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.

Branża: Sprzęt komputerowy
Klient: X-kom (Warszawa, Polska)
Strona: www.x-kom.pl

Punkt wyjścia

X-kom to jedna z najbardziej rozpoznawalnych marek e-commerce w Polsce, łącząca sprzedaż online z siecią sklepów stacjonarnych. Skala działalności oraz intensywne działania marketingowe sprawiają, że jakość danych analitycznych ma bezpośredni wpływ na podejmowane decyzje biznesowe.

W momencie rozpoczęcia współpracy zespół X-kom przygotowywał się do uruchomienia kampanii marketingowej, w której kluczowe znaczenie miała możliwość bieżącego monitorowania wyników i reagowania na zmiany w trakcie jej trwania. Warunkiem koniecznym była wysoka precyzja danych zbieranych w Google Analytics 4.

Klient zauważał jednak, że jakość danych eventowych może być obarczona błędami, które utrudniają rzetelną analizę skuteczności działań marketingowych. Potrzebne było szybkie i zdecydowane działanie.

Wyzwania

Główne wyzwania, z jakimi mierzył się zespół X-kom, obejmowały:

• konieczność poprawy jakości danych zbieranych w GA4 przed startem kampanii marketingowej,
• podejrzenie występowania błędów w konfiguracji Google Tag Managera,
• ograniczony czas na analizę i wdrożenie poprawek,
• potrzebę zachowania pełnej spójności danych w trakcie dynamicznych działań marketingowych.

Celem było szybkie zidentyfikowanie problemów oraz wdrożenie rekomendacji, które realnie wpłyną na wiarygodność danych.

Nasze podejście

Nasz zespół rozpoczął współpracę od kompleksowego audytu Google Analytics 4 oraz Google Tag Managera. W ramach prac sprawdziliśmy również poprawność wdrożenia Consent Mode, który ma istotny wpływ na sposób zbierania danych.

Analiza pozwoliła zidentyfikować trzy kluczowe problemy w konfiguracji GTM, które bezpośrednio wpływały na sposób zliczania eventów. Jednym z najważniejszych efektów tych błędów była duplikacja zdarzeń, zaburzająca obraz rzeczywistych zachowań użytkowników.

Wnioski z audytu zostały przez nas uporządkowane i sklasyfikowane pod względem ich istotności biznesowej. Dzięki temu mogliśmy skupić się w pierwszej kolejności na tych elementach, które miały największy wpływ na jakość danych.

Równolegle prowadziliśmy bieżącą komunikację z zespołem X-kom, dokładnie wyjaśniając zidentyfikowane problemy oraz rekomendowane zmiany. Pozwoliło to na szybkie wdrożenie poprawek po stronie klienta.

Efekty

Pierwsze rezultaty współpracy były widoczne bardzo szybko:

• eliminacja problemu zduplikowanych eventów,
• redukcja liczby eventów o 23%,
• zauważalna poprawa jakości danych już kilka dni po rozpoczęciu prac,
• większa precyzja danych wykorzystywanych do oceny skuteczności kampanii marketingowych.

Dzięki szybkiemu wdrożeniu rekomendacji zespół X-kom mógł w pełni skupić się na realizacji kampanii, mając pewność, że dane analityczne stanowią solidną podstawę do podejmowania decyzji.

Opinia X-kom.pl na temat przeprowadzonego projektu

Zdaniem X-kom nasz zespół wykazał się wysokim poziomem profesjonalizmu i sprawnością działania. Pierwsze wnioski z analizy oraz rekomendacje dotyczące poprawek zostały przekazane do X-kom’u już w ciągu 2 dni od uzyskania dostępu do audytowanych narzędzi.

Podsumowanie

Case study X-kom pokazuje, jak istotny wpływ na skuteczność działań marketingowych ma jakość danych analitycznych. Szybki audyt GA4 i GTM, precyzyjna identyfikacja problemów oraz sprawna komunikacja pozwoliły w krótkim czasie przywrócić spójność danych i wyeliminować duplikację eventów, bez ryzyka dla trwających działań biznesowych.

The post X-kom – 23% mniej eventów w Google Analytics dzięki audytowi GA4 i GTM first appeared on Conversion.

Punkt wyjścia

Klient z branży Retail B2B regularnie prowadził badania użytkowników z wykorzystaniem HotJar. Aby lepiej targetować ankiety, agencja marketingowa przygotowała listę kontrahentów opartą na unikalnych ID użytkowników.

Problem pojawił się na etapie wdrożenia tej listy w Google Tag Managerze. Konfiguracja została przygotowana w sposób nieefektywny, zamiast kilku lub kilkunastu zmiennych utworzono aż 64 zmienne.

W praktyce oznaczało to, że każde kolejne badanie lub aktualizacja listy wymagały dużej ilości ręcznej pracy.

Wyzwanie

Główne wyzwanie nie dotyczyło samego uruchomienia ankiet, ale skalowalności całego procesu.

Przy 64 zmiennych każda aktualizacja ID użytkowników wymagała ręcznej modyfikacji wielu elementów w GTM. To powodowało trzy problemy:

• proces był czasochłonny,
• konfiguracja była podatna na błędy,
• GTM był nadmiernie obciążony liczbą zmiennych.

Nawet gdyby limit techniczny narzędzia nie był problemem, sama obsługa takiej konfiguracji pozostawałaby trudna organizacyjnie. Każde kolejne badanie oznaczałoby powtarzalną, ręczną pracę zamiast prostego i skalowalnego procesu.

Nasze podejście

Zaczęliśmy od diagnozy konfiguracji i identyfikacji elementów, które niepotrzebnie komplikowały cały proces.

Następnie zaproponowaliśmy prostsze rozwiązanie, którego celem było ograniczenie liczby zmiennych oraz uporządkowanie sposobu zarządzania listą kontrahentów w GTM.

W ramach projektu:

• przeanalizowaliśmy obecną konfigurację,
• wskazaliśmy, które elementy można uprościć,
• zaproponowaliśmy bardziej efektywny model działania,
• dostosowaliśmy rozwiązanie do cyklicznych badań HotJar,
• wspieraliśmy zespół klienta zarówno technicznie, jak i strategicznie.

Kluczowe było nie tylko naprawienie jednorazowego problemu, ale stworzenie konfiguracji, którą da się łatwo aktualizować przy kolejnych badaniach.

Efekty

Optymalizacja konfiguracji GTM przyniosła trzy konkretne efekty.

Po pierwsze, liczba zmiennych została zmniejszona z 64 do 12. To znacząco uprościło zarządzanie listą kontrahentów i planowanie kolejnych badań.

Po drugie, ograniczono czas potrzebny na aktualizację ID użytkowników. Zespół nie musiał już ręcznie modyfikować dużej liczby zmiennych przy każdej zmianie listy.

Po trzecie, poprawiono wydajność GTM. Mniejsza liczba zmiennych przełożyła się na stabilniejszą konfigurację i łatwiejszą skalowalność badań HotJar.

Co zmieniło się biznesowo?

W projektach analitycznych problemem często nie jest samo wdrożenie narzędzia, ale sposób jego konfiguracji.

W tym przypadku GTM działał, ale konfiguracja była zbyt złożona, trudna w utrzymaniu i podatna na błędy. Redukcja liczby zmiennych z 64 do 12 uprościła proces, zmniejszyła obciążenie operacyjne i pozwoliła klientowi łatwiej skalować cykliczne badania HotJar.

The post Case Study – Jak optymalizacja konfiguracji odblokowała skalowalność badań HotJar? 64 → 12 zmiennych w GTM first appeared on Conversion.

Branża: E-commerce
Klient: Kratki.pl Marek Bal (Polska)
Strona: www.kratki.com

Punkt wyjścia

Kratki.com rozwijało swój sklep internetowy w oparciu o Magento 2.0, z frontendem opartym o technologię PWA (Progressive Web App). W momencie wdrożenia nowego rozwiązania firma potrzebowała poprawnie skonfigurowanej analityki Google Analytics, która pozwoliłaby mierzyć pełną ścieżkę zakupową oraz skuteczność działań marketingowych.

Problem polegał na tym, że w wyniku błędu we wtyczce do Google Tag Managera oraz specyfiki PWA firma traciła dane o co najmniej 10% użytkowników (a w niektórych przypadkach nawet do 70%). Zgodność danych po pierwszej implementacji wynosiła zaledwie około 30%.

Analityka opierała się głównie na Google Ads i Google Analytics, a wykorzystywane metryki ograniczały się przede wszystkim do liczby sesji i nowych użytkowników. Takie podejście było niewystarczające do świadomego zarządzania budżetami SEO i PPC, szczególnie przy ruchu pochodzącym z ponad 12 źródeł oraz sprzedaży prowadzonej na 21 rynkach.

Wyzwania

Najważniejsze wyzwania obejmowały:

• utratę części danych użytkowników w wyniku implementacji PWA,
• brak poprawnie skonfigurowanego śledzenia pełnej ścieżki zakupowej,
• konieczność rozdzielenia ruchu B2B i B2C,
• potrzebę zachowania spójności danych sprzedażowych (waluty, wersje językowe, lokalizacja),
• wybór odpowiedniego modelu atrybucji przy ruchu z wielu źródeł.

Dodatkowym wyzwaniem była migracja do Magento 2.0 oraz integracja analityki z ERP, który stanowił centralne źródło informacji o produktach.

Nasze podejście

Współpracę rozpoczęliśmy od warsztatu biznesowego z udziałem wszystkich kluczowych interesariuszy. Celem było zrozumienie procesów, potrzeb oraz celów biznesowych, a także określenie, jakie dane powinny być dostępne w docelowym ekosystemie analitycznym.

Kolejnym krokiem był szczegółowy audyt dotychczasowej konfiguracji Google Analytics oraz przygotowanie kompleksowego planu tagowania. Dokumentacja obejmowała instrukcje wdrożeniowe, uzgodnienia projektowe oraz przyszłościowe potrzeby raportowe.

Wdrożenie zostało podzielone na sprinty i realizowane etapami według trzystopniowej skali priorytetów. Takie podejście pozwoliło szybko uzyskać pierwsze dane oraz równolegle identyfikować i rozwiązywać problemy związane z technologią PWA.

Oprócz implementacji GA zoptymalizowaliśmy również inne kluczowe kody śledzące, m.in. Google Ads, Ceneo, Hotjar, Piksel Facebook, Pinterest oraz TikTok, aby zapewnić pełniejszy obraz zachowań użytkowników.

Efekty

Wdrożenie nowej architektury analitycznej pozwoliło:

• uszczelnić śledzenie w środowisku PWA i znacząco ograniczyć utratę danych,
• osiągnąć realną zgodność danych użytkowników,
• poprawnie mierzyć pełną ścieżkę zakupową,
• rozdzielić ruch B2B i B2C,
• uzyskać dedykowane widoki dla wszystkich wersji językowych sklepu,
• podejmować decyzje budżetowe w oparciu o wiarygodne dane sprzedażowe i behawioralne.

Dzięki uporządkowanej analityce Kratki.com zyskało przejrzysty wgląd w skuteczność działań marketingowych oraz możliwość świadomego skalowania sprzedaży na kolejnych rynkach.

Opinia Kratki.com na temat przeprowadzonego projektu

Zdaniem Kratki.com współpraca dała im pewność wchodzenia na nowe rynki oraz umożliwiła podejmowanie decyzji w oparciu o rzetelne, rzeczywiste dane.

Podsumowanie

Case study Kratki.com pokazuje, jak duży wpływ na jakość danych ma technologia PWA oraz sposób implementacji narzędzi analitycznych.

Kompleksowy audyt, przemyślany plan tagowania oraz iteracyjne wdrożenie pozwoliły odzyskać kontrolę nad danymi i oprzeć rozwój e-commerce na wiarygodnej analityce.

The post Kratki.com – Uszczelnienie śledzenia w PWA i odzyskanie nawet 70% utraconych danych first appeared on Conversion.

Branża: Porównywarka cenowa
Klient: Ringier Axel Springer Polska sp. z o.o. (Warszawa, Polska)
Strona: www.skapiec.pl

Punkt wyjścia

Skąpiec.pl to jedna z największych porównywarek cenowych na polskim rynku. Serwis prezentuje miliony ofert i produktów, a miesięcznie odwiedza go blisko 4 miliony użytkowników. Przy takiej skali działania jakość danych oraz sprawność wdrażania nowych kodów śledzących miały bezpośredni wpływ na efektywność działań marketingowych i analitycznych.

Przed rozpoczęciem współpracy każda zmiana w kodzie strony wymagała zaangażowania działu IT. Nawet proste wdrożenia, takie jak śledzenie kliknięcia w przycisk, uruchomienie ankiety czy dodanie nowego kodu remarketingowego, trafiały do kolejki ticketów i mogły czekać na realizację tygodniami.

Celem współpracy było zwiększenie efektywności zbierania i analizy danych poprzez wdrożenie Google Tag Managera oraz uporządkowanie całego procesu zarządzania tagami.

Wyzwania

Najważniejszym wyzwaniem było odciążenie działu IT i umożliwienie szybszego wdrażania zmian analitycznych oraz marketingowych. Dotychczasowy model pracy powodował opóźnienia, a zespoły marketingowe i analityczne były w dużej mierze zależne od dostępności webmasterów.

Projekt był dodatkowo złożony ze względu na skalę serwisu. Skąpiec.pl posiadał już zaawansowaną konfigurację Google Analytics, rozbudowany system śledzenia oraz dużą liczbę kont i profili GA. Konieczne było więc nie tylko przeniesienie istniejących skryptów do Google Tag Managera, ale także uporządkowanie całego procesu zbierania danych.

Kluczowe wyzwania obejmowały:

• migrację rozbudowanej instalacji Google Analytics do Google Tag Managera,
• stworzenie skalowalnej warstwy danych (DataLayer),
• uporządkowanie wielu kont, profili i śledzonych elementów,
• zapewnienie wysokiej jakości i kompletności danych,
• ograniczenie zależności marketingu i analityki od działu IT,
• zachowanie ciągłości pomiaru w trakcie migracji.

Istotne było również zaprojektowanie rozwiązania przyszłościowego — takiego, które pozwoli w dowolnym momencie rozwijać śledzenie o nowe zdarzenia, skrypty i potrzeby biznesowe.

Nasze podejście

Prace rozpoczęliśmy od szczegółowego mapowania dotychczasowej konfiguracji Google Analytics. Zespół Conversion przeanalizował konta, profile oraz wszystkie elementy śledzone na stronie. Celem nie było samo przeniesienie istniejących kodów, ale ocena, które dane są naprawdę potrzebne i jak można wykorzystać je do tworzenia użytecznych analiz oraz rekomendacji.

Następnie przygotowaliśmy specyfikację DataLayer, czyli warstwy danych stanowiącej podstawę poprawnego wdrożenia Google Tag Managera. Gotowa specyfikacja została przekazana do zespołu IT Skąpiec.pl, który wdrożył ją w kodzie strony.

Kolejnym krokiem było stworzenie mechanizmów DataLayer.push, czyli sygnałów informujących GTM, że na stronie wydarzyła się konkretna akcja — np. kliknięcie przycisku lub przewinięcie strony. Dzięki wykorzystaniu zaawansowanych kodów JavaScript większość tych zmian została wdrożona bez angażowania IT po stronie Skąpiec.pl.

Aby ograniczyć ryzyko błędów, wdrożenie przeprowadzono etapowo. Conversion uruchomiło bliźniaczą instalację Google Analytics przez Google Tag Managera, opartą na osobnych kontach. Pozwoliło to porównać dane zbierane przez stare kody z danymi zbieranymi przez nową konfigurację GTM. Dzięki temu udało się zidentyfikować i poprawić błędy jeszcze przed finalnym przepięciem.

Ostateczne wdrożenie polegało na jednoczesnym wyłączeniu starych kodów przez IT i uruchomieniu nowych przez analityków Conversion. Proces był monitorowany w czasie rzeczywistym i trwał jeden dzień.

Efekty

Wdrożenie Google Tag Managera przyniosło Skąpiec.pl konkretne efekty organizacyjne, techniczne i analityczne:

• proces wdrożenia i migracji kodów trwał 6 tygodni,
• zaimplementowano 118 tagów, 96 makr i 38 reguł,
• przeniesiono m.in. skrypty Google Analytics, tagi Gemius Audience, remarketingowe AdWords oraz ankiety Qualaroo,
• odciążono dział IT,
• usprawniono pracę działu marketingu,
• przyspieszono wdrażanie nowych kodów i skryptów,
• poprawiono szybkość działania serwisu dzięki asynchronicznemu ładowaniu tagów,
• zapewniono wysoką jakość i kompletność danych,
• otwarto nowe możliwości analiz.

Szczególnie istotny był efekt praktyczny po szkoleniu zespołu. Już tydzień po wdrożeniu zespół Skąpiec.pl, przy niewielkim wsparciu Conversion, samodzielnie wdrożył kody remarketingowe nowej sieci reklamowej. Zmiana została uruchomiona następnego dnia od zgłoszenia z marketingu — podczas gdy wcześniej podobny proces przez IT trwałby ponad tydzień.

Opinia firmy Skąpiec.pl o zespole Conversion

Podsumowanie

Projekt dla serwisu Skąpiec.pl pokazuje, jak wdrożenie Google Tag Managera może uporządkować proces zbierania danych, odciążyć dział IT i zwiększyć efektywność działań marketingowych. Dzięki dobrze zaprojektowanemu DataLayerowi oraz skalowalnej konfiguracji GTM organizacja zyskała większą niezależność, szybsze wdrożenia i nowe możliwości analityczne.

The post Skąpiec.pl – Jak Skąpiec.pl usprawnił zbieranie danych dzięki Google Tag Managerowi? first appeared on Conversion.