rekomendacji od obecnych klientów, którzy podpisaliby się pod stwierdzeniem, że narzędzie jest faktycznie lepsze od konkurencyjnego Basecampa.

Warto naśladować:

• Grafiki – Podio charakteryzuje się ładnym wizualnie interfejsem, więc umieszczenie w widocznym miejscu screenów narzędzia zachęca do pozostania na stronie
• USP – nacisk na dopasowanie aplikacji do indywidualnych potrzeb i wyróżnienie faktu, że narzędzie zawsze będzie darmowe do 5 kont, to fajne wartości. Dodatkowym plusem jest fakt, że komunikacja korzyści zajmuje mało miejsca
• Dokładnie opisanie funkcji narzędzia. Opisy są nastawione na akcje i korzyści, jakie klient ma dzięki tym funkcjom (nie są techniczne)
• Bezpieczeństwo – dzięki logo McAfee w prawym górnym logo
• Logotypy innych usług – umieszczenie logotypów rozpoznawalnych narzędzi, z którymi Podio jest zintegrowane, zwiększa wiarygodność usługi

Należy unikać / poprawić / przetestować:

• Mało widoczny Call To Action – uwagę przyciągają screeny aplikacji, przycisk CTA ginie wśród innych elementów
• Call To Action na dole strony – przetestowałbym tutaj przenoszenie na górę strony po kliknięciu w CTA na dole bądź dodanie obok niego adresu e-mail
• USP – tekst ”Free forever for up to 5 employees” wygląda jak link. Nie jest to jednak klikalny tekst, przez co można odnieść wrażenie, że na stronie wystąpił błąd. Przetestowałbym też komunikację darmowej usługi, np. poprzez dodanie tam ikony
• Logo McAfee – jest podlinkowane i przekierowuje poza stronę, co zwiększa ryzyko, że użytkownik opuści stronę. Dodatkową treść informującą o zabezpieczeniach lepiej umieścić w tooltipie wyświetlanym po najechaniu na logo bądź w toplayerze wyświetlanym po kliknięciu

Warto naśladować:

• Design – strona jest ładna, ma spójny styl, dobrze dobraną kolorystykę i wysokiej jakości grafiki oraz ikonki
• Dowód społeczny – komunikacja mocno bazuje na bazie klientów oraz ich opiniach. Świetnym posunięciem było tutaj nagranie wysokiej jakości referencji wideo, które skutecznie budują zaufanie – wyglądają profesjonalnie i w 100% wiarygodnie
• Mapa – w przystępny sposób pokazuje zasięg SentiOne. Dane są zaprezentowane w przyjemnej dla oka formie i dzięki temu są czytelniejsze niż zwykły tekst

Należy unikać / poprawić / przetestować:

• Rotator – obrazki i teksty na kolejnych slajdach są fajne, ale rotator sam przeskakuje na kolejne slajdy, co jest nieco irytujące. Strzałki służące do przewijania przesunąłbym wyżej – obecnie wydają się oderwane od całości
• Nagłówki – raz są, a raz ich nie ma (w sekcji z funkacjami / USP). Mają różną wielkość, brakuje spójnego wyrównania – w sekcji z referencjami mamy wyrównanie do lewej, natomiast w sekcji z logotypami klientów wyrównanie do środka. Rekomendowałbym ich ujednolicenie
• USP – komunikacja marketingowa jest nastawiona na funkcje, zamiast na korzyści z nich płynące. Ikonki wyglądają ładnie, ale same teksty niewiele mówią – trudno się dowiedzieć, jak korzystanie z narzędzia przełoży się na rozwój biznesu klienta. Przetestowałbym tutaj teksty komunikujące korzyści w formie ikonka + krótki nagłówek + opis
• Case study – na innej podstronie można znaleźć case study DaWanda, które wymownie obrazuje wpływ narzędzia na biznes – w tym przypadku było to uzyskanie wyniku 99,7% pozytywnych komentarzy dotyczących obsługi klienta. Warto się tym pochwalić w widocznym miejscu

Warto naśladować:

• Kontrast – fioletowe tło pod formularzem od razu przyciąga wzrok i zachęca do jego wypełnienia
• USP – tarcza na środku w przejrzysty sposób komunikuje najważniejszą korzyść związaną z usługą, czyli gwarancję najniższej raty
• Przykład – przedstawienie co wchodzi w skład pełnej kwoty przykładowej pożyczki wyjaśnia jak działa usługa i podnosi poziom zaufania do banku

Należy unikać / poprawić / przetestować:

• Call To Action – jest zbyt mały i zawiera generyczny tekst ”Wyślij”. Skuteczniejszy byłby tekst ”Zamów kontakt” lub ”Chcę otrzymać ofertę”
• Formularz – przede wszystkim brakuje tutaj wyjaśnienia w jaki celu mam podać adres e-mail (przecież kontakt będzie telefoniczny) oraz numer PESEL (spodziewałbym się raczej, że potrzebny jest dopiero w momencie zawierania umów, a nie do prezentacji oferty). Brakuje też tutaj gwiazdek oznaczających obowiązkowe pola formularza – użytkownik może podejrzewać, że adres e-mail jest nieobowiązkowy, skoro zamawia kontakt telefoniczny
• Nagłówek – to, że Alior Bank stoi na straży najniższych rat niewiele mówi klientowi. Tekst powinien jasno komunikować, że zapłacę najniższe raty na rynku, ponieważ bank stoi na ich straży
• Bodźce – warto byłoby dodać elementy przyspieszające decyzję klienta, jak ograniczenie czasowe (chociaż jest to już decyzja biznesowa związana z produktem) lub informację o tym ile osób już skorzystało z oferty

Warto naśladować:

• Call To Action – duży, wyróżniający się przycisk, który dodatkowo zachęca do kliknięcia umieszczonym na nim tekstem – dzięki niemu klient wie dokładnie, czego spodziewać się po kliknięciu
• Nagłówek – jest duży i widoczny, a umieszczona obok niego strzałka skutecznie przenosi wzrok użytkownika w kierunku Call To Action
• Formularz – a tak naprawdę jego brak. To skrajny przypadek dobrej praktyki, jaką jest skracanie formularzy. Wcześniej UnBounce wymagał podania adresu e-mail, imienia i stanowiska. Jako, że celem jest tutaj przekazanie wiedzy i zbudowanie eksperckiej pozycji u potencjalnego klienta, a nie zdobycie adresu e-mail aby wysyłać na niego newsletter, firma zdecydowała się usunąć formularz
• Dowód społeczny – budowany dwutorowo – z jednej strony mamy listę ekspertów, którzy tworzyli kurs, a z drugiej opinie klientów podkreślających kompetencje firmy. Zdjęcia, nazwiska i linki do profili na Twitterze skutecznie budują zaufanie
• Dokładny plan kursu – dzięki niemu wiesz, czego się spodziewać po przejściu dalej
• Drugi Call To Action – tym razem w formie linku na dole strony, który komunikuje korzyści dla biznesu klienta, jakimi są większa liczba leadów oraz klientów

Należy unikać / poprawić / przetestować:

• Wideo – elementem przekonującym mnie do udziału w kursie byłoby przykładowe video z lekcją. Ten element jest komunikowany na stronie docelowej – warto byłoby pójść dalej i pokazać przykład

Podsumowując, tworząc landing page powinieneś zawsze pamiętać o dopracowaniu kluczowych elementów, takich jak USP, budowanie zaufania, klarowny i wyróżniający się CTA, a także możliwie najkrótszy i zrozumiały formularz. Więcej o zasadach projektowania skutecznych stron docelowych przeczytasz we wpisie Pauliny Kamińskiej.

Nowe trendy w projektowaniu landing page w 2026 – personalizacja i UX napędzające konwersje

W 2026 roku skuteczne landing page to nie tylko atrakcyjny design, ale także głęboka personalizacja i doświadczenie użytkownika (UX). Statystyki pokazują, że personalizowane wezwania do działania (CTA) mogą podnieść konwersję nawet o ponad 40 %, a uproszczone, bardziej przejrzyste układy z jedną wyraźną akcją działają lepiej niż rozbudowane strony. Warto też pamiętać o mobilnej optymalizacji, bo większość ruchu dociera dziś z telefonów. Choć średnia konwersja wynosi około 6–7 %, najlepsze strony osiągają ponad 10 % lub więcej, gdy UX i personalizacja są na wysokim poziomie.

Wideo i interaktywne elementy jako narzędzie zwiększania konwersji na landing page

Trendy projektowe wskazują, że osadzenie wideo na landing page może znacząco zwiększyć zaangażowanie odbiorców i poprawić konwersję. Wideo pozwala przekazać kluczowe informacje w sposób dynamiczny i łatwo przyswajalny, a krótkie, interaktywne materiały mogą nawet zwiększyć sprzedaż lub rejestracje o ponad 80 % w porównaniu z samym tekstem. Tego typu elementy pomagają budować zaufanie i utrzymać uwagę odwiedzających, szczególnie gdy są umieszczone tuż nad wezwanie do działania (CTA) i mają jasny powód, by skłonić użytkownika do kolejnego kroku.

Jeśli chcesz zyskać przewagę konkurencyjną dzięki zwiększaniu współczynnika konwersji oraz zwiększyć zysk swojej witryny bez wydawania kolejnej złotówki na reklamę, skontaktuj się z Conversion by poznać nasze podejście. Więcej o optymalizacji współczynnika konwersji dowiesz się pobierając przygotowane przez nas bezpłatne poradniki, raporty oraz case studies.

The post Jak stworzyć skuteczny landing page? 8 przykładów stron docelowych z rekomendacjami zmian first appeared on Conversion.

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

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

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

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

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

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

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

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

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

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

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

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

Nowe funkcje i kierunki rozwoju Looker Studio w 2025–2026

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

Integracje z BigQuery i analiza „big data” w raportach

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

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

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

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

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

Do mocnych stron, wynikających z użytkowania GDS, zaliczam:

1.Przystępny i intuicyjny interfejs

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

2.Wygoda i oszczędność czasu

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

3.Koszty, a właściwie ich brak

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

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

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

1.Szybkość działania

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

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

2.Błędy, sporo błędów

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

3.Ograniczenia integracji z zewnętrznymi dostawcami

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

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

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

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

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

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

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

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

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

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

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

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

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

11. Po dodaniu elementów nasz dashboard wygląda następująco:

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

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

14. Wykres wygląda zdecydowanie lepiej.

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

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

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

Looker Studio (daw. Google Data Studio) – podsumowanie

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

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

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

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

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

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

Czym jest analityka internetowa?

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

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

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

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

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

Obszary zainteresowania, czyli kto powinien korzystać z analityki internetowej?

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

Trend 2026: Analityka internetowa wspierana przez sztuczną inteligencję w praktyce

Praktyczne zastosowania AI w analizie danych i marketingu online

Jak działa analityka internetowa?

W ten sposób możemy wyodrębnić 4 główne etapy analityki internetowej:

Etap numer 1: rozpoznanie potrzeb biznesowych,

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

Etap numer 2: wyciąganie i “obróbka” danych 

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

Etap numer 3: wizualizacja informacji

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

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

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

Etap numer 4: wyciąganie wniosków i opracowywanie rekomendacji

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

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

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

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

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

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

Do czego służy analityka internetowa? Jak wykorzystać pozyskane dane?

W tym miejscu możemy wyróżnić dwa zasadnicze obszary.

Pierwszy z nich to mierzenie skuteczności działań marketingowych

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

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

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

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

Drugi obszar dotyczy optymalizacji konwersji oraz innych wskaźników

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

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

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

Kto odpowiada za analitykę internetową?

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

Czy to wszystkie zagadnienia, jakich dotyka analityka internetowa?

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

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

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

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

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

Narzędzia wykorzystywane w analityce internetowej. Czego warto używać?

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

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

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

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

Dlaczego wykorzystuje się aż tyle narzędzi analitycznych?

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

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

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

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

Jak łączyć dane pochodzące z wielu miejsc?

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

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

Dlaczego analityka jest tak ważnym elementem biznesu?

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

Po 1 – daje dostęp do kompleksowych danych na temat użytkowników

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

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

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

Po 3 – pozwala planować i opracowywać strategie

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

Zagrożenia, czyli analityka internetowa a prywatność użytkowników

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

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

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

Analityka internetowa – podsumowanie

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

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

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

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

Branża: Serwis rekrutacyjny
Klient: Grupa Pracuj S.A. (Warszawa, Polska)
Strona: www.pracuj.pl

Punkt wyjścia

Pracuj.pl to największy serwis rekrutacyjny w Polsce, w którym analityka danych odgrywa kluczową rolę w rozwoju produktów, e-commerce oraz działań B2C i B2B. Od lat współpracujemy z klientem w modelu opieki analitycznej, który zakłada stałe wsparcie zarówno w obszarze technicznym, jak i strategicznym.

Taki model współpracy wymaga elastyczności, szybkiego reagowania oraz zdolności łączenia celów biznesowych z zaawansowaną analityką. Naszym zadaniem było zapewnienie ciągłości działań analitycznych i przejęcie odpowiedzialności za cały ekosystem: od GTM, przez GA4, po procesy i rekomendacje wspierające decyzje biznesowe.

Wyzwania

Współpraca w modelu opieki analitycznej odbywa się w dynamicznym środowisku, w którym potrzeby biznesowe często się zmieniają, a zgłoszenia wymagają szybkiej reakcji.

Najważniejsze wyzwania obejmowały:

• wielu interesariuszy po stronie klienta (Ecommerce, Product, B2C, B2B) i konieczność stałej priorytetyzacji zadań,
• szeroki zakres współpracy obejmujący zarówno warstwę techniczną, jak i strategiczną w całym ekosystemie analitycznym,
• dużą liczbę wdrożeń oraz pilnych zgłoszeń typu „asap”.

Kluczowe było wypracowanie procesu, który pozwoli utrzymać tempo prac, jakość danych oraz terminowość realizacji.

Nasze podejście

Pracę oparliśmy na sprawdzonych zasadach, które pozwalają zachować wysoką jakość i przewidywalność działań. Dzięki wieloletniej współpracy bardzo dobrze znamy kontekst biznesowy klienta oraz specyfikę techniczną jego systemów.

Za bieżącą realizację odpowiada zespół kilku analityków, a w razie potrzeby korzystamy ze wsparcia ad hoc innych specjalistów. Przepływ zadań porządkujemy w Jirze, co zapewnia transparentność i jasny ownership.

Co dwa tygodnie wspólnie z interesariuszami porządkujemy backlog pod kątem terminów, złożoności oraz wpływu na wyniki biznesowe. Każde zadanie posiada „ownera” po stronie klienta, a dobra znajomość niestandardowej architektury GTM oraz GA4 pozwala skrócić czas potrzebny na diagnozę i wdrożenia.

Efekty

Dzięki uporządkowaniu procesów i jasno zdefiniowanym zasadom współpracy udało się osiągnąć wymierne efekty:

• regularna i terminowa realizacja ticketów,
• eliminacja opóźnień dzięki jasnemu ownershipowi zadań,
• uporządkowany ekosystem analityczny,
• przejrzysta struktura GTM i GA4,
• zauważalna poprawa jakości danych,
• usprawniona komunikacja pomiędzy zespołami (Ecommerce, Product, B2C, B2B),
• krótszy czas ustaleń i mniejsza liczba zwrotek,
• szybsza reakcja na priorytety biznesowe.

W skrócie, efektem prac była lepsza jakość danych, która przełożyła się na pewniejsze decyzje oraz mierzalny wzrost wyników.

Opinia Pracuj.pl na temat przeprowadzonego projektu

Zdaniem Pracuj.pl, współpraca w ramach opieki analitycznej przełożyła się przede wszystkim na pewniejsze decyzje biznesowe i mierzalny wzrost wyników.

Podsumowanie

Współpraca z Pracuj.pl pokazuje, jak w praktyce wygląda opieka analityczna przy dużej organizacji i wielu interesariuszach.

Stałe wsparcie, jasne procesy oraz bieżąca priorytetyzacja pozwalają skutecznie odpowiadać na potrzeby biznesowe i utrzymywać wysoką jakość danych analitycznych.

The post Pracuj.pl – Uporządkowanie analityki (GA4 + GTM) dla największego serwisu rekrutacyjnego w Polsce first appeared on Conversion.

Czego dowiesz się z tego wywiadu:

Privacy First i dane w erze post-cookie

AI Native: Od raportów do systemów decyzyjnych

Zysk i retencja ponad akwizycję

Zaawansowany measurement: MMM, inkrementalność i eksperymenty

Konsolidacja Martechu: Mniej narzędzi, więcej wartości

AI jako nowy sposób odkrywania produktów

Nowy model operacyjny: Procesy, governance i AI

Podsumowanie: Główne wnioski i plan działania na 2026

Perspektywa dyrektora e-commerce i analityka

Z kim i dla kogo jest ta rozmowa?

Mariusz Michalczuk: Cześć, witajcie w kolejnym odcinku Date with Data Talks. Dzisiaj, na początku roku, porozmawiamy o trendach, które czekają nas w 2026 roku w e-commerce i marketingu pod kątem wykorzystania danych online. Nie wyobrażam sobie lepszego gościa niż mojego wspólnika, Piotrka Raczkowskiego, który na co dzień opiekuje się projektami dla naszych klientów i zarządza działem Delivery. Cześć Piotrku.

Piotr Raczkowski: Cześć Mariusz. Dzięki za super wprowadzenie. Bardzo się cieszę, że w końcu zostałem zaproszony.

Mariusz Michalczuk: Opowiedz, z jakiej perspektywy będziesz mówił o tych trendach. Z kim pracujemy na co dzień po stronie naszych klientów?

Piotr Raczkowski: W ostatnim roku zidentyfikowaliśmy dwie najważniejsze persony. Pierwszą jest dyrektor e-commerce i to z jego perspektywy chciałbym dzisiaj poprowadzić dyskusję. Drugą jest Head of Analytics, z którym pracujemy w największych polskich organizacjach, wspierając go w bieżącej pracy.

Rzeczy, o których mówimy, dotyczą zarówno menadżerów e-commerce, jak i szefów analityki, tylko z trochę innej perspektywy. Na koniec dnia wszyscy rozmawiają o tych samych wyzwaniach.

Trend 1: Privacy First i dane w erze post-cookie

Wyzwania związane z jakością i stabilnością danych

Mariusz Michalczuk: Przygotowaliśmy siedem trendów, które naszym zdaniem będą rozwijały się w 2026. Zacznijmy od pierwszego: Privacy First and Post-Cookies Data Resilience. Jak to jest z tymi ciasteczkami? Są, czy ich nie ma?

Piotr Raczkowski: To zależy. Chodziło głównie o wycofanie ciasteczek third-party z Google Chrome, ale Google się z tego wycofał. Ten trend jest jednak szerszy niż same ciasteczka; dotyczy jakości danych. Od lat mierzymy się z wyzwaniami: RODO, potem GA4, Consent Mode, a teraz zagrożenie wygaszenia ciastek third-party. Zmian jest bardzo dużo.

Trend ten mówi o tym, że żyjemy w systemie zbierania danych, który jest super dynamiczny. Główne wyzwanie dla dyrektora e-commerce brzmi: czy mogę ufać tym danym, skoro są tak niestabilne? Te zmiany w kierunku prywatności są dobre dla użytkowników, ale dla nas są wyzwaniem.

Mariusz Michalczuk: Czyli ciasteczka trzeciej kategorii miały zniknąć, Chrome podawał już trzy daty, ale ostatecznie nic się nie zmieniło.

Piotr Raczkowski: Tak, Google się z tego wycofał. Co ciekawe, badanie IAB pokazało, że w lutym zeszłego roku około 50% firm deklarowało gotowość na wygaszenie ciastek. Pamiętajmy jednak, że to gotowość deklaratywna. Znamy przypadki, gdzie klientom wydawało się, że są gotowi, a wcale nie byli.

Wobec tego dyrektor e-commerce powinien pamiętać o trzech punktach. Po pierwsze, wybrać najważniejsze KPI (polecam Twój artykuł o KPI tree) i je obserwować. Po drugie, szybko wyłapywać zmiany w tych KPI i metrykach, które mogą je przewidywać, czyli detekcja anomalii. Po trzecie, umieć rozróżnić, czy anomalia to błąd w śledzeniu, czy realna zmiana popytu na nasze produkty.

Trend 2: AI Native: Od raportów do systemów decyzyjnych

Jak sztuczna inteligencja zmieni pracę analityka?

Mariusz Michalczuk: Trend numer dwa, który musiał się pojawić: AI native. Zamiast raportów, systemy decyzyjne. Co tu się będzie działo?

Piotr Raczkowski: Jestem zaskoczony, że AI pojawił się dopiero w drugim trendzie. Najważniejsze hasło to: podejmować decyzje, a nie tworzyć raporty. Rynek analityki internetowej czeka duża rewolucja. Przejdziemy od zbierania danych i przygotowywania dashboardów do sytuacji, w której zmiany będą wyłapywane automatycznie przez AI.

AI pokaże nam pierwsze koncepty, co mogło spowodować te zmiany. Rola analityka zmieni się w kierunku przekuwania tych informacji na faktyczne decyzje biznesowe. Dyrektorzy e-commerce dostaną konkretne wskazówki, na co patrzeć i jakie decyzje podjąć.

Mariusz Michalczuk: Czyli ciężar pracy przesunie się z przygotowania danych na ich analizę. Zamiast zasady 80/20, gdzie 80% czasu to zbieranie danych, a 20% analiza, będzie odwrotnie. Jednak jeśli dane u podstaw będą złe, to zadziała zasada GIGO – garbage in, garbage out.

Piotr Raczkowski: Dokładnie, dlatego zaczęliśmy od jakości danych. Jest jedno duże zagrożenie związane z AI: jeśli będzie implementowane w sposób zdecentralizowany, punktowo przez pojedynczych specjalistów, to każdy będzie to robił inaczej. To przypomina sytuację, gdzie każdy dział marketingowy korzysta z innego panelu i raportuje swoje konwersje, a suma nie zgadza się z danymi z CRM. Tak samo AI może doprowadzić nas do podejmowania błędnych decyzji biznesowych.

Trend 3: Zysk i retencja ponad akwizycję

Dlaczego ROAS is dead, a profit is king?

Mariusz Michalczuk: Przechodzimy do trzeciego trendu: profit i retencja to więcej niż akwizycja. To słuszne, bo akwizycja jest coraz droższa. Co dyrektorzy e-commerce powinni robić w tym kontekście?

Piotr Raczkowski: Zanim odpowiem, mam pytanie do Ciebie. Co sądzisz o mierze ROAS?

Mariusz Michalczuk: Mówi się, że ROAS is dead. W kontekście rosnących kosztów mediów, to moim zdaniem już nieżywa metryka. Trzeba ją pochować. Ale co w zamian?

Piotr Raczkowski: Przywołam dane z raportu Gemiusa i Akademii Leona Koźmińskiego: już 78% badanych Polaków dokonuje zakupów w internecie, a wśród osób powyżej 25. roku życia to ponad 90%. To pokazuje, że tort użytkowników nie będzie rósł w nieskończoność. Nie możemy opierać działań na pozyskiwaniu coraz to nowych, tanich kliknięć.

Mariusz Michalczuk: Zwłaszcza, że demografia jest nieubłagana. Użytkowników będzie raczej ubywać. Co więc zamiast ROAS?

Piotr Raczkowski: Miary pokazujące, jak efektywnie budujemy lojalność: Client Acquisition Cost (CAC) połączony z Lifetime Value (LTV). Kluczowa staje się też marża. Trzeba przesunąć fokus z przychodu na marżę, ponieważ wojna cenowa sprawia, że firmom spada rentowność. Na tym powinny się skupić osoby na wysokich stanowiskach.

Mariusz Michalczuk: Czyli główną metryką w kampaniach powinien być zysk, a nie przychód?

Piotr Raczkowski: Powinniśmy na ten zysk patrzeć. Jeśli dysponujemy danymi o marży, a dzięki Single Source of Truth powinniśmy, to należy wykorzystać jej potencjał. Na przykład optymalizować reklamy w Meta Ads pod marżę, a nie przychód, albo wykorzystywać marżę i LTV do budowania segmentów podobnych użytkowników.

Mariusz Michalczuk: Czyli podsumowując: ROAS is dead, profit is king.

Piotr Raczkowski: Dokładnie tak.

Trend 4: Zaawansowany measurement: MMM, inkrementalność i eksperymenty

Jak podejmować świadome decyzje o budżecie marketingowym?

Mariusz Michalczuk: Trend numer cztery. Measurement w 2026 roku, czyli badanie inkrementalności, eksperymenty kontrolowane i Marketing Mix Modeling.

Piotr Raczkowski: Do tego dochodzi jeszcze atrybucja, która jest dopełnieniem tych metod. Coraz popularniejszym pojęciem w optymalizacji mediów jest triangulacja, czyli wykorzystanie właśnie inkrementalności, atrybucji i MMM do budowania najlepszych praktyk.

Mariusz Michalczuk: To wszystko mądrze brzmi, ale na co konkretnie patrzymy?

Piotr Raczkowski: Chciałbym odesłać do publikacji BCG, która pokazuje sześć kroków do efektywnego measurementu. Pierwszym krokiem jest zdefiniowanie KPI. Znowu wracamy do fundamentu – trzeba wiedzieć, na co patrzymy i mieć framework do optymalizacji marketingu. Badanie BCG i Google pokazuje, że tylko 39% firm w UK ma taki framework wypracowany.

Najważniejsze pytanie dla dyrektora e-commerce to jak zoptymalizować media mix: do którego kanału dosypać, a z którego zabrać? Jeśli będziesz patrzeć na atrybucję, MMM i eksperymenty niezależnie, stawiasz sobie hipotezy, które potem musisz weryfikować. Jeśli dostaniesz sprzeczne sygnały z tych trzech źródeł, decyzja, w którą stronę pójść, staje się polityczna. Kluczowe jest połączenie tych elementów i wiedza, jak do tego podchodzić.

Trend 5: Konsolidacja Martechu: Mniej narzędzi, więcej wartości

Jak efektywnie zarządzać technologią marketingową?

Mariusz Michalczuk: Trend numer pięć: konsolidacja martechu. Mniej narzędzi, więcej użycia. Tych narzędzi jest niesamowicie dużo.

Piotr Raczkowski: Tak, mapa MarTech pokazuje, jak wielu narzędzi możemy korzystać. Klienci często wykorzystują tylko niewielki procent ich potencjału.

Mariusz Michalczuk: Czyli zamiast dziesięciu narzędzi po pięć procent, lepiej mieć trzy i wykorzystywać je w osiemdziesięciu procentach.

Piotr Raczkowski: Dokładnie. Rynek jest trudny. Raport Gartnera pokazuje, że udział wydatków na marketing w przychodach organizacji jest stały lub spadał, a jednocześnie od marketingu oczekuje się wzrostów. To oznacza, że dyrektorzy szukają oszczędności. Obserwujemy u klientów wycinanie nieefektywnych vendorów i skupienie się na pełnej adopcji narzędzi, którym zaufali.

Trend 6: AI jako nowy sposób odkrywania produktów

Zmiana ścieżki zakupowej klienta

Mariusz Michalczuk: Trend numer sześć. Znowu AI, ale tym razem jako narzędzie do odkrywania produktów. O co chodzi?

Piotr Raczkowski: Spotkałem się z podejściem, żeby traktować ChatGPT czy Gemini jako osobny kanał na ścieżce klienta. Mam wrażenie, że to coś więcej. Badanie IAB wskazuje, że rozmowa z AI jest już dla nas drugim źródłem poszukiwania informacji o produkcie, zaraz po wyszukiwarce. To więcej niż dodanie kolejnego kanału – cała ścieżka użytkownika się zmienia.

Gdy zastanawiam się nad zakupem, wrzucam do czatu link do produktu, a on porównuje go z innymi, przygotowuje zestawienie, podaje ceny i rekomendacje. To bardzo skraca proces zakupowy. Nie ma już długiego researchu i mocnej lojalności do marki. Firmy powinny skupić się na tym, żeby ich produkty były dobrze widoczne w systemach rekomendacji sztucznej inteligencji.

Trend 7: Nowy model operacyjny: Procesy, governance i AI

Jak strategicznie wdrażać AI w organizacji?

Mariusz Michalczuk: I ostatni, siódmy trend: Operating model, czyli procesy, governance i AI jako mnożnik efektów. Na co tu zwrócić uwagę?

Piotr Raczkowski: To kontynuacja tego, co mówiliśmy przy drugim trendzie. Potencjał AI jest ogromny. Zmieni się rola analityka – cenieni będą ci z doświadczeniem, którzy potrafią myśleć strategicznie i wykorzystywać AI do optymalizacji działań. Kluczowe jest budowanie całych procesów opartych o sztuczną inteligencję, a nie działanie punktowe.

Raport McKinsey’a pokazuje, że średnio niewiele ponad 1/3 firm wyszła z fazy pilotażu AI. Co więcej, tylko 36% firm, które wdrożyły AI, wskazuje, że pomogło to poprawić rentowność biznesu. To znaczy, że AI jest adaptowane, ale jeszcze nie w najbardziej wartościowych punktach. Zachęcam do tego, aby adaptować AI w taki sposób, by miało realny wpływ na zyskowność firmy.

Podsumowanie: Główne wnioski i plan działania na 2026

Trzy fazy wdrożenia zmian w 2026 roku

Mariusz Michalczuk: To jak dyrektor marketingu czy e-commerce powinien się za to zabrać? Jakie cele postawić sobie na najbliższe miesiące?

Piotr Raczkowski: Proponuję trzy fazy. Pierwsza faza to dane – zadbajcie o to, żebyście patrzyli na dobre dane. Po pierwsze: zdefiniujcie KPI w organizacji, budując KPI tree. Po drugie, zbudujcie odporny system zbierania danych, którym ufacie. To jest wasze Single Source of Truth, które opiera się na dobrej detekcji anomalii i rozumieniu ich przyczyn.

Mariusz Michalczuk: Czyli co śledzimy, jak śledzimy (np. przez GTM Server Side) i gdzie to zbieramy. To pierwszy krok.

Piotr Raczkowski: Dokładnie. Drugi krok to zmiana mindsetu. Wyrzućmy ROAS do śmietnika, skupmy się na zysku, marży, LTV i CAC. Podejdźmy odważniej do eksperymentów i zbudujmy framework, w ramach którego chcemy pracować i optymalizować media.

Mariusz Michalczuk: Czyli podważenie statusu quo i skupienie się na rentowności.

Piotr Raczkowski: Tak. I trzeci priorytet to wykorzystanie AI w działaniach. Przeskoczcie od tworzenia dashboardów do podejmowania decyzji. Ale zróbcie to mądrze – nie punktowo, lecz w oparciu o strategię wykorzystania sztucznej inteligencji w waszym dziale.

Mariusz Michalczuk: Jak moglibyśmy podsumować to, co nas czeka w 2026 roku?

Piotr Raczkowski: Jestem podekscytowany. Czeka nas zmiana, AI bardzo dużo wniesie do naszej branży. To jest to, o czym marzy każdy dobry analityk: żeby jego praca przestała być wykonywaniem zadań, a stała się szukaniem optymalizacji i wspieraniem decyzji.

Mariusz Michalczuk: Czyli zamiast pięknych raportów – przejdźmy do akcji. Super, dzięki wielkie.

Piotr Raczkowski: Dzięki Mariusz. Dziękuję za zaproszenie.

The post Dane online w 2026 – na co zwrócić uwagę w marketingu i e-commerce? first appeared on Conversion.

Co znajdziesz w tym artykule?
Jak analizować kampanie displayowe?
Struktura DoubleClick Manager
Czy użytkownik na pewno widział reklamę?
Czy reklama jest w dobrym miejscu?
Nowe standardy i praktyki poprawy widoczności reklam (viewability) w 2026
Podsumowanie

Jak analizować kampanie displayowe?

Poprawne zbieranie danych jest podstawą skutecznych działań w zakresie analityki internetowej. Odpowiednie otagowanie kampanii displayowych pokaże nam, którzy użytkownicy kliknęli w baner przed wejściem na naszą stronę.

Reklama display, oprócz bezpośredniego generowania ruchu, pełni jednak również inną bardzo ważną rolę. Reklamy graficzne budują wizerunek i świadomość marki lub produktu. Jak pokazują przeprowadzane przez nas analizy ścieżek wielokanałowych medium display jest bardzo często pierwszym krokiem prowadzącym do konwersji.

Wszyscy wiemy jak analizować kampanie i ich efektywność w Google Analytics. Wiemy, które wizyty prowadzą do konwersji i które źródła ruchu oraz kampanie przynoszą nam największe efekty. Jeżeli jednak intensywnie korzystamy z reklamy displayowej umyka nam bardzo duża część informacji, ponieważ nie optymalizujemy tego jak wyświetlają się nasze reklamy.

Dlatego też analizując kampanie displayowe powinniśmy również mieć możliwość odpowiedzi na pytania:

Czy użytkownik faktycznie zobaczył moja reklamę?

Czy może baner wyświetlił się w dolnej części strony do której użytkownik nie zescrollował, jak np. tutaj, na samym dole strony Onet.pl

Czy moje reklamy wyświetlają się w odpowiednim miejscu?

Chyba, żaden producent samochodów nie chciałby, żeby jego reklama wyświetlała się na stronie Fatal Car Accidents.

Rozwiązanie

W tym poście omówię dwie z funkcjonalności narzędzia DoubleClick Campaign Manager (DCM), wchodzącego w skład platformy DoubleClick Digital Marketing (DDM).

Dzięki zastosowaniu narzędzia będziemy mogli sprawdzić czy użytkownik faktycznie zobaczył naszą reklamę (funkcjonalność Active View) oraz czy reklamy wyświetlają się tam gdzie powinny (funkcjonalność Content Verification).

W skład platformy DoubleClick Digital Marketing, wchodzą również inne narzędzia umożliwiające zarządzaniem kampaniami reklamowymi jak np. DoubleClick Bid Manager (DBM), DoubleClick Search (DS.), DoubleClick AdExchange czy DoubleClick Rich Media.

W tym poście omówię dwie funkcjonalności DoubleClick Manager, które pozwalają zweryfikować efektywność, poszczególnych kampanii reklamowych.

Struktura DoubleClick Manager

DoubleClick Manager pozwala na zarządzanie kampaniami displayowymi w Internecie. W ramach Konta tworzymy Reklamodawcę. Dla Reklamodawcy tworzymy Kampanię, w ramach której tworzymy Reklamy oraz Kreacje. Część platformy DDM Raportowanie pozwala przeglądać dane o reklamach traffickowych w DoubleClick Manager.

W części Raportowanie znajduje się karta Weryfikacja, dzięki której możemy przeanalizować poprawność emitowanych kampanii reklamowych. Dwie funkcjonalności, które pomogą nam odpowiedzieć na pytania zaprezentowane we wstępie to Active View oraz Content.

Czy użytkownik na pewno widział reklamę?

Dzięki funkcjonalności Active View, sprawdzimy jaka część reklam display (raportowanych jako wyświetlone) była faktycznie widziana przez użytkowników.

Narzędzie uzna reklamę jako widoczną jeśli co najmniej 50% reklamy było widoczne w części strony widzianej przez użytkownika, przez co najmniej 1 sekundę.

Dzięki temu możemy zidentyfikować i wyeliminować reklamy umieszczane w miejscach, do których większość użytkowników nie dociera i tym samym nie widzi naszych kreacji.

Jeśli rozliczamy się z wydawcami w modelu CPM (koszt za tysiąc wyświetleń), płacąc za każde wyświetlenie to warto, żeby użytkownicy faktycznie mogli zobaczyć umieszczone przez nas reklamy, dzięki czemu zwiększymy efektywność i skuteczności kampanii display.

Czy reklama jest w dobrym miejscu?

Za pomocą funkcjonalności Content Verification, DoubleClick Manager monitoruje zawartość strony internetowej, na której reklama została wyemitowana. Dzięki temu możemy upewnić się, że reklamy nie są wyświetlane na stronach z nieodpowiednimi treściami, jak hazard, przemoc czy treści dla dorosłych.

Istnieją standardowe klasyfikatory (już skonfigurowane w ramach narzędzia), za pomocą których można weryfikować strony na których pojawiły się nasze reklamy, oraz niestandardowe, które możemy sami skonfigurować i dostosować je do swoich potrzeb. Standardowe klasyfikatory oznaczają m.in. następujące tematy: pornografia, wulgaryzmy, alkohol, tytoń, narkotyki, broń, hazard, przemoc, polityka, religia, wypadki transportowe, wymiana plików, tragedia czy hacking.

Klasyfikatory niestandardowe są przydatne, jeśli chcemy wyszczególnić inną kategorię, przy której nie chcemy emitować naszych reklam. Przykładowo producent samochodów może stworzyć klasyfikator „awarie w samochodach”, aby uniknąć pokazywania reklam samochodów przy tego typu artykułach, czy też klasyfikator, który monitoruje, czy reklamy są wyświetlane na stronach, w których wspomniano konkurenta lub prezentująca daną markę w negatywnym świetle.

Można utworzyć dowolną liczbę niestandardowych klasyfikatorów, a następnie zastosować je do całego konta lub do poszczególnych kampanii.

Dzięki możliwości weryfikacji unikniemy sytuacji, że nasza reklama będzie się wyświetlała w nieodpowiednim miejscu jak w przykładzie (trochę przerysowanym ) poniżej:

Nowe standardy i praktyki poprawy widoczności reklam (viewability) w 2026

W 2026 roku viewability nadal pozostaje kluczowym wskaźnikiem dla efektywności kampanii display i video, ale samo spełnienie minimum (50% pikseli widocznych przez 1 sekundę) to często za mało, by realnie ocenić wpływ reklamy na odbiorcę. Średnia widoczność reklam display wynosi ok. 65 %, a wyższe wskaźniki silnie korelują z lepszym rozpoznawaniem marki i skuteczniejszymi konwersjami, szczególnie w kampaniach programatycznych. Dobre praktyki obejmują strategiczne umieszczanie kreacji, optymalizację pod kątem urządzeń mobilnych oraz współpracę z wydawcami, którzy osiągają wyższe standardy viewability – to nie tylko spełnia branżowe normy, ale realnie podnosi efektywność kampanii.

Metody poprawy viewability i zaangażowania użytkownika w kampaniach display

Aby poprawić wskaźnik viewability i zaangażowanie użytkowników, reklamodawcy coraz częściej sięgają po technologie i formaty, które wydłużają czas „in view” oraz aktywizują uwagę. Do skutecznych rozwiązań należą reklamy interaktywne, większe formaty natywne i rewarded ads w aplikacjach, które użytkownicy oglądają dobrowolnie w zamian za bonusy, co przekłada się na wyższe zaangażowanie i viewability.

Równolegle narzędzia analityczne mierzące „time in view” oraz głębokość interakcji (engagement depth) pomagają zrozumieć nie tylko czy reklama była widoczna, ale jak długo przyciągała uwagę odbiorców – a to kluczowe w optymalizacji kampanii pod kątem realnych rezultatów.

Podsumowanie

Jak już ponad 100 lat temu zauważyli pionierzy reklamy Jonhn Wanamaker oraz Lord Leverhulme: „Połowa środków jakie wydaje się na reklamę zostaje zmarnowana. Problem w tym, że nigdy nie wiadomo, która to połowa”.

Dzięki funkcjonalnościom DoubleClick Campaign Managera można przynajmniej częściowo zniwelować te straty, szczegółowo badając czy użytkownik widział reklamę za którą płacimy oraz czy wyświetlają się tam gdzie powinny. Przy wydatkach na reklamę display w wysokości ponad 1 mld zł rocznie, eliminacja naszych banerów z miejsc gdzie większość użytkowników nie będzie miała okazji ich zobaczyć oraz ze stron, treści których mogą przynieść naszej marce więcej szkód niż pożytku, przyniesie znaczące oszczędności.

Jest to pierwszy artykuł z serii w którym przedstawiłem dwie z wielu funkcjonalności DoubleClick Manager. Wkrótce pojawią się kolejne, które pokażą jak analitycy mogą wykorzystać to narzędzie do analizy kampanii.

The post DoubleClick 101: Czy użytkownicy widzieli reklamę, za którą płacisz? first appeared on Conversion.

Jak przekonać zespół kreatywny i marketingowy do danych?
Podejście do danych w małych i dużych markach
Mentalne bariery w codziennej pracy z danymi
Jakie nawyki wdrożyć, aby decyzje oparte na danych stały się standardem?
Idealna struktura zespołu analitycznego w marce fashion
Jak skutecznie łączyć dane jakościowe z ilościowymi?
Jakie metryki są przydatne dla zespołów kreatywnych?
Podsumowanie

W artykule opisuję, jak przekonać zespoły kreatywne do pracy z danymi, jak łączyć analitykę z intuicją oraz jakie nawyki wprowadzać, aby decyzje oparte na danych stały się codziennością w organizacji. Tekst powstał w ramach partnerstwa z Niebieskim Lisem, podczas konferencji Fashion.pl, w której Conversion brało udział. Podczas konferencji Fashion.pl zorganizowaliśmy wystąpienie poświęcone automatyzacji marketingu, a szczególnie automatyzacji feedów produktowych z wykorzystaniem danych w branży Fashion. W ramach partnerstwa przeprowadziliśmy również wywiad na temat wykorzystania danych online w tej branży.

Jak przekonać zespół kreatywny i marketingowy do danych?

Pierwszym krokiem w budowaniu kultury organizacyjnej opartej na danych jest otwartość na naukę na błędach. Organizacje często unikają popełniania błędów, a pracownicy nie czują się komfortowo w sytuacjach, gdy do nich dochodzi, zwłaszcza jeśli organizacja nie akceptuje procesu uczenia się na własnych doświadczeniach. Intuicja w biznesie często opiera się na utartych schematach – robimy to, co sprawdziło się do tej pory lub powielamy rozwiązania, o których słyszeliśmy na branżowych konferencjach. Takie podejście pozwala poczuć się bezpiecznie, szczególnie gdy wyniki nie przynoszą oczekiwanych rezultatów. Łatwo wtedy usprawiedliwić się, że działaliśmy jak zawsze lub podążaliśmy za sprawdzonymi przykładami innych firm.

Otwartość organizacji na kwestionowanie status quo tworzy przestrzeń dla danych i eksperymentów, które zawsze powinny opierać się na rzetelnej analizie. Zespół marketingu, mając wsparcie w danych, może wprowadzać innowacje i testować nowe rozwiązania. Brak eksperymentowania prowadzi do stagnacji – powielanie tych samych działań, co konkurencja lub własne dotychczasowe praktyki, pozwala co najwyżej rosnąć razem z rynkiem. W dłuższej perspektywie trudno w ten sposób wyprzedzić konkurencję.

Moda to branża, która opiera się na emocjach. Ważne staje się połączenie wyczucia trendów i budowania określonego wizerunku marki z analityką internetową. Odpowiednie wykorzystanie danych pozwala lepiej zrozumieć potrzeby klientów i skuteczniej reagować na zmieniające się trendy, jednocześnie dbając o spójność komunikacji marki. Dzięki temu możliwe jest zarówno budowanie silnych emocji wokół produktu, jak i podejmowanie świadomych, opartych na danych decyzji marketingowych. Z perspektywy strategii biznesowej marketing pełni rolę przekaźnika emocji, a analityka wspiera efektywne dostarczanie tych emocji do odbiorców. Można to porównać do motoryzacji – auto umożliwia przemieszczanie się z punktu A do punktu B, podobnie jak marketing pozwala dotrzeć do klientów. Analityka pełni funkcję nawigacji i znaków drogowych, które pomagają podejmować właściwe decyzje oraz optymalizować trasę.

Sprawność w analizowaniu danych i wykorzystywaniu wskazówek analitycznych przekłada się na szybkość i skuteczność osiągania celów marketingowych. Dane to paliwo, które napędza działania marketingowe. Oczywiście można działać na oślep lub wzorować się na innych, jednak świadome korzystanie z danych i analityki pozwala skuteczniej budować przewagę konkurencyjną.

Podejście do danych w małych i dużych markach

Conversion współpracowało z wieloma różnorodnymi markami, dostarczając rozwiązania analityczne wspierające realizację ich celów biznesowych. Duże i małe marki znacząco różnią się w podejściu do danych. W mniejszych organizacjach dane, jeśli w ogóle są zbierane, najczęściej służą do raportowania przeszłych kampanii. Analiza ogranicza się zwykle do podsumowania działań marketingowych, bez wyciągania wniosków, które mogłyby realnie wpłynąć na rozwój firmy lub poprawę realizacji KPI. Brakuje zasobów i kompetencji analitycznych, przez co raporty marketingowe pozostają jedynie zestawieniem liczb, bez przełożenia na konkretne decyzje biznesowe.

W takich przypadkach analiza danych nie prowadzi do żadnych zmian, a firma nie ma szans na poprawę wyników, jeśli stale powtarza te same działania. Warto pamiętać, że raportowanie powinno przynosić konkretne wnioski i rekomendacje, które pomogą osiągać cele biznesowe.

Częstym wyzwaniem w małych organizacjach jest również nadmiar danych. Wiele narzędzi generuje ogromne ilości informacji, co może prowadzić do zagubienia i braku jasności, na które wskaźniki faktycznie warto zwrócić uwagę. Zamiast skupiać się na konkretnych KPI, organizacje często próbują analizować wszystko naraz, co utrudnia wyciąganie praktycznych wniosków i skuteczne działanie. W pracy z danymi warto sięgnąć po sprawdzone metodyki wspierające analizę, takie jak KPI tree, którą wykorzystujemy u naszych klientów.

Mentalne bariery w codziennej pracy z danymi

Jednym z najczęstszych wyzwań związanych z codzienną pracą na danych są mentalne bariery. W społeczeństwie często panuje przekonanie, że matematyka jest trudna. Wielu ludzi deklaruje się jako humaniści, mając negatywne doświadczenia z nauką matematyki w czasach szkolnych. To przekłada się na niechęć do pracy z liczbami i danymi także w środowisku biznesowym. Pokonanie tych barier wymaga zmiany sposobu myślenia i oswojenia się z analityką – zarówno poprzez edukację, jak i stopniowe wdrażanie narzędzi analitycznych do codziennej pracy. W biznesie często unika się liczb i raportów, traktując je głównie jako narzędzie do podsumowania przeszłych wydarzeń. Tymczasem każdy z nas na co dzień zachowuje się jak analityk – porównując ceny produktów w sklepie czy analizując umowę kredytową przed podpisaniem. W firmach to liderzy powinni przełamywać schemat unikania danych i dawać przykład otwartości na eksperymentowanie oraz wyciąganie wniosków z błędów. Osoby zarządzające powinny regularnie odwoływać się do danych i zadawać pytanie: „Co wynika z danych w tej sprawie?”

Jakie nawyki wdrożyć, aby decyzje oparte na danych stały się standardem?

Kluczowym krokiem jest systematyczne pytanie o to, co mówią dane na temat planowanych działań. Zespoły kreatywne często kierują się aktualnymi trendami lub inspiracjami płynącymi z działań konkurencji czy prezentacji na konferencjach. Warto jednak pamiętać, że nie zawsze „brzydki” oznacza „nieefektywny”, a „niemodny” nie równa się „nieskuteczny”. Decyzje powinny być podejmowane na podstawie konkretnej analizy, a nie wyłącznie pod wpływem trendów. Wizerunek i design odgrywają istotną rolę w budowaniu marki, jednak nie przekładają się bezpośrednio na wyniki finansowe. Kluczowym nawykiem podczas wprowadzania zmian w marketingu, technologii czy produktach cyfrowych jest zadawanie pytania: co mówią dane? Przed wdrożeniem nowego pomysłu warto sprawdzić, czy dane rzeczywiście wskazują na potrzebę zmiany. Analiza danych pozwala sprawdzić, czy dany element faktycznie nie działa. Czasem analiza potwierdzi słuszność decyzji, ale często pozwala uniknąć błędu polegającego na wymianie działającego rozwiązania na słabsze.

W kontekście designu łatwo wpaść w pułapkę ciągłych zmian, licząc na poprawę efektów. Jednak z perspektywy efektywności, nowa wersja może okazać się mniej skuteczna niż poprzednia.

Idealna struktura zespołu analitycznego w marce fashion

Kluczowe jest wyodrębnienie kompetencji analitycznych. W zespole powinien znaleźć się analityk odpowiedzialny za zapewnienie wysokiej jakości danych i stałe dbanie o ich aktualność oraz przydatność w codziennej pracy. Dbałość o dostępność danych dla wszystkich zainteresowanych w firmie pozwala szybko odpowiadać na konkretne pytania biznesowe. W praktyce trudno połączyć wszystkie niezbędne kompetencje – technologiczne, analityczne i biznesowe – w jednej osobie. W dużych organizacjach zwykle odpowiada za to kilka osób. Są to specjaliści odpowiedzialni za zapewnienie, utrzymanie i aktywację danych, a także budowanie świadomości oraz know-how w organizacji.

W przypadku mniejszych firm kluczowym krokiem jest zapewnienie wysokiej jakości danych. Na tym etapie nie warto oszczędzać, ponieważ dane pełnią rolę swoistego ubezpieczenia. Nawet jeśli nie są wykorzystywane na bieżąco, w sytuacji kryzysowej lub nagłej potrzeby lepiej dysponować solidnymi, dobrze zebranymi informacjami. Współpraca z zewnętrznym partnerem technologicznym, który posiada kompetencje w zakresie technologii i znajomość odpowiednich narzędzi, to dobre rozwiązanie. Zostawienie tematu wyłącznie działowi IT często nie przynosi oczekiwanych rezultatów, ponieważ zazwyczaj brakuje tam specjalistycznej wiedzy w zakresie analityki internetowej. W efekcie, po pewnym czasie okazuje się, że jakość danych wymaga znacznej poprawy, a naprawa błędów bywa już trudna lub kosztowna.

Kolejnym ważnym elementem jest przełamywanie barier mentalnych w korzystaniu z danych. Kluczowe staje się zadawanie pytań, co mówią dane na temat konkretnego zagadnienia. Każdy z nas, podejmując decyzje, wykorzystuje dane – wystarczy zacząć świadomie analizować dostępne informacje, szczególnie gdy chcemy rozwiązać problem lub wprowadzić zmiany.

Połączenie wysokiej jakości danych z otwartością organizacji na liczby i analitykę stanowi solidny fundament do rozwoju. Trzeci krok to zatrudnienie osoby odpowiedzialnej za analizę danych, nawet w niepełnym wymiarze etatu. Dzięki temu, gdy pojawi się potrzeba przeprowadzenia szczegółowych analiz, w firmie będzie osoba, do której można się zwrócić. Pozwala to na wykorzystanie potencjału danych w codziennym funkcjonowaniu organizacji. Aby w pełni wykorzystać potencjał analityki internetowej w firmie, kluczowe są trzy elementy: wysokiej jakości dane, świadomość danych w organizacji oraz osoba z odpowiednimi kompetencjami, która potrafi przełożyć te dane na konkretne odpowiedzi biznesowe. Współpraca z partnerem technologicznym, który dba o jakość danych i wspiera ich rozwój, pozwala uzyskać najlepszy stosunek wartości danych do ponoszonych kosztów. W praktyce oznacza to zaangażowanie przynajmniej jednej osoby, nawet na część etatu, odpowiedzialnej za analizę oraz utrzymanie współpracy z partnerem technologicznym, który nie tylko wprowadza nowe dane, ale także zapewnia ich wysoką jakość.

Jak skutecznie łączyć dane jakościowe z ilościowymi?

Dane ilościowe zwykle stanowią punkt wyjścia w analizie i warto je wykorzystywać w pierwszej kolejności. Przemawia za tym kilka powodów. Po pierwsze, pozwalają zidentyfikować obszary wymagające głębszego zrozumienia lub interwencji. Po drugie, stanowią solidną podstawę do dalszych analiz jakościowych, które dostarczają kontekstu i pomagają lepiej zrozumieć zachowania użytkowników. Integracja obu typów danych umożliwia podejmowanie trafniejszych decyzji biznesowych i skuteczniejsze zarządzanie doświadczeniem klientów. Dane ilościowe są tańsze zarówno na etapie zbierania, dzięki bezpłatnym narzędziom takim jak Google Analytics 4, jak i podczas późniejszej analizy. Łatwiej jest zinterpretować wyniki przedstawione w tabelach niż analizować dziesiątki badań użyteczności i wyciągać z nich wnioski. To pierwszy powód, dla którego warto korzystać z danych ilościowych.

Kolejną zaletą jest to, że dane ilościowe pełnią funkcję zwiadu – wskazują, który element w firmie, organizacji, marketingu lub e-commerce nie działa prawidłowo. Gdy wiadomo, gdzie pojawia się problem, można skierować działania jakościowe w konkretne miejsce, co daje podwójną korzyść.

Przykładem mogą być badania ankietowe przeprowadzone wśród klientów. Dane ilościowe pozwalają zidentyfikować wąskie gardła w biznesie, produkcie czy e-commerce. Przykładem może być niski procent przejść z karty produktu do koszyka lub niski odsetek dokonanych transakcji. Analizując dane ilościowe, można szybko zauważyć, gdzie pojawia się problem. Następnie warto zapytać klientów, co według nich nie działa na danym etapie, na przykład na karcie produktu. Odpowiedzi klientów dostarczają informacji jakościowych, które wyjaśniają, dlaczego występują określone trudności.

Dane ilościowe wskazują, co nie działa, natomiast dane jakościowe wyjaśniają, dlaczego pojawiają się konkretne problemy. Auroria, firma prowadzona przez Oliwię Simińską, w dużym stopniu opiera się na analizie danych jakościowych, uzupełniając je danymi ilościowymi. Dzięki takiemu podejściu firma w 2025 roku planuje ponad dwukrotny wzrost.

Przykładem sytuacji, w której intuicja kreatywna została zweryfikowana danymi, może być przypadek, gdy zespół kreatywny postanowił zmienić układ strony głównej sklepu internetowego, opierając się na swoim doświadczeniu i wyczuciu. Po wprowadzeniu zmian przeprowadzono testy A/B, które wykazały, że nowa wersja strony generuje wyższy współczynnik konwersji. Analiza danych potwierdziła słuszność decyzji, a zmiany okazały się korzystne.

Należy zaznaczyć, że dane ilościowe pokazują, czy coś działa lub nie, ale nie wskazują, jak dokładnie należy to poprawić. Dane jakościowe mogą wyjaśnić, dlaczego dany element nie funkcjonuje prawidłowo. Jednak to do zespołu zarządzającego należy decyzja, w jaki sposób wdrożyć zmiany. Rekomendacje zawsze pochodzą od ludzi – mogą wynikać z intuicji, doświadczenia lub znajomości trendów i heurystyk dostępnych na rynku. Dane i intuicja nie wykluczają się, lecz wzajemnie uzupełniają w procesie podejmowania decyzji. Problem z poleganiem na intuicji pojawia się wtedy, gdy staje się ona impulsem do wprowadzenia zmian. Często zdarza się, że ktoś uczestniczy w konferencji, słyszy o nowym trendzie w designie i decyduje się na redesign e-commerce, czyli całkowite przeprojektowanie i wdrożenie nowego frontendu serwisu. W takiej sytuacji to właśnie intuicja jest głównym motywatorem decyzji.

Z mojego doświadczenia wynika, że widziałem zaledwie dwa przypadki redesignu, które nie pogorszyły współczynnika konwersji lub efektywności serwisu w porównaniu do wersji sprzed zmian. Najwięksi gracze, tacy jak Amazon, unikają dużych redesignów. Zamiast tego wprowadzają zmiany metodą małych kroków. Analizują dane, identyfikują wąskie gardła i stopniowo je usprawniają. Amazon rozwijał swój serwis przez lata, konsekwentnie stosując ewolucyjne podejście opierające się na drobnych, przemyślanych modyfikacjach, a nie na rewolucyjnych zmianach. Skalowanie kultury podejmowania decyzji opartych na danych w organizacji wymaga zaangażowania najwyższego szczebla, zarówno struktur zarządczych, menedżerskich, jak i C-level. Kultura data-driven musi być wspierana przez liderów, którzy swoim przykładem promują korzystanie z danych w codziennych działaniach. Przykład bazowania decyzji na danych powinien wychodzić z góry i przenikać całą organizację.

Kluczowe znaczenie ma otwartość na eksperymentowanie oraz akceptacja popełniania błędów. W całej organizacji warto rozwijać ciekawość i zachęcać do zadawania pytań, takich jak: „co dane mówią na ten temat?”. Budowanie takiej kultury to proces długofalowy, który zajmuje miesiące, a często nawet lata. Wdrożenie podejścia data-driven to decyzja strategiczna, której efekty pojawiają się stopniowo.

Jakie metryki są przydatne dla zespołów kreatywnych?

W e-commerce fashion najbardziej przydatne dla kreatywnych zespołów są metryki powiązane bezpośrednio z celami finansowymi firmy. Monitorowanie wskaźników, które mają realny wpływ na wyniki finansowe, pozwala podejmować trafniejsze decyzje oraz efektywnie zarządzać rozwojem marki. Metryki, które analizuje zespół kreatywny, powinny odnosić się do obszarów, na które rzeczywiście ma wpływ. Przykładem może być kampania Display, czyli banery wyświetlane na różnych platformach w internecie. W przypadku takiej kampanii ścieżka użytkownika obejmuje kolejne kroki: załadowanie baneru, zobaczenie reklamy, kliknięcie w baner, załadowanie strony docelowej, zaangażowanie na stronie, przejście na kartę produktu, dodanie produktu do koszyka, wejście do checkoutu i finalizację transakcji.

Każdy zespół marketingowy powinien określić, do którego etapu ścieżki użytkownika odpowiada za działania i wyniki. W przypadku zespołu kreatywnego odpowiedzialność najczęściej kończy się na stronie docelowej. Oznacza to, że zespół ten analizuje nie tylko metryki mediowe, takie jak CTR danej kreacji, ale również poziom zaangażowania użytkownika na stronie docelowej po kliknięciu w reklamę.

Warto pamiętać, że skuteczność działań zależy nie tylko od dopasowania reklamy do strony usługowej, ale także od samego produktu i wielu innych czynników. Odpowiedzialność zespołu kreatywnego kończy się zazwyczaj na etapie wejścia użytkownika na stronę docelową i jego pierwszych interakcji. Kolejne kroki, takie jak dodanie produktu do koszyka czy przejście przez checkout, znajdują się już w gestii innych zespołów w organizacji.

Podsumowanie

Przy rozpoczynaniu pracy z danymi w branży fashion, a także w każdym innym e-commerce, kluczowe znaczenie ma jakość danych. Zasada GIGO (Garbage In, Garbage Out) przypomina, że tylko dobrze zebrane i uporządkowane dane pozwolą uzyskać wartościowe wnioski i rekomendacje. Pierwszym krokiem powinno być więc zapewnienie wysokiej jakości danych.

Warto zadbać o poprawną konfigurację narzędzi do zbierania danych, zwłaszcza Google Analytics 4. W kontekście działań marketingowych niezbędne jest również systematyczne i przemyślane tagowanie wszystkich kampanii marketingowych za pomocą parametrów UTM. Dzięki temu analiza skuteczności działań reklamowych będzie bardziej precyzyjna.

Podsumowując, te wskazówki są uniwersalne i dotyczą każdego e-commerce oraz biznesu działającego online. Dbanie o jakość danych i odpowiednią konfigurację narzędzi analitycznych pozwala skutecznie rozwijać firmę w oparciu o wiarygodne informacje. Pomożemy lepiej zrozumieć i właściwie wykorzystać dane online.

The post Jak zbudować kulturę data-driven w e-commerce fashion? first appeared on Conversion.

Czego dowiesz się z tego wywiadu:

Rola pomostu między biznesem a technologią

Ścieżka kariery: Od agencji do transformacji cyfrowej w YES

Ewolucja podejścia do danych: Od intuicji do analityki

YES Club: Technologiczne kulisy programu lojalnościowego

Klucz do sukcesu: Komunikacja i czynnik ludzki

Błędy, z których warto wyciągnąć lekcje

Podsumowanie: Główne wnioski z rozmowy

Rola pomostu między biznesem a technologią

Operacjonalizacja celów strategicznych

Mariusz Michalczuk: Cześć, witam Cię serdecznie w kolejnym odcinku z serii Date with Data Talks, czyli podcastu skierowanego od praktyków danych do praktyków wykorzystania danych i vice versa. Dzisiaj moim i Twoim gościem jest Michał Szymankowski. Michale, mega dziękuję za przyjęcie zaproszenia i chęć podzielenia się Twoją wiedzą i doświadczeniem. Jakbyś mógł na wstępie opowiedzieć kilka słów o sobie.

Michał Szymankowski: Cześć. To ja dziękuję za zaproszenie. Zajmuję się zarządzaniem zespołami technicznymi, które w e-commerce wdrażają rzeczy, które biznes sobie wymyśli. Jednocześnie, zarządzając samym zespołem, czyli układając im pracę i rozwiązując problemy, zajmuję się wprost czymś, co profesjonalnie nazywa się operacjonalizacją celów strategicznych.

Na poziomie strategii mamy pewne cele, a ktoś musi wymyślić, jak je osiągnąć. Z tych celów albo ja bezpośrednio, albo osoby, z którymi współpracuję, są rozliczani. To również kwestia wdrażania systemów, ale też pozyskiwania specjalistów i ludzi. Krótko mówiąc, jestem mostem pomiędzy ludźmi biznesu a ludźmi technologii, jednocześnie czując się bliżej technologii. Poruszanie się w tematach biznesowych również nie jest mi obce.

Mariusz Michalczuk: Mega ciekawe jest to określenie „odpowiadać za operacjonalizację celów strategicznych”. Mam wrażenie, że dziś często jest tak, że nie problemem jest stworzenie fajnej strategii, ale dużo większym problemem jest jej egzekucja i doprowadzenie do realizacji. Czy mógłbyś opowiedzieć, jak wyglądała Twoja ścieżka zawodowa do tego momentu, do roli pomostu pomiędzy biznesem i technologią? Uważam, że ten most jest dzisiaj turbo potrzebny.

Ścieżka kariery: Od agencji do transformacji cyfrowej w YES

Początki w agencji i przejście do klienta

Michał Szymankowski: Ten most był zawsze potrzebny, tylko od jakiegoś czasu jest dostrzegany. Pewnych potrzeb biznesowych nie załatwia się gotowym oprogramowaniem out of the box; potrzebni są specjaliści, którzy wymyślą, jak to zrobić. Wracając do Twojego pytania, zaczynałem ponad dziesięć lat temu w agencji White Ducky w Poznaniu. Głównym klientem agencji była biżuteria YES. W którymś momencie przeszliśmy z agencji do YES.

W agencji na początku zajmowałem się bardzo podstawowymi rzeczami, byłem supportem. Już wtedy nieświadomie zaczęła się kształtować moja rola pomostu, bo support był nie tylko deweloperski – trochę testów, dopowiedzenia zadań, pomocy w znajdowaniu danych, wyciąganie tych danych od biznesu. Potem przerodziło się to w rolę supportu biznesu, czyli nie tylko wyciąganie danych, ale też próba zrozumienia, do czego dążymy.

Z tego stanowiska supportowego płynnie przeszedłem w stanowisko bardziej operacyjne. To był pierwszy moment, w którym zacząłem rozmawiać z biznesem. Biznes przychodził z problemem, a my go rozwiązywaliśmy. Zespół był wtedy mały, liczył trzy osoby, ale z biegiem lat rozrósł się do piętnastu osób plus trzy lub cztery firmy outsourcingowe. Trzeba było budować kompetencje, żeby to wszystko ogarnąć – nie tylko rekrutację, ale też zapewnienie dobrych warunków pracy i jasnej komunikacji.

Wyzwania transformacji cyfrowej w branży jubilerskiej

Mariusz Michalczuk: Czyli towarzyszyłeś YES w transformacji cyfrowej. Jest to firma osadzona w offline, która weszła do online’u. Mógłbyś opowiedzieć, jak to wyglądało i jakie były wyzwania?

Michał Szymankowski: Z jednej strony tak, branża jubilerska wywodzi się z offline’u, to typowy retail. Długo mówiliśmy, że to produkt, który klient musi dotknąć i obejrzeć przed zakupem. Rozumiem to podejście – od pewnego pułapu cenowego nie sprzedajemy go online, bo klient chce przyjść, zobaczyć, przymierzyć. Ważne są subiektywne odczucia, jak waga przedmiotu.

Z drugiej strony, YES to pierwszy sklep biżuteryjny online w Polsce, więc innowacje się tam pojawiały. Oczywiście na początku było podejście w stylu „kto będzie kupował biżuterię przez internet, tam można dostać worek ziemniaków”. Ale transformacja w Polsce przebiegała szybko. Było dużo innowacyjnych pomysłów, ale transformacja cyfrowa polegała nie tyle na zmianie myślenia na bardziej cyfrowe, ile na zbudowaniu możliwości realizacji tych pomysłów. Mieliśmy świetny zarząd.

Mariusz Michalczuk: Chodziło o technologię, która wspierałaby te pomysły, dobrze rozumiem?

Michał Szymankowski: Tak, bo pomysły były. Zarówno zarząd, menedżerowie, jak i dyrektorzy zawsze mieli parcie na optymalizację i automatyzację, a najłatwiej to zrobić przez digitalizację procesów wewnętrznych i dawanie wartości dodanej klientowi. Ten mindset był zawsze. Brakowało zasobów albo know-how. Ja znalazłem dla siebie miejsce, gdzie wyłapywałem te pomysły i staraliśmy się je wdrożyć. Nie wszystko się udało, były tematy, które mogły być zrobione lepiej, ale to też jest nauka dla mnie i dla organizacji. Nie ma lepszego nauczyciela niż własne błędy.

Ewolucja podejścia do danych: Od intuicji do analityki

Case study: Rezerwacja w salonie – decyzje „na czuja”

Mariusz Michalczuk: Mówisz o kulturze nauki. Jestem orędownikiem takiego podejścia: „nie bójmy się popełniać błędów, bo jak się nie wywrócisz, to się nie nauczysz”. Powiedz, jak na tej drodze dane wspierały wasze testy i jak je wykorzystywaliście? Mówiłeś, że nie wszystko się udało, więc zakładam, że dane to pokazały. Uważam, że analityka internetowa jest właśnie takim pomostem między biznesem a technologią.

Michał Szymankowski: Na początku nie było żadnych danych. Zmiany były robione na czuja. Można post factum wyciągać dane, że pewne wskaźniki się poprawiły, ale decyzje były podejmowane w oparciu o to, co nam się wydawało i co widzieliśmy na rynku. Nikt 10 lat temu nie bawił się w analizę zachowań użytkowników. To pojawiło się wraz ze skalą, może w ciągu ostatnich pięciu lat.

Idealnym przykładem decyzji podjętej na czuja jest feature rezerwacji w salonie. To był czas COVID-u, lockdownów. Nie wiedzieliśmy, czy wrócimy do rentowności. Zauważyliśmy, i to była jedyna dana w tym kontekście, potężny odpływ ludzi z centrów handlowych. Jednocześnie widzieliśmy ogromny wzrost ruchu online, na tyle duży, że musieliśmy nieplanowanie robić upgrade farmy serwerowej.

Decyzja o stworzeniu tego feature’a była intuicyjna: zróbmy coś, co przekieruje klientów z online do offline. Nie sprawdziliśmy totalnie nic. Jedyne, co dziś możemy sprawdzić, to ile rezerwacji faktycznie jest. Pojawiły się inne problemy, jak zaangażowanie pracowników salonów, od których trochę za dużo wymagaliśmy. Prosiliśmy ich o potwierdzanie dostępności produktu, co często nie działało. Dostawali maila, czyli leada sprzedażowego, ale często dzwonili do klienta bez potwierdzenia w systemie, więc nie wiedzieliśmy, czy doszło do sprzedaży. To było niepoliczalne. Nigdy nie zmierzyliśmy realnego wpływu tego feature’a na biznes.

Przejście na model data-driven

Michał Szymankowski: To była pierwsza faza, gdzie robiliśmy rzeczy, łapaliśmy pojedyncze dane i mówiliśmy „okej, zrobione”. Nie było żadnego retro. Natomiast teraz sytuacja jest odwrotna. Wszystkie funkcje, które wprowadzamy, nawet proste jak karuzela na stronie, są opomiarowane. Wiemy dokładnie, co klienci robią na każdym etapie. To nie jest poziom ogólny, ale bardzo konkretny. Widzimy, że na konkretnym etapie checkoutu klienci spędzają najwięcej czasu, więc to miejsce trzeba poprawić, skrócić tę ścieżkę.

Teraz bez danych nie podejmujemy decyzji. Jeżeli pojawia się jakiś feature u konkurencji albo jest ciśnienie, żeby wprowadzić coś modnego, zadajemy sobie pytanie, czy nam się to opłaca. W większości przypadków nie. Ilość pomysłów, zwłaszcza z narzędziami AI, jest tak duża, że gdybyśmy mieli wszystko analizować, 90% okazałoby się nieopłacalne.

YES Club: Technologiczne kulisy programu lojalnościowego

Wyzwania związane ze starym systemem

Mariusz Michalczuk: A powiedz z technologicznego punktu widzenia o programie lojalnościowym YES Club. Jakie były jego meandry biznesowe? Skąd pomysł i jak wyglądało wdrożenie?

Michał Szymankowski: Zawsze mieliśmy problem z naszym programem lojalnościowym. Technologicznie był napisany na kolanie. Aby założyć kartę, trzeba było wypełnić papierowy formularz. Salony raz na miesiąc przesyłały je do centrali, my je skanowaliśmy i przechowywaliśmy na serwerach. Wyobraź sobie, że klient musi wypisać formularz, a w centrali siedzi osoba, która to wszystko skanuje i kataloguje. Totalne marnotrawstwo potencjału tego człowieka.

Program nie był też atrakcyjny. Oferował dwa progi, a salony traktowały go jako sposób na natychmiastowe danie rabatu 5%, bo można było legalnie wejść do pierwszego progu. Kiedy w organizacji pojawił się Daniel Górny, mózg całego nowego programu, wszystko się zmieniło. Samo przygotowanie do zmiany trwało 13 miesięcy. Daniel wiedział, że trzeba to zrobić dobrze od początku. Program lojalnościowy to podanie ręki klientowi i nawiązanie bliższej relacji. Klient musi nam ufać, że jeśli coś obiecujemy, to dowieziemy.

Łączenie światów online i offline dzięki danym

Michał Szymankowski: Technologicznie wdrożenie pomysłu Daniela nie było problemem. Problemem było pozbycie się starego, „drucianego” programu. Pojawiały się pytania z pogranicza compliance: co zrobić z klientami nieaktywnymi od dawna? Czy możemy się do nich odezwać? Specyfika branży jest taka, że lojalny klient kupuje 2-3 razy w roku. Mogliśmy mieć klienta nieaktywnego przez 9 miesięcy, ale to mógł być normalny cykl zakupowy.

W międzyczasie pojawiła się konieczność stosowania trwałych nośników dla regulaminów. Najcięższa była rezygnacja ze starego programu. W starym systemie zalogowany klient z rabatem widział automatycznie niższe ceny na całym asortymencie. To było proklienckie, ale w nowym programie nie chcieliśmy tak działać.

Mieliśmy też świetnego partnera, Sparta Loyalty. Nie cisnęli czasowo, wiedzieli, że to będzie długi projekt. Zamknął się w około dwa lata. Kluczem była głęboka analiza i odpowiednia osoba prowadząca. Mechanizmy, które wymyślił Daniel, działają świetnie. Udział programu lojalnościowego w transakcjach offline’owych w dobrych momentach sięga 80%.

Po wdrożeniu nie stanęliśmy w miejscu. Mamy ekipę, która cały czas nim zarządza i patrzy na dane. Procent udziału to nasz barometr. Analizujemy, czy program jest angażujący, czy może trzeba poprawić komunikację z salonami.

Mariusz Michalczuk: Program lojalnościowy jest często kluczem do połączenia świata offline i online, zwłaszcza w kontekście rozpoznawania użytkownika i przepływu danych. Jak to pomogło wam we współpracy między kanałami?

Michał Szymankowski: To potężna dawka informacji o kliencie. Zdecydowaliśmy, że program przeniesiemy do aplikacji mobilnej. Mamy tam spiętego klienta. Wiemy, jaki ma budżet, bo program działa już około półtora roku. Możemy go zaszeregować do grup, wiemy, czy kupuje srebro, czy złoto, kolczyki czy coś innego. Mamy dopracowaną koncepcję, aby te dane trafiły do naszego systemu Marketing Automation. Będziemy mieli dane o tej samej osobie z jej działań online i offline. Jeśli pan kupuje srebrne kolczyki, włączymy go w komunikację marketingową w momentach, kiedy można podarować biżuterię.

Klucz do sukcesu: Komunikacja i czynnik ludzki

Budowanie zespołu w oparciu o „culture fit”

Mariusz Michalczuk: Wszystko sprowadza się do ludzi. Mówiłeś o wzroście Twojego zespołu z trzech do kilkunastu osób, o tym, że organizacja rozwinęła się dzięki odpowiednim ludziom. Jak dobierałeś ludzi do zespołu, żeby skutecznie operacjonalizować strategię?

Michał Szymankowski: Zacznę od całej organizacji. To, że się komunikujemy, to efekt dużej pracy każdego menedżera. Ciągle rozmawiamy o tym, że komunikacja może być lepsza, mimo że jest na dobrym poziomie. To praca menedżerów, dyrektorów i HR, żeby mówić o rzeczach i codziennie burzyć silosy, również te kompetencyjne.

Jeśli chodzi o mój zespół, od pierwszej rekrutacji kierowałem się czymś, co dziś nazywam „culture fit” – wpasowaniem w organizację. To może być korporacyjny buzzword, ale jeśli dobrze się go zinterpretuje, chodzi o to, by osoba była otwarta, szczera, przyznawała się do problemów, a nie odkładała je na później. Chodzi o kogoś, kto ma kompetencje, ale wie, że wciąż ma wiele do nauki, chce się rozwijać i dzielić wiedzą.

To były moje główne przesłanki, niezależnie czy rekrutowaliśmy PM-ów, analityków, deweloperów czy liderów. Culture fit był najważniejszy. Jeśli miałbym za czymś tęsknić, to za tym zespołem, bo naprawdę dobrze się rozumie. Otwartość komunikacyjna jest czasem ważniejsza niż umiejętności techniczne. Lepiej wziąć juniora, który jest otwarty i pasuje do kultury organizacji, i go nauczyć, niż wziąć eksperta, z którym nie da się dogadać.

Rola danych w burzeniu silosów komunikacyjnych

Mariusz Michalczuk: W tej komunikacji jaką rolę odgrywały dane? Mówiłeś o burzeniu silosów, co jest dużym wyzwaniem w kontekście danych, gdy każdy zespół ma swoje. Język danych to też rodzaj komunikacji.

Michał Szymankowski: Zgadzam się. Komunikowanie się za pomocą danych to umiejętność, którą trzeba wypracować. Mam ciekawy case. Przy analizowaniu sprzedaży zauważyliśmy z kolegą, że coś jest nie tak z danymi z online’u, że się nie zgadzają. Mamy Magento, gdzie są zamówienia anulowane, niezafiskalizowane, itd. Zaczęliśmy drążyć i okazało się, że problem leży w momencie fiskalizacji.

Nasze raporty, na przykład z Analyticsa, dotyczyły checkoutu, czyli momentu płatności. Raporty działu analiz były raportami fiskalizacyjnymi i dodatkowo, raz na jakiś czas, pomniejszone o zwroty z danego dnia. Nic się nie zgadzało. Dopiero gdy doszliśmy do tego, jakie są składowe tej sumy, zaczęliśmy rozmawiać. Ustaliliśmy, że nie możemy raz tak, a raz inaczej podchodzić do zwrotów. Jeśli bierzemy ruch z danego dnia z Analyticsa, a zamówienia zafiskalizowane z innego okresu, to nie możemy mówić o mierzeniu konwersji.

Od tego momentu zaczęliśmy inaczej patrzeć na raporty. Z działem analiz musieliśmy się dogadać, żeby brali inne dane i przede wszystkim je porozbijali. Kiedyś mówiliśmy, że w styczniu mamy spadki konwersji. Okazało się, że to przez zwroty po świętach. Konwersja była na stałym, sensownym poziomie. Po prostu było więcej zwrotów. Praca na danych była więc pracą komunikacyjną – trzeba było zebrać dane i pogadać o tym, co one reprezentują.

Błędy, z których warto wyciągnąć lekcje

Case study: Problematyczne wejście na rynek czeski

Mariusz Michalczuk: To, o czym mówisz – brak wspólnych definicji – to częsty błąd. Czy mógłbyś opowiedzieć o innych błędach na styku technologii i biznesu, z których można się uczyć?

Michał Szymankowski: Znamiennym błędem było otwarcie naszego pierwszego sklepu online w Czechach. To było nasze pierwsze wyjście za granicę, zderzenie z innymi przepisami. Nie istniała strategia wejścia na ten rynek. Po prostu w pewnym momencie powiedzieliśmy, że musimy tam być, i to szybko, bo pojawiły się atrakcyjne lokalizacje dla salonów offline.

Offline powiedział, że jest w stanie je zagospodarować, ale chciał wsparcia online, żeby legitymizować markę. Musieliśmy działać w krótkim czasie i wyszło nam to średnio. Długo myśleliśmy nad domeną, zmienialiśmy ją dwa czy trzy razy. Częste zmiany domeny powodują spadki widoczności w SEO, które dopiero budowaliśmy. Budżety nie pozwalały na stałą współpracę z agencją, więc działaliśmy z nimi ad hoc, co było nieefektywne.

Mieliśmy problemy z tłumaczeniami. Pierścionki po wrzuceniu do Google Translatora były w Czechach „krążkami”. Zdarzyły się błędy asortymentowe – założyliśmy, że asortyment z Polski będzie się sprzedawał w Czechach, nie robiąc żadnych badań. Koniec końców, przez brak analizy rynku i działanie „na hura”, sklep bardzo długo nie zarabiał.

Dopiero drugie podejście technologiczne, zmiana strategii na markę międzynarodową YES Jewellery, analiza asortymentu z salonów i lepsze przygotowanie technologiczne (integracje z ERP, lokalni przewoźnicy, lokalna bramka płatnicza) przyniosły efekty. Największym problemem za pierwszym razem był skurczony czas. Goniliśmy własny ogon.

Mariusz Michalczuk: Mam wrażenie, że z cross-border to temat na osobną rozmowę. To jak zakładanie firmy od zera, więc pole do popełnienia błędów jest ogromne. Słuchaj, będziemy kończyć. Mega dzięki za podzielenie się doświadczeniem. Wiem, że zaczynasz nową ścieżkę, więc życzę Ci sukcesów. I liczę na dogrywkę na bazie nowych doświadczeń.

Michał Szymankowski: Chętnie. Firma, do której idę, to multibrand, więc będą inne produkty i wyzwania. Obstawiam dużo zabawy integracyjnej. Zobaczymy, ale chętnie za jakiś czas się spotkamy i pogadamy.

Podsumowanie: Główne wnioski z rozmowy

Najważniejsze lekcje dla menedżerów i specjalistów e-commerce

Rozmowa z Michałem Szymankowskim to zbiór cennych lekcji dla każdego, kto działa na styku biznesu i technologii. Jego doświadczenie pokazuje, jak kluczowa jest rola „tłumacza” i „mostu”, który potrafi przełożyć cele strategiczne na konkretne zadania technologiczne i odwrotnie. Historia transformacji cyfrowej YES dowodzi, że sukces w omnichannelu to nie tylko wdrożenie narzędzi, ale przede wszystkim zmiana kultury organizacyjnej, otwartość na eksperymenty i uczenie się na błędach.

Kluczowym wnioskiem jest ewolucja podejścia do danych – od podejmowania decyzji w oparciu o intuicję, do stworzenia środowiska, w którym dane są fundamentem rozwoju. Case programu lojalnościowego YES Club ilustruje, jak skomplikowany projekt technologiczny może stać się sercem strategii omnikanałowej, integrując wiedzę o kliencie z różnych punktów styku. Równie ważna jest nauka płynąca z porażek, takich jak pośpieszne wejście na nowy rynek, co pokazuje, że solidna analiza i przygotowanie są warte każdej poświęconej im godziny.

Ostatecznie jednak rozmowa sprowadza się do czynnika ludzkiego. Sukces zespołu technologicznego zależy nie tylko od kompetencji technicznych, ale od komunikacji, wzajemnego zrozumienia i dopasowania kulturowego (culture fit). Burzenie silosów, zarówno tych kompetencyjnych, jak i tych z danymi, jest podstawą efektywnej i zwinnej organizacji, która potrafi realnie realizować swoją strategię.

The post Jak budować kulturę analityczną i rozwijać praktykę data-driven w firmie – rozmowa z Michałem Szymankowskim first appeared on Conversion.

To właśnie parametr „(not set)” w Google Analytics 4 jest jednym z najpowszechniejszych oznak niedostatecznej jakości danych w GA4. Na szczęście, choć nie ma jednej określonej przyczyny, to zwykle jesteśmy w stanie istotnie ograniczyć występowanie tej wartości. Zacznijmy jednak od odpowiedzi na pytanie, czym jest parametr „(not set”) w Google Analytics.

Co oznacza wartość not-set w Google Analytics 4?
Przyczyny występowania wartości not-set w Google Analytics
Wpływ trybu zgody i śledzenia serwerowego na wartość „(not set)” w Google Analytics 4
Dlaczego eliminowanie braków danych jest takie istotne?
Jak ograniczyć rozbieżności w danych za pomocą zmian w rejestrowaniu transakcji
Podsumowanie

Co oznacza wartość not-set w Google Analytics 4?

Zacznijmy od definicji, którą dostarcza nam oficjalna dokumentacja Google:

Wartość (not set) to nazwa symbolu zastępczego, który Google Analytics stosuje, gdy nie otrzyma z jakiegoś wymiaru (dimension) żadnych danych.

Wartość „(not set)” jest więc swego rodzaju „zaślepką” dla tych wyników, przy których z jakiegoś powodu brakuje wartości wymiaru. W wyjątkowych przypadkach jest to pożądana sytuacja.Nie musimy przecież stosować wszystkich 5 kategorii produktu dla e-commerce, więc te niewykorzystane będą prezentować właśnie wartość „(not set)”.

Przykład raportu w Google Analytics – wolumen kupionych produktów

Są jednak takie wymiary (dimensions), w których nie spodziewamy się braku wartości, a wręcz przeciwnie – oczekujemy dokładnych informacji, które będziemy mogli wykorzystać do analizy. Przykładowo, spójrzmy na źródło/medium sesji oraz przypisaną domyślną nazwę kanału.

Przykładowy raport źródło/medium w Google Analytics

Wartość „(not set)” została przypisane do kanału „Unassigned” („nieprzypisane”). Jak pokazuje ten przypadek, 10% użytkowników odwiedziło stronę ze źródeł, którym GA4 nie był w stanie przypisać żadnej wartości.

Warto zauważyć, że „(not set)” to nie to samo, co „(direct) / (none)” w wymiarach źródło/medium. W uproszczeniu, ta pierwsza oznacza brak wartości, a druga pustą wartość – i choć może się wydawać, że to to samo, w praktyce (i od strony technicznej) to dwie różne rzeczy. I dobrze – bo również z poziomu analizy inaczej interpretujemy obie wartości. 

Jak zostało wspomniane wcześniej, „(not set)” nie dotyczy wyłącznie źródeł ruchu. Możemy zauważyć jego występowanie w wymiarach niestandardowych, ale np. również w wymiarze „Strona docelowa” (Landing Page). Jest spora szansa, że również w Twoim serwisie część stron startowych nie została rozpoznana. Co więcej, na liście możesz znaleźć również… pusty wiersz:

Przykładowy raport stron docelowych w Google Analytics

Pusty wiersz oznacza dane, których Google Analytics 4 nie zdążył przetworzyć – tutaj sprawa jest więc prosta: wystarczy zmienić zakres dat tak, by obejmował najświeższe zebrane dane. Zwykle wystarczy wykluczyć dzień “dzisiejszy” i “wczorajszy”, a wyniki dla tego okresu sprawdzić za kilka dni, gdy dane zostaną już przypisane przez narzędzie. Inaczej sytuacja wygląda dla użytkowników Google Analytics 360 – mają oni gwarancję przetwarzania danych do 4 godzin.

Przyczyny występowania wartości not-set w Google Analytics

Przyczyny brakujących wartości możemy podzielić na kilka kategorii:

Nieodpowiednia konfiguracja narzędzi Google

Brakujące wartości w wymiarach Google Ads można często naprawić, integrując GA4 z kontem Google Ads oraz włączając automatyczne tagowanie. W takim przypadku warto sprawdzić poprawność tej konfiguracji w obu narzędziach.

Błędy wdrożenia

Jeśli spodziewasz się wartości innej niż „(not set)” w danym wymiarze (np. niestandardowym wymiarze „method” dla zdarzenia „login”), to możliwe, że coś poszło nie tak na poziomie wdrożenia. Przyczyną może być nieprawidłowe ustawienie tagów w Google Tag Managerze albo zmiana w kodzie strony, po której konfiguracja GA4 nie została zaktualizowana.

Jeśli więc problem dotyczy wymiaru niestandardowego (Custom Dimension) albo określonego zdarzenia, konfigurowanego np. w GTM – warto przyjrzeć się konfiguracji tagów.

Measurement Protocol

Measurement Protocol (MP) to zaawansowany sposób przesyłania danych do GA4. Zwykle jest wykorzystywany do wzbogacania danych zbieranych na stronie lub w aplikacji o wartości, których brakuje przy standardowym śledzeniu. Jednak ze względu na sposób, w jaki działa Measurement Protocol – w oderwaniu od standardowego pomiaru – niepoprawnie wdrożony może sprawić, że (not set) pojawi się nawet w tak podstawowych wymiarach jak ścieżka strony. Dużo łatwiej jest również o nieprawidłowości wdrożenia, które wpływają na jakość danych. Jeśli korzystasz z MP, zdecydowanie warto upewnić się, czy to jego stosowanie nie wywołuje braków w danych.

Niedoskonałość pomiaru

Twój klient otwiera Twoją stronę. Następnie odchodzi od komputera lub telefonu, bądź przełącza się między innymi zakładkami i wraca po godzinie, by kliknąć w jeden z produktów. Dla niego to wciąż ta sama wizyta w serwisie, dla Analyticsa to już dwie sesje – druga rozpoczęła się wraz powrotem użytkownika i dokonaniem akcji. Tego typu scenariusze nie są rzadkie i to one mogą częściowo odpowiadać za braki w danych.

Inną przyczyną mogą być wtyczki do przeglądarek, które w celu anonimizacji użytkownika, mogą edytować przesyłane dane dotyczące przeglądarki, systemu czy urządzenia.

Niektóre z nich możemy ograniczyć np. dzięki wydłużeniu czasu trwania sesji. Według niektórych ekspertów, pomóc może także uszczelnienie tagowania UTM linków z zewnętrznych stron. W innych przypadkach… pozostaje pogodzić się z tym, że nie na wszystko jesteśmy w stanie cokolwiek poradzić.

Czas

Czas leczy rany. Oraz dane w Google Analytics 4.

Google Analytics 4 nie zawsze jest w stanie poprawnie przetworzyć dane z ostatnich 24 godzin. To oznacza, że dane z poniedziałku mogą być bardziej precyzyjne w środę niż we wtorek. Innymi słowy, jeśli widzisz „(not set)” w raportach – spróbuj wykluczyć poprzedni dzień, a końcową datę zakresu ustawić maksymalnie “na przedwczoraj”. Inaczej jednak sytuacja przedstawia się w przypadku Google Analytics 360. Jego SLA gwarantuje świeżość danych wynoszącą 4 godziny.

Wpływ trybu zgody i śledzenia serwerowego na wartość „(not set)” w Google Analytics 4

Wraz z rosnącym znaczeniem prywatności i wdrożeniem śledzenia po stronie serwera, obserwujemy wzrost udziału wartości „(not set)” w raportach GA4. Źródła wskazują, że niewłaściwe ustawienie Google Consent Mode lub filtrowanie danych po stronie serwera może uniemożliwić przypisanie źródła ruchu, co skutkuje linii „(not set)”. Warto więc przyjrzeć się konfiguracji trybu zgody i logice serwera, by ograniczyć „(not set)” nie tylko na poziomie UTMs, ale również infrastruktury.

Jak monitoring współczynnika „(not set)” pomaga w audycie wdrożenia GA4

Dlaczego eliminowanie braków danych jest takie istotne?

Zaufanie do danych stanowi fundament każdej analizy. Dane zbierane w sposób nieprawidłowy zaburzają obraz. Dane niepełne są niewystarczające, żeby odpowiedzieć na postawione pytania i hipotezy biznesowe. 

Wyobraźmy sobie sytuację, w której przygotowujemy zestawienie efektywności kanałów reklamowych. Na tej podstawie ma zapaść decyzja, które z nich przetrwają cięcia budżetowe, a które zostaną ucięte. Przegląd raportów e-commerce w Google Analytics 4 prowadzi nas do wniosku, że reklamy emitowane na uwielbianym przez prezesa medium społecznościowym nie przynoszą rezultatów. Jak go przekonasz, że 30% sesji, które są oznaczone jako „(not set)” i wygenerowały sprzedaż, to nie jest wynik tego źródła, w które tak głęboko wierzy? Co więcej – jaką masz pewność, że nie ma racji?

Im mniej wartości „not set” pojawi się w naszych danych, tym większa pewność, że nic nam nie umyka. A im szybciej uporamy się z przyczynami, tym lepiej – luk w danych nie da się sztucznie zapełnić!

Podsumowanie

Jak widać, „(not set)” jest powodem wielu „chorób” systemu analitycznego. Niektóre uleczysz dość łatwo, z innymi należy nauczyć się żyć. Całkowita eliminacja zjawiska nie jest możliwa. Naszym celem powinno być doprowadzenie do sytuacji, w której braki są na tyle małe, by cały zbiór danych był nie do podważenia. 10-15% wyników z „(not set)” zwykle jest akceptowalne, a wyniki powyżej 25-30% powinny być impulsem do podjęcia próby obniżenia ich udziału.

Nie ma jednej skutecznej rady na wyeliminowanie wartości „(not set)”. Dlatego poprawa jakości danych jest procesem ciągłym i długofalowym, a jego skuteczność zależy od naszej determinacji i wiedzy. Nagrodą za wysiłek są dane, które można bez zawahania przekuć w informacje, a te – we wnioski i konkretne decyzje biznesowe.

The post Źródło ruchu not-set – jak sobie z tym poradzić? first appeared on Conversion.

Już jakiś czas temu odbyłem rozmowę, podczas której próbowałem wyjaśnić mojej koleżance, czym na co dzień zajmuje się nasza firma. Starałem się, aby dokładnie opowiedzieć, co robimy i w jaki sposób przekłada się to na biznesy naszych klientów. Jednak, gdy usłyszałem to jedno zdanie, stwierdziłem, że moje wyjaśnienia spełzły na niczym. Uznałem, że ustny przekaz to zdecydowanie za mało, a całość należy “ubrać” w pisemną wersję. I właśnie tak zrodził się pomysł na stworzenie tego artykułu

Ciekawi Cię, co to za zdanie? Już opowiadam. Otóż, po pewnym czasie, gdy już wnikliwie wysłuchała mojej wypowiedzi, z jej ust padły słowa:

Skoro Google Analytics jest darmowy, to każdy może go zainstalować (ergo) – Wasze usługi są niepotrzebne.

Oczywiście szybko wyprowadziłem ją z błędu. W końcu, idąc tym tokiem rozumowania, równie dobrze można byłoby powiedzieć, że każdy może być:

• Ekonometrykiem – “w końcu” są dostępne na rynku darmowe (i to całkiem niezłe) pakiety ekonometryczne.
• Grafikiem – “w końcu” na rynku jest całe mnóstwo bezpłatnych programów do tworzenia grafik.
• Copywriterem – “w końcu” wystarczy skorzystać z dowolnego programu do pisania.
• Trenerem personalnym – “w końcu” wystarczy założyć sportowe buty i wygodny dres.

I tak dalej, i tak dalej. Ale czy to oznacza, że każdy byłby w stanie przygotować model gospodarki Polski; stworzyć przykuwającą oko ilustrację; napisać tekst, który porwie tłumy lub trenować zawodników, którzy osiągają sukcesy w sporcie? No nie do końca…

Zanim przejdę dalej – pozwól, że pozwolę sobie na małą prywatę i autoreklamę naszej firmy.

• Jeżeli potrzebujesz w swojej organizacji analityka, to koniecznie zapoznaj się z naszą ofertą w zakresie outsourcingu (body leasing) analityków internetowych.
• Jeśli natomiast chcesz spełniać się zawodowo w roli analityka internetowego – już teraz sprawdź nasze aktualne oferty pracy.

Co znajdziesz w tym artykule?
Czy analityk internetowy to zawód z przyszłością?
Czym zajmuje się analityk internetowy
Jakie cechy powinien mieć analityk internetowy, aby robić to dobrze?
Analityk jest ogniwem, które łączy biznes z technologią
Analityk internetowy musi znać się na analizach i umieć prezentować wyniki
Analityk internetowy musi wiedzieć “co” i “jak” działa
Analityk internetowy musi być samodzielny
Analityk internetowy musi umieć rozmawiać, tłumaczyć i przekonywać
Analityk internetowy musi rozumieć biznes
Najpopularniejsze oprogramowanie do analizy danych internetowych
Tyle umiejętności, a tylko 1 człowiek? Czy taka osoba w ogóle istnieje?
Czy praca analityka jest aż tak wymagająca?
Praca analityka internetowego – podsumowanie

Czy analityk internetowy to zawód z przyszłością?

Na początku muszę zaznaczyć, że analityka internetowa to stosunkowo młody obszar zawodowy, który tak naprawdę znajduje się dopiero na początku swojej drogi.

Nie wierzysz? Zatem spróbuj przypomnieć sobie, jak wyglądał Internet (w Polsce i na świecie) odpowiednio: 10, 15, i 20 lat temu. Czy kojarzysz, aby w tamtych czasach ktoś w ogóle myślał o korzystaniu z bardziej zaawansowanej analityki działań w sieci? Ok, nawet jeśli tak było – robiło to maksymalnie kilka procent wszystkich firm.

Za dobry przykład może posłużyć początek mojej kariery. Sam działam w tym temacie od 2009 roku i mogę śmiało powiedzieć, że w tamtych czasach byłem jednym z niewielu, którzy zaczęli zdobywać kompetencje właśnie w tym zakresie.

Jak widzisz – analityka internetowa to naprawdę perspektywiczna dziedzina. W końcu w samej tylko Polsce mamy grubo ponad 28 milionów internautów, a sektor e-handlu z roku na rok rośnie w siłę.

To także oznacza, że świadomość potrzeby analizy danych płynących z działalności on-line jest coraz bardziej widoczna wśród polskich firm. A tylko kwestią czasu jest tworzenie coraz bardziej zaawansowanych struktur analitycznych w największych organizacjach.

Tak więc rozwiewając wszystkie wątpliwości raz na zawsze – pragnę powiedzieć głośno i wyraźnie, że:

Zawód analityka internetowego ma przed sobą świetlaną przyszłość, która w żadnym wypadku nie będzie polegała na generowaniu raportów z bezpłatnych narzędzi.

Skoro już wiesz, że analityka internetowa nie polega tylko na generowaniu i “przeklepywaniu” raportów, a posiadanie wpiętych kodów Google Analytics nie zrobi z Ciebie pełnoprawnego analityka internetowego – pora powiedzieć sobie więcej o obowiązkach tego typu specjalistów.

Czym zajmuje się analityk internetowy

W Polsce wciąż “pokutuje” przekonanie, że analityka internetowa to tylko gromadzenie danych, a następnie – tworzenie na ich podstawie raportów (za pomocą różnych narzędzi). Oczywiście – jest to jeden z elementów pracy analityków internetowych. Jednak stanowi on zaledwie cząstkę całego procesu, który nosi miano analizy danych.
Głównym zadaniem analityka jest bowiem dostarczanie rekomendacji, które prowadzą do realizacji celów biznesowych danej organizacji. Jednak, aby było to możliwe, “po drodze” musi dojść do kilku innych zdarzeń, do których zaliczamy m.in.:

• • Zbieranie, a raczej „kopanie” w danych

Tak, zdecydowana większość wysiłków przypada właśnie na obszar związany z gromadzeniem wszelkich niezbędnych informacji. Wyciąganiem ich z niezbędnych narzędzi, agregowaniem, standaryzowaniem i wstępną selekcją.
Od siebie dodam tylko, że jest to jeden z najbardziej czasochłonnych procesów. Aby lepiej to zobrazować – mogę powiedzieć, że ten krok stanowi zazwyczaj 80, a nawet 90% czasu całej pracy nad danym przypadkiem, który podlega analizie.

• • Tworzenie raportów

Po pozyskaniu i wstępnym “obrobieniu” danych można przystąpić do przygotowania skondensowanego raportu. Sam raport (dotyczący np. źródeł ruchu) nie jest podstawą do podejmowania decyzji). Jednak w momencie, gdy przekopiemy dane i będziemy np. w stanie ocenić efektywność poszczególnych źródeł dla konkretnych segmentów użytkowników, a tym samym zarekomendować konkretne działania w postaci kampanii reklamowych – to właśnie tutaj zacznie się przygoda z prawdziwą analityką internetową.

• • Monitorowanie danych

Kolejnym zadaniem analityka jest monitorowanie danych dotyczących organizacji i tworzenie efektywnych systemów raportowania. W tym przypadku wyzwaniem jest dobór raportowanych metryk tak, aby pasowały do celów biznesowych organizacji (tzw. KPI). Mogę tylko nadmienić, że tony raportów możliwych do wygenerowania wcale nie ułatwiają tej pracy.

• • Prezentacja danych i przedstawianie wniosków

Jest to zdecydowanie jeden z najtrudniejszych etapów. Zadaniem dobrego analityka jest również pokazanie, co tak naprawdę znaczą te wszystkie dane. Co kryje się za wykresami, o czym mówią słupki, a przede wszystkim – jaki mają wpływ na obecne i dalsze funkcjonowanie firmy.

Dobry analityk musi umieć realnie wpływać na organizację. Aby jego praca przynosiła efekty, na podstawie swoich analiz, musi przekonać przełożonych do podjęcia faktycznych działań.

Jakie cechy powinien mieć analityk internetowy, aby robić to dobrze?

Na początku powiem tylko jedno: nie przeraź się, bo jest tego naprawdę dużo. Profesjonalny analityk to tak naprawdę człowiek o wielu talentach, który musi:

• Mieć dobre zaplecze techniczne oraz wiedzę merytoryczną.
• Posiadać umiejętności komunikacyjne i dyplomatyczne.
• Być zorientowanym na biznes i jego potrzeby.
• Cechować się cierpliwością, wytrwałością i ciekawością.

No i oczywiście – wiedzieć co nieco o analizie danych*

Źródło: KAIZEN Analytics Blog

Jeżeli dopiero aspirujesz do tego zawodu – uspokajam. Na początku wystarczą Ci podstawy. Większość tych kompetencji nauczysz się “na żywym” organizmie – bezpośrednio w trakcie Twojej pracy nad projektami.

* Żartuję! W tym obszarze musisz być prawdziwym wymiataczem.

Analityk jest ogniwem, które łączy biznes z technologią

Właśnie dlatego w jego arsenale powinny znajdować się 3 główne kompetencje: analityczna, technologiczna i biznesowa.

• W pierwszej z nich musi umieć analizować, przetwarzać, segmentować, porównywać, wyciągać wnioski i przedstawiać rekomendacje dotyczące ewentualnych zmian oraz testów.
• W drugiej – musi rozumieć, co robią specjaliści od IT, jak to działa, jakie są ograniczenia i co realnie da się zrobić. Oczywiście, powinien zdawać sobie sprawę “czy” da się to zrobić, a nie “jak” to zrobić. Zaplanowanie i wdrożenie powinno leżeć w gestii odpowiednich speców od IT ;).
• W trzeciej – musi wiedzieć, co się dzieje w biznesie, mieć świadomość kosztów, działań operacyjnych, ich celów i możliwości.

Warto, aby posiadał podstawową wiedzę z zakresu marketingu, w tym rozumiał mechanizmy rządzące: SEO, marketing automation, afiliacją, reklamami PPC, social mediami i wieloma innymi obszarami promocji.
A teraz, jak na prawdziwego analityka przystało, pozwól, że rozłożę do na czynniki pierwsze. Zobacz, co musisz mieć, aby stać się naprawdę dobrym w tym fachu.

Analityk internetowy musi znać się na analizach i umieć prezentować wyniki

Ok, przyznaję – tym zdaniem raczej nie odkryłem Ameryki. Jednak powiedzenie “szewc bez butów chodzi” w tej dziedzinie nie znajduje żadnego odzwierciedlenia.
Jeśli chcesz być świetnym analitykiem – “w małym palcu” musisz posiadać takie umiejętności, jak: zaawansowana obsługa Excela, wizualizacja danych (PowerPoint lub inne narzędzia), praca na bazach danych (w tym znajomość SQL), a także obsługa innych niezbędnych narzędzi (Google Analytics, Google Tag Manager, Google Data Studio itp.).
Nie zaszkodzi, jeśli dorzucisz do tego wiedzę z zakresu przeprowadzania analizy klastrowej, segmentacyjnej i wielu innych.

Analityk internetowy musi wiedzieć “co” i “jak” działa

Nie ma konieczności posiadania biegłej znajomości technologii projektowania stron internetowych, a tym bardziej programowania w kilku językach. To jednak nie oznacza, że możesz całkowicie zbagatelizować te obszary działalności firmy.
Dobry analityk nie musi umieć tworzyć stron czy kodować aplikacji, ALE powinien wiedzieć, w jaki sposób one funkcjonują. W tym obszarze przydaje się podstawowa i nieco zaawansowana wiedza na temat najpopularniejszych języków (HTML, CSS, JavaScript – w tym działania zmiennych, warunki i pętli), systemów CMS, czy też całej technologii stron internetowych**.

** Czym są i jak działają serwery (produkcyjny, testowy / deweloperski) oraz bazy danych? Co to takiego front- i back-end? Na czym polega technologia RWD? Jak funkcjonuje przeglądarka? I tak dalej.

Analityk internetowy musi być samodzielny

Przynajmniej na tyle, na ile się da. Mam tu na myśli przede wszystkim wykonywanie podstawowych działań, które “teoretycznie” mogą nie mieścić się w jego kompetencjach i obowiązkach. Możemy zaliczyć do nich dokonywanie lekkich modyfikacji strony, a także zmianę i implementację kodów.

Posiadanie tej umiejętności jest szczególnie ważne, ponieważ daje podwójne korzyści. Pozwala ograniczyć udział osób trzecich, a przede wszystkim – oszczędza mnóstwo cennego czasu.

Analityk internetowy musi umieć rozmawiać, tłumaczyć i przekonywać

Wyobraź sobie, że uczestniczysz w ważnych negocjacjach biznesowych, które opiewają na grube miliony złotych. Potem próbujesz wyjaśnić najlepszemu kumplowi, że to naprawdę było już ostatnie piwo i pora iść do domu. A na koniec – stoisz przed prawie niemożliwym wyzwaniem powiedzenia Twojej babci, że nie chcesz drugiej dokładki.

Właśnie tak działa dobry analityk internetowy. Musi wiedzieć, jak rozmawiać z ludźmi, którzy reprezentują różne obszary organizacji: biznesu, marketingu, IT i wielu innych.

Chyba nie muszę dodawać, że każda z tych dziedzin charakteryzuje się swoim własnym slangiem, podejściem do priorytetów, a co za tym idzie – argumentami i sposobami komunikacji, których warto wobec nich używać ?

Właśnie dlatego wskazane jest posiadanie wysokim umiejętności komunikacyjnych, a także wiedza na temat tzw. storytellingu. Oczywiście, nie chodzi o to, aby opowiadać bajki. W tym obszarze liczy się natomiast umiejętność budowania w głowach odbiorców właściwych obrazów. Tak, aby zrozumieli, co właściwie znaczą przedstawiane dane.

Analityk internetowy musi rozumieć biznes

Zdecydowanie jedną z nadrzędnych cech, które są szczególnie pożądane pośród analityków internetowych, jest żywe interesowanie się tym, co dzieje się w firmie. Dla jasności – nie chodzi mi o ploteczki przy porannej kawie, a o dziedziny, które mają realny wpływ na bieżącą kondycję firmy – w tym jej przyszłość.

Mówiąc wprost: profesjonalny analityk internetowy musi wiedzieć, że jego praca jest wykonywana w konkretnym celu. Nie po to, aby zapełnić kolejne arkusze Excela. Nie po to, aby zabierać innym cenny czas podczas niekończących się prezentacji. I nie po to, aby uczyć kolegów, jak się robi tabele przestawne.
Analityka działa po to, aby zebrane dane i przedstawione na ich podstawie wnioski – mogły posłużyć do podejmowania trafionych decyzji biznesowych.

Najpopularniejsze oprogramowanie do analizy danych internetowych

Wraz z rosnącą złożonością obecnych stron i aplikacji cyfrowych, analitycy internetowi coraz częściej korzystają z wyspecjalizowanych narzędzi – nie tylko do zbierania danych, ale także ich integracji, wizualizacji i analiz wielokanałowych. Poniżej przedstawiam zestawienie kluczowych rozwiązań wraz z tym, co je wyróżnia i kiedy warto po nie sięgnąć.

Google Analytics 4 (GA4)

To obecnie najpopularniejsze narzędzie w obszarze analityki internetowej – używane zarówno przez małe, jak i średnie przedsiębiorstwa. GA4 integruje zachowania użytkowników na stronie i w aplikacji, pozwala na definiowanie zdarzeń zamiast tradycyjnych sesji, a także wspiera analizy predykcyjne i integrację z ekosystemem Google (np. BigQuery, Ads).

Warto po nie sięgnąć, gdy potrzebujesz rozwiązania uniwersalnego, łatwo dostępnego i szeroko wspieranego – jednak pamiętaj, że w kontekście prywatności i własności danych mogą pojawić się ograniczenia.

Matomo (dawniej Piwik)

Matomo to narzędzie typu open-source, które kładzie duży nacisk na kontrolę właściciela nad danymi i zgodność z regulacjami (np. RODO).

Idealne rozwiązanie, kiedy priorytetem jest pełna własność danych, samodzielne hostowanie lub niski poziom zależności od dostawców zewnętrznych.

Adobe Analytics

Narzędzie klasy enterprise, przeznaczone dla dużych organizacji, które analizują zachowania użytkowników w wielu kanałach (web, mobile, offline) i potrzebują zaawansowanych funkcji segmentacji, raportowania w czasie rzeczywistym i integracji z ekosystemem Adobe.

Warto je rozważyć, gdy skalujesz działania analityczne i masz zasoby na dedykowane wdrożenie.

Microsoft Power BI oraz Tableau (narzędzia BI-owe)

Choć pierwotnie nie są narzędziami stricte web-analizowymi, to coraz częściej używane są do wizualizacji i analizy danych internetowych – zwłaszcza gdy łączymy dane reklamowe, CRM, e-commerce i inną działalność online.

Znakomite, gdy potrzebujesz raportów menedżerskich, dashboardów z wieloma źródłami danych i współpracy między zespołami.

Hotjar i Microsoft Clarity

Te narzędzia uzupełniają klasyczne analizy ilościowe o obserwacje jakościowe: mapy cieplne, nagrania sesji użytkowników, analiza przewijania strony, kliknięć, wyjść z formularzy.

Warto je wdrożyć, gdy chcesz zrozumieć jak użytkownicy się zachowują – nie tylko ile ich jest i skąd trafiają.

Tyle umiejętności, a tylko 1 człowiek? Czy taka osoba w ogóle istnieje?

Przyznaję, że niełatwo znaleźć specjalistę, który łączyłby w sobie wszystkie wyżej wymienione cechy. Dlatego w wielu firmach za ten zakres kompetencji odpowiada nie jedna czy nawet dwie osoby, a całe zespoły analityków.

Z drugiej strony – jest to jasny znak, że prawdziwie kompetentnych i wszechstronnych analityków internetowych jest nadal bardzo niewielu. A to z kolei oznacza, że jeśli już się znajdą – są naprawdę bardzo dobrze DOceniani i WYceniani

Czy praca analityka jest aż tak wymagająca?

Pewnie po tych wszystkich punktach zdarzyło Ci się pomyśleć, że praca takiego specjalisty wiąże się z ogromną odpowiedzialnością i to na jego barkach spoczywa “być albo nie być” firmy. W tym miejscu muszę powiedzieć, że coś w tym jest.

Analityk dostaje problem, na który musi zaproponować możliwe najkorzystniejsze dla firmy kroki. Opierając się na posiadanej wiedzy oraz swoim doświadczeniu – stawia hipotezy, wskazuje wady i zalety, jednocześnie przedstawiając możliwe konsekwencje wynikające z podjęcia lub zaniechania konkretnych akcji.

Informacje, które dostarcza, mają ogromny wpływ na podejmowanie (czasami bardzo poważnych) kroków biznesowych. I choć ostateczna decyzja co do ich wdrożenia, spoczywa na barkach osób odpowiedzialnych za konkretny obszar działania firmy – nie można oprzeć się wrażeniu, że rola analityka internetowego jest wręcz nieoceniona.

W końcu decyzje oparte na twardych danych cechują się największym prawdopodobieństwem trafności. Z kolei brak dostępu do kluczowych informacji (oraz ich właściwej interpretacji) znacznie ogranicza szanse na odniesienie sukcesu. Oczywiście, im wyższa jakość rekomendacji, tym również większa szansa na to, że to właśnie dzięki nim, biznes będzie rósł.

W ten sposób można powiedzieć, że bez jego rekomendacji, osoby decyzyjne są często, jak “dzieci we mgle” ;). Tak więc, jak widzisz – pozycja analityka internetowego w organizacji, której zależy na rozwoju, jest po prostu fundamentalna.

Praca analityka internetowego – podsumowanie

Praca w obszarze analityki internetowej daje naprawdę dużo satysfakcji. Z jednej strony analitycy mają realny wpływ na działania organizacji i widzą wymierne efekty swojej pracy. W końcu to, co robią, może przekładać się na zysk.

Wyznaczają działania, w które firma powinna inwestować. Szukają przyczyn nietrafionych decyzji, a także monitorują kluczowe metryki. Do tego dobierają narzędzia i znajdują nisze, które warto wykorzystać w dalszym rozwoju organizacji.

Po prostu: analitycy internetowi mają znaczenie – szczególnie w firmach, które mają w planach wzrost, zdobywanie kolejnych obszarów rynków, a co za tym idzie – budowanie przewagi konkurencyjnej.

Na zakończenie

• Jeśli po lekturze tego artykułu wiesz, że dalszy rozwój Twojej firmy nie obejdzie się bez wsparcia profesjonalnego analityka – mam dla Ciebie dobrą wiadomość. Nie musisz od razu zatrudniać eksperta na pełny etat. Zamiast tego zapoznaj się z naszą ofertą outsourcingu (body leasing) analityków internetowych.
• A jeżeli jesteś analitykiem, któremu zależy na rozwoju – dołącz do zespołu Conversion. W tym miejscu znajdziesz nasze aktualne oferty pracy w obszarze analiz. 

The post Analityk Internetowy: co musi „mieć”, aby firma miała z niego pożytek? first appeared on Conversion.

Czego dowiesz się z tego wywiadu:
Wprowadzenie do świata Aurorii i danych
Jak Auroria wykorzystała dane jakościowe do redefinicji rynku jubilerskiego
Od ankiet do badań UX: Głębsze poznanie klienta Aurorii
Zrozumieć i odciążyć klienta: Odpowiedź na stres wyboru pierścionka
Machine Learning w służbie miłości: Konfigurator 3D i spersonalizowane propozycje
Długoterminowa relacja z klientem: Jak Auroria buduje LTV
Od randki do ślubu: Strategia content marketingowa Aurorii
Mierzenie sukcesu: KPI i unikatowe mikrokonwersje Aurorii
Innowacje offline: Sparkle Finder i salony przyjazne introwertykom
Plany na przyszłość: Auroria podbija Europę Środkowo-Wschodnią
Podsumowanie: Główne wnioski z rozmowy

Wprowadzenie do świata Aurorii i danych

Mariusz Michalczuk: Cześć, witam Cię w kolejnym odcinku podcastu z serii Date with Data Talks, czyli podcastu od praktyków danych do praktyków wykorzystania danych i vice versa. Dzisiaj moim i Twoim gościem jest Oliwia Simińska. Oliwia, ogromne dzięki, że przyjęłaś zaproszenie. Chcesz podzielić się z nami Twoją wiedzą. Jakbyś mogła wprowadzić nas do Twojej osoby, do Twojego doświadczenia, czym się zajmujesz.

Oliwia Simińska: Cześć Mariusz i witam wszystkich. Dziękuję serdecznie za zaproszenie do rozmowy. Nazywam się Oliwia Simińska i aktualnie zawodowo skupiam się głównie na rozwoju obszaru marketingu marki jubilerskiej Auroria. Jeżeli chodzi o życie prywatne, to jestem mamą trójki dzieci i żoną wspaniałego mężczyzny, który kilka lat temu razem ze swoim przyjacielem założył tą markę. Z takich przedsiębiorczych aspektów jestem też współzałożycielką platformy buycoffee.to, która w tym momencie jest największą platformą, która wspiera twórców internetowych w Polsce, jeżeli chodzi o monetyzację, ale to pewnie byłby temat na inną rozmowę. Cieszę się, że jestem tutaj z Wami.

Mariusz Michalczuk: Ja również się bardzo cieszę. Mówisz o marketingu, w tym marketingu jest mega dużo danych. Kiedy przygotowywaliśmy się do tej rozmowy, przedstawiłaś mi rzeczywiście, że te dane u Was są takim fundamentem w kontekście tego, jak działacie, jak podejmujecie decyzje. Czy mogłabyś trochę tutaj wprowadzić nas do tego tematu, jak to u Was wygląda?

Jak Auroria wykorzystała dane jakościowe do redefinicji rynku jubilerskiego

Oliwia Simińska: Tak, dane były tak naprawdę podstawą do tego, jak zbudowana została Auroria. Jest marką, która redefiniuje na nowo rynek jubilerski w Polsce. Prowadzimy biznes w sposób, w który nie prowadzi go żaden inny jubiler i ten sposób został właśnie zdefiniowany przez dane, które pozyskaliśmy na samym starcie. Być może będzie to zaskoczeniem, ale nie były to dane ilościowe, były to głównie dane jakościowe, które pozwoliły nam poznać klienta naprawdę głęboko, nie na poziomie produktu, oferty, ale jeszcze głębiej, na etapie jego zmagań, jego bolączek. Szczególnie, że nasza marka specjalizuje się w biżuterii zaręczynowej i ślubnej, więc dotyka bardzo ważnych momentów w życiu człowieka. Było to dla nas niezwykle istotne, aby przed rozpoczęciem pierwszych działań, przed rozpoczęciem budowania oferty i USP marki, poznać tego klienta. Dane towarzyszyły już na etapie budowania biznesu.

Mariusz Michalczuk: Super. Czy mogłabyś powiedzieć, jak na początku zbieraliście te dane? Faktycznie, jak mówisz o takich wydarzeniach super istotnych w życiu, czy to zaręczyny, czy ślub, zazwyczaj to jest jedno takie wydarzenie w życiu. Trzeba dogłębnie poznać tego Waszego potencjalnego klienta. Rozumiem, dlaczego dane jakościowe w pierwszym rzędzie wybrane przez Was. Jak zbieraliście te dane, skąd one pochodziły, co z nich wynikało na początku i jak to później dalej się rozwijało?

Od ankiet do badań UX: Głębsze poznanie klienta Aurorii

Oliwia Simińska: Właściciele marki Auroria mieli już wcześniej doświadczenie w branży jubilerskiej, więc mieli też dostęp do klientów. Tam już pozyskiwali pierwsze informacje na temat tego, co jest wyzwaniem w kontekście zakupu biżuterii zaręczynowej i ślubnej. Później przez pierwsze lata funkcjonowania marki Auroria proces zbierania jakościowych danych był wpisany w regularne działania. Jeżeli chodzi o to, jakie narzędzia były wykorzystywane, to były to głównie ankiety z klientami, które opierały się nie tylko, tak jak często dzwoni do nas po wykonaniu jakiejś usługi, często już AI-owy asystent i pyta o poziom zadowolenia, pyta o to, na ile byśmy zarekomendowali ten produkt, czyli już takie bardzo stricte posprzedażowe aspekty. My pytaliśmy tych klientów na każdym etapie – przed rozpoczęciem biznesu i już w tych szczególnie pierwszych latach działalności – pytaliśmy, co było dla niego najbardziej stresujące na etapie wyboru pierścionka. Pytaliśmy, gdzie szukał informacji, co sprawiało mu największą trudność pod kątem tego, na czym powinien się skupić, jaki produkt wybrać, na jakie złoto się zdecydować, na jaki model. Staraliśmy się regularnie poznawać, z czym mierzy się klient i tak budować na samym początku USP marki Auroria, a później ofertę, która w jak najlepszy sposób będzie odpowiadała na te potrzeby.

Z tych ankiet dowiedzieliśmy się też, że język, którym mówimy do klienta, jeżeli chodzi o rynek jubilerski, jest już coraz mniej zrozumiały, ponieważ główne, największe firmy jubilerskie w Polsce często nie komunikują się w języku osób, które w tym momencie mają lat 20 plus, Gen Z. To było dla nas takim dużym odkryciem, że my musimy umieć posługiwać się językiem osób, które w tym momencie są na etapie zaręczyn. Dużo rzeczy, które wdrożyliśmy, które odkryliśmy, to były właśnie elementy pochodzące stricte z ankiet przeprowadzanych z klientami. Tak naprawdę to, gdzie teraz jest Auroria i jak wyglądają nasze salony, jak wygląda nasza strona internetowa, to jest głównie właśnie na podstawie wniosków, które otrzymaliśmy dla naszych klientów.

Nasz claim – Friend of Your Love – też powstał w oparciu o to, jak zaczęliśmy działać, ponieważ poznając lepiej klientów, dowiedzieliśmy się, że my jako marka chcemy być partnerem tego klienta na drodze wyboru biżuterii zaręczynowej, ślubnej i chcemy mu jak przyjaciel pomóc jak najlepiej wybrać produkt, który (tego też się dowiedzieliśmy z rozmów z klientami) zachwyci jego narzeczoną. To, że mężczyzna poszukuje pierścionka zaręczynowego i skupia się na tym, jakiego jubilera wybrać, jaki produkt wybrać, to jest jedno. Jego ostatecznym celem jest wywołanie zachwytu w oczach swojej ukochanej w tym momencie, kiedy się oświadcza. Kiedy my to zrozumieliśmy, stwierdziliśmy, że my chcemy jako marka pomóc temu mężczyźnie. Doszły nagle dodatkowe, zupełnie nowe aspekty naszej działalności, które opierały się na tym, żeby z tego klienta ściągnąć jak najwięcej stresu, który naturalnie towarzyszy mu przy tym ważnym wyborze. Pojawiły się dodatkowe aspekty, które my jako Auroria Friend of Your Love zaczęliśmy adresować, aby całościowo zaopiekować się klientem. Nie tylko dostarczyć mu ten produkt, którego potrzebuje, ale sprawić, żeby to całe user experience od momentu myśli „chciałbym się oświadczyć” do momentu wręczenia pierścionka było dla niego jak najpiękniejsze i jak najmniej stresujące.

Mariusz Michalczuk: Super, mega to brzmi. Wyobrażam sobie, że na początku było to skomplikowane, w momencie, kiedy jeszcze nie mieliście wystartowanego tego online’owego biznesu, z klientami trzeba było rozmawiać, być może to były jakieś ankiety papierowe. A teraz, w momencie, kiedy macie e-commerce, to jak to wygląda, na których etapach zbieracie te dane jakościowe? Czy ci użytkownicy, jeszcze może nie klienci, tylko potencjalni klienci, chętnie dzielą się tymi informacjami? Może jakieś triki masz, które rzeczywiście pomagają dotrzeć, często, umówmy się, do introwertyków – bo zakładam, że część mężczyzn, zresztą myślę też trochę o sobie i o swojej branży, to jest raczej introwertyczna, więc trudno często wydobyć informacje, prawda?

Oliwia Simińska: Tutaj użyłeś słowa klucz – introwertyk – za chwilkę się do tego odniosę. Opowiem, jak to wyglądało od początku, bo wprowadzaliśmy różne pomysły, mieliśmy później wnioski, wprowadzaliśmy kolejne pomysły. Na samym początku biznesu jednym z pierwszych naszych pomysłów było po prostu rozmawianie z klientami, którzy dokonali zakupu, żeby już ich poznać, ponieważ mieli kontakt z marką, mieli zaufanie do marki, więc sądziliśmy, że jest to najbardziej oczywista droga. Do wszystkich klientów, którzy dokonali u nas zakupu, wysyłaliśmy maila z pytaniem, czy zechcieliby nam poświęcić 15 minut na rozmowę. Oferowaliśmy coś w zamian, żeby zaproponować jakąś wartość klientowi. Z tych osób, które pozytywnie odpowiedziały na nasze zapytanie, umawialiśmy się na konkretną godzinę na rozmowę, gdzie według konkretnie przygotowanych pytań, które naszym zdaniem najlepiej pomogą nam zrozumieć klienta na różnych etapach: przygotowań do zaręczyn, etapu szukania oferty, ale też samego korzystania z naszego sklepu internetowego. Ze wszystkimi klientami rozmawialiśmy na podstawie tych wcześniej przygotowanych pytań, ale co tutaj było bardzo ważne, osoby, które prowadziły te ankiety zawsze skupiały się na tym, żeby aktywnie słuchać tego klienta, bo zdarzały się rozmowy, kiedy klient powiedział coś, gdzie osoba ankietująca, idąca według briefu, pominęłaby pociągnięcie dalej tego cennego zdania i rozwinięcie do szukania się, co klient miał na myśli, przejście do kolejnego pytania. Czasami właśnie takie perełki udało nam się wychwycić, bo klient powiedział jedno zdanie, które uznaliśmy za intrygujące i szliśmy scenariuszem spoza briefu ankiety. To było pierwsze narzędzie, z którego korzystaliśmy i już z niego mieliśmy mnóstwo insightów, które pomagały nam dokładać kolejne cegiełki do budowania biznesu.

Później postawiliśmy też na fizyczne spotkania z klientami, w sumie nie z klientami nawet, bo robiliśmy testy UX-owe, takie jakościowe, że zapraszaliśmy do naszego biura osoby z grupy docelowej, czyli osoby, które potencjalnie są w wieku zaręczynowym, nie mówiąc w ogóle, czego będzie dotyczyło spotkanie i zadawaliśmy im pytania, takie zadania. Prosiliśmy o wyszukanie oferty na pierścionek zaręczynowy, taki scenariusz: „właśnie planujesz zaręczyny i co robisz? Masz komputer, telefon i co robisz?” I tutaj już badaliśmy, czy klient, ta osoba, sięga w pierwszej konieczności po telefon, czy po komputer i jakiego typu frazy wpisuje w Google, jak się porusza po stronie z wynikami wyszukiwania, co jak wchodzi później na naszą stronę, gdzie się gubi, jakie ma wątpliwości. Robiliśmy też takie fizyczne badania, które dawały nam jeszcze szersze spojrzenie na to, co możemy poprawić w naszym e-commerce, jak lepiej towarzyszyć klientowi w oparciu o to, jak on naturalnie się zachowuje w procesie zakupowym. To było takie drugie narzędzie bardzo cenne do zbierania danych jakościowych.

Mariusz Michalczuk: Takie typowe badania użyteczności z tego, co rozumiem.

Oliwia Simińska: Takie badania użyteczności, ale pogłębione też o te aspekty poza e-commerce’owe i powiem Ci, że tam mieliśmy pierwsze sygnały, które skłoniły nas do tego, żeby otworzyć punkty stacjonarne, bo mieliśmy użytkowników, którzy na pytanie, właśnie przedstawiając ten scenariusz, czyli „przychodzi Ci myśl – zaręczę się – i co robisz?”, wielu z nich mówiło, „idę do galerii handlowej”, a my mieliśmy tylko e-commerce. W momencie, kiedy to zaczęło się pojawiać coraz częściej, to uznaliśmy, że jeżeli jest grupa ludzi, która po prostu naturalnie chciałaby pójść do galerii i tam przeszukać oferty na miejscu stacjonarnie i nie przychodzi im na myśl dotarcie do e-commerce’u, to być może my również powinniśmy tam być. Ten element przyszedł na późniejszym etapie rozwoju biznesu, aczkolwiek wtedy już mieliśmy pierwsze sygnały. Co ciekawe, jak klienci mówili, poszlibyśmy do galerii, to my to odebraliśmy jako „okej, warto byłoby mieć punkt stacjonarny.” I naszym pierwszym punktem stacjonarnym był piękny butik przy Starym Rynku w Poznaniu, który funkcjonował przez dwa lata i później też słuchając klientów, dowiedzieliśmy się, że jednak to słowo „galeria” oznaczało galeria handlowa, a nie sklep stacjonarny, ponieważ użytkownicy wolą pojechać do jednego punktu, gdzie poświęcając na przykład godzinę czasu i mając darmowy parking na miejscu, mogą odwiedzić kilka punktów, a niekoniecznie udać się do pięknej lokalizacji, stary rynek, szukać parkingu, co jest wyzwaniem w takim ścisłym centrum. Doszliśmy do wniosku, że ta galeria to jest to miejsce, gdzie powinniśmy być, żeby być bardziej dostępni. Naszą misją jako Aurorii jest właśnie to, że chcemy być najbardziej dostępną marką jubilerską w Polsce i również fizyczna dostępność jest jednym z tych aspektów. Poza tym to jest właśnie też dostępność w kontekście doświadczenia e-commerce’owego, gdzie skupiamy się na tym, żeby mieć najlepszą prezentację produktu, aby klient nie miał żadnych wątpliwości, jak wygląda to, co kupuje i czy to jest to, czego chce. Wprowadzamy dużo innych aspektów, narzędzi, ułatwień dla klienta, które mają sprawić, że będziemy jak najbardziej dostępni. Ten temat i sklepu stacjonarnego, i galerii, to wszystko było wynikiem tego, że klienci tak naprawdę dali nam feedback, co odpowie na ich potrzebę.

Zrozumieć i odciążyć klienta: Odpowiedź na stres wyboru pierścionka

Mariusz Michalczuk: Ok, super. Tak się teraz zastanawiam, że jak już ten klient dotrze czy to do e-commerce’u, czy do galerii handlowej i ta Wasza misja, żeby mógł zachwycić swoją ukochaną w momencie wręczenia jej tego pierścionka. Tak sobie myślę, że jak ja się cofnę w sumie te już ponad 15 lat wstecz, jakby ktoś mi zadał pytanie, na zasadzie, który pierścionek zachwyci moją, wtedy ukochaną, teraz też ukochaną, natomiast wtedy potencjalną jeszcze narzeczoną, to tak się zastanawiam, wracając trochę do tych introwertyków i do osób, które nie zawsze, nie w 100% wiedzą, co zachwyci tę kochaną, bo to nie jest coś takiego, co się kupuje codziennie. Raz, że w kontekście ubrań to wiadomo, jak nasza partnerka się ubiera, co lubi, w czym się czuje dobrze i tak dalej. Tu jest najłatwiej, bo widzimy to na co dzień, a w przypadku biżuterii, zwłaszcza takiej, to już jest trochę tak, że to jest event, raz na jakiś czas, jeżeli w ogóle nie raz w życiu. Jak tutaj pomagacie swoim klientom, użytkownikom właśnie, żeby dojść do tego, co zachwyci ich ukochane?

Oliwia Simińska: Dokładnie. Tutaj najważniejsze było zrozumienie, że mężczyzna ma duży stres i wątpliwości w związku z tym, że on dokona wyboru, który nie zachwyci kochanej. To jest coś, co jest tematem numer jeden dla naszych klientów. W tym temacie staramy się klienta jak najbardziej odciążyć, jak najwięcej wziąć na nas. Uznaliśmy, że mężczyzna jest specjalistą od swojej ukochanej, bo to on zna ją najlepiej. A my jesteśmy specjalistami od biżuterii. I to my wiemy, jaki typ biżuterii do danej kobiety, o danej osobowości, o danym stylu ubierania czy preferencjach takich, co nawet do spędzenia wolnego czasu, zainteresowania sportem, wykonywanej pracy, jaki typ biżuterii z dużym prawdopodobieństwem spodoba się kobiecie. Dużo rozmawiamy też z naszymi klientkami i już mamy takie nasze zmapowane procesy, gdzie łączymy te aspekty, o których wspomniałam, właśnie z różnego typu modelami. Z dużym prawdopodobieństwem potrafimy oszacować, co spodoba się ukochanej.

Dlatego nasz proces w salonie stacjonarnym, ale też w sklepie online podąża za tą myślą. Czyli my pytamy mężczyznę, który do nas przychodzi, prosimy, żeby opowiedział o swojej ukochanej. Zadajemy mu pytania o te aspekty, o których wspomniałam. I na ich podstawie proponujemy wzory. To jest coś, co jest zaskakujące dla mężczyzny, szczególnie w salonie stacjonarnym, kiedy wcześniej odwiedził już dwóch, trzech jubilerów, gdzie był pytany o to, czego szuka, jaki kolor złota, jaka korona, jaka wielkość diamentu. Te pytania, każde z nich, powodowało jeszcze większe wątpliwości, czy on w ogóle zna się na tym temacie. Niektóre słowa słyszy po raz pierwszy i musieliśmy całkowicie odsunąć wszystkie te specjalistyczne słowa, całą tę presję związaną, że na mnie jest odpowiedzialność, że mam teraz powiedzieć żółte złoto, pół karata czy białe złoto, 0,3 karata. I mówimy, „ok, chodź do nas i my po prostu jako przyjaciele Twojej miłości razem z Tobą wyeksplorujemy to, jaka jest Twoja kobieta i postaramy się znaleźć dla niej najlepszy pierścionek, który absolutnie ją zachwyci.” Często stosujemy takie niestandardowe rozwiązania, czyli na przykład prosimy mężczyznę, żeby pokazał nam zdjęcia, gdzie widoczne są ulubione sukienki ukochanej, żeby pokazał nam jaką fryzurę nosi. Staramy się poruszać w takich obszarach, które są komfortowe dla klienta i zadawać takie pytania, na które odpowiedź zna, aby już na nas przenieść całe to specjalistyczne zadanie, aby dobrać najlepszy pierścionek.

Machine Learning w służbie miłości: Konfigurator 3D i spersonalizowane propozycje

Oliwia Simińska: Wspomniałam, że stosujemy to w sklepie online. Tak naprawdę już kilka lat temu wdrożyliśmy takie narzędzie, również w oparciu o wnioski, które wyciągnęliśmy z rozmów z klientami. Takim wnioskiem właśnie z rozmów było to, że mężczyźni często szukają pierścionka, który jest bardzo unikatowy, że chcą w momencie zaręczyn powiedzieć ukochanej „znalazłem dla ciebie coś, czego nie ma nikt inny.” Często szukają w sklepach vintage biżuterii, która jest zupełnie unikatowa. Zastanawialiśmy się, jak to doświadczenie unikatowości możemy zapewnić użytkownikom w naszym e-commerce. Zbudowaliśmy nasz autorski system konfiguratora 3D, który pozwala klientowi zupełnie od zera zaprojektować samemu pierścionek z zaproponowanych przez nas komponentów, czyli trochę tak jak konfiguracja auta. Wybieramy sobie poszczególne elementy, klikamy, pojawia się wizualizacja, jeżeli to nie jest to, klikamy kolejny, zmieniamy kolor kamienia, zmieniamy wielkość kamienia, zmieniamy kolor złota, aż do momentu, kiedy rzeczywiście ten efekt, który pojawi się na ekranie, będzie zachwycający.

Tutaj też takie pytanie sobie postawiliśmy, a co jeżeli klient, który wie, że chce unikatowy pierścionek, nadal nie wie, jak poruszać się właśnie w tych wielkościach kamieni, w tych koronach… Postanowiliśmy wtedy – i to był pierwszy raz, kiedy zastosowaliśmy to podejście – żeby ściągnąć z klienta całą presję związaną z wiedzą specjalistyczną i skupić się na znajomości jego kobiety. Tam stworzyliśmy taką ankietę, która była zbudowana w oparciu o uczenie maszynowe, gdzie przetestowaliśmy kilka tysięcy kobiet, pytając się ich o ich preferencje, zadając im 15 pytań odnośnie tego, jak spędziłyby wieczór i dając cztery opcje do wyboru, jaką sukienkę albo jakiś strój założyłyby na wyjście, też dając cztery opcje do wyboru. Tych pytań było piętnaście. W oparciu o te wybory kobiet i później każda z nich dostała pytanie, jaki pierścionek z naszej oferty podoba jej się najbardziej. Zaczęliśmy matchować preferencje kobiet, odnośnie tego, co by zjadła w restauracji, jak by się ubrała, czy jakie paznokcie nosi, z tym, jaki pierścionek wybrałaby z naszej oferty. I to, co zrobiliśmy, to właśnie ubraliśmy to w taką już ankietę gotową dla klienta, mężczyzny, który odpowiadał na 15 pytań o swoją przyszłą narzeczoną. My wyświetlaliśmy mu propozycję, która właśnie w oparciu o nasze wnioski z tych ankiet z dużym prawdopodobieństwem zachwyci jego ukochaną. To była taka skrócona droga do wygenerowania tego unikatowego pierścionka w naszym konfiguratorze 3D, gdzie on od razu już widział gotowy produkt, który został zmatchowany z preferencjami jego ukochanej.

Mariusz Michalczuk: Super. Sparafrazuję to, akurat jestem z wykształcenia ekonometrykiem, to brzmi trochę tak, jak model ekonometryczny, to znaczy mam jakieś zmienne, które znam, wartości i na końcu z dużym prawdopodobieństwem pokazuje mi wynik. Tu wynikiem oczywiście jest pierścionek, który z dużym prawdopodobieństwem zachwyci ukochaną osobę, która wkłada do tego modelu rzeczy takie, które są znane na co dzień albo w ramach relacji. Wiadomo, że będzie wiedział, na przykład, jak lubi spędzać wolny czas, co lubi jeść, jak lubi się ubierać. Jeszcze mówisz, że jeżeli pokażesz zdjęcie takiej kobiety, to jeszcze z tego zdjęcia ten model sam może wybrać te rzeczy i na tej podstawie zaproponować najbardziej prawdopodobną biżuterię, która się spodoba tej kobiecie.

Oliwia Simińska: Dokładnie tak.

Mariusz Michalczuk: Super. Naprawdę nie sądziłem, że Machine Learning może być tak blisko miłości. To jest niesamowite. Zakładam, że ten proces zakupowy, nieważne, czy już na końcu dokładnie macie ten konfigurator i mężczyzna dostaje propozycję, ale zanim on się zdecyduje na ten konfigurator, to ten proces trochę trwa. To znaczy, to nie jest zakup jakiegoś prostego przedmiotu. Raz, że wchodzą w to emocje. Dwa, że też wchodzi, umówmy się, niemały wydatek na taką biżuterię. Jak wy sobie tutaj marketingowo wpisujecie tę misję, żeby być przyjacielem? Wiadomo, że przyjaźń to nie jest tylko w momencie, kiedy już podajesz to rozwiązanie, ale na drodze dochodzenia do tego zakupu i podejrzewam, że też później dalej ta droga trwa. Jak tutaj marketingowo, jakie macie podejście, co robicie, żeby od tego pierwszego momentu tej myśli, tak jak powiedziałaś, że komuś się pojawia myśl, „okej, to już jest pora na oświadczenie się” do zakupu, a nawet może później, bo zakładam, że też później jakieś działania robicie w kierunku tego, żeby to nie był jednorazowy zakup.

Długoterminowa relacja z klientem: Jak Auroria buduje LTV

Oliwia Simińska: Teraz może być bardzo długo, bo rzeczywiście ten zakupowy user experience jest sercem tego, co robimy, na czym się skupiamy, żeby ten moment wyboru biżuterii był dla klienta jak najlepszym doświadczeniem. Natomiast to, o czym wspomniałeś, czyli jak my zaczynamy budować tę relację, to jest coś, do czego dochodziliśmy z czasem, bo oczywiście przy starcie biznesu skupiamy się na tym, co jest kluczem do tego, żeby biznes funkcjonował, czyli funkcjonowanie e-commerce, doświadczenie już stricte zakupowe. Później, wiedząc, że to, co oferujemy, to USP, które sobie zdefiniowaliśmy w oparciu o rozmowy z klientami, zauważyliśmy, że działa, zaczęliśmy się zastanawiać, jak rozszerzać na kolejne kręgi, i tak jak wspomniałeś – i przed tym procesem zakupowym, i później po, żeby relacje utrzymać. Dane są dla nas takim kompasem, a tym, przez co weryfikujemy wszystkie nasze pomysły, wszystkie nasze plany, jest właśnie nasza misja, czyli to, że chcemy być jak najbardziej dostępni, że chcemy być przyjacielem miłości klienta.

Od randki do ślubu: Strategia content marketingowa Aurorii

Oliwia Simińska: Zaczęliśmy zadawać sobie pytania, trzy lata wstecz, przed momentem na zaręczyny. Co się dzieje w związku? O czym myśli mężczyzna? Tutaj doszliśmy do tego, że pierwszą interakcją, którą my możemy mieć z klientem, są tematy związane z relacjami. Być może właśnie w tym momencie on zaczyna randkować z tą swoją dziewczyną. Wpadliśmy na pomysł, że zaczniemy nagrywać content, który inspiruje do organizacji ciekawych randek. Mamy w zespole content creatorów, którzy pełnią funkcję takich testerów miejsc na randki. Nagrywamy i rolki, tiktoki, i odcinki nawet na YouTubie, które mają zaadresować tę potrzebę mężczyzny, żeby fajnie zadbać o początkowy etap relacji ze swoją dziewczyną.

Później, jeżeli ta relacja się rozwija i wszystko idzie w kierunku zaręczyn, to kiedy pojawia się myśl zaręczynowa, to pierścionek jest jednym aspektem, który rozważa mężczyzna, ale równolegle myśli, jak zaaranżować całą tę scenę zaręczynową. Czy pojechać na wakacje, czy pójść do restauracji, a może wynająć jakiś apartament. Tutaj stworzyliśmy taką serię youtubową odcinków „Miejsca na tak”, gdzie my sami również testujemy różne scenariusze zaręczynowe i dosłownie odgrywamy sceny zaręczynowe od początku do momentu zaręczyn, żeby to na naszym przykładzie, obserwując naszą ekipę, która odgrywa tę scenę, użytkownik już mógł zweryfikować, czy to jest w ogóle to, czy on chciałby, żeby jego zaręczyny tak wyglądały. Jeżeli stwierdzi, że „kurczę, myślałem, że w restauracji będzie fajnie, ale jak sobie zobaczyłem, jak to wygląda, to jednak może mam wątpliwości”, przechodzi sobie do kolejnego odcinka, gdzie nagrywamy zaręczyny w apartamencie i być może to go zainspiruje. Mamy też takie założenie, że chcemy pokazać w tych odcinkach wszystkie możliwe aspekty, które mogą pójść nie tak, o co fajnie zadbać, żeby mężczyzna, który jest tak zestresowany samym momentem zaręczyn, nie musiał sam się troszczyć o te aspekty, tylko mógł sobie jako taką ściągawkę potraktować ten nasz materiał i „ok, o dobrze, że zwrócił na to uwagę, o wow, to nie pomyślałbym o tym, a jednak to jest istotne”. Staramy się tworzyć content, który w sedno trafia, jeżeli chodzi właśnie o zmartwienia i potrzeby naszych klientów, żeby jako przyjaciel ich miłości pomóc im w organizacji najpiękniejszych zaręczyn. Później już oczywiście cała sfera taka poradnikowa odnośnie specjalistycznych aspektów związanych z wyborem biżuterii, czyli diamentów, innych kamieni kolorowych, szlachetnych, złota. Na naszym blogu mamy setki artykułów, które służą poradą. Również w naszych social mediach nagrywamy takie poradnikowe, w przystępnej formie dla naszych klientów materiały, aby ich językiem pokazywać im, na co warto zwrócić uwagę. Staramy się adresować klientów, którzy chcielibyśmy, aby w przyszłości wybrali naszą markę na zaręczyny, a jeżeli chodzi o to, co dzieje się później, to jak słowo „przyjaciel” nas zobowiązuje, chcielibyśmy w tej relacji towarzyszyć już klientowi przez wiele, wiele kolejnych lat. Bo zaręczyny są takim oczywistym aspektem, kiedy on wybiera naszą markę i niektórzy mówią, że jesteśmy takim biznesem, gdzie jest tak naprawdę jednorazowy zakup, bo zazwyczaj zaręczyny są raz w życiu, czasami może trochę więcej, ale jest to jednak nadal mniejsza część grupy klientów.

No i zaczęliśmy się zastanawiać, co my jako marka możemy zrobić, żeby towarzyszyć klientowi przez kolejne lata tej relacji. Takim oczywistym kolejnym krokiem są obrączki ślubne, które też wprowadziliśmy do oferty, ale tutaj właśnie cenna wskazówka, żeby walczyć z przekonaniami, bo nam się wydawało, że jak klient kupił u nas pierścionek zaręczynowy i mamy w ofercie obrączki, to jest oczywiste, że jak on jest zadowolony, to po te obrączki wróci. Okazało się, również z rozmów z klientami, do których później często na Instagramie pisaliśmy, widząc, na przykład, że minęły dwa lata i widzieliśmy, że osoba, która ma nasz pierścionek ma obrączki z innego miejsca niż nasza marka. Czasami okazywało się, że na przykład narzeczona w ogóle nie wiedziała, że my mamy obrączki ślubne w ofercie. Czasami jak rozmawialiśmy z mężczyznami, okazywało się, że mężczyzna nie mówił kobiecie, z jakiej marki kupił pierścionek, bo to była niespodzianka i wiadomo, czasami tak nieelegancko dopytywać, skąd jest pierścionek zaręczynowy. Dowiedzieliśmy się mnóstwa takich dla nas kluczowych informacji, które skonfrontowały nasze myślenie o tym, że obrączka jest naturalnym, oczywistym kolejnym wyborem, z tym, że my tak naprawdę musimy zaprojektować tę ścieżkę, jeżeli chcemy, aby ten klient wrócił do nas po obrączki ślubne. Tutaj też zastanawialiśmy się, jak znowu jako Friend of Your Love, jaką wartość możemy dać klientowi, żeby zwiększyć na to szansę, żeby w ogóle narzeczona, która tak naprawdę jest odpowiedzialna za obrączki, bo mężczyzna kupuje pierścionek, ale jak są przygotowania do ślubu, to narzeczona już później przejmuje pałeczkę i mężczyzna najczęściej przychodzi tylko na przymiarkę obrączki. Stwierdziliśmy, że przecież my musimy jakoś teraz zrobić transfer z tego kontaktu, który mieliśmy z mężczyzną, który kupił pierścionek dla narzeczonej.

Stworzyliśmy taki projekt, który nazwaliśmy „Projekt Narzeczona”. Miał on na celu danie takiej wartości, żeby mężczyzna zechciał powiedzieć narzeczonej, gdzie kupił pierścionek i żeby ona też dowiedziała się, że oprócz pierścionków mamy również obrączki ślubne w ofercie. Do każdego zamówienia zaczęliśmy dodawać taką kopertę zatytułowaną „Dla Narzeczonej”, aby nie było wątpliwości, do kogo ten materiał powinien trafić i tam właśnie dawaliśmy dostęp (zresztą istnieje nasza platforma „Dla Narzeczonej”, CodeQuest) do strony postawionej jako część naszego sklepu, gdzie zbudowaliśmy wartość dla narzeczonej, która pozwala jej lepiej przygotować się do ślubu. Nagraliśmy materiały, na przykład, z wedding plannerką, mówiącą o tym, jakie triki w przygotowaniach zastosować, żeby uzyskać tę samą jakość, a jednak zoptymalizować budżet, mamy listy piosenek, takie secret od DJów, mamy wedding planner, który jest do pobrania. Mamy wiele materiałów, które są stworzone ze specjalistami z branży, które mają pomóc narzeczonej w lepszej organizacji ślubu. To był jeden aspekt. Drugim aspektem, który postanowiliśmy zrobić i to miało już stricte komunikować naszą misję, było stworzenie autorskiej gry dla par, którą dodajemy również do każdego zamówienia, gdzie mamy talię, z jednej strony są pytania takie luźniejsze na wspólny wieczór, z drugiej dużo bardziej poważne, które już służą takiemu prawdziwemu pogłębieniu relacji w związku. Chcieliśmy, żeby ta narzeczona też zobaczyła, kim jesteśmy jako marka. Że nie jesteśmy zwykłym jubilerem, który po prostu tworzy biżuterię, ale chcemy być tym przyjacielem ich relacji. Taką paczuszkę każda narzeczona dostaje od swojego mężczyzny po zaręczynach. To jest ten sznureczek, który my chcemy budować od mężczyzn do kobiety, aby to z nią później utrzymywać kontakt i zainspirować też do tego, aby u nas kupili obrączki ślubne. Ten projekt funkcjonował dwa lata. Okazało się jednak, że inspirowanie nie daje nam takich konkretnych narzędzi, żeby rzeczywiście pozostać z tym klientem w takim ścisłym kontakcie. Zastanawialiśmy się, co jeszcze możemy zrobić, aby być w tym skuteczniejsi. Program, który wprowadziliśmy w lipcu tego roku, ma na celu dodanie jeszcze jednego elementu do tej układanki, aby klienta zachęcić do zakupu obrączek ślubnych u nas, do przypomnienia mu, że mamy w ofercie obrączki ślubne. Jest to program cashback’owy. Od lipca, przy zakupie każdy klient dostaje od nas 5% cashbacku, który jest do wykorzystania na kolejne zakupy. Sam fakt tego, że klient ma u nas swoje środki do wykorzystania, chcieliśmy, aby był dodatkowym takim przypominającym elementem, że jest u nas rzeczywiście jeszcze ten kolejny element układanki w naszej ofercie, jakim są obrączki ślubne. Staraliśmy się zbudować ścieżkę od sprzedaży pierścionka do kolejnego kroku, jakim są obrączki.

Mariusz Michalczuk: Mega inspirujące. Zakładam, że Wasze działania są rozciągnięte w czasie powiedzmy, to nawet jest kilku, jeżeli nie kilkunastu lat. Od pierwszej randki do ślubu. Zaraz Cię podpytam co dalej, jakie są Wasze pomysły na to, natomiast chciałem Cię najpierw trochę podpytać, w kontekście danych, mega się tego słucha, ale grzechem dla mnie będzie nie zapytać o to, jak mierzycie. To jest taki bardzo rozbudowany lejek marketingowy, to znaczy jest bardzo dużo contentu inspiracyjnego, później są te elementy z grami czy z tym programem cashback’owym. Jak tam, mimo że wiem, że te dane jakościowe dla Was są super ważne, to w kontekście takich KPI-ów na poszczególnych etapach, jak to mierzycie? Oczywiście widzę i to super słychać w tej rozmowie, że turbo dla Was ważna jest Wasza misja i nie wszystko musi być w kontekście wypełniania tej misji stricte biznesowym KPI-em, ale jakbyś mogła trochę rzucić światło, właśnie jak na to patrzycie, bo co jest zmierzone, to może być zrobione, to znaczy może być poprawione i ulepszone. Jak patrzycie na tych poszczególnych etapach tego lejka marketingowego, właśnie na te dane może bardziej ilościowe już teraz niż jakościowe?

Mierzenie sukcesu: KPI i unikatowe mikrokonwersje Aurorii

Oliwia Simińska: Dotknąłeś sedna biznesu, jak najbardziej podzielę się tym, jak nasza misja i to, z czym działamy, jak chcemy zmieniać rynek jubilerski w Polsce, jak to sprowadza się już do konkretów. Pozwolę sobie jeszcze dodać jeden aspekt do tego LTV, bo to jest oczywiście coś, na czym nam zależy i te obrączki, o których wspomniałam, są takim naturalnym kolejnym krokiem, dzięki któremu zwiększamy LTV. Jeszcze szybko wspomnę, być może ktoś też znajdzie inspirację w swojej branży dla takich działań z naszej misji, czyli że chcemy być przyjacielem miłości, staraliśmy się zaoferować klientom wartość, która pozwoli nam z tym klientem właśnie zostać na dłużej zakupowo. Kilka lat temu wprowadziliśmy do naszej oferty taką pozycję, którą my wewnętrznie nazywaliśmy „wish ringi”, czyli pierścionki na poszczególne okazje. Bo jeżeli kobieta dostała pierścionek zaręczynowy, to później jest pierwsza rocznica, może jakiś awans, może narodziny dziecka. To było coś, czym chcieliśmy zaadresować mniejszy zakup biżuterii złotej z diamentami, który będzie bardziej dostępny cenowo, a pozwoli nam być bliżej klienta. Te wish ringi są delikatniejszymi obrączkami, którą też zresztą mam na sobie, które można dopasować do pierścionka zaręczynowego i który buduje taką historię, jeżeli chodzi o ten sposób biżuterii, czyli dokładamy pierścionek, który właśnie może być, tak jak wspomniałam, na jakąś rocznicę, później na przykład na narodziny dziecka. Tutaj na palcu towarzyszy nam taka historia naszej relacji, tego, co dzieje się w naszej relacji. Kolejnym krokiem było też wprowadzenie diamentów laboratoryjnych, które są tak naprawdę jeszcze nowością na rynku polskim. Są to diamenty, kamienie szlachetne, które są tworzone w warunkach laboratoryjnych, dzięki czemu koszty produkcji są znacząco niższe. W naturalnych procesach nie odbywa się produkcja, jest tworzenie przez miliony lat, a teraz potrafimy to odtworzyć właśnie w laboratorium. To też pozwoliło nam dotrzeć do naszych klientów z ofertą uzupełniającą, gdzie czasami nawet już teraz sama kobieta na awans kupuje sobie pierścionek z diamentem laboratoryjnym, który jest efektowny, przepiękny, równie trwały jak diament, a jednak dużo bardziej przystępny cenowo. Szukaliśmy opcji, jak możemy złoto i diamenty zaoferować w bardziej przystępnej cenowo wersji dla naszych klientów. Jeszcze usługa, która też jest tak naprawdę jedyna na polskim rynku, a która też wynikała ze słuchania klientów i mocno nam buduje LTV, jest to Lifetime Upgrade, który dajemy naszym klientom. Lifetime Upgrade jest usługą, która pozwala po zakupie w dowolnym czasie, po roku, po dziesięciu latach, przyjść do nas i wymienić diament w pierścionku na większy. Często osoby, które się zaręczają, są jeszcze w wieku studenckim, więc ten budżet jest mimo wszystko mocno skurczony, a po kilku latach mogą stwierdzić, że chcieliby razem z tym, jak ich miłość rośnie, powiększyć też diament i mamy wielu klientów, którzy przychodzą i właśnie dając do naszej pracowni swój oryginalny pierścionek zaręczynowy, gdzie tylko dopłacając różnicę w wielkości diamentu, my tworzymy po prostu pierścionek z nowym, wybranym, większym diamentem. To są te aspekty, gdzie staraliśmy się zaadresować temat LTV, który na pierwszy rzut oka wydaje się bardzo dużym wyzwaniem w naszej branży.

Wracając do tych twardych danych, bo rzeczywiście mówimy o misji, o tym, jak dbamy o relacje z klientami i to jest ten miękki aspekt naszego biznesu, który oczywiście ma przełożenie już na konkretne narzędzia, które stosujemy, ale żeby też dać taki obraz, jak to przekłada się na nasz biznes, to w porównaniu do zeszłego roku, gdzie mieliśmy przychody na poziomie około 10 milionów sprzedaży brutto, w tym roku planujemy zakończyć grudzień z wynikiem rocznym 25 milionów sprzedaży brutto. Widać, że to jest konkret, który rodzi się właśnie z tego kierunku, jaki jako marka obraliśmy. Jeżeli chodzi o sam lejek, to oczywiście na początku, gdzie mamy te miękkie tematy budowania relacji, tam mierzymy zasięgi i mocno stawiamy właśnie na budowanie brandu, na budowanie rozpoznawalności, mierzymy zaangażowanie w nasze treści, które publikujemy, ale później już przechodzimy do bardzo dużego konkretu. Na lejkach marketingowo-sprzedażowych, bo mamy bardzo dużą synergię z działem sprzedaży, staramy się, aby każde działanie marketingowe, takie reklamowe, które wypuszczamy, było zazębione wieloma elementami, które po drodze następują z już stricte konwersją. Wszystko, co robimy, zastanawiamy się, jak doprowadzić klienta do kolejnego punktu, który sprowadzi go niżej w lejka i tym samym doprowadzi z większym potencjałem do zakupu.

I tak właśnie te kolejne elementy, które zaprzęgamy po tej warstwie związanej z rozpoznawalnością z brandem, mamy wiele narzędzi, które mają dużo niższą barierę wejścia, a już klienta wprowadzają w nasz świat, w naszą ofertę. Takim narzędziem, które stworzyliśmy dla klientów, jest, na przykład, nasz wirtualny salon. Wirtualny salon to usługa spotkania z naszym doradcą online, które można odbyć z domu, ze spaceru z psem. Jeżeli nie chcemy, żeby przyszła narzeczona miała jakieś podejrzenia, co mężczyzna kombinuje. Na takim spotkaniu można zadać naszemu doradcy pytania, można poprosić o pokazanie biżuterii na dłoni. To jest coś, co jest naszą mini konwersją na drodze do zakupu. Staramy się bardzo mocno dbać, żeby jak najwięcej osób na tej ścieżce w lejku przeszło przez wirtualny salon, bo tam już mając taki fizyczny kontakt z klientem, jesteśmy w stanie dużo lepiej zadbać o jego doświadczenia. Innymi takimi narzędziami, które są naszymi mikrokonwersjami, są, na przykład, materiały, które mają ułatwić wybór klientowi. Coś, co stworzyliśmy w tym roku, to był katalog obrączek z nowymi wzorami na 2025 rok, gdzie jako jedyni w Polsce zrobiliśmy cały katalog tylko w oparciu o zdjęcia na dłoni. I też tak to komunikowaliśmy, ponieważ często trudno jest sobie wyobrazić, kiedy mamy wizualizację obrączki, jak ona będzie u mnie wyglądała, więc włożyliśmy dużo pracy, żeby dać klientowi wartość i jak kobieta ogląda katalog, to ona już sobie wyobraża, że tam jest jej dłoń i dużo łatwiej może ocenić, czy ten model jest dla niej interesujący. Na drodze w lejku definiujemy sobie takie mikrokonwersje, takie bardzo unikatowe dla naszej branży, bo oczywiście mamy też mikrokonwersje dotyczące tego, ile mamy przejść na stronę zachowania klientów, czy różne sekcje na stronie, buttony, przejście na landing page. Ważne jest dla nas tworzenie takich mikrokonwersji, które są specyficzne dla naszej marki, które są powiązane bezpośrednio z naszym USP i przybliżają klienta do zakupu. To jest pytanie, które zawsze sobie zadajemy, takie dwa weryfikatory, czy to jest Friend of Your Love, czy to, co dostarczamy, to, co mierzymy, czy to wspiera to, że chcemy być przyjaciółmi miłości, a drugie, nie pozwalamy, aby ten łańcuch był przerwany, czyli jak decydujemy się na jakąś reklamę, nawet zasięgową, to nie poprzestajemy na tym, że okej, będziemy budować brand. Zadajemy sobie pytanie, jak ten format wykorzystać do tego, żeby klienta przeprowadzić dalej i pilnujemy, żeby ten łańcuch w żadnym wypadku nie był przerwany, tylko zawsze tego klienta prowadził ścieżką do konwersji.

Mariusz Michalczuk: Super, mega przemyślane. Czyli od zasięgów przez mikrokonwersje i to nie takie typowe, tylko stworzone, żeby pomagać, żeby być tym przyjacielem, po konwersję główną, zakup, no i później taki nurturing bym to nazwał, do tego, żeby wracać mu przypominać. Trochę tak już zmierzając do końca, chciałbym zapytać o ten aspekt już po zakupie. Powiedzmy po tym pierwszym zakupie, gdzie minęło te powiedzmy 2-3 lata chodzenia ze sobą, bycia w partnerstwie. Nie wiem w sumie, jak to się dzisiaj mówi. Kiedyś się chodziło ze sobą, nie wiem, jak to dzisiaj jest. Później jest okres narzeczeństwa, ale powiedzmy, że jak wchodząc w okres narzeczeństwa, ten użytkownik, ten klient, ten mężczyzna, przynajmniej na początku mężczyzna, czy już nawet może potencjalna przyszła rodzina staje się Waszym klientem, to co później, bo opowiadasz o tym katalogu obrączek na rękach. Czy to jest katalog tworzony ze zdjęć Waszych klientów, jak to wygląda? Zakładam, że angażujecie jakoś później tych klientów do tego właśnie, czy chociażby te wishringi, czy Lifetime Upgrade, no do tego, żeby nie zapomnieli o Was, jak to później wygląda.

Innowacje offline: Sparkle Finder i salony przyjazne introwertykom

Oliwia Simińska: Tak, jak najbardziej. Jeżeli chodzi o towarzyszenie naszym klientom, to później po zaręczynach, które są tym momentem istotnym dla naszych klientów, najważniejszym, kulminacyjnym, staramy się być w kontakcie z naszymi parami. Wręcz są takie sytuacje, że zdarza się, że na Instagramie dostajemy o północy DM-a od naszego klienta, który mówi: „Dziękuję, najpiękniejsze zaręczyny w życiu. Wspaniale było z Wami przejść tę drogę wyboru pierścionka”. To jest dla nas największe docenienie i staramy się właśnie tak te relacje pielęgnować, żeby klienci czuli więź. W oparciu o to często dostajemy zdjęcia z zaręczyn, które my publikujemy na naszych social mediach, które są też docenieniem dla tych klientów, taką formą docenienia, ale też innym pokazuje, że my celebrujemy te relacje, celebrujemy tę radość. To się przekłada na to, że jeszcze więcej klientów przesyła nam zdjęcia, przez co część naszych social mediów jest właśnie taka bardzo relacyjna i oprócz tego aspektu sprzedażowego, aspektu oferty, cały czas pokazujemy, że jesteśmy przyjacielem relacji. To nas skłoniło do tego, że właśnie mamy sekcję na stronie, gdzie klienci mogą dodawać swoje love stories. Takie love stories klientów, teraz jak mamy już salony stacjonarne właśnie w Poznaniu, we Wrocławiu, w przyszłym roku również mamy zaplanowane otwarcia kolejnych salonów w kolejnych miastach Polski, w tych salonach drukujemy instaksy naszych klientów z danego miasta, które mają jeszcze bardziej im pokazać, jak bardzo zależy nam na nich, na ich relacji i jak bardzo my cieszymy się jako marka, że możemy być przyjacielem ich miłości. Jeszcze chciałam nawiązać do tego, o czym wspomniałeś wcześniej, do tego introwertyka. Jest jeszcze jeden obszar naszego biznesu, który dotyczy stricte salonów stacjonarnych, a który właśnie w punkt trafia w to, o czym powiedziałeś, czyli że wielu mężczyzn jest introwertykami.

Mariusz Michalczuk: Trzeba pewnie podejść i zapytać, prawda?

Oliwia Simińska: Dokładnie. To jest coś, co było dla nas takie bardzo otwierające oczy, jak rozmawiając z osobami o ich doświadczeniu sklepowym, jak przygotowywaliśmy się do otwarcia naszego pierwszego salonu stacjonarnego i słyszeliśmy regularnie pojawiające się historie o tym, że klient idąc do salonu, stając przed ladą, gdzie jest kilkaset kryształków, wszystko za szkłem, za kluczykiem, pokazuje palcem, który się podoba, pani przynosi, patrząc się na ręce, bo oczywiście złoto z diamentami, więc nie można spuścić z oka, jednak stwierdza, że mu się nie podoba, otrzymuje od pani kolejny pierścionek, który wskazał i mówi po raz kolejny „nie”. Jak tak pięć razy powie „nie”, to już czuje się tak niekomfortowo w tej sytuacji, że po prostu wychodzi. I mimo, że u tego jubilera byłby pierścionek, który zachwyciłby go, a później jego narzeczoną, to jednak niezręczność jest na tyle duża, że do zakupu nie dochodzi. My zastanawialiśmy się, jak zrobić, żeby introwertycy czuli się u nas jak ryby w wodzie. Pierwszym aspektem, o który zadbaliśmy, to było właśnie, taki sobie cel postawiliśmy, że u nas nie będzie żadnych szyb, nie będzie żadnych kluczyków, że będą pierścionki dostępne, aby klient bez kontaktu z doradcą, mógł sobie bez żadnego stresu dotykać, oglądać z każdej strony. Jako pierwszy jubiler stworzyliśmy otwarty stół z ekspozycją z replikami, które z nas ściągają oczywiście ten stres wartości produktów, które klient ogląda. Jemu dają jeden do jeden doświadczenie wyboru biżuterii i nie nakładają na niego presji, że musi odmawiać doradczyni, prosić o odkluczenie kolejnej gablotki.

Ale na tym nie poprzestaliśmy. Postanowiliśmy jeszcze pójść w kolejną integrację tego doświadczenia zakupowego dla klientów, dla mężczyzn i coś, co miało premierę w tym roku w naszym salonie, najpierw w Poznaniu, teraz we Wrocławiu, to jest urządzenie, które nazwaliśmy Sparkle Finder, czyli urządzenie hardware’owe, które pozwala klientowi już praktycznie bez żadnej interakcji z doradcą przejść przez proces wyboru, bardzo intuicyjny proces wyboru pierścionka dla swojej ukochanej i nawet dokończenia zamówienia na tym urządzeniu, gdzie już sama płatność następuje na telefonie, oczywiście dla bezpieczeństwa danych i płatności. To jest coś, co jest zupełną nowością i pierwszy feedback z rynku jest bardzo pozytywny, bo mamy klientów, którzy przychodzą i właśnie doradczynie z salonów mówią, że potrafią przez półtorej godziny wchodzić w interakcję z urządzeniem, bo po prostu jest to tak fascynujące, gdzie filtrują, podświetlają się pierścionki, które spełniają jego oczekiwania i to urządzenie jest na tyle intuicyjne i prowadzi klienta, że właśnie bez presji czasowej, bez presji tego doradcy, który stoi obok, mężczyzna może w taki sposób przez ten proces samodzielnie przejść.

Mariusz Michalczuk: Mega inspirujące. Powiem Ci, że jest to pierwsza rozmowa i przykład firmy, która z danych jakościowych, z rozmów z klientami tak mega dużo wartości wyciąga. Zakładam, że to nie jest tak, że bierzecie w ciemno te pomysły tylko testujecie, w sensie jest hipoteza, obserwacja, później jakieś dane ilościowe się pojawiają.

Oliwia Simińska: Najczęściej pojawia się w naszym biznesie hipoteza, test. Ten cykl jest obecny na każdym etapie u nas. Myślę, że coś, co warto mieć na uwadze, to że planując działania często jest tak, że robimy research i patrzymy, jak to najlepiej robi konkurencja w Polsce, być może nawet globalnie. A to jakie my podejście, jaką filozofię przyjęliśmy, to że zaczynamy z białą kartką. Inspiracje są kolejnym aspektem tworzenia. Pierwszym jest czysta kartka i zadanie sobie pytania, jak to zrobić najlepiej. Tam są czasami pomysły, które brzmią jak szalone, bo jak pierwszy raz pojawił się pomysł, żeby w salonie jubilerskim mieć urządzenie dla introwertyków, które da im wspaniałe doświadczenie zakupowe, ściągnie stres, ściągnie presję. To brzmiało jak science fiction, ale takie podejście z tą białą kartką doprowadziło nas do tego, że dzisiaj to urządzenie jest już dostępne dla naszych klientów.

Mariusz Michalczuk: Zakładam, że będzie wyznaczało też jakieś trendy i standardy pewnie w przyszłości. Bo z takich pomysłów czy z takich projektów najczęściej biorą się niesamowite idee. Mega, super Oliwia. Ja mam jeszcze jedno pytanie. Wasza misja i nazwy tych produktów są anglojęzyczne. Chyba jeszcze nie ma Was za granicą, ale pewnie ten kierunek, zwłaszcza przy takim tempie wzrostu, mówisz 10, w tym roku 25 milionów, to jest ponad dwukrotny wzrost, pewnie gdzieś tam się pojawia. Czy mogłabyś tutaj o Waszych planach może trochę opowiedzieć?

Plany na przyszłość: Auroria podbija Europę Środkowo-Wschodnią

Oliwia Simińska: Jak najbardziej. Mamy też skonkretyzowaną wizję, gdzie chcemy, aby Auroria znalazła się za kilka lat i chcemy być, tak jak w Polsce teraz dążymy do tego, aby być numerem jeden, top brandem, jeżeli chodzi o biżuterię zaręczynową i ślubną, to chcielibyśmy pójść w kierunku Europy środkowo-wschodniej i przez kolejne lata właśnie tam budować naszą pozycję jako przyjaciela miłości i lidera w biżuterii zaręczynowej i ślubnej.

Mariusz Michalczuk: Mega, jak słucham, ile w tym danych jest, ile jest opinii od klientów, jak to bierzecie do serca, jak to wpasowujecie w tę misję, to nie mam wątpliwości, że ta wizja będzie zrealizowana szybciej niż wolniej i w kontekście też wykorzystania danych i twojej obecności w tym podcaście rozmawialiśmy o pewnym elemencie zmierzenia tego, prawda? Czy mogłabyś tutaj naszym widzom opowiedzieć trochę o tej niespodziance, którą przygotowaliście?

Oliwia Simińska: Dokładnie, za każdym razem, jak planujemy działania i myślimy o tym lejku, to jest to pytanie, jak to zmierzyć? Zapytałam Mariusza, jak możemy zmierzyć, czy udział w podcaście ma przełożenie na być może przyszłych klientów naszej marki. Zaproponowałam, że dla wszystkich słuchaczy podcastu przygotujemy jako marka niespodziankę w postaci kodu zniżkowego na całą naszą ofertę ręcznie tworzonej właśnie w Poznaniu, w naszej manufakturze biżuterii złotej z diamentami i pierścionków zaręczynowych, obrączek ślubnych, ale też pierścionków na okazję. Na stronie, do której link damy w opisie, będzie czekała wyjątkowa zniżka dla słuchaczy.

Mariusz Michalczuk: Podwójna wartość. Dużo inspiracji, których widzę możliwość przeniesienia na każdy biznes. Największą inspiracją jest myślenie od potrzeby klienta, out of the box, nie patrzenia na konkurencję, tylko ta tabula rasa i wykreślenie pomysłów, co te potrzeby wypełni i jak możemy dojść po drodze, nie zapominając oczywiście o pomiarze tego wszystkiego. Także podwójna wartość. Oliwia, mega dziękuję za inspirującą rozmowę. Trzymam kciuki. Ja słyszałem bardzo dużo pasji w tym, jak to opowiadałaś. Mega się cieszę, że w tym jest bardzo dużo danych. Trzymam kciuki i jeszcze raz dzięki za obecność.

Oliwia Simińska: Dziękuję serdecznie. Do usłyszenia.

Mariusz Michalczuk: Cześć.

Podsumowanie: Główne wnioski z rozmowy

Rozmowa z Oliwią Simińską, dyrektor marketingu Aurorii, to fascynujący przykład tego, jak głębokie zrozumienie klienta i innowacyjne podejście do danych, szczególnie jakościowych, może zrewolucjonizować branżę. Auroria, redefiniując rynek jubilerski, oparła swój biznes na dogłębnej analizie potrzeb i bolączek swoich klientów, szczególnie mężczyzn poszukujących pierścionków zaręczynowych.

Kluczowe wnioski z rozmowy:

• Dane Jakościowe jako Fundament: Auroria zaczęła od danych jakościowych (ankiety, wywiady, badania UX), aby zrozumieć emocje, obawy i język komunikacji młodych klientów. To pozwoliło na zbudowanie USP „Friend of Your Love”, skupiającego się na odciążeniu klienta ze stresu związanego z wyborem biżuterii.
• Innowacyjne Rozwiązania na Każdą Frazę Lejka: Firma aktywnie towarzyszy klientowi od pierwszych myśli o randkach, przez planowanie zaręczyn (serie „Miejsca na tak”), aż po wybór pierścionka (konfigurator 3D, ankieta oparta na Machine Learningu do personalizacji).
• Długoterminowe LTV i Pielęgnowanie Relacji: Auroria nie poprzestaje na jednorazowym zakupie. Wdraża programy takie jak „Projekt Narzeczona”, „wish ringi”, diamenty laboratoryjne i „Lifetime Upgrade”, aby budować długotrwałe relacje i inspirować do kolejnych zakupów, znacznie zwiększając LTV klienta.
• Mierzalne Rezultaty i Ciągła Optymalizacja: Pomimo mocnego akcentu na misję i „miękkie” aspekty relacji, Auroria osiąga imponujące wyniki biznesowe (ponad dwukrotny wzrost przychodów). Mierzy zarówno zasięgi i zaangażowanie w content marketing, jak i unikatowe mikrokonwersje (wirtualny salon, katalogi na dłoni), dbając o to, by „łańcuch konwersji” nigdy nie był przerwany.
• Integracja Online i Offline: Marka skutecznie łączy doświadczenia cyfrowe z fizycznymi, otwierając salony w galeriach handlowych w odpowiedzi na feedback klientów. Innowacyjne rozwiązania offline, takie jak Sparkle Finder, to przykład myślenia „out of the box” w celu stworzenia komfortowego doświadczenia zakupowego, zwłaszcza dla introwertyków.

Rozmowa pokazuje, że nawet w tradycyjnej branży jubilerskiej, skupienie na empatii, głębokim poznaniu klienta i odważne wykorzystywanie danych (zarówno jakościowych, jak i ilościowych, wspartych Machine Learningiem) prowadzi do spektakularnego wzrostu i wyznaczania nowych standardów rynkowych.

The post Oliwia Simińska – Jak dane jakościowe pozwoliły urosnąć o 100% r/r – Date with Data Talks first appeared on Conversion.

Czego dowiesz się z tego wywiadu:
Marcin Grzelak: Wprowadzenie i ścieżka kariery
Rola analityki w Travelist: Trzy filary danych
Organizacja zespołu analiz i kultura data-driven
Dane w marketingu: Inspiracje i personalizacja
Ewolucja zachowań klientów w branży turystycznej
Big Data i narzędzia analityczne w Travelist
Automatyzacja i wykorzystanie AI: Przykłady z Travelist
Rekomendacje dla e-commerce: Skuteczne wdrażanie AI
Podsumowanie: Główne wnioski z rozmowy

Marcin Grzelak: Wprowadzenie i ścieżka kariery

Mariusz Michalczuk: Witam Cię w kolejnym odcinku z serii Date with Data Talks, czyli podcastu od praktyków danych do praktyków wykorzystania danych i vice versa. Dzisiaj moim i Twoim gościem jest Marcin Grzelak. Marcinie, dzięki wielkie, że zgodziłeś się przyjąć zaproszenie do naszej rozmowy. Czy mógłbyś na początku kilka słów o sobie powiedzieć.

Marcin Grzelak: Cześć, jestem Marcin. Pracuję jako analityk danych od 15 lat. Zaczynałem od pozycji stażowych w spółkach Skarbu Państwa. Później pracowałem też jako analityk m.in. w Polskich Liniach Lotniczych, w Totalizatorze Sportowym, w Allegro. Przeszedłem przez funkcje seniorskie, kierowałem również działami analitycznymi CRM w Carrefour Polska i obecnie jestem menadżerem do spraw analiz w Travelist.

Mariusz Michalczuk: Super. Ja jestem z serca analitykiem i zawsze jak ktoś opowiada o swojej ścieżce, jakie różne zestawy danych mógł dotykać, to zawsze takie poruszenie w moim sercu jest. I teraz jesteś w Travelist. Tych danych na pewno jest tam mega dużo. Powiedz mi, gdzie twoja rola w tej strukturze jest teraz obecnie w Travelist? Jak to wyglądało na przestrzeni czasu? Teraz bardzo dotykasz takich danych związanych z użytkownikami, z danymi online. I gdzie w strukturze jest twoja rola?

Rola analityki w Travelist: Trzy filary danych

Marcin Grzelak: Jako zespół analizy jesteśmy ulokowani w Departamencie Finansowym, czyli ktoś oceniał, to by powiedział, że przede wszystkim zajmujemy się finansami, czyli robimy rozliczenia, aby kasa na końcu się zgadzała w sensie rozliczeniowym. Natomiast to jest tylko takie ulokowanie w organie, bo w Travelist pełnimy w zasadzie centralną funkcję jako zespół analiz. Odpowiadamy za wszystkie analizy, które dotyczą Travelista, hoteli i klientów. My dostarczamy informacje do każdej komórki, do każdego hotelu, do każdego klienta.

Trochę ja mówię, że my jesteśmy takim sercem Travelista, które rozprowadza tlen, czyli te dane do całej organizacji. Bez nas tak naprawdę nie byłoby informacji dotyczącej tego, jakie są wyniki sprzedażowe. Bez nas by nie było informacji dotyczących jak działają dane hotele, jak wygląda ich performance. To od nas też wychodzą dość często inicjatywy analityczne w kontekście usprawnień, rekomendacji, tego, co możemy jeszcze zrobić, aby osiągać zamierzone wyniki, więc dostarczamy bardzo mocno przekrojowo wszystkie informacje w ramach całej organizacji.

My też w ramach samego Travelista działamy na takich, ja to nazywam takie trzy filary, bo działamy w przeszłości, w teraźniejszości i w przyszłości. W ramach tej przeszłości to mamy klasyczne raportowanie i analitykę. Czyli opowiadamy, co się wydarzyło, co się stało, dlaczego tak się stało, dlaczego mamy taki wynik, a nie inny. Staramy się działać na tej teraźniejszości, czyli też optymalizujemy ją, optymalizujemy ją poprzez testy A/B, segmentację i to, co możemy zrobić tu i teraz. No i jest ten trzeci filar dla mnie taki trochę najtrudniejszy, ale chyba dla wszystkich jest najtrudniejszy. To jest ten filar przewidywania przyszłości, czyli forecasting, modelowanie predykcyjne, estymowanie churnu. To są rzeczy, którymi się też zajmujemy. Jest to bardzo wyzwaniowe, bo branża travel jest mega wyzwaniowa. Wiemy wszyscy jak COVID wyłożył branżę travel.

Mariusz Michalczuk: Wszystkie tak naprawdę przewidywania, wszystkie forecasty wyłożył. Nie tylko w travelu.

Marcin Grzelak: To poszło do kosza, całe planowanie, bo to, co się wydarzyło z COVIDem i jak to pozamiatało całą branżę travel, było dość sporym wyzwaniem i utrzymaniem się też na powierzchni było sporym wyzwaniem, które Travelist zdecydowanie przetrwał i to zarówno od strony klienckiej, i współpracy z hotelami, i czysto w kontekście pracowniczym, gdzie przychodziły fale redukcji zwolnień, Travelist w pełni utrzymał się na powierzchni. Nie było żadnych redukcji etatów, więc tu na pewno w tym kontekście utrzymaliśmy się na powierzchni, chociaż nie było łatwo.

Organizacja zespołu analiz i kultura data-driven

Mariusz Michalczuk: Myślę, że wiele biznesów faktycznie w tym czasie cierpiało. Tak jak opowiadasz o tej przekrojowości, mega podobają mi się te trzy filary, bo w praktyce analityka w każdym z nich faktycznie dane się sprawdzają i w każdym mogą służyć. Zastanawiam się tak jak dużo jest działów, dla których świadczycie to wsparcie. Przychodzą mi dwa pytania do głowy. Pierwsze, czy jest tak, że jesteście takim centrum nazwijmy to inteligencji, sercem, czy jesteście podzieleni wewnętrznie jakoś kompetencjami, że jedne osoby bardziej analizują dane, znają się na danych z jednego obszaru, inne z drugiego? A drugie pytanie jest takie, czy te osoby bezpośrednio się komunikują z biznesem, czy w biznesie są takie katalizatory, takie osoby, które trochę tej analityki rozumieją, ale też rozumieją biznes, jak to wygląda. Czy bezpośrednio z biznesem wtedy rozmawiacie?

Marcin Grzelak: Pytałeś tutaj o kontekst taki organizacyjny, w jaki sposób my się dzielimy, też jest jakaś kompetencja. Kompetencje mamy tutaj bardzo przekrojowe, ale jednocześnie tak mocno holistycznie ulokowane u każdej osoby bardzo podobnie. Co to oznacza mniej więcej? Przychodząc do Travelista funkcjonowaliśmy trochę w takiej rzeczywistości, że byliśmy analitykami, którzy dostarczali dane. Dość często obserwowałem, że to jest trochę za mało, w sensie to co potrzebuje organizacja to takich kompleksowych rozwiązań analitycznych ulokowanych w ramach jednej osoby, czyli wiemy, że nie mamy źródła danych, które trzeba przetworzyć, trzeba zreorganizować, czyli potrzebujemy ten filar taki data inżynieryjny i bez tego tutaj absolutnie nie mamy opcji startowania. Oczywiście można się posiłkować jakimś third party, który nas pomoże w tym temacie, natomiast w ramach przetwarzania informacji z jakiegoś CRM-u i chcemy szybko to przetworzyć, po API, bo wskoczyła taka nowa potrzeba, to chcemy zrobić to jak najszybciej bez pomocy firmy zewnętrznej, więc mocno stawiamy na ten aspekt data inżynieryjny.

Oczywiście ten aspekt analityczny jest sercem, jest filarem, więc ta praca na bazach danych jest absolutnie niezbędna. No i też potrzebujemy tego aspektu ostatniego, czyli aspektu komunikacyjno-wizualnego. Aspekt komunikacyjno-wizualny jest tutaj bardzo ważny, bo z jednej strony potrzebujemy mieć te kompetencje miękkie, aby umieć rozmawiać z biznesem. Oczywiście wszyscy wiemy, jacy są analitycy, analityk, to wyobrażamy sobie tego człowieka, który gdzieś tam siedzi na back office, klepie te bazy danych, ale potrzebujemy też wyjścia na front, więc to też jest taka zmiana nastawienia, że musimy być osobami, które chcą rozmawiać i chcą rozumieć biznes. Do tego potrzebujemy po pierwsze tych kompetencji miękkich, które jeśli nie mamy, to trzeba sobie powoli wypracowywać, bo też taka jest przyszłość. Teraz wraz z rozwojem Gen AI nie możemy być już tacy czysto zamknięci, czysto technologiczni. Wygrywają ci humaniści, ci prawdziwi humaniści, tacy z definicji humaniści, czyli te osoby otwarte, wieloobszarowe, które są w stanie zaadaptować się do każdej sytuacji. Więc ten aspekt miękki na pewno jest bardzo ważny. No i potrzebujemy też kompetencji do komunikacji z biznesem, ale w kontekście wizualnym. Czyli musimy mieć kompetencje BI-owe, żeby dostarczać informacje za pomocą dashboardów, czy to Tableau, czy to Looker, czy jakieś inne rozwiązania, które pomagają zrozumieć liczby, pomagają zrozumieć otaczający nas świat i kontekst biznesowy.

I to są nasze oczekiwania od zespołu analiz, które mamy, natomiast też fantastyczne jest to, że pracujemy tak naprawdę z ludźmi, z menedżerami, którzy również rozumieją liczby i to jest super, bo ten kontekst data-driven, o którym się często mówi, “bądźmy data-driven”, wszyscy o tym mówią i fajnie, tylko finalnie ogranicza się do tego, że dział analiz i deweloperzy są data-driven, a biznes sobie czeka. Tutaj nie, to jest też o tyle fajny plus, że organizacja też bardzo mocno dojrzewała i dojrzewa cały czas i coraz bardziej nabywa te kompetencje cyfrowe, coraz bardziej nabywa te kompetencje analityczne, i też jest nam łatwiej się komunikować z ludźmi, którzy rozumieją liczby, którzy rozumieją, że jeśli coś zachodzi i jakieś liczby wpływają na to, to nie dociekają dlaczego to i jak, tylko sami też już rozumieją o co chodzi, sami zadają pytania, dość często nas wyprzedzając, więc to jest na pewno bardzo fajne.

Pytałeś też o aspekt rozdzielenia kompetencji, czy my obsługujemy wszystko, czy rozdzielamy się jakoś organizacyjnie. To też zależy bardzo mocno od tego, o jakich aspektach i o jakich fragmentach organizacji rozmawiamy. Starałem się to wydzielić bardzo prosto, bo dla mnie Travelist tak się podzielił trochę: tu jest marketing, wszystko to, co mamy osadzone w kontekście powiedzmy e-commerce’owym i mamy tą resztę dotyczącą hotelarstwa, klientów, rozliczeń, takich aspektów chociażby jak dostępność hotelowa, o którym to jest w innych e-commerce’ach o tym się nie mówi. Mówi się o stocku, o tym czy produkt jest dostępny. U nas musi być dostępność hotelowa, klient musi mieć co kupować, no mamy kilka takich obszarów, które sobie podzieliliśmy, i w ramach tych kompetencji i tych naszych doświadczeń, bo mamy kilka osób, które pracowało w marketingu, w e-commerce, one świetnie się odnajdują w tematach marketingowo-atrybucyjnych i CRM-owych i naprawdę tam dają radę. Mamy też, które pracowały wcześniej jako analitycy, czy BI-owcy i są dość mocno przekrojowi, jeśli chodzi o obszary analityczne, więc też świetnie się rozwijają np. w obszarach dotyczących finansów czy współpracy z hotelami.

Dane w marketingu: Inspiracje i personalizacja

Mariusz Michalczuk: Super. Właśnie ten pierwszy aspekt to takie chapeau bas, bo wiem jak trudno jest budować taki zespół. Bo dzisiaj analityk, zwłaszcza w świecie cyfrowym, to musi rozumieć analizę przede wszystkim, bo jest analitykiem. Technologie, bo ta technologia tworzy te dane, dostarcza tych danych, więc trzeba je rozumieć, to po pierwsze. A po drugie, jak stawia rekomendacje, to też stawia rekomendacje dotyczące technologii, więc ciężko jest rekomendować jakieś zmiany, jeżeli tej technologii się nie rozumie. I trzeci, wydaje mi się, że najtrudniejszy do znalezienia, wykształcenia, bo sami tak jak powiedzieliśmy, my analitycy raczej jesteśmy introwertykami, którzy najchętniej by się zamknęli z tymi tabelkami. Właśnie ten aspekt komunikacyjny, biznesowy. Tak jak opowiadasz, to to, że managerowie i osoby, do których trafiają te dane, mega świadczy o dojrzałości organizacji, bo ja nieraz widziałem takie sytuacje, gdzie był super zespół analityczny, ale przez takie “dajcie mi te raporty” i już dalej się nic z tym nie dzieje, bo każdy lubi widzieć jaki ma wpływ na rozwój i tego nad czym pracuje, a jeżeli biznes nie bierze tych rekomendacji od działu analiz, to wyobrażam sobie, że drugi, trzeci raz i ten dział analiz traci po prostu motywację do tego, jeżeli tam z tego nikt dalej nie wynika. OK. Tak jak powiedziałaś jest marketing, czy tam e-commerce i reszta organizacji. Chciałbym się bardziej skupić na tej części marketingowej, bo ja też nie ukrywam, więcej mam doświadczenia w tym temacie. I tak jak znam Travellist, to można powiedzieć, że Travellist ma taką część inspiracyjną i ma tę część e-commerce’ową. Jak Wy pomagacie, danymi analizami, może jakieś przykłady analiz, może jakieś zależności, jak balansować nad rozwojem tych dwóch części? Bo wiadomo, inspiracje ściągają na wczesnym etapie zainteresowanych, a te części e-commerce’owe, oczywiście muszą mieć efektywność i jakie, może biznes, jakie Was prosi analizy, czy co robicie w tym kontekście, żeby rzeczywiście ten balans W długim okresie oczywiście, bo w krótkim to każdy chciałby sprzedawać. Nie ma dwóch zdań.

Marcin Grzelak: Tak, to prawda. My działamy na takich dwóch filarach rzeczywiście. Jeden to ten rezerwacyjny, który oczywiście jest ze względów finansowych takim corem naszej działalności i na to przede wszystkim stawiamy, ale również mamy tę część taką inspiracyjną w postaci naszego magazynu, który powstał wiele lat temu i teraz jest bardzo mocnym źródłem inspiracji i sprawdzania tego, jakie są trendy u naszych konsumentów, bo poprzez artykuły, które tam się pojawiają i poprzez informacje, które widzimy, że klientów interesują lub nie, wiemy tak naprawdę, co może być chwytliwe w najbliższym czasie.

Oczywiście mamy takie podstawowe założenia, które nam pomagają wykorzystywać te informacje z magazynu i przekładając je później na działania powiedzmy takie w zakresie CRM-owym czy Marketing Automation do naszego serwisu Travel. Jako przykład taki bardzo banalny, ale to się świetnie sprawdza, tak? Mamy artykuł dotyczący najpiękniejszych zamków w Polsce. No i widzimy, że to jest ciekawy artykuł dla klientów, to się klika, klienci świetnie sobie oglądają te zamki, szczególnie przed walentynkami i tego typu najbliższymi okazjami, to są wtedy rzeczywiście bardzo potrzebne artykuły, czy najbardziej romantyczne hotele w Polsce, ale to też świetnie, bo już mamy pierwszy kontakt z klientem. My już mamy tego klienta złapanego. Wiemy, co to jest za klient. Mamy jego sygnaturę cyfrową i tak dalej. Wiemy, że to jest pan Iksiński, który albo jest nowy, albo już z nami był. No i wiemy, że jego już te hotele te romantyczne interesują. On już w styczniu wchodzi i szuka tych romantycznych hoteli. No to wiemy, że już jego strona główna, jego front, tego co zobaczysz na Traveliście, bo newslettery już powinny wyglądać absolutnie inaczej. W sensie to jest klient, który w tym momencie on na pierwszej stronie, to ja mu nie podsunę tego, co jest najbardziej popularne, bo się sprzedaje nam w segmencie 2 plus 2 i wiemy, że hotel rodzinny nad morzem to u nas super żre, ale dla Pana Ikisińskiego to w tym momencie podsuniemy to wszystko to, co ma fajne spa, fajne widoki i fajne atrakcje dla par. To jest na pewno pierwszy aspekt w kontekście budowania strony głównej.

Drugi aspekt, który mamy, to ten newsletterowy, który wspomniałem. My bardzo mocno też cały czas stoimy na komunikacji newsletterowej, która jest też sporym motorem napędowym dla naszego biznesu, ale to też pozwala bardzo mocno zoptymalizować i podbić konwersje konkretnych newsletterów. Tam nie robi się masówki, tylko już mamy informację co klienta interesuje w danym czasie. Czyli wiemy, że ten pan Iksiński to jemu zdecydowanie puścimy informację i będziemy go starali przekonwertować na ten wyjazd z małżonką na romantyczny wypad. To są takie rzeczy bardzo proste, bo pokazują nam, mamy pierwszy touch point z klientem, wiemy co chce i wiemy jak go przekonwertować. To jest chyba typowe dla większości e-commerce’ów, ale my tutaj mamy ten po pierwsze, aspekt inspiracyjny, więc klient coś dostaje, a z tego dostajemy to, co jest najcenniejsze obecnie na świecie, czyli wiedzę i dane. To na pewno jest ważne.

Druga rzecz, która też jest ważna według mnie w kontekście magazynu, to też śledzenie takich ostatnich trendów, bo też dość często produkujemy artykuły, które są opiniotwórcze, informują klientów, co się dzieje w najbliższym czasie. Przykładem jest bon turystyczny warmińsko-mazurski. To są rzeczy, które zazwyczaj dowiemy się z portali, z Onetu, czy z WP, czasem może na PP, że ktoś rzuci informację, że pojawia się bon turystyczny, natomiast wrzucając to u nas na stronę, widzimy mega zainteresowanie, bo poczytność takiego artykułu jest 5-6-krotnie większa. My dzięki temu wiemy, że jest gro klientów, którzy zdecydowanie wykorzystają ten bon, jeśli on się pojawi. No i teraz pojawia się dla nas punkt zapalny, bo wiemy, że mamy grupę klientów, która jest mega zainteresowana takim bonem turystycznym, więc otwiera nam się cała paleta możliwości, co my możemy dalej z tym zrobić w kontekście przekonwertowania, żeby ten klient wykorzystał ten bon turystyczny konkretnie u nas. Tak jak kiedyś był bon turystyczny po czasach covidowych, który był odpalany, on tam miał wspomagać polską turystykę, polskie hotelarstwo. To dla nas był taki punkt zapalny, który nam pozwolił przyciągnąć tych klientów do Travelista, bo stawiliśmy wtedy taką komunikację, że “przyjdź wykorzystać ten bon turystyczny, u nas dostaniesz ekstra. Dodamy ci jeszcze ekstra zniżki do twojego wyjazdu.” To są akcje, które bardzo mocno nas ratowały. W tym momencie teraz też nam dają bardzo dużo dodatkowo inkrementalnej kasy. Bo wiemy, że klienci są zainteresowani, to są ci klienci, którzy chcą u nas wykorzystać ten bon, i z tego budujemy sobie dodatkowe zyski.

Mariusz Michalczuk: Super. Czyli te dane, tak bym to podsumował w sumie, możesz mnie poprawić jeżeli źle zrozumiałem, ale wydaje mi się, że bardzo dobrze. Ta część inspiracyjna, ona pokazuje rzeczywiście czym ci użytkownicy są zainteresowani i później jak wchodzą na tą część, sprzedażową czy e-commerce’ową, to w ramach mechanizmów personalizacyjnych to wy już im nie podsyłacie najpopularniejszych czy top wybieranych, tylko na bazie tego co oglądali w tej części kontentowej dostają od razu, tak naprawdę skracacie im trochę proces wyszukiwania, tak jak z tego co ja rozumiem, tego po co przychodzą, czyli chyba można powiedzieć po wypoczynek, po prostu.

Marcin Grzelak: Przychodzą po wypoczynek, przychodzą po doświadczenia wakacyjne, bo ten wypoczynek to też bardzo często można uzyskać w wielu różnych miejscach, natomiast klienci też szukają czegoś sprawdzonego, czegoś co reprezentuje taki komfortowy wypoczynek, na który im bardzo mocno zależy. To jest też bardzo dobra ścieżka optymalizacji konwersji. Wrzucając ten artykuł, wrzucając te informacje dotyczące tych romantycznych hoteli, będę do nich wracał na przykład, osadzając w samym artykule odnośniki do tych hoteli, które kierują bezpośrednio na Travelist, to znów skracamy ścieżkę konwersji, bo automatycznie klient nie przechodzi nam przez stronę główną, nie przechodzi z wyszukiwania, tylko automatycznie go od razu kierujemy, nawigujemy do konkretnego hotelu, gdzie już czeka na niego tak naprawdę hotel sprawdzony z dobrą dostępnością, z dobrą ceną. Dla nas to jest też zdecydowanie zoptymalizowanie tego, co dajemy klientowi, bo wiemy też, że klient wchodząc na stronę, ma ograniczony czas i ma ograniczoną cierpliwość. Sprawdzi maksymalnie kilka ofert, jeśli przez te kilka ofert go nie przekonamy, to już raczej wyjdzie ze strony i będziemy go łapać gdzieś później i próbować odzyskiwać. Tutaj, jeśli już podsuniemy klientowi wprost to, co on potrzebuje, czyli zbudujemy bardzo prosty system rekomendacyjny, to już mamy tak naprawdę tą wędkę zarzuconą. Z wędką zarzuconą jest o wiele łatwiej nam złapać tego klienta.

Mariusz Michalczuk: Dokładnie tak. Tak sobie myślę, bo mówiłeś o tej części, nazwijmy to, back-office’owej Waszego działu, w której analizujecie inne dane, to w kontekście nawet Waszych partnerów, hotelarzy, którzy są u Was na platformie, zakładam, że to jest po prostu taki mecz, prawda, bo jak dbacie o te dane od hotelarzy i wiecie, który ma jakieś romantyczne elementy i wiecie tutaj o użytkowniku, który takich elementów poszukuje, to i zakładam, że Wasi partnerzy, czyli od tej drugiej strony, bo robicie przysługę użytkownikowi, ale z drugiej strony hotelarz też dostaje tych, którzy, którym jest w stanie zapewnić, czy wypełnić te potrzeby, które poszukuje.

Marcin Grzelak: Tak, zdecydowanie, hotelarze są bardzo zadowoleni ze współpracy, bo to też nie jest tak, że my na każdą ofertę nanosimy tych samych klientów. Robimy karuzelę klientom i hotelarzom i przenosimy każdego klienta przez X ofert. Mamy o tyle spersonalizowane i sprawdzone te grupy konkretnie wysegmentowanych klientów, że puszczamy z dużym prawdopodobieństwem rezerwacji w danym segmencie hotelowym, czyli jeśli wiemy, że tych romantycznych, puścimy trzy pierwsze oferty, które są romantyczne i wiemy, że to się sprawdzi, to dokonają rezerwacji, ale też nie puszczamy tam klientów, którzy są obarczeni mniejszym prawdopodobieństwem rezerwacji, bo po prostu są z innego segmentu, wiemy jakich doświadczenia są, znamy ich historię rezerwacyjną, więc hotelarze też dając swoją ofertę wiedzą, że docieramy do odpowiedniej grupy klientów.

Ewolucja zachowań klientów w branży turystycznej

Mariusz Michalczuk: Super. Tak mi przyszło do głowy teraz pytanie, bo też mam zapisane, że na 15. Forum Promocji Turystycznej mówiłeś o tych big data i analizach w branży turystycznej, czyli jak działasz w tej branży, analizujecie te dane, czy może jakieś takie ciekawe rzeczy w kontekście tego jak kupujemy te wycieczki, co się zmieniło, może wydłużył, skrócił się okres wyboru, przesunął się bliżej last minute, czy bardziej na first minute, czy jakieś takie ciekawostki, może mniej związane z online’em, ale bardziej takie, społeczne?

Marcin Grzelak: Społeczne się dużo zmieniło. Dużo się zmieniło od czasów covida i wojny. Zaczęliśmy żyć trochę w czasach takiej niepewności społecznej, niepewności też pracowniczej, bo dość często wiele osób też zaczęło się obawiać o to, czy sytuacja, która jest, nie wpłynie na to, czy będę miał jeszcze pracę. Bądźmy szczerzy, wyjazdy, wypoczynek to gdzieś w skali potrzeb statystycznego człowieka, nie jest fundamentem. Więc operujemy na tym, że musimy sprzedać klientowi wypoczynek, czyli coś, co jest gdzieś dalej w jego piramidzie potrzeb. To też zmieniło cały układ gry, bo kiedyś klienci jak planowali wakacje, to sobie siadali już po feriach zimowych, już planowali wakacje, już rezerwowali. Teraz to Booking Window, czyli ten okres od rezerwacji do dnia wyjazdu, skrócił się o te dwadzieścia parę procent. To pokazuje też, że klienci nie są skłonni aż tak mocno planować tych wyjazdów pół roku wcześniej. Bardzo dużo wyjazdów zaczyna nam się uaktywniać. Połowa wyjazdów w ciągu 14-18 dni.

Mariusz Michalczuk: Od samego wyjazdu wtedy?

Marcin Grzelak: Od samego wyjazdu, czyli wiemy, że dzisiaj połowa rezerwacji, która mi wpadnie jest na 14-18 dni w przód. To pokazuje, że bardzo mocno musimy bazować na wyprzedaży najbliższych miesięcy, że bardzo mocno musimy zadbać też o tę dostępność obiektów, bo wiemy, że dostępność obiektowa musi być trzymana do ostatniego momentu. Klienci zdecydowanie stawiają na to last minute i to jest dla nich, po pierwsze wynika to też z cen, bo mamy doświadczenia takie, że wiemy, że trzymając się do ostatniego momentu można złapać coś cenowo fajnego. Po drugie, nie wiemy co nas czeka. Nie wiemy czy nam dzieci zachorują, nie wiemy czy sami będziemy się dobrze czuli. Nie wszystkie hotele też oferują opcję zwrotu w przypadku anulacji. Więc to też często potrafi być blokerem dla wielu klientów. Jeśli na przykład tak jak w Traveliście na większości ofert mamy opcję bezpłatnej zmiany terminu oferty, to też jest nam łatwiej skonwertować tych klientów, bo wiemy, że w momencie niepewności klient jednak skorzysta z naszej oferty.

Mariusz Michalczuk: No dokładnie, bo w razie czego, w razie “w”, jak to się mówi, to nie traci tych pieniędzy. Ja powiem szczerze, że teraz też wolę dopłacić za możliwość właśnie zmiany terminu albo często, mam dzieci, po prostu dzieci chorują, nie wiadomo co tam nas czeka i też często się decyduje też na takie ubezpieczenie, prawda, że w razie właśnie choroby jestem w stanie odzyskać dużą część kosztu, bo wiadomo, że niby tam cały się odzyskuje, ale trzeba go pomniejszyć, o to ubezpieczenie, które się wykupiło.

Marcin Grzelak: Tak, szczególnie jak kupujemy zagraniczne wakacje, które kosztują nas te grube kilka tysięcy złotych, to ten koszt odzyskania w skali całego wyjazdu jest naprawdę znikomy. Czasem warto nawet postawić na te opcje, które gwarantują bezpłatną zmianę terminu, o ile jest dostępny. My dość często w Traveliście mamy, że jeśli po prostu termin jest dostępny, to jak najbardziej możemy zmienić ten termin rezerwacji, nie tracąc przy tym kasy i jadąc do tego hotelu, na który polowaliśmy. Więc myślę, że to jest taka sytuacja win-win dla klientów, na którym zdecydowanie te preferencje się mocno pozmieniały. Też w kontekście nawet takich zachowań klientów, też się dużo zmieniło jeśli chodzi o planowanie i tego w jaki sposób będą spędzać czas. Kiedyś hotel służył trochę jako taka baza wypadowa. Rezerwowało się hotel, bo wiedzieliśmy, że będziemy z hotelu wyjeżdżać na wycieczki rowerowe, pojedziemy z dziećmi gdzieś, pójdziemy na spacer. Teraz coraz więcej skupia się na tym, żeby jak najwięcej tej rozrywki było w samym hotelu, na miejscu. Klienci bardzo mocno skupiają się na tych wszystkich facilities, które są dostępne w ramach obiektu, czy to spa, czy atrakcje dla dzieci, czy animacje dla dzieci. My też patrząc po wyszukiwaniach kiedyś, a wyszukiwaniach teraz, co klienci preferują, to zmienia się to bardzo mocno. Kiedyś podstawowe kryterium to było to, żeby było blisko centrum miasta, albo było dobre połączenie komunikacyjne, od tego typu rzeczy z trochę innej strony wagi. Teraz, wiem, że tu jest bardzo ważne SPA, jest ważne to, żeby była atrakcja dla dzieci, żeby ktoś się najlepiej w ogóle tymi dziećmi zajął, a ja żebym miał cały dzień wolny. To jest rewelacja, jak takie coś hotel ma, to już bankowo idzie w bardzo dobrym kierunku. Chcemy być wygodni, chcemy być elastyczni i chcemy być dobrze obsłużeni, chcemy mieć ten komfort wypoczynku. Poszukujemy komfortowego wypoczynku i to jest tak mocno przekrojowe, ale sprowadza się wszystko do jednego, że chcemy, żeby ktoś za nas zaopiekował się całym tematem wyjazdowym.

Big Data i narzędzia analityczne w Travelist

Mariusz Michalczuk: Super. Ta ilość danych, tak mówiłeś na tym forum o Big Data, to ta ilość tak naprawdę rośnie nie tylko wertykalnie, ale horyzontalnie, bo z tego co słyszę, nagle każdy hotel, musi mieć zmienną pod tytułem atrakcję dla dzieci, spa i tak dalej, bo skoro użytkownicy tego poszukują, to serwis i technologia, dane przede wszystkim muszą wystawić użytkownikowi możliwość filtrowania po tych rzeczach, czyli z jednej strony ilość, bo jest coraz więcej ruchu, coraz więcej internautów, coraz więcej sprzedaży się przenosi do tego e-commerce’u. Zresztą młode pokolenia wchodzą na rynek, które tak naprawdę nie pamiętają czasów, kiedy trzeba było iść do biura turystycznego i tam tą wycieczkę się zamawiało. I tak myślę sobie o tym big data, który rośnie nie tylko wertykalnie, ale też horyzontalnie. Jakbyś to trochę mógł naświetlić, jakich narzędzi do tego wykorzystujecie, do ogarniania tego wolumenu tych danych.

Marcin Grzelak: Tak, wolumen jak sam wspomniałeś jest przekrojowy i tylko rośnie. To jest dość mocno wyzwaniowe, bo zawsze się mówi o tym takim data governance, data quality, które powinno być utrzymywane i powinno być w ramach każdej organizacji. No większym wyzwaniem jest to, jeśli czasem tego nie ma, a dane tylko rosną. To też się czasami zdarza w niektórych organizacjach. W Travelist, oczywiście wiemy jakie standardowo są dane w usługach turystycznych, więc wiemy, że są informacje dotyczące usług rezerwacyjnych, dotyczące fidu produktowego, czyli hoteli, dotyczące bazy klientów. Tylko to jest takie bardzo hermetyczne. Teraz obecnie jesteśmy w sytuacji, w której mamy jeszcze TRM-y, mamy informacje dotyczące klientów pochodzących z serwisów zewnętrznych, mamy informacje pochodzące z magazynu, mamy rzeczy dotyczące TRM-u, ale hotelowego, czyli obsługi hotelarzy. No jest kilkanaście różnych systemów, kilkanaście różnych flow data, które trzeba teraz zsynchronizować i posiadać w jednym miejscu. Jeszcze to sprytnie później wykorzystać i utworzyć na inicjatywy biznesowe. No bardzo fajny challenge. Na pewno zawsze brzmi wyzwaniowo. Jak to orkiestrujemy? Orkiestrujemy to za pomocą Airflow. Airflow służy jako orkiestrator danych pochodzący z wielu systemów, jest o tyle dla nas elastyczny, z racji tego, że my wszyscy w zespole analiz operujemy na stacku Pythonowym, a więc w kontekście przetwarzania tych danych jak najbardziej jesteśmy w stanie integrować się z systemami, komunikując się z nimi, najczęściej po API, wyciągając konkretne informacje, agregując je i przetwarzając do naszego systemu, czyli do Snowflake’a. W Snowflake’u posiadamy tak naprawdę wszystkie już dane, które segregujemy, przetwarzamy. Przechodziliśmy też dość długą drogę, bo byliśmy kiedyś na Postgresie. Ale oczywiście z racji tego, że ten Postgres jest już trochę archaiczny i też nie na te wolumeny danych, którymi obracamy i na czasy przetwarzania, i na niezawodność, jest wiele aspektów, z których tych cech, systemów, które mógłbym wymieniać teraz, ale wszystko się sprowadza do bycia w odpowiednim miejscu i odpowiednim czasie, i Snowflake był tutaj taką najlepszą odpowiedzią. No też Snowflake był dobry, bo mieliśmy doświadczenia z grupy, do której należymy, gdzie wiedzieliśmy, że mamy też wsparcie kolegów, którzy nam pomogą w temacie organizacji, w temacie data architecture ewentualnym i organizowania tego na Snowflake, więc to na pewno pozwoliło nam dość płynnie wejść i płynnie przejść z Postgresa do Snowflake’a. Dzięki temu mam integrację wszystkich tych systemów, które wspomniałem, bo bez tego bylibyśmy… to pewnie też by się dało zrobić na Postgresie, tylko ja podejrzewam, że nie spełniłoby to do końca i moich oczekiwań jako kierownika zespołu analiz i myślę, że biznes też byłby po pewnym czasie też trochę znużony tym, że danych nie ma, dane są za wolno. Trzeba w XXI wieku działać zdecydowanie bardziej smart i bardziej chmurowo.

Automatyzacja i wykorzystanie AI: Przykłady z Travelist

Mariusz Michalczuk: Tak myślę sobie, przynajmniej z mojej perspektywy jest tak, że w tych działach analiz, tak jak ja to obserwuję i widzę nawet w projektach, które realizujemy, że tam gdzie jest najwięcej wartości w tej analizie, czyli właśnie stawianiu wniosków, hipotez i dawaniu rekomendacji biznesowi, to w związku z tym, że tych danych jest tyle, to zanim się je ogarnie, to większość czasu właśnie się spędza na ogarnianiu tych danych. Jak macie taki stack analityczny, to założę się, że macie jakieś automatyzacje takie, które, raportowanie to pewnie na bank, jakbyś mógł też trochę o tym opowiedzieć, ale pewnie jakieś inne automatyzacje, które takie powtarzalne rzeczy, nawet i w kontekście AI są w stanie Wam ten czas ludzki oszczędzić, żeby tam gdzie prawdziwa inteligencja, nie sztuczna, tylko prawdziwa inteligencja może wejść do gry, czytaj właśnie w stawianiu wniosków, rekomendacji, pomocy i komunikacji z biznesem, to może trochę rzucić światło właśnie jak to automatyzujecie, tak, żeby ta wartość była, ale niekoniecznie takim białkowym mechanizmem. Może jakieś kilka przykładów.

Marcin Grzelak: Ten białkowy mechanizm zawsze musi być, a ja będę zawsze tego mechanizmu bronił, bo dość często bez tego białka to by dalej nie było cyfryzacji. To na pewno zawsze warto tego człowieka umieścić w procesie. W kontekście automatyzacji dzieje się u nas bardzo dużo, bo to, co wspominałem wcześniej, mamy orkiestrację za pomocą Airflow, więc pipeline’y dotyczące przetwarzania danych u nas istnieją, ale to jest takim standardem rynkowym, o którym nie będę przynudzał, bo wiemy, że on istnieje. Natomiast mogę pokazać takie dwa przykłady projektów, które też działają na zasadzie tych pipeline’ów, ale dają konkretne wymierne korzyści.

Jednym z takich przykładów jest nasza maszynka do sprawdzania poprawności biznesowej ofert. Jako przykład mogę podać to, że w kontekście biznesowym zakładając ofertę można tworzyć ją na wielorakich różnych poziomach w kontekście cenowym, czyli możemy zakładać ofertę na dany dzień z taką i taką ceną, dokładając do tego jakiś dodatek, cena się zmniejsza, dokładając dostawki, cena powinna być odpowiednio większa, natomiast za to wszystko odpowiada człowiek. Czyli człowiek wpisuje te informacje, wpisuje w system, dodaje te informacje, i to później ląduje na produkcji, klienci kupują to. Dość często zdarza się sytuacja, w której na froncie nie widzimy teoretycznie błędu, bo widzimy prawidłową cenę, ale problemy zaczynają się pojawiać przy tych wszystkich skomplikowanych rzeczach, czyli przychodzi klient, kupuje rezerwację 2 plus 2. Ona powinna być teoretycznie sprzedana z dostawkami, które powinno odpowiednio kosztować. Wydarza się sytuacja, że my sprzedajemy to po prostu za zero dla klienta. Ładuje w błąd. Pytanie, kto powinien za to zapłacić, to przede wszystkim my. No bo hotelarz chce dostać swoje, klient chce dostać swoje, my stoimy po środku i mówimy, sorry, nie udało nam się. Odwołujemy, dziękuję, do widzenia. Nie, musimy coś zrobić. No i takich tematów przekrojowo w ciągu roku potrafi być bardzo dużo. A to co ja podałem to jest taki ultra ortodoksyjny przypadek, który potrafi generować kilkanaście tysięcy złotych błędu. No ale mamy też jakieś pomniejsze, które zawsze generują po te kilka tysięcy złotych, finalnie organizacja może stracić kilkaset tysięcy złotych w skali roku, dajmy na to.

Mariusz Michalczuk: No tak, bo grosik do grosika, tutaj pokoje, tutaj posiłek, tutaj coś tam i nagle się okazuje…

Marcin Grzelak: No i tu ten czynnik białkowy zawodzi, którego broniłem, ale ten czynnik białkowy trzeba trochę poratować, więc w ramach tego, co stworzyliśmy jako zespół analiz, to zebraliśmy historię wszystkich tych błędów, które się wydarzyły. Sprawdziliśmy, jakie to były błędy, z czego wynikały w konstrukcji ceny, dlaczego one w ogóle się wydarzyły, i na początku pozakładaliśmy reguły takie czysto biznesowe do monitorowania tego w Pythonie, czyli łączymy się z Pythonem, z naszą bazą danych, która odpowiada za konstrukcję oferty i na podstawie już założonej oferty sprawdzamy reguły biznesowe, które tam istnieją. Te maszynki Pythonowe mają sobie każdą ofertę pod kątem każdej reguły, także tam jest kombinacja na kilka naszych milionów różnych weryfikacji, które się dzieją w tle. I jeśli się wydarzy taka sytuacja, to orkiestrator Airflow automatycznie skryptem pythonowym wysyła informacje do działu, który zajmuje się przetwarzaniem tych ofert, wysyła informację “słuchajcie, tu i tu jest błąd, który może nas kosztować… X tysięcy złotych oraz weryfikację zablokowaniem oferty zmiany tematu”. System działa już rok, przyniósł 80% oszczędności wobec tego, co generowały nam wcześniej błędy, także w kontekście redukcji kosztów. Bardzo podstawową technologią, bo cały czas mówimy o wykorzystaniu technologii Pythonowych, nie mówimy w tym momencie o wykorzystaniu generatywnej sztucznej inteligencji, czyli wszystko to, z czym dotychczas sobie powinniśmy radzić. Wdrożyliśmy to, mamy 80% oszczędności.

Mariusz Michalczuk: Super, a możesz się podzielić kwotą, bo sobie wyobrażam, że logi są, w sensie ten zapis, ile tam potencjalnie możemy stracić, albo przynajmniej rzędem, jakiej wielkości, jaka to jest Jakie mogę dobyć kwoty?

Marcin Grzelak: Powiem tak, zjechaliśmy do kwoty kilku tysięcy złotych w skali roku. To są tematy, które są nowe błędy, których nigdy nie mieliśmy i nie są jeszcze zaopiekowane biznesowo, ale to też jest iteracyjny cały czas ten proces się rozrasta. Powstają nowe kombinacje sprawdzające, cały czas to weryfikujemy, więc w kontekście takim cyfrowym i minimalizacji błędów wydaje mi się, że robimy naprawdę robotę na bardzo wysokim poziomie dojrzałości i cyfrowej, i opieki nad budżetem, bo też pamiętam, pracowałem kiedyś w Polskich Liniach Lotniczych w dziale CC. Pamiętam, że tamten czynnik białkowy miał bardzo duży wpływ na to, ile się generuje błędów, a z racji tego, że to się zakłada live, te rezerwacje lotnicze, jest piekielnie ciężko w kontekście, bo tu jeśli klient chce, a konsultant źle zakłada rezerwację lotniczą, to tam już z kolei nie było miejsca, przestrzeni na wyłapanie tego. To były naprawdę trudne momenty, kiedy generuje się je w trakcie jednej rozmowy telefonicznej błąd na kilkanaście tysięcy złotych, bo został źle założony bilet. Tutaj jest nam łatwiej, bo działamy trochę w delikatnym opóźnieniu, przesunięciu tego okna czasowego, ale też mamy te kilka sekund na wyłapanie tego błędu. I te kilka sekund już ten skrypt pythonowy jest w stanie nam zabezpieczyć i obsłużyć i zakomunikować, że jest błąd. I dzięki temu my bardzo też szybko reagujemy, przycinamy ten błąd i jesteśmy zabezpieczeni w kwestii kosztów. I tak powtórzę, bez wykorzystania generatywnej sztucznej inteligencji.

Mariusz Michalczuk: No właśnie, a w kontekście LLM, Gen AI, to jest temat, który nie schodzi z wokandy, praktycznie wszystkich biznesowych konferencji dzisiaj, nieważne czy w naszej branży digitalowej, nazwijmy taką ogólnie, czy jak obserwuję i w produkcji, generalnie wszędzie ten dwuliterowy skrót się pojawia. Jak to wygląda u Was z tym Gen AI-em, czy tam AI-em?

Marcin Grzelak: Z Gen AI-em też mamy kilka przypadków, które też nas wspomagają na bieżąco. Wiadomo oczywiście, że w ramach dojrzałości organizacji w kontekście generalnej cyfryzacji też staramy bardzo mocno się edukować jako zespół analiz, ucząc ludzi korzystania z tych wszystkich narzędzi, które są ogólnodostępne, czyli z Gemini’a, z ChatGPT, z CLOD’a, to są takie rzeczy podstawowe w kontekście takich filarów edukacyjnych. I to się dzieje ongoing’owo i myślę, że też kolejne, które też jako zespół analiz trochę odpowiadaliśmy za wdrażania, tych pierwszych GNI kroków w organizacji, cieszyły się bardzo dużym zainteresowaniem. To też były szkolenia, na które, ja się śmieję, pobiliśmy rekordy czasowe, jeśli chodzi o zapisy, bo jak odpaliliśmy szkolenia z GNI, tam był limit chyba, nie pamiętam, 20 czy 30 miejsc, to to się zamknęło w 10 minut. Gdzie już to jest to szkolenia, jak było otwierane w organizacji, to potrafiły sobie tak poczekać te dzień, dwa, jak się zakończą zapisy. No widać temat jest chwytliwy. Temat jest chwytliwy nawet dla osób, które nie są zainteresowane sztuczną inteligencją, no ale to są takie, tak jak wspomniałem, te filary edukacyjne. Te filary edukacyjne bardzo dobrze, że są, bo każda organizacja i każdy pracownik wydaje mi się, że to jest set skill, który po prostu musi teraz mieć, żeby funkcjonować w obecnym rynku.

Natomiast mamy też kilka rozwiązań, które funkcjonują u nas powiedzmy takich czysto technologicznych i też dają wymierne korzyści czasowe w kontekście oszczędności czasu pracowników. Takim standardowym chyba najlepszym projektem, który u nas się dzieje i który rzeczywiście daje te wymierne korzyści czasowe, to jest automatyczna analiza odsłuchu ofert, odsłuchu rozmów klientów i Customer Service. To jest dość duży projekt, który był przede wszystkim obarczony dużym aspektem prawnym, tego jak to odpalać. Wszystko było zgodne z aspektami dotyczącymi RODO, etc. Czyli wchodzą w grę nam rzeczy wykorzystania LLM-ów lokalnych, przetwarzania tego na lokalnym zasobie sieciowej, nie przetwarzania tego na zewnątrz, w jaki sposób to zabezpieczać, przechowywać te dane. Jest dużo takich tematów, czysto prawnych, które w ramach wszystkich szkoleń generalowych zawsze się mówi o tej etyce danych. Ta etyka danych jest tutaj, była bardzo mocnym filarem, bo musieliśmy zadbać o to ze względu, że mamy doświadczenia już z klientem. To już nie były takie napisy wewnętrzne, które są nie aż tak wrażliwe, to już mówimy o danych wrażliwych.

Natomiast idąc do sedna, czego sam projekt dotyczy? Projekt dotyczy przetwarzania najpierw w pierwszym kroku nagrań dźwiękowych z dokumentami, przetworzenia tego do zapisu tekstowego i obsługi w kontekście kryterium jakości i oceny standardów rozmowy przez generatywną sztuczną inteligencję. No i czysto technologicznie jak to wygląda? Mamy system, który zapisuje rozmowy klientów z Customer Service, te dane są wydane przez API, następnie przez usługę AWSową, AWS Transcribe idzie analiza tej rozmowy i zapis do pliku tekstowego wraz z diaryzacją, o co też bardzo ciekawa wskazówka, jak pamiętam się dałem jeszcze raz do tego projektu i najbardziej się namęczyłem ze znalezieniem usługi chmurowej, która nam w języku polskim diaryzację na jedno kanałowe.

Mariusz Michalczuk: A diaryzacja to jak, bo w sumie przyznam, że pierwszy raz się spotykam z tym stwierdzeniem.

Marcin Grzelak: Diaryzacja to jest podzielenie nagrania pomiędzy konsultanta a klientem.

Mariusz Michalczuk: Czyli, żebyśmy… Okej, czyli takie role, tak.

Marcin Grzelak: Role, role, tak.

Mariusz Michalczuk: Okej.

Marcin Grzelak: Ja myślałem pierwszy, bo my bardzo mocno też jesteśmy w środowisku googlowym. Korzystamy z ich usług. I byłem rozbity kompletnie, bo nie ma w języku polskim, nie ma usługi diaryzacji, przetworzy nagranie, ale nie podzieli na role. Także byłem bardzo zasmucony. No ale usługa AWS-owa już tutaj w tym temacie się świetnie sprawdza, więc ta usługa AWS-owa dostarcza nam informację o zapisie rozmowy, zapisuje ją bezpośrednio do JSON-a. Ten JSON później jest załadowany do naszego lokalnego LLM-a. Lokalny LLM w kontekście karty jakości oceny, którą mamy ustaloną z zespołem Customer Service, ocenia tę rozmowę i wypluwa kartę jakości z ocenionymi konkretnie kryteriami w zakresie WAG, w zakresie tematu rozmowy dostarcza też informacji bardzo cennych w zakresie spostrzeżeń klientów, bo kiedyś musieliśmy, żeby się bawić w jakieś opinie klientów, to musieliśmy robić ankiety CISATowe i tak dalej. To są koszty. Fajnie się to robi, fajne są tego insajty, ale żebyśmy mieli z tego jakieś konkretne matematycznie, prawidłowo zrobione badanie jest bardzo ciężko, bo musimy mieć naprawdę dobrą grupę klientów, musimy mieć przekrojową z wiarygodnym rozwarstwieniem jeśli chodzi o pochodzenie, o segmentację. Jest ciężko zrobić takie dobre badanie. Jeśli ktoś mówi, że robi takie dobre badania, to naprawdę podziwiam.

Mariusz Michalczuk: Jest… Albo dużym kosztem, prawda?

Marcin Grzelak: Natomiast tu mamy, przekrojowo, tak naprawdę mamy odsłuchaną każdą rozmowę. Customer Service standardowo odsłuchuje kilkanaście, kilkadziesiąt rozmów danego pracownika miesięcznie. Tu w tym momencie mamy obsłużone wszystkie rozmowy. Jesteśmy w stanie wyłapać każdą anomalię, każdy typowy fuck up mówiąc wprost, który nam wytnie klienta z powodu niewłaściwej jakości obsługi. Już wiemy co na tym etapie, znamy tematyki rozmów, wiemy jak Customer Service pracuje, co lepiej. W przypadku już każdego pracownika też mamy rekomendacje, który aspekt teoretycznie rozmowy, który aspekt jakościowy jest słabszy. Jest to też rekomendacja po pierwsze dla superwizorów, bo wiedzą w jaki sposób pracować z tymi pracownikami. Mamy po drugie mega dużo czasu zaoszczędzonego dla superwizorów w kontekście tej jakości oceny i to jest na pewno niesamowity plus tego, bo uwalniamy moce przerobowe na Customer Service, gdzie mogą skupić się po prostu na czymś innym, a tę ocenę zostawiamy.

Mariusz Michalczuk: Super, znaczy mega, czyli z jednej strony to w ogóle dzisiaj mi wpadło do głowy stwierdzenie what gets measured gets done i tutaj tak naprawdę ja uważam, że te dane jakościowe, bo ocena rozmowy jest nieoceniona, znaczy w ogóle informacja, jakie są prowadzone rozmowy, tylko to jest mega drogie, tak jak ja zawsze mówię, oglądanie sesji użytkowników też jest mega wartościowe, tylko teraz obejrzyj te set tysięcy, ale już wszystkich to nie ma szans, a tutaj to praktycznie dostajemy zmierzone wszystkie rozmowy i podane na tacy tym superwizorom, czyli z jednej strony zakładam, że to jest dla rozwoju jakości, obsługi klienta, zwłaszcza w kontekście tej dostarczanej tak fizycznie przez słuchawkę. A powiedz mi czy, bo w tych rozmowach tak jak sam mówiłem, że często klienci zwracają uwagę na jakieś tam elementy i zapewne elementy serwisu i elementy oferty. Czy też to gdzieś i jak to dalej płynie? Bo wyobrażam sobie, że tak, ale właśnie co się dalej z tym dzieje, bo jedna to jest właśnie ocena, ale druga to też są insajty, prawda?

Marcin Grzelak: Te insajty są bardzo cenne, bo te insajty pokazują nam to, czego my nie widzimy. Ja uważam, że każdy pracownik żyje w bańce swojej organizacji. Patrzymy na stronę, mówimy fajna strona, wszystko robimy super, elegancko.

Mariusz Michalczuk: Dokładnie, powiedziałbym więcej, że w bańce swoich kompetencji czy zakresu odpowiedzialności nawet, prawda?

Marcin Grzelak: Zdecydowanie, to uważamy, że wszystko jest okej, mówimy, oczywiście musimy usprawnie zmieniać, ale tak ogólnie to chyba wszystko jest okej. Później przychodzi taki insajt z rozmowy biznesowej i klient mówi “a ja to nie mogę znaleźć tej najniższej ceny”. No i my wiemy, że to przecież oczywiste, że tu się gdzieś świeci tam na niebiesko, to wiemy, że to jest najniższa cena. No to jaki problem? Ale jeśli otrzymujesz takich informacji 10, to mówisz “kurde, chyba coś nie halo jednak robimy”. No i te informacje my agregujemy, zbieramy, kategoryzujemy, sprawdzamy informacje dotyczące UX, sprawdzamy informacje dotyczące jakości oferty. sprawdzamy informacje dotyczące już doświadczeń takich hotelowych, bo dość często też klient może po prostu zadzwonić, byłem w hotelu i remont obok. Jest mi z tym bardzo źle i chciałem się poskarżyć. No i też zbieramy, bo to jest też cenny feedback, to też wpływa na NPS-a, na to czy klient do nas wróci, czy nie. Te doświadczenia są bardzo ważne, bo tak jak wspominałem, my nie sprzedajemy tylko tych pobytów, tylko sprzedajemy doświadczenia. Chcemy, żeby też klient do nas wrócił, żeby nas dobrze kojarzył. Więc te informacje zbieramy, te informacje kategoryzujemy, dalej przekazujemy konkretnym działom, bo te inne informacje pójdą do produktu, który będzie pracował nad tym, żeby ta komunikacja tej najniższej ceny na stronie, no może była trochę inna, może była trochę bardziej uwydatniona. Inne rzeczy też pójdą do działu sales, którzy usłyszą, że w danym hotelu trwa remont. No to trzeba coś tam trochę może poorganizować w ofercie, może trochę to inaczej komunikować też klientom. Też inne rzeczy znów wrócą ponownie do Customer Service, bo będą dotyczyły tego, że ktoś miał do nich oddzwonił, czy nie oddzwonił, a też tak się może zdarzyć. Więc te wszystkie informacje kategoryzujemy, zbieramy i dalej przekazujemy konkretnym działom. To bardzo też ułatwia pracę, bo sami się napędzamy trochę i sami dzięki temu wiemy, co możemy jeszcze zrobić, co możemy zrobić lepiej, żeby biznes funkcjonował lepiej, żeby klient też był bardziej zadowolony. No dla mnie to jest takie dość mocno przełomowe, bo o ile ten wcześniejszy projekt, o którym mówiłem, jest spoko, bo zahaczał kasę. Kasa jest zawsze sexy tematem. Natomiast ten temat jest dość mocno przekrojowy i najważniejszy dla klienta.

Mariusz Michalczuk: No tak, ale na końcu tak czy inaczej to się skończy na kasie. Bo jak klientowi lepiej podpowiecie, czy np. z rozmów wyjdzie, że w hotelu, który jest zarezerwowany w okolicy dzieje się jakiś festiwal i sprzedaż o tym festiwalu, wyjmie tą informację gdzieś na wierzch i to zachęci inne osoby, więc jak to się mówi at the end of the day, to biznes na tym korzysta, nie ma co się oszukiwać, prawda?

Marcin Grzelak: Zdecydowanie, więc ja uważam, że tam gdzie mamy znów najcenniejszą rzecz mamy za darmo, czyli dane, informacje dostajemy za darmo od klienta, jest grzechem nie korzystać z tego.

Rekomendacje dla e-commerce: Skuteczne wdrażanie AI

Mariusz Michalczuk: Dokładnie tak. W ogóle mega mnie to, to się kolejny raz mi powtarza, w ogóle zainteresowało mnie to, co powiedziałeś, że odpowiadaliście się za te szkolenia z Gen AI, natomiast w ogóle tak jak obserwuję wśród naszych klientów, to kto ma wdrażać AI, Gen AI ogólnie, sztuczną inteligencję, to rzeczywiście to w cudzysłowie spada, bo ja jako fan technologii to dla mnie to jest miód na moje uszy, że to rzeczywiście zespoły data odpowiadają za wdrożenie tego AI-a. Tak trochę na koniec, Marcin chciałem Cię podpytać, bo ja sam nie wiem kiedy to minęło, 55 minut rozmowy. Jakieś może podpowiedzi właśnie w kierunku e-commerce’u odnośnie danych AI-a, w jakich obszarach widzisz taką największą dźwignię, tak żeby podpowiedzieć żeby nasi słuchacze tak sobie stwierdzili, ok, gdzieś tam ten temat mi zaszumiał, ale dzięki temu, że tutaj bazując w ogóle na Twoim doświadczeniu i to jak Traveliście działa na podstawie danych, jakie są tego efekty, że może jednak ja to wyjmę z szuflady i się tym zainteresuję szybciej niż wolniej, bo tu rzeczywiście jest dźwignia. Jakieś takie, kilka takich rekomendacji dla tych właścicieli e-commerce’ów, żeby rzeczywiście w tym kierunku z tymi danymi AI-em szli.

Marcin Grzelak: Jak myślę o tych wdrożeniach AI, to przede wszystkim myślę o tym, że zanim się w ogóle ktokolwiek zabierze za tematy wdrażania sztucznej inteligencji, to trzeba zadbać o obszary dotyczące data quality i data governance, bo bez tego absolutnie w żaden sposób nie ma podstaw ku temu, żeby wchodzić z niskiej jakości danymi do próby automatyzacji czegokolwiek, bo garbage in, garbage out jest bardzo prostą metodą. Jeśli takie coś włożymy, to jeszcze gorszy koszmarek nam wyjdzie na końcu. Potworki bardzo chętnie, dokładając do tego, że jeszcze pamiętamy, że nie halucynuje, to jeszcze jak halucynuje z potworka, to już naprawdę podziwiam to co wychodzi na końcu. Więc myślę, że temat zadbania o jakość danych jest tematem chyba naprawdę bardzo kluczowym i nam tutaj, na pewno dla każdej organizacji jest bardzo ważny i trzeba zadbać o to, żeby tę poprawną jakość danych posiadać i odpowiednio tymi danymi zarządzać, żeby sobie nie latały różnie zdefiniowane.

Druga rzecz, która mi się też i z moich doświadczeń i też z raportów czy to Keirseya bodajże, który też analizował fazy i efekty wdrożenia generatywnej sztucznej inteligencji, to trzeba sobie zadać na początku pytanie, po co chcemy to wdrażać? Bardzo proste pytanie, ale żeby nie zrobić tego rynkowo w stylu, a bo wszyscy robią. Ja też muszę, bo ja za tydzień mam konferencję i muszę się pochwalić, że ja to robię. No dobra, fajnie, tylko po co? Jak sobie odpowiemy na to pytanie, bo 3, 4 osób odpowie, bo chce zaoszczędzić czas, bo chce zdobyć więcej kasy.

Mariusz Michalczuk: Albo poprawić jakość obsługi, nie?

Marcin Grzelak: Już wskazujemy i jest okej. Tylko to teraz kolejne pytanie znów postawić sobie “jak?” Jak to zrobić i gdzie to chcę osadzić? No i tu się zaczynają zawsze największe schody, bo nie wiem, czy to nie jest kwestia tego, że nie wszyscy znamy swoje procesy w organizacjach, czyli wszyscy dobrze je kontrolujemy, na przykład jako menadżerowie i czasem nie wiemy coś jest bolączką, gdzie my można ten klocek generatywnej sztucznej inteligencji wsadzić. Jeśli patrzymy, my jako analitycy to spoko, bo my tak patrzymy trochę z boku na to wszystko i możemy sobie mówić, no to jest git, to nie jest, to jest spoko, to tu można coś zrobić lepiej, inaczej, ale czasami menadżerowie własnych obszarów nie wiedzą też jak to do końca wsadzić i gdzie jest potencjalnie to wąskie gardło tego procesu, które by można obsadzić sztuczną inteligencją. Z tym się wiele organizacji mierzy i to jest dużym wyzwaniem.

No i ta trzecia rzecz, którą też zawsze przestrzegam i to na pewno pamiętam też w Keirseyu było, że 70% wdrożeń, które się odbywały chyba nie widziały dodatkowego, inkrementalnego zysku w przeciągu dwóch, trzech lat. Wydaje mi się, że to jest kwestia takiego nie poddawać się, bo tych projektów, które może być odpalane generatywnej sztucznej inteligencji, czy w ogóle jakichkolwiek procesów automatycznych, już tam zostawiając z boku nawet TLM, ale cokolwiek chcemy automatyzować, to nie wszystko nam się na początku uda i nie wszystko nam wyjdzie na plus. Chyba Amazon, ze dwa dni temu gdzieś tam krążyło po Linkedin’ie taka lista, opublikowali listę projektów, które próbowali odpalić w ciągu ostatnich pięciu lat. Ta lista była bardzo długa i tam zielonych ptaszków, które wypaliły im czysto produkcyjnie była też krótka. Co pokazuje też, że ile projektów takich czysto automatycznych, otwierania nowych projektów, nowych automatyzacji startuje w Amazonie i tak jest ubijane, bo nie działa, bo nie spełnił swoich oczekiwań. I z projektami LLM może być tak samo. Też niekoniecznie zawsze zauważymy impakt tego. Czasem jak wdrożymy, warto usiąść, ocenić, czy to ma sens. No i to też pokazuje metodykę, jaką trzeba wdrażać te projekty LLM-ów, bo konstruowanie teraz rozwiązań opartych o generatywną sztuczną inteligencję w dzisiejszych czasach jest bardzo łatwe. Zobacz też LLM-a, jak go osadzisz gdzieś tam i on sam Ci powie, no super, robota zrobiona. To działajmy metodą quick winów, czyli usiądźmy, zobaczmy, czy jesteśmy w stanie małym nakładem pracy, małym, jedno, dwuosobowym zespołem zrobić krótką automatyzację i czy ona coś da. Jeśli ona coś da, to jest już naprawdę 90% sukcesu. Teraz idźmy dalej i iterujmy to rozrastając, rozszerzając zakres tego projektu i urośnie nam może do czegoś bardzo fajnego, co obejmie już trochę większą skalę w organizacji. Więc to na pewno są rzeczy, które warto zwracać uwagę i warto się tego trzymać, trzymać w porządek i się nie poddawać.

Mariusz Michalczuk: Super. Myślę, że chyba takim dobrym cytatem tutaj będzie, akurat pamiętam go, bo przygotowałem się na konferencjach, na których będę miał prelekcje za tydzień, że nie trzeba być wielkim, żeby zrobić pierwszy krok, trzeba zrobić pierwszy krok, żeby być wielkim. I chyba to bardzo dobrze podsumowuje to, co powiedziałeś. Marcin, wielkie dzięki za Twoją obecność, za podzielenie się wiedzą i ogromne gratulacje tego, co robicie w Travelliście. I trzymam kciuki, żeby rzeczywiście Wasze analizy dokładały ten kamyczek, a nawet nie kamyczek tylko większy kamień, a może jakiś głaz do rozwoju Waszego biznesu. Także dzięki jeszcze raz za obecność, za podzielenie się wiedzą i mam nadzieję jeszcze do zobaczenia w przyszłości tutaj na kanale.

Marcin Grzelak: Do zobaczenia. Dzięki wielkie. Cześć.

Podsumowanie: Główne wnioski z rozmowy

Rozmowa z Marcinem Grzelakiem z Travelist uwydatnia, jak kluczową rolę odgrywa zaawansowana analityka danych w dynamicznie zmieniającej się branży turystycznej. Marcin podkreślił, że zespół analityczny w Travelist, mimo formalnego umiejscowienia w departamencie finansowym, pełni centralną funkcję, działając jako „serce organizacji”, dostarczające dane i wnioski do wszystkich komórek.

Kluczowe filary działania analityki w Travelist obejmują analizę przeszłości (raportowanie), teraźniejszości (optymalizacja, testy A/B) oraz przyszłości (prognozowanie, modelowanie churnu). Przykład wykorzystania danych z magazynu inspiracyjnego do personalizacji ofert i skracania ścieżki konwersji klientów udowadnia skuteczność strategii data-driven. Zmiany w zachowaniach konsumentów, takie jak skrócenie „Booking Window” i rosnące zapotrzebowanie na elastyczność rezerwacji oraz udogodnienia w hotelu, są ściśle monitorowane i wykorzystywane do adaptacji oferty.

W kontekście Big Data, Travelist efektywnie zarządza rosnącym wolumenem danych z wielu źródeł dzięki Airflow i Snowflake, optymalizując przetwarzanie i dostępność informacji. Implementacja automatyzacji, takich jak „maszynka do sprawdzania poprawności ofert”, przyniosła znaczące oszczędności finansowe, dowodząc wartości rozwiązań opartych na Pythonie bez użycia Gen AI.

Travelist aktywnie eksploruje potencjał Gen AI, edukując pracowników i wdrażając projekty takie jak automatyczna analiza rozmów Customer Service. Ten projekt, zgodny z zasadami RODO i etyki danych, pozwala na kompleksową ocenę jakości obsługi, identyfikację anomalii oraz zbieranie cennych spostrzeżeń od klientów, co przekłada się na rozwój produktu i usług. Marcin podkreśla, że kluczowe dla skutecznego wdrażania AI jest zadbanie o jakość danych, jasne zdefiniowanie celu biznesowego oraz iteracyjne podejście oparte na „quick winach”.

The post Marcin Grzelak – 3 filary analityki w e-commerce – Date with Data Talks first appeared on Conversion.

O ile jednak zasadność stosowania technik segmentacji podczas przeglądania raportów Google Analytics jest powszechnie uznawana, o tyle ustabilizowane podejście do segmentacji (które oczywiście powinno być dopasowane do potrzeb konkretniej firmy) jest stosunkowo rzadko spotykane.

Co znajdziesz w tym artykule?
Co to znaczy podejście do segmentacji?
W jaki sposób wypracować podejście do segmentacji w 4 krokach?
Segmentacja klientów w erze sztucznej inteligencji – jak AI zmienia podejście do analizy danych?

Co to znaczy podejście do segmentacji?

Spójrzmy chociażby na liczbę wymiarów i metryk, dostępnych w ramach Google Analytics – które z nich powinny stanowić podstawowe kryteria dzielenia ruchu? A zastosowanie segmentacji? Najczęściej spotykamy punktowe wykorzystanie segmentacji – przy okazji patrzenia na zgromadzone dane, wykorzystujemy mechanizmy drążenia w dół i segmenty zaawansowane w celu lepszego zgłębienia tematu i wyciągnięcia wniosków. Segmentacja, która jest stosowana w taki sposób zazwyczaj nie ma charakteru uniwersalnego i nie decyduje o ogóle działań online – znajduje się na poziomie operacji i stanowi jedno z wielu narzędzi analityka.

Tymczasem, segmentacja powinna stanowić oś pracy z danymi.

Ten problem można spokojnie określić jako typowy dla branży online. Analityka internetowa zaczyna się i kończy na instalacji narzędzi i rozpoczęciu gromadzenia danych.

Guru analityki internetowej, Avinash Kaushik, przy każdej możliwej okazji powtarza, że 90% sukcesu w pracy z danymi to procesy i ludzie, a tylko 10% to narzędzia. Brak ustabilizowanego podejścia do segmentacji to brak jednego z najważniejszych procesów.
Źródło: http://www.speakers.ca/

W jaki sposób wypracować podejście do segmentacji w 4 krokach?

Krok 1.

W pierwszej kolejności, należy zebrać w jednym miejscu wszystkie osoby, które będą wykorzystywały docelową segmentację i zorganizować burzę mózgów, która ma na celu zdefiniowanie kryteriów segmentacji. Firmy posiadają zazwyczaj segmentację offline, którą wykorzystują do definiowania grupy docelowej lub segregowania klientów – na pewno warto potraktować ją jako punkt wyjścia. W dalszej kolejności, można posiłkować się wiedzą na temat branży lub uznanymi praktykami w obszarze online (np. listą i grupowaniem wymiarów w Google Analytics).

Krok 2.

Posiadając listę kryteriów segmentacji, należy przeprowadzić operacjonalizację oraz klasyfikację poszczególnych warunków.

Operacjonalizacja to podanie dla danego kryterium technicznej definicji. W odniesieniu do Google Analytics, operacjonalizacja sprowadza się do przypisania każdemu kryterium z listy wymiarów lub metryk oraz – ewentualnie – zdefiniowaniu wartości progowych. Przykładowo, jeżeli podczas burzy mózgów zapisane zostało kryterium „poziom zaangażowania użytkownika”, to w trakcie operacjonalizacji dobrana zostanie metryka średni czas trwania sesji i ustalone zostaną wartości progowe (np. 0s, 1-10s, 11s+). Operacjonalizacja powinna wskazać, które kryteria segmentacji będą mogły zostać obsłużone z wykorzystaniem aktualnej instalacji Google Analytics, a które będę wymagały rozbudowy śledzenia.

Aby wyjaśnić pojęcie klasyfikacji, należy wrócić do sposobu gromadzenia danych przez Google Analytics i inne podobne narzędzia. Mianowicie, te aplikacje rejestrują interakcje (np. odsłona strony) oraz odwiedziny (czyli ciągi interakcji) plus potrafią grupować odwiedziny (dzięki technologii ciasteczek) i spinać je pod pojęciem użytkownika. Każdy wymiar i każda metryka, dostępne w ramach Google Analytics, jest przypisana albo do konkretnej interakcji (np. średni czas na stronie) albo do całej odwiedziny (np. średni czas trwania sesji) albo do użytkownika (np. przeglądarka). Poszczególnych poziomów wymiarów i metryk nie należy łączyć – technicznie to jest wykonalne, ale w praktyce prowadzi do niewłaściwych wniosków.

Patrząc na listę kryteriów segmentacji, część kryteriów będzie odnosiła się do pojedynczej odwiedziny (np. wspomniany „poziom zaangażowania użytkownika”, który może być różny w ramach kolejnych odwiedzin tego samego użytkownika), a część – do grupy odwiedzin, tj. do użytkownika (np. „przeglądarka użytkownika”, która pozostaje stała w ramach kolejnych odwiedzin tego samego użytkownika). Klasyfikacja to przypisanie danego kryterium do jednej z tych grup. Bardzo rzadko (o ile w ogóle) wynotowane kryteria będą odnosiły się do pojedynczej interakcji.

Krok 3.

Zoperacjonalizowana i sklasyfikowana lista kryteriów segmentacji powinna zostać zweryfikowana – najpierw jakościowo (które kryteria rzeczywiście mają sens i powinny zostać wykorzystane?) a następnie ilościowo, z wykorzystaniem prawdziwych danych, w odpowiednio długim (1 rok lub więcej) okresie czasu. Weryfikacja ma dwa cele.

Po pierwsze, liczba kryteriów segmentacji, aby ta mogła być z powodzeniem wykorzystywana, nie powinna przekroczyć 5-7 warunków. Stąd, bardzo ważne jest pozostawienie tylko najbardziej istotnych kryteriów.

Po drugie, segmenty (przecięcia kryteriów segmentacji) powstałe przy wykorzystaniu tych najbardziej istotnych warunków powinny być heterogenicznie (zróżnicowane) względem najbardziej kluczowego wskaźnika wydajności (najczęściej: współczynnika konwersji lub średniej wartości zamówienia).

Krok 4.

Pozytywne zweryfikowanie listy kryteriów segmentacji tworzy prototyp segmentacji i daje zielone światło do zdefiniowania poszczególnych segmentów oraz opracowania narzędzi segmentacji (najczęściej w formie dedykowanych definicji segmentów zaawansowanych odpowiadających przecięciom kryteriów segmentacji).

Opracowanie narzędzi segmentacji oraz upowszechnienie tych narzędzi w ramach organizacji wieńczą proces opracowywania całej segmentacji, która w obiegu powszechnym określana jest jako segmentacja dwupoziomowa i która wypromowana została przez zespół Semphonic.

Zdefiniowana w ten sposób segmentacja może następnie posłużyć, wespół z ustalonymi kluczowymi wskaźnikami sukcesu, do przygotowania systemu raportowania oraz usprawnienia procesów analityki internetowej, pozwalając na pełne wykorzystanie danych (np. analiza i optymalizowanie media mix, rozwój i optymalizacja witryny). Segmentacja stanowi również dobre podłoże dla opartych o dane person.

Segmentacja klientów w erze sztucznej inteligencji – jak AI zmienia podejście do analizy danych

Nowoczesne narzędzia oparte na sztucznej inteligencji pozwalają tworzyć segmenty klientów dynamicznie – w oparciu o zachowania w czasie rzeczywistym, a nie tylko dane historyczne. Algorytmy machine learning wykrywają wzorce niedostrzegalne dla człowieka, co umożliwia bardziej precyzyjne prognozy potrzeb i dopasowanie komunikacji marketingowej.

Predykcyjna segmentacja z wykorzystaniem machine learning – praktyczne przykłady zastosowań

Teraz kolej na Was – w jaki sposób podchodzicie do segmentacji?

The post Segmentacja to nie tylko segmenty zaawansowane. O właściwym podejściu do segmentacji w 4 krokach first appeared on Conversion.

Jeżeli Twój serwis internetowy funkcjonuje w zgodzie z najnowszymi wymaganiami, a co za tym idzie udało Ci się wdrożyć w nim tzw. Consent Mode – z całą pewnością zaczynasz obserwować, że ilość zbieranych przez Ciebie danych nie jest taka sama, jak jeszcze przed wdrożeniem zgód dotyczących cookies. Jeśli nadal zastanawiasz się, co jest powodem takiej rozbieżności – odpowiedź znajdziesz w tym artykule.
Musisz wiedzieć, że odpowiadają za to właśnie ciasteczka, a mówiąc konkretniej – fakt, iż część użytkowników nie wyraża zgody na ich użycie. W ten sposób dane na temat ich aktywności na Twojej stronie nie są agregowane, nie można ich przypisać do konkretnych odwiedzających, a co za tym idzie – wykorzystać w celu poprawy konwersji, optymalizacji serwisu, jak i w wielu innych aspektach.

Ale czy od teraz wszyscy właściciele stron internetowych muszą pogodzić się z częściową utratą danych? A może da się “coś” z tym zrobić, aby nadal otrzymywać informacje na temat ruchu, jak i zachowania w serwisie www? O tym przeczytasz w dalszej części wpisu. Poznaj definicję, zastosowanie oraz zalety behawioralnego modelowania danych za pośrednictwem Google Analytics 4.

Co znajdziesz w tym artykule?
Czym jest modelowanie behawioralne?
Modeled data vs observed data. Czym różnią się te dwa podejścia do gromadzenia danych?
Korzyści wynikające z tego podejścia. Dlaczego warto korzystać z tzw. behavioral modelingu?
Behawioralne modelowanie danych – jak z niego korzystać za pomocą Google Analytics 4?
Wymagania techniczne – o co zadbać, aby korzystać z pełnych możliwości behawioralnego modelowania danych w GA4?
Ograniczenia, czyli jakie funkcje nie są obecnie obsługiwane?
Przyszłość danych behawioralnych
Szukasz profesjonalnego wsparcia we wdrożeniu Consent Mode i konfiguracji Google Analytics 4?

Czym jest modelowanie behawioralne?

Behavioral modeling stanowi swego rodzaju odpowiedź na utratę części cennych informacji o użytkownikach stron internetowych. W czasie, gdy zachowania osób, które wyrażą zgodę na cookies, mogą być przypisywane do konkretnych ID, w przypadku użytkowników bez takich zgód – GA4 zaprzęga do tego działania sztuczną inteligencję. Analytics wykorzystuje m.in. machine learning, modele i wiele innych rozwiązań.
Można więc powiedzieć, że behawioralne modelowanie danych to sposób, który polega na oszacowaniu prawdopodobieństwa pojawienia się konkretnych aktywności (określanych na podstawie danych historycznych, jak i informacji na temat użytkowników, którzy wyrażają zgody).
Oczywiście, uzyskane w ten sposób informacje (modeled) nie są tak dokładne, jak tradycyjne (observed). Jednak z całą pewnością można stwierdzić, że stanowią lepszą alternatywę, niż brak jakichkolwiek danych. W tym miejscu warto także zaznaczyć, że takie podejście do modelowania danych dla Consent Mode po raz pierwszy zostało wdrożone w Google Ads. Jego wykorzystanie w Google Analytics 4 znajduje się na razie w fazie beta.

Modeled data vs observed data. Czym różnią się te dwa podejścia do gromadzenia danych?

Aby jeszcze lepiej zobrazować działanie modelowania danych behawioralnych – pozwól, że zobrazuję Ci różnice zachodzące między pozyskiwanymi przez GA4 informacjami.

• Observed data (czyli dane rzeczywiste) to informacje, zdobywane bezpośrednio od użytkowników, którzy zaakceptowali cookies. Wyrażona przez nich zgoda pozwala na sprawne obserwowanie zachowania, w tym m.in. ilości i rodzajów odwiedzanych stron, czasu spędzanego w poszczególnych zakładkach i wielu innych aspektów.
• Modeled data (czyli dane modelowane) to z kolei dane, które nie pochodzą bezpośrednio od konkretnych użytkowników. Zamiast tego są one wynikiem szacunków – obliczanych na podstawie aktywności podobnych osób.

Można więc powiedzieć, że dane rzeczywiste są stosunkowo dokładne, natomiast dane modelowe – jedynie szacunkowe.

Korzyści wynikające z tego podejścia. Dlaczego warto korzystać z tzw. behavioral modelingu?

Jak już wspomniałem – dostęp do “jakichkolwiek” danych jest zawsze lepszy niż całkowity brak informacji o Twoich odbiorcach. Dlatego ogromną zaletę takiego rozwiązania stanowi sam fakt, iż Google Analytics 4 daje możliwość agregowania danych, które bez zastosowania modelowania behawioralnego po prostu by nie istniały.
Kolejnym ważnym punktem jest to, że wykorzystuje do tego sztuczną inteligencję (opierającą się na uczeniu maszynowym, gromadzeniu danych, jak i dobranych modelach). Ten czynnik z kolei sprawia, że tak pozyskiwane informacje są stosunkowo dokładne, a co za tym idzie – mogą stanowić solidny fundament do podejmowania trafnych decyzji (analitycznych, marketingowych, jak i biznesowych).
Skoro już wiesz, na czym polega modelowanie behawioralne, znasz różnice pomiędzy nim a danymi rzeczywistymi, a dodatkowo udało Ci się zapoznać z kluczowymi zaletami takiego podejścia – pora opowiedzieć sobie nieco więcej o jego aspektach technicznych.

Behawioralne modelowanie danych – jak z niego korzystać za pomocą Google Analytics 4?

W tym miejscu muszę wspomnieć, że GA4 automatycznie integruje wszystkie dane (zarówno modelowane, jak i rzeczywiste). Jak można wyczytać na stronie wsparcia Google Analytics: fakt, że narzędzie uwzględnia dane modelowe, można poznać m.in. po różnicach występujących w raportach uwzględniających tylko dane rzeczywiste.
Jeżeli chcesz zyskać dostęp do możliwości zarządzania modelowaniem behawioralnym – wystarczy, że udasz się do sekcji Tożsamość na potrzeby raportowania, którą znajdziesz w usługach w panelu Administracja.

Źródło: Google Analytics

Wymagania techniczne – o co zadbać, aby korzystać z pełnych możliwości behawioralnego modelowania danych w GA4?

Aby uruchomić, a następnie korzystać z funkcjonalności, jakie daje to modelowanie, należy spełnić kilka kluczowych wymagań.
Najważniejszym z nich jest oczywiście wdrożenie trybu Consent Mode, który zezwala na uzyskanie zgód od użytkowników odwiedzających Twoją witrynę. Należy pamiętać, że ten tryb powinien być aktywny na wszystkich podstronach, a same tagi powinny się wczytywać przed pojawieniem się okna z informacjami i prośbami o wyrażenie zgody.
Kolejnym istotnym punktem jest ilość agregowanych informacji. Aby modelowanie mogło działać – potrzebuje tzw. treningu, czyli dostępu do danych, w tym:

• Minimum 1000 zdarzeń dziennie (oznaczonych parametrem analytics_storage=’denied’) – przez tydzień.
• Minimum 1000 użytkowników dziennie (generujących wydarzenia oznaczone parametrem analytics_storage=granted) – przez tydzień (z ostatnich 28 dni).

Ograniczenia, czyli jakie funkcje nie są obecnie obsługiwane?

Pomimo wielu niekwestionowanych atutów, takie podejście do gromadzenia i prezentacji informacji, niestety musi się wiązać także z pewnymi barierami, które w pewien sposób ograniczają jego możliwości.
W związku z powyższym, nie można go użyć do danych pochodzących z takich miejsc, jak: Odbiorcy, Segmenty, Dane prognozowane, Eksploracje i Eksportowanie danych. Modelowanie behawioralne nie znajduje również zastosowania w raportach oraz kartach, które prezentują dane w czasie rzeczywistym.
Warto pamiętać, że obecna wersja behawioralnego modelowania danych w Google Analytics 4 cały czas jest w fazie testów. To oznacza, że prace nad optymalizacją, rozbudową, a co za tym idzie – podnoszeniem efektywności, trwają. Być może dotychczasowe rozwiązanie stanowi jedynie zalążek narzędzia, które pozwoli zbierać i analizować dane o odbiorcach z dużo większą dokładnością. Ale jak naprawdę będzie? Czas pokaże.

Przyszłość danych behawioralnych

W nadchodzących latach dane behawioralne staną się jeszcze głębsze i bardziej kontekstowe. Będziemy coraz częściej łączyć informacje z urządzeń IoT, sensorów mobilnych i sygnałów pasywnych (takich jak czas ekranu, wzorzec użytkowania) z tradycyjnym ruchem online. W efekcie powstaną modele, które reagują w czasie rzeczywistym i coraz lepiej przewidują zachowania oraz potrzeby użytkownika. 

Trendy i innowacje w analizie danych behawioralnych

Przyszłość analizy behawioralnej to m.in. augmented analytics – czyli wykorzystanie AI i NLP, by automatycznie wydobywać wnioski bez potrzeby ręcznej analizy.

Również modelowanie predykcyjne (machine learning) będzie standardem – przewidywanie porzucenia, zakupów czy segmentów użytkowników na podstawie wzorców. Ponadto “digital phenotyping” – analiza pasywna z urządzeń – umożliwi uchwycenie codziennych zachowań offline i powiązanie ich z interakcjami online.

Szukasz profesjonalnego wsparcia we wdrożeniu Consent Mode i konfiguracji Google Analytics 4?

Skontaktuj się z ekspertami Conversion, a z przyjemnością pokażemy Ci jak w Twoim przypadku wykorzystać wszystkie możliwości, jakie oferuje behawioralne modelowanie danych w GA4. W ramach naszych usług zapewnimy Ci kompleksową pomoc w przygotowaniu oraz wdrożeniu narzędzi, a także będziemy do Twojej dyspozycji, aby zająć się ich obsługą czy udzielać Ci dodatkowych rad i szkoleń.
Jeśli chcesz być na bieżąco ze światem analityki internetowej, już teraz zapisz się do naszego newslettera!

The post Behavioral Modeling – czym jest i jak działa behawioralne modelowanie danych w GA4? first appeared on Conversion.

Wyobraź sobie świat, w którym możesz samodzielnie modyfikować kody śledzące na Twojej stronie www. Jesteś w stanie w łatwy sposób przekazywać do Google Analytics dodatkowe informacje, kody remarketingowe od różnych usługodawców, przeprowadzać testy A/B, czy zmieniać warunki, które powodują wywołanie kodu śledzącego konwersje Google Ads. I uwaga… to wszystko za sprawą GTM i praktycznie bez żadnego udziału specjalistów z działu IT!

Tak, zdecydowanie Google Tag Manager to jedno z tych typów narzędzi, bez którego większość z nas nie wyobraża już sobie codziennych działań analitycznych. Posiadanie GTM-a zdecydowanie usprawnia działania związane ze zbieraniem danych, a także pozwala na lepsze zarządzanie kodami śledzącymi.

Dowiedz się, co to jest Google Tag Manager, jak działa i w jaki sposób możesz wykorzystać możliwość GTM także w swojej firmie. Zapraszam!

Co znajdziesz w tym artykule?
Czym jest Google Tag Manager?
Jak zainstalować Google Tag Managera?
Do czego służy Google Tag Manager? Po co Ci GTM?
Jak przedstawia się struktura Google Tag Managera?
Zaawansowane funkcje Google Tag Manager
GTMowa wisienka na torcie, czyli: zarządzanie użytkownikami, wersjami oraz debugowanie
Tryb zgody – Consent Mode w Google Tag Manager
Google Tag Manager – podsumowanie

Czym jest Google Tag Manager?

Google Tag Manager (w skrócie GTM) to system służący do zarządzania wszystkimi skryptami (tagami), które znajdują się na danej stronie www. Można więc powiedzieć, że stanowi “coś” w rodzaju CMSa (Content Management System), który został stworzony specjalnie do dodawania oraz modyfikowania obecnych na stronie internetowej skryptów. Wspomniane skrypty mogą przyjmować najróżniejsze formy – od skryptów śledzących narzędzi analitycznych (jak Google Analytics), poprzez skrypty wykorzystywane do śledzenia konwersji z systemów reklamowych (jak np. Google Ads), aż po niemal dowolne skrypty wykorzystujące JavaScript (np. ankiety).

Jak zainstalować Google Tag Managera?

Aby zainstalować GTM na naszej stronie, jedyne co musisz zrobić, to umieścić kawałek kodu JavaScript. Kod ten nazywa się kontenerem (ang. container) i wygląda w następujący sposób:

• część pierwsza, umieszczona w części <head> witryny:

• oraz dodatkowo druga jego część, po tagu otwierającym <body>:

Dzięki niemu Google Tag Manager będzie w stanie uruchamiać zdefiniowane w panelu narzędzia skrypty:

Tak wygląda podgląd kodów w Google Tag Managerze wraz z regułami, które decydują o tym, kiedy który z nich zostanie uruchomiony.

Do czego służy Google Tag Manager? Po co Ci GTM?

Zastanawiając się nad zastosowaniem GTM, z pewnością pierwszą rzeczą, która przychodzi Ci na myśl, jest analityka (w tym zbieranie, przetwarzanie oraz interpretowanie danych na temat użytkowników Twojej strony). Zgadza się? Jasne, to jedno z kluczowych zastosowań Google Tag Managera, jednak musisz wiedzieć, że z pewnością nie jest ono jedyne. Kolejnymi obszarami, w których sprawdza się poczciwy GTM, są:

1. Szybsza strona internetowa

Kolejne tagi na stronach internetowych spowalniają je coraz bardziej. Z testów przeprowadzonych przez jednego z naszych “branżowych kolegów” wynika, że różnice mogą wynosić nawet kilka sekund. A jak pokazuje infografika od KISSmetrics – szybkość ładowania strony ma zdecydowanie kluczowy wpływ na generowany przez nią przychód. Dlatego, jeżeli Twoja strona ma być skuteczna – wdrożenie na niej GTMa jest po prostu koniecznością.

W jaki sposób GTM pomaga Ci radzić sobie z szybkością ładowania witryny? Można powiedzieć, że robi to aż na 2 różne sposoby:

• Po pierwsze, Google Tag Manager ładuje tagi asynchronicznie. Szybciej ładujące się tagi nie muszą “czekać” na te wolniejsze, co w rezultacie przyspiesza działanie całego serwisu.
• Po drugie, GTM daje nam możliwość sprawowania łatwej kontroli nad tagami. Zazwyczaj jest tak, że w trakcie wdrożeń bardzo mocno kontrolujemy IT pod względem ich poprawności. Niestety, w momencie usuwania tagów, zazwyczaj tej skrupulatności zaczyna już nam brakować. W efekcie powoduje to, że na wielu stronach pozostają “osierocone” tagi, które mogą spowalniać działanie witryny.

2. Gwarancja otagowania każdej strony

Wielokrotnie pojawiającym się problemem jest również ten związany z ciągłym udoskonalaniem stron www. Bardzo często zdarza się bowiem, że pieczołowicie przygotowane tagi znikają z niektórych podstron – i to w “niewyjaśnionych okolicznościach”. Dział IT mógł zapomnieć “przekleić” wybranej linijki JavaScriptu do nowego szablonu lub pozbyć się tagowania na nowym landing page’u – cóż, nawet najlepszym się zdarza.
Z podobnym problemem spotykamy się, gdy chcemy, aby wybrany kod pojawiał się tylko na wybranych podstronach (np. ankieta na stronie podziękowania) lub gdy pomimo sprawdzenia, że kod został wprowadzony na 95% stron, na których miał być umieszczony, to nadal pozostało te nieszczęsne 5%, które pominięto. Z GTM nie ma tych problemów, ponieważ jedyne, o co należy zadbać, to aby specjaliści IT poprawnie wdrożyli kod kontenera na wszystkich podstronach. Taki zabieg sprawi, że wszystkie tagi wywołają się dokładnie tam, gdzie został umieszczony skrypt kontenera, a to z kolei nawet kilkunastokrotnie ograniczyć miejsca, które trzeba zweryfikować.
Wygodne, co nie?

3. Ominięcie działu IT przy wdrożeniach kodów (hurra!)

Na koniec ta najbardziej oczywista korzyść. Wdrożenie Google Tag Managera pozwala ominąć dział IT przy wdrażaniu zdecydowanej większości nowych kodów. Oczywiście, pewnych prac po stronie informatyków nie da się wyeliminować całkowicie. W końcu “ktoś” musi umieścić na stronie, chociażby kod samego kontenera. Ponadto, część informacji będzie musiała być wysyłana z tzw. backendu (np. w przypadku zdarzeń e-commerce czy informacji o stanie zalogowania użytkownika). Jednak bezdyskusyjnie, posiadanie GTM-a sprawi, że świat (przynajmniej ten analityczny!) z miejsca stanie się piękniejszy.

To by było na tyle, jeśli chodzi o wstęp. Pora przejść do omówienia samego narzędzia.

Jak przedstawia się struktura Google Tag Managera?

Konstrukcja popularnego GTM przewiduje kilka obszarów. Najważniejsze z nich omówiłem w kolejnych akapitach.

Konto i kontenery w GTM

Gdy rejestrujesz się w Google Tag Managerze – z miejsca otrzymujesz swoje konto. Jego struktura przypomina Google Analytics, dzięki czemu po zalogowaniu się do GTM, prawie od razu możesz przejść do innych kont, do których masz dostęp. W obrębie każdego konta może istnieć jeden lub więcej typów kontenerów, w tym:

• kontener dla witryn internetowych,
• kontener dla aplikacji iOS,
• kontener dla aplikacji Android,
• kontener dla stron typu AMP (jest to standard kodowania stron internetowych, który pozwala na lepsze dopasowanie ich wydajności do urządzeń mobilnych),
• kontener typu server side.

Typy kontenerów w Google Tag Manager.

Można więc powiedzieć, że kontener to coś w rodzaju “worka”, w którym możesz trzymać różnorodne kody śledzące. Każdy kontener ma osobny kod, który musisz umieścić na swojej stronie (przykład prezentowałem na samym początku tego artykułu).

Jeden kontener możesz wykorzystywać na jednej lub wielu witrynach jednocześnie. Osobiście zalecałbym korzystanie z dobrych praktyk z Google Analytics i kierowanie się zasadą pt.: osobne konto dla każdej domeny głównej (a w przypadku roll-upu także osobnego konta zbiorczego).

W tym wpisie zajmę się pierwszym wspomnianym typem, z którym zapewne większość z użytkowników ma najczęściej do czynienia.

Data Layer (warstwa danych w GTM)

Data Layer to jeden z kluczowych aspektów zarządzania tagami z wykorzystaniem takich narzędzi jak GTM. Google Tag Managera daje możliwość sczytania wybranej wartość z Twojej strony internetowej (np. element DOM lub zmiennej JS). To jest naprawdę super opcja.
Istnieje tylko jeden problem. Co się stanie, jeśli strona www zostanie przebudowana, a jej kod źródłowy ulegnie zmianie? Wtedy niektóre z wykorzystywanych przez DOM elementów (lub zmienne JS) mogą po prostu “wyparować”. Jedynym wyjściem będzie wówczas przeprowadzenie aktualizacji kodu. Niestety, zazwyczaj nikt z IT nie poinformuje Cię, że takowa zmiana w ogóle miała miejsce.

Jak sobie z tym poradzić?

Właśnie na takie okazje stworzono tzw. warstwę danych, która umożliwia przekazanie do GTM wszystkich niezbędnych informacji. Takimi informacjami mogą być nazwy kupionych produktów, typ oglądanej strony, wersja oglądanej strony, wartość konwersji, ID ostatniej transakcji itd.

Jak to wygląda w praktyce? Otóż, dzięki oddzieleniu warstwy danych od struktury strony, będziesz mieć pewność, że zmiany w HTMLu nie wpłyną nam na wcześniej zdefiniowaną Data Layer.

Oznacza to – ni mniej, ni więcej, że oprócz przekonania działu IT o wdrożeniu kodu kontenera, trzeba będzie ich jeszcze “zmusić” do wprowadzenia warstwy danych w obrębie całej witryny. Dodaje to pracy Tobie (bo w końcu “ktoś” to musi zaplanować) oraz specjalistom IT. Jednak daję słowo, że ten wysiłek bardzo się opłaci.

Jak wygląda warstwa danych w Google Tag Manager?

W praktyce, warstwa danych to tak naprawdę jeden, bardzo to prosty fragment JavaScript. O, dokładnie taki:

Gdzie za ‘nazwa’ należy wstawić nazwę danej zmiennej, z kolei za ‘wartość’ – oczywiście… jej wartość :), którą przyjmuje na danej stronie www.

Potrzebujesz przykładu? Proszę bardzo! Jeżeli prowadzisz sklep internetowy i chcesz przekazać do GTM kategorię produktu, na której znajduje się użytkownik (a dodatkowo również nazwę oraz ID produktu), warstwa danych mogłaby wyglądać w następujący sposób:

Przekazane do GTM zmienne możesz wówczas dowolnie wykorzystać – albo w samych tagach (np. nadając zmienną niestandardową o wartości nazwy kategorii produktu, w tym przypadku – wody), albo w warunkach (np. uruchom ankietę, jeżeli id produktu będzie równe 123123). Oczywiście tych danych nie trzeba wprowadzać ręcznie na każdej podstronie. Wystarczy wykorzystać do tego przez informatyków skrypt.

Osobiście polecam, żeby w warstwie danych przekazać więcej informacji (nawet, jeżeli części z nich nie będzie wykorzystana). Samą warstwę należy umieścić powyżej kodu kontenera Google Tag Managera — w tzw.lub też na samym początku.

Dzięki warstwie danych można przekazywać nie tylko statyczne dane, ale także dynamiczne. Przykładowo, jeżeli użytkownik zaznaczy w formularzu swoją płeć lub ulubiony kolor, ta informacja będzie mogła trafić do Google Tag Managera. Wykorzystuje się do tego komendy push. Taką komendę podpinamy pod wybrane pole, np.:

Warto nadmienić, że nowo nadane wartości zmiennych nadpisują poprzednie wartości. Jeżeli domyślną wartością dla zmiennej ‚plec’ było ‚brak’ to po wywołaniu powyższej linijki, zmienna ta przyjmie wartość ‚kobieta’.

Zmienne w Google Tag Managerze

Pojęcie zmiennej w GTM jest bardzo łatwe do wytłumaczenia. Zmienne przechowują wartości poszczególnych elementów. Jeżeli w warstwie danych przekażesz płeć wybraną w formularzu, to w GTM trzeba stworzyć zmienną, w której ta wartość będzie przechowywana (jeżeli chcesz z nią cokolwiek zrobić).

W Google Tag Managerze mamy do czynienia ze zmiennymi wbudowanymi oraz zmiennymi zdefiniowanymi przez użytkownika.

Zmienne wbudowane to m.in. zmienne typu adres URL (np. Page Path, który mówi nam o lokalizacji użytkownika), czy zmienne typu warstwa danych (np. Click Element, który dostarcza informacji o klikanym przez użytkownika elemencie).

Pełną listę zmiennych wbudowanych dla kontenerów internetowych znajdziesz w tym miejscu: https://support.google.com/tagmanager/answer/7182738?hl=pl&ref_topic=7182737

Widok okna w Google Tag Manager, gdzie możemy uaktywnić zmienne wbudowane. Po ich włączeniu będziemy widzieć ich wartości podczas debugowania kontenera.

Pozwól, że zatrzymam się jeszcze na chwilę na naszym przykładzie z płcią. Załóżmy, że przekazaliśmy jej wartość za pomocą warstwy danych i teraz chcemy ją wykorzystać w GTM (tak, aby np. przekazać jako zmienną niestandardową do Google Analytics).

Aby to zrobić, musimy przekształcić ją w tzw. zmienną:

W taki sposób musimy przekształcić każdy element przekazany w warstwie danych w zmienną, aby używać go w GTM.

Tagi wykorzystywane przez Google Tag Managera

Może być tak, że zechcesz, aby Google Tag Manager wykonał jakiś skrypt w momencie, gdy użytkownik kliknie w konkretny link na Twojej stronie internetowej. Aby GTM się o tym dowiedział, musisz skorzystać z pomocy tagów.

Wyobraź sobie, że chcesz, aby Google Tag Manager wysłał wirtualną odsłonę w momencie, gdy użytkownik kliknie powiększenie zdjęcia, które w Twoim serwisie nie wywołuje nowej odsłony. Aby przekazać odpowiednią informację do GTM, musisz skorzystać z eventu.
Na koniec: pamiętaj, aby nie mylić zdarzeń z Google Tag Managera ze zdarzeniami z Google Analytics. Główną różnicą pomiędzy tymi narzędziami jest to, że tzw. zdarzenia GTM-owe mogą wysyłać informacje nie tylko do Google Analytics, ale także do innych systemów.

Jakie są rodzaje tagów, które spotkasz w GTM?

Do podstawowych typów tagów możemy zaliczyć:

• tagi Google Analytics: zarówno do wersji Universal Analytics, jak i Google Analytics 4,
• tagi związane w produktami Google (Google Ads, Floodlight czy Google Optimize),
• tagi zintegrowane z platformami do zarządzania zgodami użytkowników,
• tagi “approved” by Google, które są związane z dodatkowym śledzeniem (z firm takich, jak: Hotjar, Microsoft Advertising czy Linkedin),
• tagi customowe – gdzie najczęściej można mówić o tzw. tagach typu Custom HTML.

Tagi używane w GTM mogą posiadać również dodatkowe ustawienia. W tej materii możemy zatem wymienić:

• • Tag firing priority – pozwól, że do wyjaśnienia jego działania, posłużę się cytatem z Google. Mianowicie:

Określa kolejność, w jakiej będą uruchamiane tagi. Jego wartość może być ujemną lub dodatnią liczbą całkowitą, a tagi z wyższym priorytetem będą uruchamiane w pierwszej kolejności. (Tag o priorytecie równym np. 3 będzie uruchamiany przed tagami o priorytetach 1 i 2). Jeśli nie ustawisz żadnej wartości, priorytet ma domyślną wartość 0. Tagi będą wciąż uruchamiane asynchronicznie. – zmiana priorytetu tagu nie zapobiegnie uruchamianiu innych tagów, nawet jeśli któryś o wyższym priorytecie w ogóle się nie uruchomi.

• • Tag sequencing – w tym przypadku za wyjaśnienie niech również posłuży informacja od Google:

Sekwencjonowanie tagów pozwala wskazywać tagi do uruchomienia bezpośrednio przed uruchomieniem danego tagu „głównego” lub po nim.”

Przykład? Tagi dostawców takich jak TikTok często wymagają odpowiedniego ustawienia wywoływania, aby mogły działać poprawnie (np. tag odsłony powinien wywoływać się przed tagiem view_content).

• Additional Tag Metadata – opcja używana dość rzadko, która pozwala dodawać metadane do każdego pojedynczego tagu w kontenerze.
• Consent settings – to z kolei ustawienie, które pozwala modyfikować wywoływanie tagu na podstawie udzielonej przez użytkownika zgody. Jeżeli interesuje Cię ta tematyka – koniecznie zapoznaj się z artykułem na temat Consent Mode.

Triggers (tzw. reguły GTM)

Reguły to już ostatnie pojęcie, które jest Ci potrzebne do zrozumienia działania Google Tag Managera.

To właśnie dzięki ustalanym regułom, GTM wie, kiedy wczytać odpowiedni skrypt. Najprostszą i najczęściej wykorzystywaną regułą (oprócz tej, aby w ogóle “odpalić” kod na każdej stronie www), będzie uruchomienie kodu konwersji na stronie podziękowania. Taka reguła mogłaby wyglądać w następujący sposób:

Przykładowa reguła w Google Tag Managerze, którą będziemy mogli wykorzystać, aby np. uruchomić skrypt konwersji na stronie podziękowania.

Na podstronie z podziękowaniem z powodzeniem można także użyć reguły “zdarzenie niestandardowe”, ale o tym opowiem Ci za chwilę.

Typy reguł możemy podzielić w następujący sposób:

1. Wyświetlenie strony – w ramach których mamy do czynienia z kilkoma podtypami:
   • inicjacja zgody, która pomaga w uwzględnianiu ustawień związanych ze zgodami – jeszcze przed uruchomieniem samych reguł.
   • zdarzenie inicjujące, które uruchomienie następuje na samym początku (zaraz za inicjacją zgody).
   • wyświetlenie strony, do którego uruchomienia dochodzi od razu po tym, jak przeglądarka rozpocznie ładowanie witryny.
   • element DOM dostępny, który zostaje uruchomiony, gdy przeglądarka sfinalizuje proces tworzenia strony w języku HTML, a co za tym idzie – pozwoli analizować element DOM.
   • wczytanie okna, które wyzwala się, gdy strona całkowicie się załaduje (mowa tu zarówno o samym kodzie, jak i wszystkich zasobach – obrazach, skryptach itp.).
2. Kliknięcie – dotyczy kliknięć w linki lub elementy strony. Podczas konfigurowania tych reguł zazwyczaj korzysta się z dodatkowych warunków – takich, jak wyzwalanie reguły kliknięcia w określony tekst lub w element strony.
3. Zaangażowanie (np. głębokość przewijania czy widoczność elementu).
4. Błąd Skryptu JavaScript – jednym z przykładów może być kod serwisu (np. społecznościowego), w którym prowadzisz działania reklamowe i wysyłasz tam dane o wyświetleniach produktów czy dodaniach do koszyka.Kiedy kod np. nie może wywołać się poprawnie lub sczytać ze strony internetowej odpowiednich informacji, można wówczas uruchomić np. tag Google Analytics i tym samym wysłać tę informację do swojej usługi. Jest to cenna informacja z punktu widzenia prowadzenia działań reklamowych.
5. Grupa wyzwalaczy – jak można wyczytać na stronach Google:
   “Grupa reguł oceni, czy są spełnione warunki dwóch lub większej liczby reguł jako całości. Grupa reguł uruchomi się dopiero wtedy, gdy wszystkie wybrane reguły uruchomią się co najmniej raz”Przykład zastosowania? Uruchomienie tagu tylko wtedy, gdy użytkownik na danej podstronie kliknie 2 przyciski.
6. Minutnik – reguła, którą z powodzeniem można zastosować na podstronach, które zawierają dużo treści/tekstu i oprócz kliknięcia w link (np. produktu na wpisie blogowym), jako zaangażowanie chcesz też mierzyć czas spędzony na stronie. Dodatkowo, za jego pomocą, możesz też zmodyfikować współczynnik odrzuceń.
7. Zdarzenie niestandardowe – reguła uruchamia się w momencie wywołania w kodzie funkcji dataLayer.push(), z którą dodatkowo mogą być wysłane dodatkowe zmienne. Z przykładem zdarzeń niestandardowych zderzysz się najczęściej przy konfiguracji Enhanced Ecommerce (dodanie do koszyka czy zakup). Innym przykładem może być śledzenie wypełnienia formularza na stronie. Wówczas możesz śledzić jego wypełnienie, ale dostać także dodatkowe informacje, które nie są widoczne na stronie (każdy użytkownik, niezależnie od wypełnionego formularza, ląduje na tym samym TYP). W tym przypadku możesz poprosić programistę o wprowadzenie dodatkowego kodu:

   dataLayer.push({’event’:’form_submit’,’typ’:[typ formularza],’opcja_dodatkowa’:[tak/nie]});

8. Zmiana w historii – jest to reguła używana na stronach typu SPA w celu śledzenia wirtualnych odsłon.

Takie reguły odpowiadają za uruchomienie tagu, jeśli identyfikator fragmentu adresu URL (oznaczony za pomocą kratki) zostanie zmodyfikowany lub też, jeśli w samej witrynie zostanie wykorzystany interfejs API HTML5 (typu pushstate). Omawiana reguła sprawdza się podczas uruchamiania tagów, które mają śledzić wirtualne odsłony strony w aplikacji Ajax.

Foldery w GTM

Według informacji od Google, w miarę rozrastania się kontenerów, śledzenie wszystkich konfiguracji tagów, reguł, jak i samych zmiennych, staje się coraz trudniejsze. Aby usprawnić pracę z tymi elementami, warto uporządkować je w logiczne grupy, do czego można wykorzystać właśnie foldery Menedżera tagów.

Zatem, grupowanie przy użyciu folderów może odbywać się na różne sposoby. Można klasyfikować tagi zależnie od zespołów, które się nimi zajmują, czy też dzielić kontener na podstawie części witryny, które dane tagi obsługują.

Templates w aplikacji Google Tag Manager

GTM pozwala również na korzystanie z gotowych szablonów tagów, które nie wymagają “ręcznego” kopiowania oraz przepisywania kodów HTML i JavaScript. W tym celu udostępnia tzw. galerię szablonów, która stanowi swego rodzaju repozytorium – aktualizowane także przez samych użytkowników GTM.

Zaawansowane funkcje Google Tag Manager

GTM oferuje funkcje wykraczające poza prostą obsługę tagów – np. możliwość uruchamiania kodu po stronie serwera (server-side tagging), co zmniejsza obciążenie strony i pomaga w ochronie prywatności. Można też wykorzystywać warstwę danych (dataLayer) do przekazywania zmiennych kontekstowych, stosować reguły warunkowe (np. niestandardowe filtry), a także korzystać z gotowych szablonów i rozszerzeń (community templates), które pozwalają szybko integrować mniej standardowe zdarzenia.

Integracja z Google Analytics

Dzięki GTM możesz łatwo podpiąć Google Analytics (zwłaszcza GA4) bez edytowania kodu strony – wystarczy utworzyć tag konfiguracyjny z identyfikatorem pomiaru oraz tagi zdarzeń (np. kliknięcia, przewijanie).

Przez GTM można też centralnie zarządzać parametrami (np. wartości transakcji, identyfikator produktu) i przekazywać je jako zmienne do GA. Dzięki temu dane są bardziej spójne i łatwiej rozszerzalne, bo zmiany robi się w GTM, a nie bezpośrednio w kodzie witryny.

GTMowa wisienka na torcie, czyli: zarządzanie użytkownikami, wersjami oraz debugowanie

Czytając ten artykuł, z pewnością naszły Cię wątpliwości związane z tym, czy aby na pewno w GTM każdy będzie mógł zmieniać, dodawać, usuwać, a następnie uruchamiać na stronie. Rozwiewam Twoje obawy – na szczęście w GTM zostało to naprawdę dobrze rozwiązane.

Zarządzanie użytkownikami Google Tag Managera

Po pierwsze Google Tag Manager dostarcza Ci wiele bardzo fajnych sposobów na zarządzanie użytkownikami. Możesz zarządzać prawami na dwóch poziomach: konta oraz kontenera.

Na poziomie konta masz do dyspozycji 2 poziomy uprawnień:

1. View Only: użytkownik będzie widział konto, ale nie będzie widział żadnych kontenerów do momentu przyznania mu do nich praw.
2. View, Edit and Manage: na tym poziomie użytkownik będzie widział wszystkie kontenery w koncie i ich ustawienia. Nie będzie miał jednak możliwości ich edycji lub publikacji, chyba że nadamy mu odpowiednie prawa na poziomie kontenera.

Na poziomie kontenera masz z kolei aż 3 poziomy uprawnień:

1. View Only: z tymi uprawnieniami użytkownik ma podgląd wszystkich elementów kontenera (tagów, makr i reguł).
2. View and Edit: te uprawnienia dają użytkownikowi możliwość edycji wybranego kontenera i podglądu wprowadzanych zmian (tryb debugowania). Nie dają mu jednak opcji usuwania i publikacji zmian.
3. View, Edit, Delete & Publish: najwyższe uprawnienia, które dają użytkownikowi pełną swobodę. Może on przeglądać wszystkie elementy, edytować, usuwać, a nawet publikować je bezpośrednio w witrynie.

Każdemu użytkownikowi możemy przydzielić prawa na dwóch poziomach: konta i kontenera.

Zarządzanie wersjami kontenera w GTM

W celu łatwiejszego wdrażania zmian i powrotu do poprzednich, działających poprawnie wersji, GTM udostępnia opcję sprawnego zarządzania wersjami kontenera. Każda z wersji stanowi jakby zdjęcie obecnych ustawień kontenera, który edytujemy.

W zakładce Wersje jesteś w stanie prześledzić wszystkie wersje kontenera – zarówno te opublikowane, jak i nie.

Podpowiedź: Warto tworzyć klarowne i czytelne nazwy wersji oraz umieszczać dodatkowe informacje w opisie. Po dłuższym korzystaniu z kontenera, gdy pracuje nad nim coraz więcej osób (i przybywa także tagów), czytelna dokumentacja zmian jest niezwykle ważna. Warto o tym wiedzieć wcześniej, niż później.

Środowiska wykorzystywane w GTM

Środowiska to z kolei funkcja, która idealnie odnajduje się w organizacjach, które chcą zyskać podgląd do wszelkich zmian w ramach kontenerach, zanim zdecydują się na ich publikację w docelowym środowisku (tzw. produkcyjnym).
Z uwagi na powyższe, głównym obszarem ich zastosowania są tzw. środowiska projektowe (testowe).

Podgląd i debugowanie

W celu debugowania i zyskania dostępu do zmian, należy kliknąć przycisk w prawym górnym rogu narzędzia. Co ciekawe, możesz wybrać aż 2 sposoby na taki podgląd:

• podgląd na własnym komputerze,
• wysłanie linku do osoby, która ma zapoznać się ze zmianami.

Szczególnie świetna jest druga z opcji. Możesz ją wykorzystać nie tylko do weryfikacji wprowadzonych zmian przez IT (lub kolegę z zespołu), ale również wykorzystać do sprawdzenia działania całego wdrożenia (np. na innej przeglądarce).

Tryb zgody – Consent Mode w Google Tag Manager

A co w przypadku kwestii prywatności? Czy GTM jest w stanie pomóc w lepszym zarządzaniu zgodami użytkownika? Odpowiedź brzmi: jak najbardziej.

W ustawieniach kontenera czeka na Ciebie dodatkowa opcja, której włączenie zapewnia wgląd w ustawienia uzyskiwania zgody w przypadku tagów w kontenerze.

Ustawienia kontenerów w GTM.

Po włączeniu tej funkcji, gdy przeniesiesz się na zakładkę Tagi i klikniesz ikonę Tarczy (znajduje się przy lupce), przeniesiesz się do przeglądu tagów:

Ustawienia tagów w GTM.

Dzięki odpowiednim ustawieniom tagów, zyskasz pewność, że Twoja witryna pozostaje w zgodzie z najnowszymi zasadami dotyczącymi prywatności w sieci, a tym samym – zmniejszysz utratę danych w momencie niewyrażenia przez użytkownika zgody.

Google Tag Manager – podsumowanie

Ufff. Ten wpis był naprawdę długi, jednak mam nadzieję, że udało Ci się dotrwać do końca i po przeczytaniu upewnisz się, że wdrożenie Google Tag Managera w Twoim serwisie to doskonały pomysł.

Osobiście gorąco polecam Google Tag Managera, ponieważ daje on naprawdę niesamowite możliwości, a korzyści, o których wspominałem na początku, poczujesz bez względu na to, czy w Twoim serwisie znajdują się obecnie 2, czy też 22 tagi. Dodatkowo teraz, w momencie coraz większego nacisku kładzionego na zbieranie danych zgodnie z intencją użytkownika, GTM pozwala także zmniejszyć utratę danych.
A Co Ty sądzisz o Google Tag Managerze? Często z niego korzystasz? Co sprawia Ci największą trudność w konfiguracji? Zapraszam do komentowania i dzielenia się spostrzeżeniami!

A tak na marginesie…
Jeśli uważasz, że wiedza zawarta w tym artykule jest wartościowa, a temat Google Tag Manager Cię zainteresował – koniecznie sprawdź te wpisy na blogu, które są związane z GTMem. Jestem pewny, że informacje zawarte w artykule o zmiennych niestandardowych oraz event tracking z pewnością Ci się spodobają!

The post Google Tag Manager – co to jest i do czego służy GTM? first appeared on Conversion.