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

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

Jakie zmiany czekają nas w kontekście Google Analytics?

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

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

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

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

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

Historia zmian w narzędziach do analityki internetowej Google

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Koniec Universal Analytics – najczęściej zadawane pytania

Kiedy usługa Universal Analytics przestanie działać? 

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

Jak wyeksportować dane z Universal Analytics? 

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

Jaki wpływ te zmiany będą miały na konta Google Ads? 

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

Czy można usunąć usługę Universal Analytics? 

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

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

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

Podsumowanie

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

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

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

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

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

Jeżeli do tej pory zdarzyło Ci się żyć w przeświadczeniu, że pojawienie się nowej wersji Google Analytics (4) to tylko kolejny, mały i prawdopodobnie nic nieznaczący update tego narzędzia – możesz się “lekko” zdziwić. Otóż, musisz zdawać sobie sprawę, że przesiadka na tę platformę nie ograniczy się jedynie do wizualnej oraz kosmetycznej zmiany interfejsu czy też dołożenia kilku dodatkowych funkcji, które ucieszyłyby tylko zapalonych analitycznych freak’ów.
Wraz z nadejściem ery GA4 zmienił się tak naprawdę cały fundament, na którym opierało się dotychczasowe podejście do agregowania i przetwarzania danych, czy chociażby to, w jaki sposób odbywa się identyfikacja samych użytkowników. I co najlepsze – te zmiany nie są jedynymi. Warto bowiem zauważyć również fakt, iż dane do tej pory zebrane przez UA nie są (i nie będą!) przenoszone do nowszej wersji Analyticsa.

Co jeszcze się zmieni i jak warto się przygotować do tej rewolucji, zanim Google całkowicie odetnie Cię od możliwości korzystania ze starego narzędzia? Poniżej znajdziesz listę aż 7 rzeczy, o których należy pamiętać jeszcze przed podjęciem pierwszych kroków związanych z migracją do GA4.

Co znajdziesz w tym artykule?
#1 Kompletnie odmieniony sposób zbierania danych
#2 Zmiana dataLayerów oraz sposobu implementacji przez GTM
#3 Zmiany w wymiarach i danych niestandardowych
#4 Zmiana z “ręcznego” na automatyczne śledzenie zdarzeń
#5 Zmiana sposobu śledzenia celów X
#6 Zmiana podejścia do kwestii privacy
#7 Zmiana widoków
O czym pamiętać, przed przejściem na Google Analytics 4? Podsumowanie.

#1 Kompletnie odmieniony sposób zbierania danych

U podstaw braku kompatybilności danych pomiędzy obiema wersjami Analyticsa leży fakt, że te narzędzia stosują zupełnie odmienne podejścia do agregowania danych.

W przypadku Universal Analytics całość opierała się na tzw. sesjach, co sprawdzało się w przypadku śledzenia użytkowników webowych. Problem pojawiał się natomiast wówczas, gdy próbowaliśmy porównać dane pochodzące z aplikacji (które to bazowały przede wszystkim na pomiarach zdarzenia) – z danymi webowymi. Biorąc pod uwagę coraz częściej występujące zjawisko cross-device (czyli wykorzystywanie wielu różnych urządzeń na drodze do zakupu), poprzedni GA nie pozwalał więc na całościowe śledzenie drogi, jaką pokonywał dany użytkownik.

W nowej wersji postanowiono oprzeć pomiary nie o sesje, a właśnie o zdarzenia, co było już wcześniej znane, chociażby w Google Analytics dla Firebase. Takie rozwiązanie umożliwia analizę danych pochodzących zarówno z aplikacji, jak i webów, a co za tym idzie – może okazać się kluczowe do wytyczenia wąskich gardeł w biznesie oraz do skutecznego tworzenia kampanii remarketingowych.

Jednak sprawne integrowanie informacji z różnych urządzeń to niejedyna zmiana, jaką przygotował gigant z USA

Otóż, w UA zdarzenia otrzymywały takie oznaczenia, jak: kategoria, działanie, etykieta i wartość. Natomiast przy okazji wdrożenia GA4 postanowiono od tego odejść, a na ich miejsce wybrano tzw. parametry, które mogą być inne dla każdego zdarzenia.

Dla przykładu: Google Analytivs 4 będzie traktował odsłony jako zdarzenie page_view z odpowiednimi parametrami np. page_title, page_location.

Zmianie uległo także podejście do samych sesji, dla których w UA czas był liczony jako różnica pomiędzy pierwszym oraz ostatnim działaniem w sesji. Natomiast w GA4 czas trwania sesji będzie się opierał na zdarzeniach. Za początek sesji uznając zdarzenie session_start, zaś za koniec sesji – moment wystąpienia ostatniego zdarzenia w sesji. Muszę zaznaczyć, że ten czynnik może powodować bardzo znaczne różnice pomiędzy danymi pochodzącymi z UA, a tymi widocznymi bezpośrednio w GA4.

Dużą różnicą w kwestii podejścia do sesji jest to, że gdy użytkownik powrócił na stronę z innego źródła kampanii, sesja w UA wygasała, a następnie rozpoczynała się od nowa. W GA4 taka sytuacja jest z kolei rejestrowana jako jedna sesja, co ponownie może powodować spore rozbieżności pomiędzy tymi narzędziami. Należy również pamiętać, że sesja w GA4 nie wygasa automatycznie po północy, jak to miało miejsce w UA, choć może być liczona 2 razy dla każdego dnia jako osobne sesje.

A czy są jakieś podobieństwa? Jasne! Jednym z nich jest, chociażby czas wygasania sesji – po 30 min od momentu wysłania zdarzenia / działania.

#2 Zmiana dataLayerów oraz sposobu implementacji przez GTM

Przy okazji projektowania GA4, firma Google postanowiła również odświeżyć dotychczasową wersję warstwy danych, która istotnie odróżnia się od tej, którą znaliśmy do tej pory z UA. Zmianie w tej materii uległa zarówno struktura obiektu dataLayer, nazewnictwo poszczególnych parametrów, jak i domyślnie wysyłane parametry dla zdarzeń e-commerce.

Aby ułatwić “przesiadkę” na nowszą wersję, Google udostępniło szczegółowe wytyczne ułatwiające dostosowanie warstw danych dla swojego biznesu.

Jeżeli w tym momencie zasoby firmy nie pozwalają na wdrożenie dataLayerów, które będą w 100 procentach zgodne z nowymi wymaganiami – pamiętaj, że zawsze możesz wykorzystać szablon stworzony przez Simo Ahavę – “EEC Products -> GA4 items”. Jest on dostępny w Google Tag Managerze. Z jego pomocą łatwo uda Ci się zmapować tablicę produktów stworzoną pod UA do wersji GA4, a następnie rozpocząć śledzenie – bez konieczności modyfikacji dataLayer pod GA4.

#3 Zmiany w wymiarach i danych niestandardowych

Dotychczas w Universal Analytics, aby stworzyć wymiar niestandardowy, należało wybrać poziom zakresu danych: użytkownik, sesja, hit, produkt. W przypadku “czwórki” nie będzie już takiej konieczności, albowiem wybór poziomu zakresu będzie się odbywał pomiędzy takimi obszarami, jak: właściwości użytkownika, niestandardowe wymiary i metryki oraz parametry zakupów.

Niestandardowe wymiary i metryki w Google Analytics 4 dodaje się w obrębie zdarzenia – jako parametr. Przy czym trzeba wziąć pod uwagę, że wymiary będące opisem użytkownika należy dodać w obrębie zdarzenia jako właściwość użytkownika (np. zawód).

A co z parametrami niestandardowymi na poziomie itemów, które będą służyły do lepszego opisu produktów w zdarzeniach e-commerce? Na nie przyjdzie nam jeszcze chwilę poczekać, ponieważ obecnie znajdują się w fazie testów.

Kolejną (i to bardzo pozytywną zmianą) jest zwiększenie limitu wymiarów oraz metryk, z dotychczasowych 20 do aż 50 – i to dla każdego z nich. Natomiast limity właściwości użytkowników dla jednego zdarzenia wynoszą 25 na pojedynczą usługę.

#4 Zmiana z “ręcznego” na automatyczne śledzenie zdarzeń

Ważna modyfikacja objęła kwestie związane ze zdarzeniami, które w Google Analytics 4 nie wymagają ręcznego wdrażania. Oczywiście wspomniana automatyzacja nie dotyczy wszystkich, a do zdarzeń, które są nią objęte, możemy zaliczyć następujące:

• wyświetlanie strony*,
• wyszukiwanie w witrynie,
• przewinięcie w dół strony,
• kliknięcia wychodzące,
• interakcja z filmem,
• pobrania pliku,
• interakcje z formularzem.

* Razem z tym zdarzeniem możesz śledzić modyfikacje na stronie na podstawie zmiany historii przeglądania.

Jest jednak jeden mały “haczyk”. Aby zdarzenia mogły być zbierane w sposób automatyczny – musisz pamiętać o uruchomieniu opcji pomiaru zaawansowanego, który znajdziesz w Strumieniu danych. Warto zauważyć, że automatyczne pomiary nie zawsze muszą działać w 100% poprawnie. Źródłami problemów mogą być na przykład niestandardowo zaimplementowane formularze, wyszukiwarki w witrynie albo potrzeba śledzenia głębokość przewijania strony co określony procent. W takich sytuacjach należy zaimplementować śledzenie przez GTM lub gtag.

Warto zastanowić się również, które pomiary mają prawdziwą wartość dla Twojego biznesu, a które są jedynie “zapychaczami”, które tylko ładnie prezentują się w tabelkach. Jest to szczególnie istotne z perspektywy jakości pozyskiwanych informacji. W końcu trzeba pamiętać, że zbieranie wszystkiego “jak popadnie” może generować dużą ilość eventów, a co za tym idzie wpływać na próbkowanie oraz powodować konieczność eksportu danych do BigQuery*.

* W przypadku korzystania z darmowej wersji GA4 mamy do czynienia z limitami eksportu danych z GA4 do Big Query, które wynosi 1 milion zdarzeń na dzień.

#5 Zmiana sposobu śledzenia celów X

Zarówno w UA, jak i GA4 ze śledzeniem celów można sobie poradzić bez konieczności stosowania GTM. To ukłon w stronę marketerów, którzy nie do końca są zaznajomieni z tym narzędziem.

W przypadku śledzenia celów w UA wystarczyło użyć Typu celu “Miejsce docelowe”, czyli adresu URL strony uznawanej jako cel (mogła to być np. strona zakupu). Jeśli chodzi o GA4, można sobie z tym poradzić przy użyciu nowego zdarzenia, w którym: event_name jest równy page_view i page_location równy adresowi URL, który chcemy śledzić.

#6 Zmiana podejścia do kwestii privacy

Nie przesadzę, jeśli stwierdzę, że Google Analytics 4 diametralnie zmienia sposób podejścia do identyfikacji użytkownika. W przypadku Universal Analytics opierała się ona o pliki cookies, co jak łatwo się domyślić – było rozwiązaniem bardzo dalekim od ideału.

W najnowszej wersji Analyticsa postanowiono oprzeć identyfikacje użytkownika na podstawie kilku elementów:

• User ID – ta metoda jest możliwa do zastosowania, gdy użytkownik jest zalogowany do strony bądź aplikacji.
• Google Signals – metoda ta wykorzystuje fakt zalogowania do profilu Google na różnych urządzeniach, co pozwala lepiej “wychwycić” użytkownika – zwłaszcza, gdy regularnie zmienia urządzenia, na których korzysta z sieci.
• Pliki cookie – metoda wykorzystuje dane z ciasteczek zapisanych na urządzeniu lub w przeglądarce.
• Modelowanie behawioralne – metoda jest stosowana, gdy użytkownicy nie wyrażą zgody na ciasteczka. Wówczas Google Analytics stosuje tzw. behavioral modeling, za sprawą którego może uzupełnić powstałą lukę w danych. Narzędzie bazuje wówczas na informacjach na temat zachowań podobnych użytkowników, którzy zaakceptowali zgodę.

Warto zaznaczyć, że Google Analytics wspiera consent mode. To oznacza, że może działać zarówno w przypadku, gdy użytkownik wyrazi zgodę na ciasteczka, jak i bez niej – poprzez wykorzystanie mieszanych danych do zbierania informacji o użytkowniku. To pomaga uzupełniać luki w profilowaniu, urealnia dane, a także przyczynia się to do lepszego zrozumienia dróg użytkowników i celniejszego stosowania remarketingu (np. przy przechodzeniu między aplikacją a desktopem).

Jeśli chcesz dowiedzieć się więcej o kwestiach privacy w GA, to koniecznie zapoznaj się z artykułem mówiącym o tym jak w Google Analytics uzyskać maksymalną zgodność z RODO.

#7 Zmiana widoków

Dotychczas w UA zalecane było stworzenie 3 widoków: dane surowe, filtrowane dane oraz widok testowy. Na widoku testowym weryfikowało się filtry widoku, co działało jako bufor bezpieczeństwa – chroniącym przed ewentualną utratą danych po nałożeniu filtra.

W GA4 istnieje z kolei tylko jeden widok raportowania, w którym stosuje się filtry danych. Rozwiązanie nie posiada widoku testowego, przez co należy obchodzić się z nim bardzo ostrożnie. Bowiem wszystkie zmiany w obrębie filtrów mogą dostarczyć nam błędnych danych za okres z błędnie nałożonymi filtrami.

W Google Analytics 4 możemy wyróżnić 3 typy filtrów danych:

• Ruch wewnętrzny, który odfiltrowuje adresy IP. Gdy taki filtr zostanie stworzony – parametr traffic_type jest automatycznie dodawany do zdarzeń.
• Ruch deweloperski, który odfiltrowuje ruch deweloperów z aplikacji (pod warunkiem że pracują na urządzeniach deweloperskich). Identyfikuje się go za pomocą parametrów debug_mode lub debug_event.
• Filtry z subproperties – Google Analytics 360 udostępnia możliwość stworzenia podzbioru danych (nazywanych subproperties). Podczas tworzenia tej usługi odfiltrowuje się zdarzenia na podstawie ich parametrów takich, jak np. Kraj.

O czym pamiętać, przed przejściem na Google Analytics 4? Podsumowanie.

Jak widzisz, migracja z UA na GA4 wymaga odpowiedniego przygotowania, a także bacznego zwrócenia uwagi na aspekty, które odróżniają oba te narzędzia. Do kluczowych zmian, którym po prostu trzeba się przyjrzeć, zaliczamy modyfikacje dotyczące:

1. sposobu zbierania danych
2. dataLayerów oraz sposobu implementacji przez GTM
3. zmian w wymiarach i danych niestandardowych
4. automatycznego śledzenia zdarzeń
5. sposobu śledzenia celów X
6. podejścia do kwestii privacy
7. widoków

Jeśli chcesz przeprowadzić wdrożenie GA4 sprawnie, koniecznie zapoznaj się z naszym artykułem, w którym pokazujemy jak wdrożyć Google Analytics 4 krok po kroku.

Potrzebujesz wsparcia ekspertów, którzy ocenią poprawność Twojego wdrożenia Google Analytics 4? A może szukasz specjalistów, którzy zajmą się tym procesem za Ciebie?

Choć przejście na nową wersję Analyticsa może wydawać się trudne i skomplikowane – musisz pamiętać o tym, że to narzędzie zostało stworzone po to, aby jeszcze lepiej odpowiadać na potrzeby nowoczesnego biznesu. Mówiąc wprost – po prostu to Ci się opłaca.

Z drugiej strony – Google nie pozostawia nam zbyt dużego wyboru. Firma już dawno ogłosiła, że w lipcu 2023 roku Universal Analytics przestanie działać (czytaj: zbierać nowe dane), a przedsiębiorstwa, które do tego czasu nie zdążą przeprowadzić procesu migracji – zostaną “odcięte” od źródła danych.

A jeśli zaciekawił Cię temat migracja na Google Analytics 4, a wiedzę zawartą w tym artykule uważasz za wartościową to koniecznie sprawdź wpis na naszym blogu mówiący o tym dlaczego warto wdrożyć i używać Google Analytics 4!

The post 7 rzeczy, o których musisz pamiętać zanim, przejdziesz na Google Analytics 4 first appeared on Conversion.

Pomimo faktu, że termin finalnego pożegnania się z Google Analytics 360, a co za tym idzie – ostatecznego przejścia na Google Analytics 4 został przesunięty o kolejne 9 miesięcy (w przypadku płatnej wersji tym razem jest to 1 lipca 2024 r. – bezpłatna wersja GA nie uległa zmianom), plany giganta z USA pozostają w tej materii niezmienne. Otóż, prędzej (a tym przypadku – raczej nieco później ), każdy biznes działający w sieci będzie musiał zmierzyć się z wyzwaniem transformacji swojego narzędzia do analityki. Jak do tego podejść, aby taka operacja była stosunkowo “bezbolesna” i pozwoliła na sprawne przełączenie się pomiędzy dwoma odmiennymi rozwiązaniami?

Sprawdź skondensowany poradnik, w którym znajdziesz opis migracji krok po kroku, a dodatkowo – otrzymasz mnóstwo wskazówek, które pozwolą Ci na jeszcze lepszego przygotowanie się do całego procesu zmiany.

Co znajdziesz w tym artykule?
Jak przygotować swój biznes do migracji na GA4?
Migracja na Google Analytics – krok po kroku. Jak ją przeprowadzić?
O czym warto pamiętać podczas transformacji z GA3 na GA4?
Czym jest i jak działa plan tagowania?
A co ze spójnością danych pochodzących z różnych stron lub aplikacji?
Jak skutecznie przejść na nową wersję Google Analytics?

Jak przygotować swój biznes do migracji na GA4?

Jednak zanim przejdę do szczegółowego omówienia konkretnych kroków niezbędnych podczas migracji – pora na małe wtrącenie, a zarazem wskazówkę.

Migruj “z głową” – na początek wprowadzając podwójne tagowanie danych

Moja rada: nie rzucaj się od razu na głęboką wodę. Zamiast całkowitej rezygnacji z poprzedniej (choć nadal aktualnej) wersji Analyticsa, wybierz opcję podwójnego tagowania, czyli jednoczesnego korzystania zarówno z Universal, jak i Google Analytics 4. Taki zabieg zapewni Ci większą kontrolę nad danymi, a co najważniejsze – da możliwość kontroli stanu GA3 i sprawdzania najważniejszych rzeczy (takich, jak: struktura i ustawienia widoków, filtry i konfiguracja celów).

Przejście na nową wersję Analytics będzie również doskonałą okazją do tego, aby bacznie przyjrzeć się obecnemu śledzeniu w Universal Analytics. Z mojego doświadczenia wynika, że większość firm nie przykłada wystarczającej uwagi do jakości danych. Niektórzy robią to okazjonalnie – od audytu do audytu. Z kolei inni kompletnie “odpuszczają” sobie takie działania. Natomiast z mojej perspektywy – powinien to być proces ciągły.

Dopiero gdy uznasz, że migracja przebiegła tak, jak trzeba, a wszystkie dane „zbierają” się zgodnie z założeniami – możesz zrezygnować z podwójnego tagowania.

Migracja na Google Analytics – krok po kroku. Jak ją przeprowadzić?

Aby przekazać Ci jak najwięcej praktycznej wiedzy – poniżej prezentuję, jak wyglądają modelowe wdrożenia GA4, które przeprowadzamy dla klientów Conversion.

Krok pierwszy: organizacja warsztatów

Na początku spotykamy się ze wszystkimi właścicielami firm lub osobami decyzyjnymi, które interesują się danymi online. W tym etapie przeprowadzamy proces mapowania ich potrzeb m.in. pod kątem zachowania samych użytkowników strony, sklepu, aplikacji itp.

Krok drugi: określenie potrzeb biznesowych

Następnie pomagamy klientom wskazać ich konkretne preferencje dotyczące biznesu. Ustalamy między innymi, które działania użytkowników powinny być śledzone, a także bierzemy pod uwagę dotychczasową konfigurację zastosowaną w Universal Analytics.

Krok trzeci: przygotowanie planu tagowania

Wykonanie dwóch poprzednich kroków, czyli odkrycia potrzeb, a następnie wyprowadzenia elementów działania, prowadzi nas do finalnego etapu, czyli opracowania ostatecznego planu tagowania dla konfiguracji GA4 – wraz z listą elementów, które należy naprawić także w GA3.

Nieco więcej o samym planie tagowania opowiem Ci w kolejnych akapitach.

A jeśli chcesz przeprowadzić wdrożenie GA4 samodzielnie, koniecznie zapoznaj się z naszym artykułem, w którym pokazujemy jak wdrożyć Google Analytics 4 krok po kroku.

O czym warto pamiętać podczas transformacji z GA3 na GA4?

Checklista, którą warto się posiłkować podczas tego typu działań:

• Zacznij od małych kroków i nie rób wszystkiego na raz.
• Skup się na śledzeniu kluczowych danych (interakcji), w tym: odsłon, logowań, rejestracji i oczywiście zakupów.
• Działaj powoli, ale konsekwentnie. Ogromne plany tagowania są zwykle wdrażane w ciągu kilku miesięcy. Na początku wdrażaj te, które są dla Ciebie najważniejsze.

Czym jest i jak działa plan tagowania?

Na początku może wydawać się to odrobinę trudne. Jednak sam plan tagowania to swego rodzaju mapa tego, jak będzie wyglądać Twoja implementacja analityki cyfrowej. Osobiście do narysowania takiej mapy używam arkuszy kalkulacyjnych Google.

Załóżmy, że wszystko, co udało Ci się śledzić w Universal Analytics, chcesz teraz skonfigurować bezpośrednio w Google Analytics 4. Jak do tego podejść? Przede wszystkim pamiętaj, że w GA4 model danych jest nieco inny niż w Universal Analytics. W Universal Analytics mamy tzw. hity – dwa najpopularniejsze z nich to odsłony oraz zdarzenia. Musisz je przełożyć na model danych Google Analytics 4.

Każda interakcja będzie śledzona za pomocą zdarzenia, w którym określisz jego nazwę oraz dodatkowe parametry. Do zdarzenia możesz dodać maksymalnie 25 parametrów niestandardowych – określając własne parametry.

Do tego zabiegu możesz zastosować dwa różne podejścia:

• Opcja numer 1: nazwać parametry w GA4 – używając do tego tych, które są domyślne w GA3 (w ten sposób parametry w GA4 zostaną nazwane odpowiednio: kategoria zdarzenia, akcja, etykieta itp.).
• Opcja numer 2: stworzyć spersonalizowane nazwy dla parametrów (pamiętaj, aby jak najdokładniej opisywały, o co chodzi w danym parametrze).

Przykład? W GA3 mamy etykietę wydarzenia, która pokazuje rozmiar odzieży dodanej do koszyka. Załóżmy zatem, że: kategoria zdarzenia = koszyk produktu, akcja zdarzenia = dodaj do koszyka, natomiast etykieta zdarzenia pokazuje dokładny rozmiar (na przykład XL). Na tej podstawie, zamiast nazywać parametry w GA4 etykietą_zdarzenia, nazwalibyśmy to rozmiarem, a dokładna interakcja miałaby następujące parametry:

nazwa_zdarzenia=add_do_koszyka, rozmiar=XL

Oczywiście drugie podejście może zająć trochę więcej czasu, ale im więcej pracy włożysz w przygotowanie i szczegółową konfigurację na początku, tym płynniejsze będzie samo przejście.

A co ze spójnością danych pochodzących z różnych stron lub aplikacji?

Musisz pamiętać, że Google Analytics 4 został stworzony między innymi właśnie po to, aby jak najbardziej uprościć dane na temat zachowania użytkowników sieci. Narzędzie wykonuje swoją pracę pod względem metryk i domyślnych wymiarów.

Mając to na względzie, warto pamiętać, aby wszystkie dodawane przez nas zdarzenia i parametry posiadały odpowiednie nazwy dla wszystkich śledzonych przez nas produktów: stron internetowych, aplikacji mobilnych, aplikacji smart tv, aplikacji punktów sprzedaży itp.

Podsumowując: gdy to samo działanie można wykonać w zarówno aplikacji, jak i na stronie – upewnij się, że posiada ono takie same parametry oraz wartości! Jeśli tego nie zrobisz – z całą pewnością nie będziesz w stanie w pełni korzystać z tego narzędzia.

Jak skutecznie przejść na nową wersję Google Analytics?

Na koniec artykułu, który powstał na podstawie tego podcastu – pozwól, że udzielę kilku rad, które z pewnością ułatwią Ci rozstanie się z GA3, a co za tym idzie – umożliwią płynne i być może bezproblemowe zaprzyjaźnienie się z Google Analytics 4 . Na początek rozpocznij mapowanie swoich potrzeb. Przejrzyj obecną konfigurację Twojego Universal Analytics i zastosuj elastyczne podejście do implementacji.

W ludzkiej naturze jest preferowanie znanego systemu od tego nowego. Dlatego cały proces będzie wymagał on Ciebie trochę dyscypliny. Jednak pamiętaj, że Universal Analytics i tak zostanie w końcu wycofany. A takie jak najwcześniejsze “zmuszanie się” do celowego wybierania interfejsu GA4 częściej niż GA3 pod względem analizy danych – przyniesie Ci spore korzyści, gdy już nadejdzie czas ostatecznego pożegnania ze starym narzędziem.

Osobiście znam co najmniej kilka osób, które całkowicie usunęły śledzenie Universal Analytics, aby po prostu nie pozostawić sobie żadnego wyboru. Nie uważam tego za mądre podejście, ale każdy ma na to swój własny sposób. Jeśli uważasz, że mogłoby się to sprawdzić w Twoim przypadku – droga wolna !

Bez względu na to, jak zdecydujesz się zacząć, zachowaj spokój i dbaj o swoje dane Google Analytics. Jeśli masz dodatkowe pytania – skontaktuj się ze mną na LinkedIn. Bardzo chętnie Ci pomogę. A jeżeli…

Chcesz, aby ktoś inny odpowiedział za cały proces przejścia z Universal Analytics na Google Analytics 4 – powierz to w ręce ekspertów z Conversion.

Z przyjemnością zajmiemy się gruntownym przygotowaniem, jak i kompleksowym wykonaniem wszystkich prac, dzięki którym zyskasz dostęp do w pełni skonfigurowanego źródła wartościowych danych. Kliknij w to miejsce, aby już teraz skontaktować się z naszymi przedstawicielami i porozmawiać o możliwościach współpracy.

A jeśli Twoim celem jest poszerzanie horyzontów z zakresu analityki internetowej i nie tylko – nie zapomnij o regularnych odwiedzinach naszego analitycznego bloga. Jestem przekonany, że zainteresuje Cię wpis o tym dlaczego warto wdrożyć i używać Google Analytics 4!

The post Transformacja biznesu z udziałem Google Analytics 4. Jak się do niej przygotować i jak ją przeprowadzić? first appeared on Conversion.

Co znajdziesz w tym artykule?
Zamknięcie Google Analytics 3? Co to znaczy?
Co dalej z analityką internetową?
Trochę więcej o Google Analytics 4…
Jak poradzić sobie z zamknięciem Google Analytics 3?

Zamknięcie Google Analytics 3? Co to znaczy?

1 lipca 2023 wszystkie usługi Google Analytics 3 (Universal Analytics) przestaną procesować dane. Znaczy to nie mniej, nie więcej, że pomimo prawidłowo osadzonego kodu śledzącego narzędzia na Twojej stronie, napływające dane nie będą widoczne w interfejsie.

Na pewno zadajesz sobie pytanie czy będziesz miał dostęp do danych historycznych – tutaj uspokoję Cię. Zamknięcie nie oznacza, że nie będziesz miał dostępu do narzędzia. Wszystkie dane, które do tej pory zgromadziłeś, będą widoczne – oczywiście w zakresie regulaminu bezpłatnej wersji narzędzia. W przypadku płatnej wersji narzędzia Google Analytics 360 okres ten zostanie przedłużony o 3 miesiące do 1 października 2023.

Jedno jest pewne – na pewno nie będzie możliwości przedłużenia tego okresu.

Co dalej z analityką internetową?

Analityka w wydaniu Google Analytics jest obecna na rynku od 2005, a tak naprawdę jeszcze wcześniej – wtedy Google kupiło firmę Urchin Software Co., która stworzyła narzędzie, z którego ewoluowało dzisiejsze Google Analytics.

Od momentu przejęcia, kolejne generacje rozpoznawane były na podstawie generacji kodu śledzącego – od urchin.js do gtag.js. Ostatnia generacja dodatkowo przyniosła ze sobą zmianę interfejsu analitycznego oraz praktycznie zmieniony model danych. Można powiedzieć, że narzędzie zostało napisane praktycznie od nowa.

Google Analytics 4 zostało ogłoszone 14 października 2020. W praktyce jest ono odpowiedzią na zmieniające się zwyczaje zakupowe użytkowników w internecie, a w szczególności z rosnącą popularnością urządzeń mobilnych i ich obecności w podejmowaniu decyzji zakupowych. Wszelkie szczegóły na temat wprowadzenia nowego standardu śledzenia znajdzie w artykule pt. Google Analytics 4 (dotychczasowe App + Web): przewodnik po nowej usłudze Google.

Ale… Google Analytics 4 nie ma wszystkich funkcjonalności…

To prawda. Ciągle brakuje kilku funkcjonalności względem Google Analytics 3 (Universal Analytics), natomiast Google od czasu wprowadzenia Google Analytics 4 prowadzi ciągłe “konsultacje społeczne”. Na ich bazie wyłaniane są funkcjonalności, które faktycznie są wykorzystywane. Roadmapa wdrożeniowa jest sukcesywnie realizowana. Na bieżąco możemy obserwować to na stronie pomocy. Jedno jest pewne – roadmapa zostanie w 100% zrealizowana do czasu wyłączenia usług Google Analytics 3 (Universal Analytics), aby nowy standard śledzenia zawierał wszystkie funkcjonalności, które są faktycznie wykorzystywane przez firmy.

Jeszcze raz…

Nowy sposób mierzenia danych skupiający się na eventach.

Google Analytics 4 to narzędzie, w którym zaprojektowane została kompletnie wszystko – od sposobu zbierania danych, przez ich procesowanie do podejścia do analizy danych. Zmiany te są podyktowane nie tylko zmianą sposobu pozyskiwania informacji o produktach i usługach, ale również rosnącej presji na bezpieczeństwo oraz prywatność w sieci.

Google Analytics 4 jest przygotowany na przyszłość bez ciasteczek. Brakujące dane uzupełniane są na bazie mechanizmów modelujących dane (wykorzystujący uczenie maszynowe i sztuczną inteligencję). Dzięki zaawansowanym mechanizmom analitycznym narzędzie jest w stanie połączyć użytkownika między różnymi urządzeniami bez faktycznej jego autoryzacji w serwisie. Dzięki temu jesteśmy w stanie analizować pełne customer journey – od pierwszego styku użytkownika z usługą lub produktem, to podjęcia decyzji o zakupie. To wszystko jest wsparte przez media, które dzięki licznym integracjom w ramach Google Marketing Platform mówią jednym językiem. Na koniec – wszystko zintegrowane z Google BigQuery dla większej efektywności przeprowadzanych analiz i dostępu do nich.

To wszystko – jak do tej pory – całkowicie za darmo. Myślę, że cena zmiany przyzwyczajeń do nowego interfejsu, sposobu podejścia do analiz oraz myślenia o danych jest tego warta.

Co zrobić? Jak żyć?

Od czasu ogłoszenia światu (14 października 2020) nowego standardu śledzenia rekomendacja była jedna – równoległe śledzenie (ang. dual tagging). Oznacza to równoległe wdrożenie dwóch narzędzi: Google Analytics 3 oraz Google Analytics 4.

Jeżeli nie skonfigurowałeś tego śledzenia, to nie ma na co czekać – działaj. Zobacz jak zaimplementować GA4 w 3 prostych krokach!

Pamiętaj, że oba narzędzia powinni śledzić te same interakcje użytkownika w serwisie. Przetłumaczenie modelu danych opartego na hitach (Google Analytics 3) na model oparty na zdarzeniach (Google Analytics 4) może być wyzwaniem. Pokonane – sprawa, że konfiguracja Google Analytics 4 tylko w szczegółach różnić się od tej w Google Analytics 3 (Universal Analytics).

Jedno jest pewne – im szybciej się za to zabierzesz, tym dłuższą historię danych do analizy będziesz miał po 1 lipca 2023, kiedy Twoje Google Analytics 3 (Universal Analytics) przestanie procesować dane.

Szukasz wsparcia związanego z migracją Google Analytics 3 (Universal Analytics) do standardu Google Analytics 4?

Jeśli potrzebujesz wsparcia przy Google Analytics 4 (wdrożenie, migracja, szkolenie) to skontaktuj się z Conversion, żeby porozmawiać o tym jak moglibyśmy pomóc w tym temacie. Więcej o analityce internetowej dowiesz się, pobierając przygotowane przez nas, bezpłatne poradniki, raporty oraz case studies.

The post Koniec Google Analytics 3 (Universal Analytics) – co warto wiedzieć, zanim przestanie działać first appeared on Conversion.

U jednego z naszych Klientów system obsługujący wysyłkę newsletterów nie posiadał systemu raportowania danych takich jak Open Rate (OR) czy Click Through Rate (CTR). Naszym celem współpracy z IT klienta było stworzenie rozwiązania umożliwiającego raportowanie tych danych oraz przekazanie ich do konta Google Analytics.

Rozwiązanie

Wypracowana koncepcja zakładała wykorzystanie Measurement Protocol (tutaj link do dokumentacji Google) w celu przekazania do Google Analytics informacji o liczbie wysłanych maili, liczbie ich otwarć oraz kliknięć w link z maila. Measurement Protocool umożliwia przesłanie danych bezpośrednio do Google Analytics i przekazania odpowiednich parametrów (tutaj link do listy parametrów).

W ramach konta została stworzona dodatkowa usługa: UA-XXXXXX-2, przeznaczona do odbioru danych mailingów. W ramach usługi włączono przekazywanie Universal ID (UID), a długość sesji została maksymalnie zwiększona, czyli 4 godzin.

Konfiguracja UserID na poziomie usługi do odbioru danych z mailingów. Aby śledzić mailingi za pomocą Measurement Protocool konieczne jest identyfikacja użytkownika na każdym z etapów, dlatego przekazujemy UserID

Konfiguracja czasu sesji na poziomie usługi do odbioru danych z mailingów. Aby śledzić mailingi za pomocą Measurement Protocool konieczne jest zachowanie ciągłości sesji, dlatego ustawiamy długość sesji do maksymalnej możliwej wielkości, czyli 4 godzin.

Do Google Analytics za pomocą wirtualnych odsłon powinny raportować się 3 typy danych:

1. wysyłki maili – /wysylki
2. otwarcia maili – /otwarcia
3. kliknięcia w link z maila – /klikniecia/{{email_section}} gdzie email_section to sekcja maila w którą kliknął użytkownik przekazana w linku za pomocą zmiennej

Dane będą raportowane na poziomie:

1. wysyłki maili – serwer pocztowy, za pomocą Measurement Protocol
2. otwarcia maili – program pocztowy, za pomocą Measurement Protocol
3. kliknięcia w link z maila – na stronie po przejściu z maila za pomocą kodu Universal Analytics

Na podstawie danych przekazanych do Google Analytics skonfigurowaliśmy cele (ze ścieżką), za pomocą których można raportować:

1. 1. Open Rate (OR) = otwarcia maili / wysyłki maili

Konfiguracja Celu Open Rate na poziomie widoku do odbioru danych z mailingów. Open Rate (OR) = otwarcia maili / wysyłki maili, dlatego ustawiamy miejsce docelowe na /otwarcia z pierwszym krokiem na /wysylki

1. 1. Click Through Rate (CTR) = kliknięcia w link z maili / wysyłki maili

Konfiguracja Celu Click Through Rate na poziomie widoku do odbioru danych z mailingów. Click Through Rate (CTR) = kliknięcia w link z maili / wysyłki maili, dlatego ustawiamy miejsce docelowe na /klikniecia z pierwszym krokiem na /wysylki

Aby całość raportowała się poprawnie, sesja nie może być przerwana, ID usera (UID) musi być takie samo, a źródło odwiedzin nie może się zmieniać. Aby źródło odwiedzin pozostało niezmienione, konieczne było otagownie linków tak aby przekazywały się parametry utm: źródło, medium oraz kampanie.

Wdrożenie Measurement Protocool

W ramach Measurement Protoocol przekazujemy, oprócz wirtualnej odsłony UID oraz parametry utm danej kampanii, oznaczone zgodnie ze schematem tagowania, oraz identyczne na każdym z etapów (wysyłka, otwarcie, kliknięcie).

1. Uid – jest to unikalne id użytkownika z bazy mailingowej, przekazane jako ciąg cyfr i liter. Nie może to być adres email np. abc123efg
2. Utm_campaign – nazwa kampanii np. kampania1
3. Utm_medium – medium kampanii np. e-mail
4. Utm_source – źródło kampanii np. mailing-baza123
5. Email_section – jest to parametr określający w którą część z maila użytkownik kliknął. Przykładowo, może to być naglowek.

Przykładowy request wysłany na serwerze pocztowym:
https://www.google-analytics.com/collect?v=1&tid=UA-XXXXXXXX-2&t=pageview&cn=kampania1&cs=mailing-baza123&cm=e-mail&t=pageview&dp=/wysylki&uid=abc123efg&cid=35009a79-1a05-49d7-b876-2b884d0f825b

W zależności od konfiguracji serwera (i wielkości bazy mailingowej), można rozważyć wysyłkę requestów w paczkach, tak, aby zbyt duża liczba requestów w tym samym czasie nie została zablokowana.

Aby móc wykorzystać Measurement Protocool w ramach wiadomości e-mail potrzebujemy maila w formacie HTML. Jest to konieczne, ponieważ musimy spowodować, aby request Measurement Protocool został wywołany, co możemy zrobić symulując pobranie obrazka z zewnętrznego serwera. Fragment kodu html maila powinien wyglądać w ten sposób:

Przykładowy kod w treści maila:

 img src=”https://www.google-analytics.com/collect?v=1&tid=UA-XXXXXXXX-2&t=pageview&cn=kampania1&cs=mailing-baza123&cm=e-mail&t=pageview&dp=/otwarcie&uid=abc123efg&cid=35009a79-1a05-49d7-b876-2b884d0f825b/>

Fragment pierwszy:
https://www.google-analytics.com/collect?v=1
Odpowiada za wysłanie danych na serwer GA oraz wersję protokołu, która obecnie równa się “1”. Ten fragment się nie zmienia.

Fragmenty pozostałe:

1. tid=UA-XXXXXXXX-2 – numer ID naszego profilu Google Analytics
2. t=pageview – typ zdarzenia (hit type)
3. cn=kampania1 – nazwa kampanii (campaiqn name)
4. cs=mailing-baza123 – źródło kampanii (campaiqn source)
5. cm=e-mail – medium kampanii (capaign medium)
6. dp=/otwarcia– ścieżka dokumentu (document path)
7. uid= – user ID
8. cid=35009a79-1a05-49d7-b876-2b884d0f825b – tzw. Client ID czyli unikalny identyfikator użytkownika. Wartość tej zmiennej powinna być wygenerowana dla każdego użytkownika osobno, zgodnie z dokumentacją o UUID (wersja 4) < link do http://www.ietf.org/rfc/rfc4122.txt. >

Informacji przesyłanych za pomocą Measurement Protocool nie można sprawdzić w konsoli przeglądarki. Jednak niedawno Google stworzył narzędzie, dzięki któremu możemy zwalidować, czy napisany przez nas request jest poprawny. Wystarczy w pierwszej części linka wpisać /debug/collect zamiast /collect i po wejściu w ten link zostaniemy przekierowani do strony z walidacją requesta.

Przykładowy request do walidacji:
https://www.google-analytics.com/debug/collect?v=1&tid=UA-12345678-2&t=pageview&cn=kampania1&cs=mailing-baza123&cm=e-mail&t=pageview&dp=/wysylki&uid=abc123efg&cid=35009a79-1a05-49d7-b876-2b884d0f825b

Strona z walidacją poprawności requestu dla Measurement Protocool, gdzie możemy sprawdzić czy skonfigurowany przez nas request jest poprawny.

Wdrożenie kodów Universal Analytics

Ostatni etap, czyli kliknięcia w link z maila raportują się na stronie, za pomocą kodu Universal Analytics. Poniższy skrypt powinien się wywoływać na każdej stronie po przejściu z mailingu, czyli wtedy gdy parametr email_section istnieje. Po wejściu na stronę powinna wywołać się wirtualna odsłona:

/klikniecia/
gdzie jako zmienna zostanie przekazana nazwa sekcji w którą kliknął użytkownik, np.
/klikniecia/naglowek

Kod:

  (function(i,s,o,g,r,a,m){i['GoogleAnalyticsObject']=r;i[r]=i[r]||function(){
  (i[r].q=i[r].q||[]).push(arguments)},i[r].l=1*new Date();a=s.createElement(o),
  m=s.getElementsByTagName(o)[0];a.async=1;a.src=g;m.parentNode.insertBefore(a,m)
  })(window,document,'script','//www.google-analytics.com/analytics.js','ga');
 
  ga('create', 'UA-XXXXXXXX-2', {'name': 'mailing'}, 'auto' );
  ga('mailing.set', '&uid',  {{USER_ID}}); 
  ga('mailing.send', 'pageview', '/klikniecia/');

Tworząc drugi tracker na stronie należy pamiętać o tym, aby nadać mu nazwę (w tym przypadku jest to mailing), oraz wysłać wirtualną odsłonę właśnie do tego trackera.

Całość będzie dobrze działała, w sytuacji gdy użytkownicy szybko otwierają maile po ich wysyłce (co było kwestią u naszego klienta), bo wtedy sesja nie zostanie przerwana. W innych przypadkach (czasu dłuższego niż 4 godziny od wysyłki do otwarcia) sesje zostaną przerwane, ale możemy za pomocą API wyeksportować liczbę unikalnych użytkowników na każdej ze stron w podziale na kampanie i mieć 100% pewność, że dzielenie sesji nie ma wpływu na wyniki tego co oglądamy.

Podsumowanie

Dzięki zastosowaniu Measurement Protocool możemy wysłać requesty (jak np. pageview, event czy transakcja) bezpośrednio do Google Analytics, przekazując odpowiednie parametry.

W tym poście pokazałem jak można wykorzystać to rozwiązanie do śledzenia skuteczności mailingów w ramach Google Analytics. Ponieważ requesty Measurement Protocool nie są widoczne w konsoli przeglądarki, możemy zastosować to rozwiązanie to przekazywania informacji, których nie chcemy ujawniać użytkownikom, przykładowo jeśli w ramach śledzenia ecommerce chcemy przekazać marże dla każdego produktu wchodzącego w skład danej transakcji. Dzięki zastosowaniu Measurement Protocool konkurencja nie będzie mogła podejrzeć poufnych informacji przesyłanych przez nas do Google Analytics

The post Śledzenie mailingów w Google Analytics za pomocą Measurement Protocol first appeared on Conversion.

Na początek kilka słów wstępu dla osób, które nie poruszają się na co dzień w techniczno-informatycznym żargonie. Czym w ogóle jest API? API to skrót od angielskiego Application Programming Interface. W języku polskim zwykło tłumaczyć się te słowa jako: „programistyczny interfejs aplikacji”, ale najczęściej mówi się po prostu „API”.

Jest to zestaw reguł, których muszą przestrzegać dwie komunikujące się aplikacje, by mogły się porozumiewać i wymieniać informacje. Aby ta komunikacja przebiegała sprawnie i bez zakłóceń wszystkie „rozmawiające” ze sobą programy muszą używać nie tylko wspólnego „języka”. Muszą też przestrzegać pewnych wymogów technicznych, przykładowo – nie nadawać informacji, gdy druga strona „konwersacji” nie skończyła jeszcze nadawać swoich (jakie to bliskie nam wszystkim).

Szczęśliwie dla nas, Google Analytics nie jest jedynie kapsułą, do której dostęp mamy tylko przez małe okienko naszej przeglądarki internetowej. Dzięki API mamy możliwość dobrania się do jego wnętrza i wyciągnięcia stamtąd wielu danych i informacji, w konfiguracjach, które nie są dostępne w standardowym interfejsie graficznym użytkownika. Wymaga to jednak stworzenia programu komputerowego, który będzie „rozmawiał” z API Google Analytics i pozyskiwał dla nas informacje, których żądamy.

Celem tego posta nie jest wchodzenie w informatyczne szczegóły pisania programów wykorzystujących API GA, lecz przedstawienie kilku pomysłów na nie. O technikaliach można dużo poczytać na stronach developers.google.com.

#1 Super Dashboardy

Oglądacie czasami filmy sensacyjne lub science-fiction? Od czasu do czasu przewija się w nich motyw wielkich centrów dowodzenia (coś takiego jak ma NASA – patrz fotografia niżej)

API Google Analytics pozwala na pobieranie i późniejsze przetwarzanie wielu informacji. Nic nie stoi zatem na przeszkodzie, aby przy odrobinie wysiłku, przekształcić swoje biurko w mini-centrum kontroli i analiz zachowań użytkowników. (źródło: www.space.com)

Prawda, że 12 widżetów w niestandardowych panelach informacyjnych Google Analytics wygląda przy tym trochę blado? Przecież na co dzień analizujemy wielowymiarowe dane z całych ekosystemów witryn internetowych, więc dlaczego nie postawić w biurze wielkiego video-wall’a, na którym będziemy mieli wszystkie informacje podane jak na tacy? Możemy uzyskać dzięki temu możliwość błyskawicznego reagowania na wszelakie anomalie w zbieranych danych.

API Google Analytics umożliwia pobieranie danych historycznych oraz „na żywo”. Wystarczy nam więc program, który te dane będzie pobierał i aktualizował w sposób automatyczny (np. z sekundowym interwałem czasowym), a następnie za pomocą bibliotek graficznych, prezentował na ekranie w sposób, który jest dla nas najwygodniejszy. Dzięki zastosowaniu API, nie jesteśmy związani ograniczeniami, które występują w klasycznym interfejsie Google Analytics, więc możliwości dostosowania prezentacji danych jest tyle ile podsuwa nam nasza kreatywność.

Jeżeli nie chcecie zgłębiać tajników programowania to równie dobrze możecie wykorzystać API Google Analytics, aby tworzyć kokpity menedżerskie z wykorzystaniem Excel’a, Google Docs, lub w dedykowanej aplikacji, która korzysta z gotowej biblioteki JavaScript (rysunek poniżej).

Istnieje możliwość skorzystania z narzędzi, które ułatwiają budowanie dashboard’ów z wykorzystaniem Google Analytics API. Pozwalają ona na dostosowanie sposobu prezentacji danych do naszych oczekiwań (źródło: ga-dev-tools.appspot.com)

#2 Efektywne zarządzanie konfiguracją

Czasami spotykam się z problemami, które trzeba rozwiązać np. poprzez wprowadzenie zmian w konfiguracji widoku w Google Analytics. Myślę tutaj o nałożeniu na widok dodatkowego filtra, zmianę w konfiguracji celu i inne tego typu zadania.

Niewielkim nakładem sił można zmienić ustawienia w dwóch, czy czterech widokach. Co w przypadku, gdy tych widoków będzie 100 i we wszystkich trzeba poprawić kilka celów? Żeby było bardziej dramatycznie, dołóżmy do tego wymóg, że trzeba zmienić tylko jedną literę w drugim kroku ścieżek celów, które w nazwie mają przedrostek „[conversion]”. Wizja wielu godzin spędzonych nad tym zadaniem nie wydaje się zbyt pociągająca.

Z pomocą znów przychodzi nam API Google Analytics. Możliwe jest napisanie sprytnego oprogramowania, które najpierw pobierze wszystkie cele w interesujących nas widokach i odfiltruje te, które mają charakterystyczny przedrostek. Następnym krokiem będzie wyszukanie w ścieżce każdego z celów tej konkretnej litery i zastąpienie jej tą właściwą. Następnie program powinien dla każdego rozpatrywanego celu wysyłać żądanie do Google Analytics, które zmieni tylko konkretny krok w ścieżce rozpatrywanych celów.

Jak widać, wykorzystanie API jest świetnym rozwiązaniem, które może zdecydowanie skrócić czas wykonywania pewnych zadań. Szczególnie dla osób zarządzających bardzo dużymi konfiguracjami Analytics’a.

Podobnie do przedstawionego wyżej przykładu, może wyglądać zarządzanie użytkownikami narzędzia analitycznego w dużych organizacjach (wiem, że takie zadanie potrafi pochłonąć mnóstwo czasu. Szczególnie, gdy mówimy o firmach, posiadających wiele witryn).

Naszą przykładową aplikację można rozbudowywać o kolejne elementy, np. o wprowadzanie zmian do konfiguracji zgodnie z ustawionym harmonogramem. Znowu, możliwości jest naprawdę dużo.

#3 Integracja baz danych

Wiele firm prowadzi analizy, które oparte są na danych pochodzących z Google Analytics. Jeszcze więcej firm chciałoby prowadzić analizy, które będą oparte na danych, które zbiera narzędzie Google Analytics, ale także na tych danych, które przechowuje ich wewnętrzny system informatyczny. Oczywiście, można wygenerować niestandardowy raport, pobrać go, a następnie za pomocą jakiegoś zewnętrznego narzędzia połączyć z konkretną tabelą z bazy danych. Gdy jednak okazuje się, że ten ciąg czynności trzeba powtarzać codziennie staje się to co najmniej uciążliwe. Komputer może nas przecież wyręczyć w wykonaniu tego zadania, dodatkowo zrobi to szybciej i dokładniej.

Dobrym przykładem jest integracja danych, które zawiera firmowy CRM z danymi Google Analytics. W wewnętrznym systemie firmy przechowuje się dane o transakcjach zawierające informacje, które niekoniecznie dostępne są w Google Analytics (marża, historia klienta itp.). Za to w Google Analytics znajdują się informacje, których próżno szukać w CRM’ach.

Aby prowadzić skuteczne analizy, warto połączyć te dwa światy i poddać analizie dopiero końcowy efekt operacji połączenia danych z dwóch źródeł. Zarówno transakcje w CRM’ie, jak i te rejestrowane przez Google Analytics posiadają unikalny kod transakcji. Jest to naturalny kandydat na klucz do połączenia tych dwóch zestawów danych. Nasz hipotetyczny program za pomocą API może pobierać konkretne dane, a następnie przeprowadzić operację ich integracji. Szybkie i wygodne.

Podsumowując, API Google Analytics jest świetnym i darmowym narzędziem w rękach programistów, szczególnie, że wspiera najpopularniejsze języki programowania (Java, PHP, Python). Dzięki jego wykorzystaniu, mamy możliwość zautomatyzowania pewnych czynności, które wymagają dużej ilości czasu. Możemy wykonywać naszą pracę lepiej i dokładniej.

API jest też zdecydowanie szybsze niż standardowy interfejs graficzny Google Analytics, choć posiada swoje ograniczenia, jak na przykład maksymalną liczbę 10 żądań na sekundę (czytelniku, spróbuj wygenerować 10 raportów w ciągu sekundy nie wykorzystując API).

Jeżeli macie jakieś super pomysły na wykorzystanie API Analytics’a to zapraszam do podzielania się nimi w komentarzach.

The post 3 sposoby do wykorzystania API w Google Analytics do lepszych i szybszych analiz first appeared on Conversion.

Mówi się, że w życiu nie ma nic za darmo – aby osiągać swoje cele, należy najpierw poświęcić pewne zasoby (czasowe lub finansowe). Inwestując wspomniane środki w różne działania, zwykle chcemy wiedzieć, czy przynoszą one pożądany efekt, aby w przyszłości móc lokować je jeszcze lepiej.

Jeżeli chodzi o prowadzenie działalności marketingowej w internecie zwykle nie ograniczamy się do jednego medium. Problem w tym, że różne narzędzia i systemy różnie raportują dane o skuteczności działań i nie lada wyczynem jest porównanie ich w łatwy sposób.

Spójrzmy w raporty Google Analytics pewnego sklepu internetowego, który pozyskuje ruch z różnych, płatnych źródeł (zrzut ekranu poniżej).

Patrząc w raporty, w których dane o kosztach nie zostały zaimportowane do interfejsu Google Analytics, można wysnuć błędne wnioski dotyczące np. opłacalności inwestycji w pewne źródła ruchu. Na podstawie powyższego raportu moglibyśmy podjąć decyzję o zwiększeniu inwestycji w źródło znajdujące się najwyżej w tabeli. Przedstawiony raport nie uwzględnia bowiem kosztów pozyskania ruchu ze źródeł. Jeżeli koszty dla „ceneo.pl” okażą się wysokie to ROI z innych źródeł może okazać się korzystniejsze.

Wyraźnie widać, że źródło „ceneo.pl” jest lepsze od „nokaut.pl” pod względem współczynnika konwersji. Nie jesteśmy jednak w stanie powiedzieć, czy to do końca prawda, do momentu, w którym nie poznamy informacji o kosztach pozyskania tego ruchu.

Google Analytics od jakiegoś czasu pozwala na import danych o kosztach, pochodzących z zewnętrznych (nie-Google’owych) źródeł, do swojego interfejsu. W tym wpisie postaram się pokazać w jaki sposób można tego dokonać i zacząć czerpać korzyści z analizy ROI z różnych kanałów bezpośrednio w Google Analytics.

A więc, jak zabrać się do importowania danych o kosztach?

Po pierwsze: otaguj swoje linki

Jeżeli jeszcze nie otagowałeś URL’i podpiętych do Twoich reklam, zrób to teraz! Zagwarantuje to, że do Google Analytics zostaną przekazane parametry śledzenia kampanii powiązane z konkretną sesją i że będzie możliwość połączenia ich z danymi o kosztach z zewnętrznego źródła.

Po drugie: Skonfiguruj zbiór danych

W Google Analytics w zakładce „Administracja“, wybierz konto i usługę do której chcesz importować dane. W sekcji „Usługa“ odnajdziesz przycisk „Import Danych“. Po kliknięciu go, zobaczysz duży, czerwony prostokąt z napisem „+Nowy zbiór danych“ – kliknij go. Następnie zostaniesz poproszony o wybranie typu zbioru danych – wybierz „Dane o kosztach“ (Thank you captain obvious!).

Pierwszym wyzwaniem przy imporcie kosztów do Google Analytics jest odszukanie sekcji „Import danych“. Powyższy zrzut ekranu, może okazać się pomocny. W zakładce „Administracja” (1) wybierz konto (2) i usługę (3), a następnie kliknij w przycisk „Import danych” (4). W nowo otwartym oknie kliknij czerwony przycisk: „+Nowy zbiór danych” , a następnie wybierz jego typ („Dane o kosztach”).

Wprowadź nazwę dla nowego zbioru. Polecam wybrać nazwę serwisu z którego będą pochodziły dane np. „facebook“. Następnie wskaż widoki w których dane będą dostępne.

Teraz czas na skonfigurowanie schematu zbioru danych. Chyba każde źródło danych o kosztach kampanii pozwala na pobieranie surowych danych do postaci pliku. Import informacji do Google Analytics, również opiera się na pliku zawierającym te dane, które docelowo mają zostać załadowane do interfejsu. Aby poprawnie skonfigurować swój schemat, popatrz w plik z danymi o kosztach pobrany z zewnętrznego źródła. Zastanów się, które z wartości znajdujących się w nim, odpowiadają wymiarom i metrykom Google Analytics.

Na pewno musisz odnaleźć odpowiedniki Analytics’owych wymiarów „Źródło“ i „Medium“ – ich obecność jest obowiązkowa podczas importu kosztów i stanowią tzw. klucze. Dodatkowo, musisz odszukać przynajmniej jeden z parametrów, który odpowiada metrykom: „Kliknięcia“, „Koszt“, lub „Wyświetlenia“ z Google Analytics. Jednak im więcej metryk odnajdziesz w swoim pliku i uda Ci się je zmapować na metryki Analytics’a tym będziesz miał więcej możliwości analizowania swoich danych. Na koniec, jeżeli twoje źródło je zapewnia, możesz wskazać dodatkowe metryki, lub wymiary, które chciałbyś zaimportować. Gdy już będziesz wiedział, które wielkości chcesz załadować do Google Analytics, wybierz odpowiednie pozycje z rozwijalnych list.

Teraz, gdy schemat został zdefiniowany, możesz pobrać szablon, który ułatwi Ci stworzenie pliku, który, po uzupełnieniu o dane, będzie można zaimportować do Google Analytics. Aby to zrobić, kliknij na przycisk „Pobierz schemat“.

Zrzut ekranu z przykładową konfiguracją zbioru danych. Po kliknięciu przycisku „pobierz schemat“, wygenerowany zostanie plik *.csv, który należy uzupełnić danymi. W nagłówkach kolumn znajdą się nazwy widoczne po prawej stronie: ga:medium, ga:source itd., oraz nagłówek ga:date (jeżeli go nie ma, to dodaj pierwszą kolumnę i wprowadź go ręcznie).

Po trzecie: Przygotuj swoje dane

Aby proces przebiegł pomyślnie plik, który będziemy importowali do Google Analytics musi mieć określoną postać, aby mógł zostać poprawnie przetworzony. Pierwszy wiersz w pliku zarezerwowany jest na nagłówki kolumn, które zawierają nazwy metryk i wymiarów w formie rozpoznawalnej przez Google Analytics. Otwórz dowolne narzędzie do edycji arkuszy kalkulacyjnych (MS Excel jest w sam raz). Jeżeli pobrałeś schemat pliku w poprzednim kroku to po otwarciu go w pierwszym wierszu będą znajdowały się już odpowiednie wartości. Następnie dodaj dane z zewnętrznego źródła w odpowiednich kolumnach i zapisz plik w formacie *.csv.

Pamiętaj, że jeżeli którychś danych będzie brakowało, to Google Analytics zastąpi je wartością 0. Gotowy plik powinien wyglądać podobnie do przedstawionego niżej:

Aby załadować plik do interfejsu Google Analytics, musi mieć on określoną postać i zawierać dane pobrane z zewnętrznego źródła. Dla przedstawionego przykładu dostępne były tylko dane o dziennych kosztach. Zwróć uwagę, że plik zawiera w pierwszym wierszu nagłówki w formacie rozpoznawalnym przez Analytics’a, data jest zapisana w formacie RRRRMMDD (np. 20141231), a liczby zawierają kropkę zamiast przecinka.

Formalne wymagania dotyczące formatu pliku *.csv, można znaleźć pod adresem: https://developers.google.com/analytics/devguides/platform/cost-data-import#csv_format

Jeżeli Twój plik spełnia wszystkie warunki to jesteś gotowy do załadowania swoich danych do Google Analytics. W zakładce „Administracja“, w sekcji „Import danych“, w tabeli obok pozycji, którą wcześniej stworzyłeś, kliknij w „Zarządzaj przesyłaniem“ i załaduj przygotowany wcześniej plik.

Tak wygląda ekran w którym, po skonfigurowaniu zbioru danych, mamy możliwość przesyłania przygotowanych plików z danymi o kosztach. Po kliknięciu w „Zarządzaj przesyłaniem“, należy wskazać lokalizację pliku *.csv.

Gotowe! Jeżeli wszystko poszło dobrze, to dane, które zaimportowałeś pojawią się za chwilę w Twoich raportach (Pozyskiwanie > Kampanie > Analiza kosztów). Wracając do przywołanego na wstępie przykładu. W kolumnie „Koszt” pojawiły nam się konkretne wartości, co pozwala na obliczenie innych metryk. W tym przypadku zwrotu z nakładów na reklamę. Gdybyśmy zaimportowali więcej informacji (np. o liczbie kliknięć), z widocznej na poniższym zrzucie ekranu tabeli zniknęło by wiele zer.

Po zaimportowaniu danych do Google Analytics, pojawiają się one w raportach. Dodatkowo kalkulowane są metryki oparte na tych wartościach. Im więcej różnych metryk załadujemy do interfejsu, tym więcej możliwości analizy uzyskamy. Na powyższym przykładzie widać, że wspomniany na początku wpisu sklep internetowy, powinien rozważyć możliwość zwiększenia nakładów na reklamę w serwisie ceneo.pl, ponieważ współczynnik ROI jest dla niego dużo wyższy niż dla konkurencyjnego nokaut.pl.

Co dalej?

Okej, to był pierwszy, manualny sposób importowania kosztów do Google Analytics. Co gdy przedstawiona wyżej metoda nie jest dla nas dostatecznie wygodna? W takim przypadku istnieją jeszcze co najmniej dwa rozwiązania.

Pierwszym sposobem jest skorzystanie z interfejsów współpracujących z API Google’a, oferowanych przez różne serwisy np. Shufflepoint. Usługa „Shufflepoint In2GA“ pozwala automatycznie pobierać dane z wielu źródeł i automatycznie, konwertując je do wymaganej przez Google formy, ładować do interfejsu Analytics’a. W tym przypadku jesteśmy zwolnieni z ręcznego formatowania pliku, który będzie importowany. Wszystkie operacje od pobierania danych z zewnętrznych źródeł, przez formowanie pliku, po załadowanie go do narzędzia Google są wykonywane po stronie serwerów Shufflepoint.

Źródło: shufflepoint.com

Drugi sposób to samodzielne wykorzystanie API Google Analytics i stworzenie własnej aplikacji, lub oprogramowania, które cyklicznie może pobierać dane, konwertować je do odpowiedniej formy i importować do Google Analytics. Wymaga to jednak zlecenia tego zadania do działu IT Twojej organizacji, zewnętrznej firmie, lub wykorzystania własnych umiejętności programistycznych. Ale o tym opowiemy Wam, w szczegółach, innym razem.

Rozpoczęcie regularnego importowania kosztów do Google Analytics otwiera nam drogę do podejmowania lepszych decyzji odnośnie inwestowania środków w różne kanały marketingowe. Mam nadzieję, że pokazałem, że droga do wyższych współczynników ROI jest krótsza, niż wielu do tej pory uważało.

The post Import kosztów do Google Analytics first appeared on Conversion.

Przedstawiamy Wam (subiektywne) zestawienie najważniejszych funkcjonalności, które pojawiły się w tym roku w Google Analytics.

Przeczytajcie, co się zmieniło i jak wykorzystać nowe funkcjonalności w swoich analizach:

Remarketing Google Analytics w Universal Analytics oraz wyjście Universal Analytics z wersji beta.

Nasze zestawienie zaczynamy od prawdopodobnie największego wydarzenia tego roku: na początku kwietnia Universal Analytics wyszło z beta. Oznacza to, że nowa wersja kodu śledzącego jest już w 100% kompatybilna, obsługuje wszystkie funkcjonalności (w tym funkcjonalności dostarczane przez skrypt dc.js) i raporty klasycznego Analytics.

Czego do tej pory najbardziej brakowało? Na pewno list remarketingowych, które tworzone w klasycznym Analytics pozwalały grupować użytkowników, którzy dokonali konkretnej akcji (np. dodali produkt do koszyka) lub odwiedzili daną stronę. Pozwalało to serwować im odpowiednie kreacje reklamowe za pomocą Google Display Network. Tej funkcji do kwietnia nie obsługiwał Universal Analytics. Na szczęście to się zmieniło.

Kolejną funkcjonalnością, na którą musieliśmy poczekać w Universal Analytics, są raporty zainteresowań i dane demograficzne oraz pełna kompatybilność z Google Tag Manager. Obie te funkcje pojawiły się wraz z wyjściem z bety. Dodatkowo wprowadzono procesowanie danych w oparciu o poszczególne strefy czasowe: dotychczas dane procesowane były w czasie pacyficznym (PST). Universal Analytics zapewnia więc najświeższe dane niezależnie od strefy czasowej.

Należy także wspomnieć, że oprócz przeniesienia wszystkich funkcjonalności klasycznego Analytics do Universal Analytics, pojawiły się nowe, długo wyczekiwane funkcje, takie jak śledzenie użytkowników pomiędzy różnymi urządzeniami (poprzez nadawanie unikalnego User-ID). W momencie, kiedy użytkownik loguje się do serwisu, uaktywnia się klucz z bazy CRM (np. numer klienta czy adres email), z którym sparowany jest UUID. W efekcie w interfejsie Google Analytics możemy analizować zachowanie online użytkownika korzystającego z kilku urządzeń czy przeglądarek, a nawet offline, jeżeli na karcie klienta umieścimy taki sam User-ID.

Migracja na Universal Analytics jest nieunikniona – kolejne funkcjonalności dostępne są tylko w nowszej wersji kodu śledzącego. Wystarczy wymienić nowe metryki i dane niestandardowe czy ulepszony e-commerce, o którym za chwilę.

Ulepszone śledzenie e-commerce (enhanced e-commerce)

To była prawdziwa rewolucja: Google Analytics w maju udostępnił zupełnie nowy moduł śledzenia e-commerce. Ta funkcjonalność dostępna jest tylko w Universal Analytics i zapewne dla wielu była bodźcem do migracji na nowy kod śledzący Analytics.

Skąd to całe zamieszanie? Ulepszone śledzenie e-commerce to duży zastrzyk dodatkowych danych, do których wcześniej nie mieliśmy dostępu. Po pierwsze, możemy zbierać dane dotyczące zaangażowania użytkowników, m.in.: jak użytkownicy jak użytkowników zachowują się w koszyku (np. ile produktów dodają bądź usuwają), jak wygląda dokładnie ich ścieżka od zainicjowania po transakcję (bądź porzucenie koszyka). To daje możliwość tworzenia zaawansowanych segmentów i jeszcze lepszych analiz użytkowników.

Spośród wielu możliwości, które daje enhanced e-commerce można wymienić np. wyliczanie współczynnika konwersji dla konkretnych produktów czy ułatwione śledzenie kampanii wewnętrznych. Nowością i bardzo przydatną funkcjonalnością jest możliwość segmentacji w obrębie ścieżki zakupowej – do tej pory mogliśmy śledzić ścieżkę za pomocą celów, jednak jej analiza w obrębie poszczególnych segmentów wymagała tworzenia filtrów lub poziomej ścieżki konwersji.

Raporty porównawcze (benchmarking)

W Google Analytics możesz już sprawdzić, jak działa Twój serwis w porównaniu do konkurencji. Możesz wyświetlać raporty porównując je z danymi innych serwisów z Twojej branży. Są to dane zagregowane – nie ma możliwości zidentyfikowania konkretnej firmy.

Co można porównywać? W tym momencie możemy zestawić raporty dotyczące kanałów, lokalizacji oraz urządzeń, z których korzystają użytkownicy. Do wykorzystania mamy 6 metryk: sesje, % nowych sesji, nowych użytkowników, strony/sesje, średni czas trwania sesji oraz współczynnik odrzuceń. Możemy zobaczyć jak nasza organizacja wypada na tle konkurencji – na przykład o ile więcej (bądź mniej) procent ruchu zdobywamy z płatnych wyników wyszukiwania niż konkurencja.

Nowe raporty znajdziecie w sekcji Odbiorcy | Test porównawczy. Aby udostępnić tę funkcje musimy zgodzić się na udostępnienie danych anonimowo usłudze Google (tę opcję znajdziecie w ustawieniach konta Google Analytics).

Benchmarking możemy wykorzystać np. do analizy w czasie, tj. do porównywania jak w poszczególnych okresach roku działa nasz serwis względem konkurencji. Może uda się znaleźć kanały, które w danym czasie są bardziej efektywne, niż te które stosowaliśmy do tej pory?

Należy pamiętać o pewnych ograniczeniach tej funkcjonalności: nie wiemy do końca jak wygląda branża, którą dobrało nam Google (nie mamy wpływu na to, czy jest to strona o podobnym profilu czy wolumenie ruchu). Kolejnym dużym ograniczeniem jest brak informacji o tym, ile inni wydają na poszczególne aktywności marketingowe. Tym samym możemy sprawdzić, że nasi konkurenci pozyskują dużo więcej ruchu z AdWords – nie możemy jednak ocenić efektywności tych działań nie mając danych na temat budżetu.

Możliwość filtrowania botów

Możliwość wykluczania ruchu robotów ze statystyk Google Analytics pojawiła się w lipcu 2014 roku. Na pierwszy rzut oka nie jest to może spektakularna funkcjonalność, jednak w przypadku dbania o poprawne i rzetelne dane, filtrowanie robotów i tzw. spiderów ma bardzo duże znaczenie.

Roboty i spidery to automatyczne programy, które chodzą po stronach internetowych. Mogą to być roboty wyszukiwarek internetowych, programy, które skanują Twoją stronę w poszukiwaniu najnowszych treści lub konkretnych informacji np. o danej marce. Robotami są programy, które Twoje zlecenie sprawdzają sprawność serwera czy też czas ładowania się strony. Duża część botów krążących po stronach internetowych to tzw. spamboty, które wyszukują adresy e-mailowe i dodają je do list mailingowych.

Niektóre roboty nie powodują wywoływania kodu Google Analytics – wtedy ich wizyta odnotowywana jest tylko w logach serwerowych. Inne, tzw. smartboty podczas wejścia „zachowują” się tak jak użytkownik: do narzędzia przesyłany jest hit i Google Analytics zlicza to jako zwykłą wizytę. Może to zaburzać analizę danych – jak bardzo przekonacie się przeglądając raport Incapsula, który wskazuje, że nawet 60% ruchu na stronach internetowych generowane jest właśnie przez roboty.

Ustawienie tej funkcjonalności jest naprawdę proste: w panelu Administracja wybieramy „Ustawienia widoku” zaznaczamy opcję” Wykluczenie wszystkich działań znanych robotów”.

Google Analytics identyfikuje i odfiltrowuje roboty na podstawie listy tworzonej przez IAB/IAC (IAB/IAC International Spiders & Bots List). Dostęp do pełnej listy kosztuje całkiem sporo (od 4000 USD nawet do 14000 USD), jednak nie musimy jej znać aby korzystać z tej funkcjonalności.

Jeżeli jeszcze nie wykorzystaliście możliwości wykluczania działań robotów – powinniście to zrobić jak najszybciej. Warto, na początek, przez kilka tygodni sprawdzać jej działanie na testowym widoku – jeżeli wszystko będzie działać poprawnie, można zaaplikować funkcjonalność w obrębie całego konta.

Diagnostyka

Zapewne nie umknęło Waszej uwadze, że w prawym górnym rogu na Waszym koncie Google Analytics pojawiły się alarmy i komunikaty. To nowa opcja Google Analytics – Diagnostyka.

Google Analytics raportuje błędy takie jak brak kodu śledzącego, kolidujące filtry czy błędy w poszczególnych raportach czy w konfiguracji celów. Dodatkowo pojawiają się sugestie np. dotyczące ustawienia nowych celów.

Z raportu Conversion wynika, że duża część polskich witryn internetowych ma problem z jakością gromadzonych danych: w wyniku błędów są one niepełne i nierzetelne. Oczywiście diagnostyka Google Analytics to zdecydowanie za mało, aby zapewnić poprawność danych – niemniej jednak warto skorzystać z tej pomocy.

Google Analytics Demos & Tools

W tym roku Google Analytics udostępniło nową platformę – Google Analytics Demos & Tools. Znajdziemy na niej sporo materiałów, które ułatwią wdrażanie nowych funkcjonalności i korzystanie z samego narzędzia – głównie w formie filmów instruktażowych, prostych aplikacji demo i opisów. W demo enhanced e-commerce możemy zobaczyć, jak działa ta funkcjonalność w obrębie serwisu oraz otrzymujemy przykładowe kody do wdrożenia na stronę.

Kolejna sekcja to Google Analytics Embed API. To biblioteka Javascript, która pozwala na tworzenia i osadzanie w interfejsie Google Analytics dashboardów na zewnętrznych stronach. Daje to możliwości wizualizacji danych i przedstawiania ich „poza” narzędziem Google Analytics.

Jedyne, czego potrzebujesz aby stworzyć dedykowany dashboard to praca Twoich deweloperów. Daje to naprawdę ogromne możliwości i pozwala na tworzenie dobrej dokumentacji. Możesz zintegrować wykresy z Google Analytics aby wyglądały tak samo, bądź narysować własne wykorzystując narzędzia do wizualizacji takie jak d3.js czy chart.js.

W sekcji demo znajdziesz przykłady i pomysły prezentacji danych, między innymi w formie wykresów interaktywnych bądź zestawiania danych z dwóch i więcej widoków (co nie jest możliwe z wykorzystaniem interfejsu Google Analytics). Wykorzystanie Embed API pozwala także na wykorzystanie niestandardowych komponentów w dashboardach. Jeżeli chcecie dowiedzieć się więcej sięgnijcie do Google Develepors Centre.

Sekcja narzędzia zawiera znane części z Was narzędzie Google Analytics Query Explorer, które pozwala na wyciąganie danych z Google Analytics z poziomu tego narzędzia. Query Explorer pozwala między innymi na wyciągnięcie danych z większej liczby wymiarów (w obrębie interfejsu Google Analytics możemy to zrobić tylko dla maksymalnie dwóch wymiarów). Query Explorer pozwala wyeksportować dane dotyczące wszystkich parametrów kampanii – tj. medium, źródło, kampania, słowa kluczowe i treść.

Mamy także dostęp do kilku innych narzędzi: Account Explorer, Dimensions & Metrics Explorer oraz Google Analytics Spreadsheet Add-on, który ułatwia eksport, przekazywanie i wizualizację danych z Google Analytics do arkuszy kalkulacyjnych Google Docs.

Aby korzystać z Google Analytics Demos & Tools musimy zalogować się do swojego konta Analytics – wówczas poszczególne demo zasilane są danymi z naszego własnego konta.

A co zmieniło się w Google Analytics Premium? Oto 3, naszym zdaniem, najważniejsze funkcjonalności, które pojawiły się w płatnym Analytics w 2014 roku:

Raportowanie zbiorcze w Google Analytics Premium

Raportowanie zbiorcze, czyli tzw. roll-up, to konto, które łączy w sobie kilka różnych stron internetowych (tzn. różnych domen, np. sklep.buty.pl, blog.buty.pl itd.). Każda z domen jest śledzona osobnym kontem Google Analytics, jednak aby mieć pełny obraz zachowania użytkownika we wszystkich serwisach tworzone jest właśnie konto zbiorcze.

Stworzenie takiego konta jest możliwe w obrębie Google Analytics (informacje jak to zrobić znajdziecie w poście Mariusza), jednak nowością Premium jest to, że nie ma potrzeby implementacji kilku kodów śledzących na jednej stronie. Samo stworzenie usługi roll-up jest bardzo proste i nie wymaga zmian w kodzie źródłowym strony.

Roll-up reporting to niewątpliwie wyjście naprzeciw dużym organizacjom, które posiadają wiele domen w różnych krajach. Posiadanie pełnego obrazu obecności on-line danej firmy jest niezbędne do podejmowania najważniejszych decyzji biznesowych.

Jakie możliwości daje opcja zbiorczego raportowania? Możemy w obrębie jednego interfejsu sprawdzić jak działają poszczególne jednostki (np. różne serwisy bądź lokalizacje) porównując je do siebie. To także lepsze spojrzenie na ścieżkę użytkownika pomiędzy naszymi serwisami (łącząc te dane np. z danymi dotyczącymi urządzeń, z których korzystają użytkownicy).

Integracja Google Analytics Premium z DoubleClick

To kolejna ważna informacja dla użytkowników Google Analytics Premium – w 2014 nastąpiła pełna integracja DoubleClick Campaign Manager z Google Analytics Premium.

DoubleClick to ad-server Google, który korzysta z danych pochodzących z ciasteczek. Dzięki temu możliwe jest odtworzenie historii przeglądania stron użytkownika, a co za tym idzie – wyodrębnienie jego preferencji. DoubleClick cookies wykorzystuje te dane do targetowania kampanii reklamowych. Na pewno nie raz widzieliście, że gdy tylko przejrzycie ofertę butów w Zalando.pl, „buty” będą chodzić za Wami cały dzień – na przykład w wyszukiwarce Google. Tak działa DoubleClick.

Integracja tych narzędzi to między innymi dostęp z poziomu Google Analytics do danych dotyczących wyświetleń i kliknięć w kreacje reklamowe, a także monitorowania jak poszczególne kreacje wpływają na konwersję. Możemy ocenić efektywność kreacji i kampanii z uwzględnieniem wszystkich dostępnych metryk Google Analytics (takich jak współczynnik odrzuceń czy czas spędzony na stronie) i jeszcze dokładniej analizować ROI z kampanii marketingowych i poszczególnych kanałów.

Możliwość eksportowania niepróbkowanych raportów poprzez API

Do tej pory Google Analytics Premium umożliwiało pobieranie niesamplowanych raportów wyłącznie do pliku csv. W tym roku dodano funkcjonalność dostępu do niepróbkowanych raportów poprzez API. To rozszerza możliwości analizy danych i odpowiada na specyficzne potrzeby konkretnych biznesów – np. poprzez możliwość integracji API z oprogramowaniami Business Intelligence i zasilenie go niepróbkowanymi danymi z Google Analytics Premium.

Raporty niepróbkowane tworzone za pomocą API procesowane są w trybie offline. Kompletny raport jest dostępny z poziomu API, ale także mogą być zapisane na Google Drive albo na Google Cloud.

Na koniec dobra informacja dla wszystkich, którzy potwierdzić swoją znajomość narzędzia Google Analytics i zdać egzamin Google Analytics Individual Qualification: zdawanie GAIQ jest już darmowe. Co więcej można zdawać egzamin po polsku. To jest 10 zmiana, którą wprowadził Google Analytics w 2014 roku.

Patrząc na tempo rozwoju Google Analytics w 2014 roku nie możemy już się doczekać co przyniesie kolejny rok

Jeżeli jeszcze nie mieliście okazji zapoznać ze wszystkimi nowościami – czas najwyższy!

The post 10 nowości, które pojawiły się w Google Analytics w 2014 roku first appeared on Conversion.

Narzędzie daje ogromne możliwości zaawansowanej konfiguracji. Tylko od nas zależy, czy nasze działania ograniczą się wyłącznie do generowania raportów o liczbie unikalnych użytkowników i oglądania sekcji „Na żywo”, czy użyjemy Google Analytics do przeprowadzania zaawansowanych analiz wykorzystując na przykład śledzenie zdarzeń czy segmentację.

Dowodem na to, że Universal Analytics może stać się, dedykowanym, szytym na miarę narzędziem dla każdej organizacji, są wprowadzone ostatnio wymiary i dane niestandardowe.

To duży krok w stronę integracji danych: możemy zasilić nasze konto Analytics zewnętrznymi źródłami danych. Od informacji o autorze postów, przez dane na temat pogody po liczbę wypitych kaw w biurze. Następnie wykorzystać te dane chociażby przy analizach segmentów użytkowników.

Jak wykorzystywać niestandardowe wymiary i dane do wyciągania jeszcze lepszych wniosków? Przygotowaliśmy dla Was krótki przewodnik.

Na początku krótka uwaga: jeżeli nie dokonaliście migracji na UA, nic z tego. To funkcjonalność dostępna tylko w Universal Analytics.

Co to są wymiary i dane?

Google Analytics definiuje wymiary jako „opisowy atrybut lub charakterystyka obiektu”, a dane jako „poszczególne elementy wymiaru, które można przedstawiać jako sumę lub stosunek”.

Mówiąc po ludzku, wymiar to po prostu segment użytkowników (użytkownicy charakteryzujący się jakąś jedną wspólną cechą) obecny w Google Analytics najczęściej jako wiersz w raporcie, podczas gdy dane stanowią ilościowy opis tego segmentu – w Google Analytics najczęściej przedstawiony w kolumnie. Wszystkie raporty w Google Analytics oparte są na połączeniu wymiarów i danych.

Mamy dostęp do 200 wymiarów i danych ustawionych domyślnie na naszym koncie Google Analytics. Ale nie musimy się do nich ograniczać.

Od niedawna mamy możliwość zasilenia naszego konta o nowe, przydatne konkretnie dla naszego biznesu dane. W tym przypadku można powiedzieć „sky is the limit”: jeżeli tylko wiemy, jak poprawnie skonfigurować niestandardowy wymiar bądź dane, możemy przesyłać właściwie wszystko, co przyjdzie nam do głowy.

Czym różnią się niestandardowe wymiary i dane od zmiennych niestandardowych?

Można powiedzieć, że to już było – podobne możliwości dawały zmienne niestandardowe. To prawda – te funkcjonalności są bardzo podobne, i jeżeli jesteście specami od ustawiania zmiennych niestandardowych – bez problemu poradzicie sobie z niestandardowymi wymiarami.

Jest jednak kilka znaczących różnic.

Po pierwsze, możemy wprowadzić do 20 niestandardowych wymiarów i 20 niestandardowych danych. W przypadku zmiennych niestandardowych to ograniczenie było dużo większe (tylko 5).

Po drugie, niestandardowe wymiary i dane definiuje się w interfejsie – tam określa się ich nazwę, poziom oraz slot. W kodzie definiowane są tylko wartości dla wymiary. Tymczasem w przypadku zmiennych niestandardowych całość musi być zdefiniowana po stronie kodu.

Oznacza to, że niestandardowe wymiary i dane można skonfigurować z poziomu konta – nie trzeba dokonywać zmian w samym kodzie.

Jak ustawić na swoim koncie Google Analytics niestandardowe wymiary i metryki?

Ustawienie niestandardowych wymiarów i metryk nie powinno być dużym wyzwaniem. Należy pamiętać, że ta opcja dostępna jest tylko jeżeli przeprowadziliśmy migrację na Universal Analytics.

Pokażę Wam na przykładzie naszego bloga, jak krok po kroku skonfigurować niestandardowe wymiary i dane – w naszym przypadku jako wymiar wybraliśmy autora tekstu.

W panelu administratora na poziomie usługi wybieramy niestandardowe definicje. Następnie przechodzimy do niestandardowych wymiarów.

Następnie wybieramy „Dodaj niestandardowy wymiar, nadajemy mu nazwę oraz ustawiamy zakres. Jeżeli odznaczymy opcję „Aktywna” wymiar dalej będzie się pojawiać w raportach niestandardowych, jednak dane nie będą zbierane.

W przypadku wybrania opcji autor zakresem będzie Hit. Mamy do wyboru jeszcze użytkownika oraz sesję – o tym czym różnią się poszczególne zakresy napiszę w dalszej części artykułu.

W momencie, gdy stworzymy już niestandardowy wymiar pojawiają nam się kody, które należy umieścić na stronie. Wymiarowi nadawany jest indeks – w tym przypadku jest to wymiar1. W momencie kiedy zdefiniujemy „dimensionValue”, Analytics widząc podaną wartość prześle zawarte w niej dane do naszego konta. Aby skonfigurować wartość wymiaru „autor” wykorzystaliśmy (kod, który zaciąga dane o autorze w nagłówku posta).

Dane lądują na koncie Google Analytics jako indeks plus wartość.

Należy pamiętać, że dane przesyłane są do konta Google Analytics tylko w połączeniu z innymi hitami (działaniami), takimi jak zdarzenie, wirtualna odsłona czy transakcja. Dlatego kod umieszczamy pod głównym kodem śledzącym Google Analytics.

Teraz możemy analizować to jak popularny są posty poszczególnych autorów i na przykład stworzyć ranking najbardziej poczytnych autorów. Albo sprawdzić, które posty danego autora mają najwyższy średni czas spędzony na stronie.

Zakres produktu, sesji, użytkownika, hitu

Jak wcześniej pisałam, jeżeli jako niestandardowy wymiar ustawiamy autora, robimy to w zakresie hitu. To chyba najtrudniejszy to zrozumienia element całej konfiguracji. Ci, którzy ustawiali już zmienne niestandardowe nie powinni mieć z tym problemu.

Możemy definiować wymiary w zakresie

• Hitu
• Sesji
• Użytkownika
• Produktu

Zakres hitu

Jako hit określamy jednostkową porcję danych przesyłanych do Google Analytics. Może to być zdarzenie, wirtualna odsłona czy transakcja. Jeżeli zakresem będzie hit – do danego hitu dołączana będzie porcja danych zawierających numer indeksu i wartość danego wymiaru.

W jednej sesji użytkownik może przesyłać wiele hitów: poruszając się po serwisie generuje różne zdarzenia czy wirtualne odsłony. W tym zakresie informacja o niestandardowym wymiarze zostanie przekazana przy każdym hicie, który zdefiniujemy. Czyli jeden użytkownik może „wysłać” kilka wymiarów i danych niestandardowych do Google Analytics.

W przypadku autora artykułu: za każdym razem kiedy użytkownik wyświetli tekst danego autora, do hitu „wirtualna odsłona” dołączona zostanie porcja informacji o autorze – i tak podczas jeden wizyty użytkownik może wysłać kilka (kilkanaście, jeżeli jest zagorzałym czytelnikiem) hitów z tą wartością.

Zakres sesji

Sesja to najprościej mówiąc, zestaw hitów zgrupowanych razem dla jednej wizyty jednego użytkownika. Sesja trwa 30 minut od pierwszego hitu.

W przypadku ustawienia zakresu Sesji kolejne hity z inną wartością nadpisują wcześniejsze działania. Jeżeli wymiar Autor ustawilibyśmy na poziomie sesji, otrzymywalibyśmy informacje tylko na temat autora ostatniego posta, który użytkownik przeczytał w czasie trwania sesji.

Poziom sesji możemy wykorzystać na przykład do przesyłania danych na temat logowania. Nie ma znaczenia w którym momencie użytkownik zalogował się do serwisu – ważne, że zrobił to w czasie trwania sesji. Jeżeli tylko wykonał taką akcję, do konta Google Analytics przesyłana jest informacja „Zalogowany”. Wówczas przy analizie segmentów możemy ustawić wartość „zalogowani” i analizować jak tacy użytkownicy zachowują się na stronie.

Podobnie w przypadku informacji o pogodzie: możemy ustawić niestandardowy wymiar w zakresie sesji (raczej mało prawdopodobne, że pogoda zmieni się diametralnie w ciągu 30 minut).

Zakres użytkownika

Google Analytics za pomocą ciasteczek jest w stanie zidentyfikować pojedynczego użytkownika. Kiedy wchodzi on do serwisu, przypisane jest mu ID i jest rozpoznawalny jako konkretna osoba (a raczej konkretny zestaw danych) przez 2 lata (tyle żyje ciasteczko). Zbierane dane są grupowane: w efekcie możemy segmentować nie tylko sesje, ale prawdziwych użytkowników.

To dobre rozwiązanie dla informacji, które nie zmieniają się często (albo w ogóle). W zakresie użytkownika możemy zdefiniować na przykład płeć (jeżeli mamy takie dane np. w CRM) czy to, jaki rodzaj konta w naszym serwisie posiada dany użytkownik (na przykład konto classic lub premium itd.)

Zakres produktu

Wartość danych bądź wymiarów niestandardowych jest przypisana konkretnie do produktu – ta opcja dostępna jest tylko w ulepszonym ecommerce.

Jak raportować niestandardowe wymiary i metryki?

W klasycznym Google Analytics zmienne niestandardowe znajdowały się w sekcji Odbiorcy / Niestandardowe / Zmienne niestandardowe. W tym miejscu nie znajdziemy już wymiarów i danych niestandardowych. Są one traktowane jako „zwykłe” wymiary dodatkowe.

Możemy wykorzystać je w najprostszy sposób: dokładnie tak jak zwykły wymiar w raporcie.

Niestandardowe wymiary ustawiamy jako wymiar dodatkowy raportu na przykład przy analizie raportów Cały Ruch.

Niestandardowe wymiary możemy wykorzystywać do tworzenia segmentów, raportów niestandardowych i filtrów. Trzeba pamiętać, że niestandardowe wymiary i dane ustawiane są na poziomie usługi – dlatego też filtry możemy ustawić na poziomie widoku – nie możemy tego zrobić dla całego konta.

Przykład raportu niestandardowego na podstawie danych o autorach naszego bloga. Mamy ustawione zdarzenia o etykiecie: Do końca i Do połowy (zdarzenia na scrollowanie, które pokazują jak użytkownicy czytają teksty). Generujemy raport niestandardowy (tabelę kartotekową), w którym wymiarem jest autor, a następnie ustawiamy etykietę zdarzenia Do końca lub Do połowy. Tym samym możemy prześledzić jak czytane są teksty poszczególnych autorów

Jak wykorzystywać niestandardowe wymiary i dane w swoich analizach?

Możliwości jest nieskończenie wiele: wszystko zależy od charakterystyki naszego biznesu i kompetencji zespołu analityków.

Poniżej kilka przykładów, które mogą Was zainspirować do wykorzystania tej funkcjonalności na swoich kontach:

Śledzenie pogody

W serwisach ecommerce warto np. przekazywać do Google Analytics informacje o pogodzie — na pewno każdy z właścicieli sklepów internetowych zaobserwował, że w dni z gorszą pogodą sprzedaż rośnie (nie wspominając już o skrajnie zależnych od warunków atmosferycznych branżach jak np. sprzedaż opon).

Aby skonfigurować dane dotyczące pogody musimy określić szerokość i długość geograficzną naszego IP i na tej podstawie zaciągnąć dane z zewnętrznego API (np. http://openweathermap.org/). Wymiar niestandardowy ustawiamy w zakresie sesji.

Więcej informacji jak ustawić informacje pogodowe za pomocą Google Tag Managera znajdziecie na blogu Simo Ahavy.

Śledzenie sposobu płatności

Tak, oczywiście można śledzić jaki sposób płatności (kartę Visa, Mastercard, za pobraniem itd.) wybierają użytkownicy za pomocą zdarzeń. Ustawienie niestandardowego wymiaru pozwoli jednak na lepszą analizę zachowania: możemy wykorzystać te informacje do analizy segmentów i obserwować korelację pomiędzy liczbą produktów w koszyku czy średnią wartością zamówienia.

Przekazywanie informacji o marży

To bardzo ciekawa opcja dla ecommerce, szczególnie przy analizie kampanii marketingowych. Jeżeli chodzi o ROI – a to przecież chodzi – to ile zarabiamy na danym produkcie ma znaczenie, a nie tylko jego cena. I tę wartość także powinniśmy brać pod uwagę.

Załóżmy, że w sklepie internetowym z elektroniką telewizor kosztuje 3000 PLN. Marża to 2%, więc na zakupie tego produktu zarabiamy 90 PLN . Z kolei sokowirówka kosztuje 250 PLN a marża wynosi 15% – czyli zarabiamy 45 PLN.

Oczywiście są to dane wrażliwe – jest jednak kilka sposobów na przekazanie je tak, aby nie były widocznie w kodzie, np. za pomocą serwowania tych danych z serwera poza wizytą użytkownika.

Informacje na temat interakcji użytkowników z aplikacją

Bardzo dobry przykład wykorzystania niestandardowych wymiarów w poszczególnych zakresach znajdziecie na stronie Pomocy Google.

Krok po kroku przedstawiona jest konfiguracja zmiennych niestandardowych na przykładzie aplikacji do gier. W zakresie hitu możemy obserwować jak często użytkownicy grają na poszczególnych poziomach gry, na poziomie sesji możemy zebrać dane o interakcjach użytkowników w czasie 3-dniowej wersji próbnej. W zakresie użytkownika możemy porównywać zachowanie tych, którzy posiadają darmową i płatną wersję. Pokazane jest także wykorzystanie zakresu produktu: jakie doładowania wykupują użytkownicy aplikacji.

Niestandardowe wymiary i dane otwierają ogromne możliwości analizy, a także łączenia danych offline z online. Jeżeli jeszcze zastanawiacie się nad migracją na Universal Analytics – ta funkcjonalność powinna Was do tego przekonać.

Czy macie już swoje pomysły na niestandardowe wymiary i dane? Jeżeli tak, podzielcie się nimi w komentarzach.

The post Wymiary i dane niestandardowe: doładuj swoje konto Analytics first appeared on Conversion.

Na pewno wielu z Was już słyszało o tej nowości. Google obiecuje, że ten kod jest w stanie spełnić wiele oczekiwań, którym klasyczna wersja kodu nie była w stanie sprostać, np. możliwość analizowania przepływu internautów między różnymi przeglądarkami i urządzeniami. Rewolucja w świecie analityki? Na pewno. Tylko jak ta magia działa? Jakie są jej fundamenty? Jakie są ograniczenia niesamowitych, jak się wydaje, możliwości tego narzędzia? Jeżeli szukaliście ostatnio odpowiedzi na te i inne pytania o Universal Analytics, liczę, że po lekturze tego posta temat nie będzie dla nikogo tajemnicą.

Jak było, a jak jest

…czyli o kluczowej różnicy między klasycznym kodem Google Analytics a Universal Analytics

Aby móc dobrze zrozumieć to, jak działa Universal Analytics, na początek krótkie przypomnienie tego jak działa klasyczna wersja kodu – ga.js (czy jego wariacja, dc.js). Kod Google Analytics opierał się do tej pory na ciasteczkach zapisywanych w przeglądarce użytkownika, to w nich zapisywane były informacje m.in. o źródle, medium odwiedzin, ich godzinie czy dacie. Za pomocą najróżniejszych wtyczek zawsze można było sprawdzić zapisane w przeglądarce ciasteczka Analyticsa – „utm”.

Do informacji zapisanych w ciasteczkach Google Analytics – utm, można zajrzeć np. dzięki dodatkowi na przeglądarkę Chrome (na screenie „Edit this cookie”).

Bazowanie na ciasteczkach wiązało się niestety z tym, że unikalny użytkownik oznaczał tyle, co unikalny zestaw ciasteczek. Ponieważ unikalny zestaw ciasteczek jest przypisany do danej przeglądarki i urządzenia, to gdy odwiedzam stronę X z tabletu, potem z lapotopa, to w oczach Google Analytics jestem dwoma unikalnymi użytkownikami. W świecie, gdy niemal każdy z nas ma co najmniej dwa urządzenia z dostępem do internetu, jest to dla analityków internetowych spore wyzwanie. Gdy struktura serwisu na to pozwalała, próbowaliśmy obejść ten problem zmiennymi niestandardowymi na użytkownika, przekazując w nich ID użytkownika. Ale nie była to metoda doskonała – gdybym chciała przejrzeć grupę użytkowników korzystających i z laptopa i z tabletu, nie było innej możliwości, jak zaszyć się w biurze na pół roku i filtrować dane pojedynczo, po każdym jednym ID.

Szaleństwo, przed którym może ocalić tylko Universal Analytics. Rewolucja związana z tym kodem polega na tym, że do jego działania (choć bez pełnej mocy) nie potrzebne są żadne ciasteczka! Universal Analytics tworzy tylko 1 ciasteczko z ID użytkownika, a pozostałe dane (m.in. źródło, medium, słowo kluczowe) przesyłane są od razu do serwerów Google. Jak to się dzieje?

Silnik Universal Analytics

…czyli measurment protocol i analytics.js

Measurment protocol to wykorzystywany przez Universal Analytics zbiór zmiennych, parametrów za pomocą których dane są przesyłane do serwerów Google Analytics. W klasycznym kodzie ga.js/dc.js dane przeglądarkowe i te z ciasteczek, jako parametry „utm” wysyłane były w paczce „_utm.gif”. W measurment protocol dane wysłane są w zupełnie innym formacie:

W Universal Analytics parametry „utm” przechodzą do historii. Nowy measurment protocol wykorzystuje zupełnie nowy zestaw parametrów do przesyłania danych na serwery Google.

Rozszyfrowując kilka parametrów:

• v – oznacza wersję mesasurment protocol, aktualnie będzie to 1;
• tid – parametr odnoszący się do numeru usługi Google Analytics, czyli numeru UA;
• cid – wartością tego parametru jest tzw. UUID czyli z angielskiego Universally Unique IDentyfier, jest to losowo przyznane danemu użytkownikowi ID;
• t – tutaj zdefiniowany będzie rodzaj hitu (na przykładowym screenie jest to „pageview”).

Wartość parametru „cid”, czyli UUID jest także przechowywana w jedynym „universalowym” ciasteczku „_ga”:

Universal Analytcs tworzy w przeglądarce użytkownika tylko jedno ciasteczko „_ga”, w którym zapisane jest unikalne ID.

Kolejna konsekwencja zastosowania measurment protocol to możliwość śledzenia przepływu użytkownika miedzy różnymi urządzeniami, przeglądarkami a nawet z uwzględnieniem jego/jej działań offline. Wyobraźmy sobie następujący scenariusz:

Jan Kowalski szukając aktówki na służbowym laptopie trafił na stronę sklepu Wittchen. Jeden z produktów bardzo mu się spodobał, sfinalizował transakcję rejestrując się do sklepu. Razem z aktówka została do niego przysłana karta klienta. Po tygodniu, gdy utknął w korku wracając z pracy przeglądał na tablecie prywatną skrzynkę mailową, gdzie rzucił mu się w oczy mailng Wittchena z całkiem atrakcyjnymi promocjami. Klika w link, loguje się do sklepu, żeby mieć dostęp do promocji i przegląda ofertę. Jak tylko spojrzał na torebki od razu przypomniało mu się, że żona jutro obchodzi urodziny. W panice gna do galerii handlowej, wbiega do salonu Wittchena i wybiera najdroższą z torebek (aby mieć pewność, że trafi w gust żony). Przy zapłacie chwali się kartą klienta, dzięki czemu dostanie kilka procent rabatu.

Klasyczna wersja Google Analytics zarejestrowałaby wizyty Jana Kowalskiego na stronie Wittchena jako dwóch unikalnych użytkowników (laptop, potem tablet), a wizyta w stacjonarnym sklepie w ogóle umknęłaby śledzeniu.

A jak zachowanie użytkownika Jana Kowalskiego śledziłby Universal Analytics? Podczas pierwszej wizyty zarówno w ciasteczku „_ga” jak i w parametrze cid zapisane by było UUID użytkownika. Przy kolejnej okazji (wizyta z tabletu) Jan Kowalski otrzyma nowy UUID, ale gdy tylko się zaloguje do sklepu zostanie on nadpisany przez ten z pierwszej wizyty w sklepie. Zadzieje się to dzięki temu, że po zalogowaniu stanie się aktywny klucz z bazy CRM (np. numer klienta, czy adres email), z którym sparowany jest UUID. Podobnie, dzięki połączeniu Google Analytics z CRMem, podczas korzystania z karty klienta w salonie stacjonarnym, aktywowany klucz zostanie sparowany z UUID Kowalskiego. W efekcie w interfejsie Google Analytics możemy analizować zachowanie online klienta korzystającego z kilku urządzeń oraz jego działania offline.

Nowy format przesyłania danych to nie jedyna narzędziowa zmiana w Universal Analytics. Aby dane o użytkowniku mogły być przesyłane w tym formacie, kod Google Analytics wywołujący wysyłkę danych także musiał się zmienić z dobrze znanego nam GATC, na:

Podstawowa postać kodu śledzącego Universal Analytics bazuje na nowej bibliotece – analytics.js

Tak, pojawiła się zupełnie nowa biblioteka, która obsługuj measurment protocol – analytics.js. Przestawienie się na nową strukturę może być z początku bolesne, ale warto. Analytics .js jest dużo prostszy (bez podkreślników, kwadratowych nawiasów etc.), bardziej intuicyjny i daje więcej możliwości. Dzięki analytics.js możemy np. tworzyć niestandardowe wymiary i metryki. Czyli gdy dopiszemy odpowiednią linijkę kodu, obok standardowych wymiarów w interfejsie Google Analytics będziemy mieli wymiary dostosowane do naszego biznesu np. jeżeli mielibyśmy serwis z materiałami prasowymi, taki wymiarem mógłby być tytuł artykułu. To samo można zdziałać z metrykami. Widzicie tę moc? A z Universal Analytics można zdziałać jeszcze więcej!

Więcej możliwości z Universal Analytics

Z klasycznym kodem Google Analytics wiele zmian i dodatkowej konfiguracji trzeba było organizować zmianami, rozszerzaniem kodu. Z Universal Analytics mamy więcej możliwości z poziomu interfejsu. W panelu administratora możemy:

• dodać do medium organic dodatkowe, nieobsługiwane przez narzędzie standardowo źródła = wyszukiwarki;
• ustawić funkcje „timeout”, czyli niestandardowego czasu wygaszania sesji czy przypisywania konwersji do danej kampanii;
• reklasyfikacja wejść z określonych słów kluczowych jako wizyty bezpośrednie.

Interfejs usługi Universal Analytics daje kilka użytecznych możliwości, które przy klasycznej wersji dostępne były tylko po rozszerzeniu kodu śledzącego. Teraz bez potrzeby angażowania IT można np. wydłużyć czas, po którym sesja będzie wygaszana.

Jeżeli do tego dodać wszystko to, o czym wspomniałam wcześniej, a więc możliwość śledzenia zachowania użytkowników między urządzeniami, przeglądarkami i światami online i offline, dodawanie niestandardowych wymiarów i metryk, od razu staje się jasne, dlaczego Universal Analytics jest określany jako kod nowej generacji. Jednak, jak każde narzędzie ma on także swoje ograniczenia, o których warto wiedzieć.

Ograniczenia Universal Analytics

Najważniejsze ograniczenia widoczne są w przykładzie o Janie Kowalskim i w jego przygodzie ze sklepem Wittchen. Aby moc śledzenia przy pomocy UUID dało się w pełni wykorzystać, użytkownik musi się do serwisu zalogować. Nie wiele jest aktualnie stron, które bezwzględnie tego wymagają, do tego cała pula osób niechętna rejestrowaniu się, wypadnie z zaawansowanego śledzenia i nadal będzie śledzona tak samo jak przy wykorzystaniu ga.js.

Kolejne wyzwanie – jeżeli chcemy łączyć dane z online i z offline czy śledzić użytkownika miedzy różnymi urządzeniami, potrzebujemy jakiegoś klucza, który powiąże dane CRM z danymi w Gogle Analytics. W przykładzie o Janie Kowalskim takim kluczem mógł być numer klienta parowany z UUID. Bez takiego klucza, tak zaawansowane łączenie danych nie będzie możliwe.

Aktualnie Universal Analytics nie posiada opcji sieci reklamowych, która daje możliwość gromadzenia danych demograficznych czy tworzenia list remarketingowych z poziomu Google Analytics. Ma to się zmienić – zgodnie z planem Google rozwoju narzędzia, dodanie opcji sieci reklamowych do Universal Analytics jest w planie. Dla zainteresowanych harmonogramem wszystkich planowanych zmian polecam stronę: https://developers.google.com/analytics/devguides/collection/upgrade/.

Pomimo ograniczeń Universal Analytics, ta wersja kodu jest przyszłością i wkrótce każdy, kto będzie chciał zbierać jak najlepsze dane będzie musiał albo założyć nową usługę z takim kodem albo przejść przez proces migracji.

Zakładanie usługi Universal Analytics

Po kliknięciu w zakładce administratora na „Utwórz nową usługę” zostawiamy standardowo wybraną wersję kodu Universal Analytics. Pozostałe pola uzupełniamy tak samo, jak by był to klasyczny kod Analytics.

Podczas zakładania nowej usługi można od razu zdecydować się na wersję Universal Analytics.

Migracja z ga.js/dc.js na analytics.js

Nie trzeba zakładać od razu nowej usługi, aby móc korzystać z możliwości Universal Analytics. Migracja jest ze starej wersji kodu na nową jest jak najbardziej możliwa. Jak to zrobić?

Krok 1

Ponieważ Universal Analytics jest bardzo nowym rozwiązaniem, jeszcze nie na wszystkich usługach znajdziecie zaznaczoną na screenie opcję. Jeżeli nie ma jej teraz, nie martwcie się, wkrótce powinna się pojawić.

Krok 2

Zanim klikniecie „Przenieś” warto dokładnie zapoznać się z informacjami na tej stronie, ponieważ dokonując migracji usługi, jej interfejs zmieni się nieodwracalnie na „universalową”.

Wystarczy kliknąć niebieski przycisk „Przenieś”, a po 24h-48h podmienić klasyczny kod Google Analytics na kod Universal Analytics. Jest to więc kwestią kilku kliknięć, aby taką migracje przeprowadzić. Należy jednak pamiętać, że zmiana interfejsu jest nieodwracalna – raz dokonując migracji na Universal Analytics w ramach danej usługi, nie można potem wrócić do jego poprzedniego wyglądu.

Podsumowanie

Universal Analytics mimo różnych ograniczeń jest przyszłością analityki internetowej. Kolejne fazy rozwoju narzędzia sprawią, że ograniczeń będzie coraz mniej, a śledzenie zachowania użytkowników coraz bliższe ich faktycznym działaniom. Jeżeli Wasz serwis wymaga rejestracji/logowania warto zacząć migracje na Universal jak tylko możliwa będzie opcja sieci reklamowych… i ani dnia później A czy Wy macie może już jakieś doświadczenia z Universal Analytics w praktyce? Koniecznie podzielcie się nimi w komentarzach.

The post Universal Analytics: kod, który zmieni oblicze analityki internetowej first appeared on Conversion.

Specjalnie dla Was przygotowaliśmy zestawienie najważniejszych nowości w Google Analytics, które powinniście wykorzystać w swojej pracy w 2014 roku.

Universal Analytics

Universal Analytics to nowy standard technologiczny usprawniający zbieranie i przetwarzanie danych przez Google Analytics. Jedną z największych różnic w porównaniu do Google Analytics jest zasadnicza zmiana kontekstu gromadzonych danych – w Universal Analytics są to dane dotyczące bezpośrednio użytkowników serwisu, a nie tylko wizyt.


Krótkie wprowadzenie do Universal Analytics przygotowane przez KISSmetrics. W przedstawionej tu części pierwszej omówiono proces zakładania konta i instalacji kodu śledzącego Universal Analytics

Docelowo Google dokona automatycznego uaktualnienia wszystkich kont Google Analytics do standardu UA, ale nic nie stoi na przeszkodzie, żeby przygodę z Universal Analytics rozpocząć już teraz! Użytkownik Google Analytics ma do wyboru dwie drogi: albo instalację dodatkowego kodu śledzącego Universal Analytics obok już działającego kodu Google Analytics, albo uaktualnienie istniejącej usługi Google Analytics. Wybierając drugą możliwość, należy mieć na uwadze fakt, że Universal Analytics nie obsługuje jeszcze funkcjonalności dostarczanych przez skrypt dc.js – czyli remarketingu, raportów zainteresowań i danych demograficznych oraz raportów wyświetleń w sieci reklamowej Google. Jeżeli obecnie z nich korzystasz, zainstaluj kod Universal Analytics obok istniejącego kodu Google Analytics i korzystaj z bogactwa możliwości tej nowej technologii.

Grupowanie treści

Kiedy wydawało się, że przed końcem roku 2013 w światku analityki internetowej nie wydarzy się już nic interesującego, światło dzienne ujrzała jeszcze jedna, bardzo ciekawa i przydatna funkcjonalność – Grupowanie treści.

Jak wskazuje na to nazwa, Grupowanie treści pozwala na stworzenie do 5 własnych zestawów podstron serwisu. Taką możliwość docenią szczególnie ci, którzy prowadzą analizy serwisów o dużej (kilka czy kilkaset tysięcy i więcej) liczbie podstron danego rodzaju takich jak np. karty produktów w sklepie internetowym czy podstrony newsów w serwisie informacyjnym. Dane o pojedynczej stronie nie zawsze bywają specjalnie interesujące, ale już agregat kilku tysięcy podstron jednego rodzaju zawsze dostarczy nam wartościowych danych.


Jeśli jeszcze nie słyszeliście o Grupowaniu treści, ten filmik będzie świetnym wprowadzeniem do tematu.

Utworzone przez nas zgrupowanie treści pojawi się w raportach Google Analytics w postaci kilku wymiarów: Grupa stron (odpowiednik wymiaru Strona), Grupa stron docelowych, Kolejna grupa stron i Poprzednia grupa stron. Nie trzeba dodawać, w jak znakomity sposób ułatwi to analizę ścieżek pokonywanych przez użytkownika w serwisie! A ci z użytkowników, którzy do tej pory do oznaczania różnych grup podstron i sekcji serwisu wykorzystywali zmienne niestandardowe, dzięki wykorzystaniu grupowania treści będą mogli „oszczędzić” zmienne niestandardowe – mamy ich do dyspozycji tylko 5.

Ulepszone segmenty zaawansowane

Trudno o dobrą analizę bez odpowiedniej segmentacji danych. Tworzenie i zarządzanie segmentami w Google Analytics jest od jesieni 2013 roku jeszcze prostsze i bardziej przejrzyste. Co więcej – nowe segmenty zaawansowane zostały wzbogacone o kilka nowych, bardzo przydatnych opcji, takich jak: segmentacja użytkowników (obok dotychczasowej segmentacji wizyt), tworzenie filtrów sekwencyjnych oraz kohort. Jeśli dodamy do tego możliwość segmentacji z wykorzystaniem danych demograficznych lub najnowszej z nowości – grupowania treści, segmenty zaawansowane Google stają się narzędziem analitycznym jeszcze potężniejszym niż dotychczas.

Filtry sekwencyjne pozwalają na stworzenie segmentów odpowiadających np. ścieżkom użytkownika w serwisie.

Google Analytics na żywo

Czy kiedykolwiek wykorzystywaliście Google Analytics na żywo? Jeśli nie, stanowczo powinniście zacząć! Jest to jedyny zestaw raportów, prezentujący dane z dokładnością do minuty lub sekundy (w ramach określonego okna czasowego) i odświeżający dane praktycznie w czasie rzeczywistym. Umożliwia to nie tylko błyskawiczną weryfikację prawidłowości oskryptowania serwisu czy otagowania kampanii zewnętrznych, ale także (np. na stronach informacyjnych) sprawdzanie na bieżąco popularności właśnie opublikowanego artykułu, a nawet reklamy wyemitowanej w radiu czy telewizji!

W ciągu ostatniego roku funkcjonalność Google Analytics na żywo została wzbogacona o kilka nowości, dzięki którym stała się narzędziem jeszcze bardziej przydatnym niż do tej pory. Przede wszystkim, na żywo prezentowane są teraz również zdarzenia i konwersje – jest to nieoceniona pomoc podczas wdrażania śledzenia zdarzeń i konfiguracji celów – informacje o tym, czy dane prawidłowo się zbierają, mamy praktycznie od ręki! Kolejną, nie mniej użyteczną nowością, są widżety na żywo, wzbogacające panele informacyjne (dashboardy) Google Analytics o dane uaktualniane w czasie rzeczywistym.

Podgląd zdarzeń w czasie rzeczywistym znakomicie przyspieszy każde wdrożenie śledzenia zdarzeń Google Analytics – teraz nie musisz czekać przez co najmniej kilka godzin na pojawienie się danych w raportach!

Śledzenie aplikacji mobilnych

Śledzenie aplikacji mobilnych za pomocą Google Analytics jest dziś funkcjonalnością dużo bardziej dojrzałą niż jeszcze przed rokiem – nie tylko dzięki nowej, gruntownie przebudowanej platformie SDK, ale przede wszystkim dzięki możliwościom, jakie stwarza wykorzystanie Google Tag Managera.

Google Tag Manager dla aplikacji mobilnych jest “nowym rozdaniem” nie tylko, jeśli chodzi o wdrażanie narzędzi analitycznych w aplikacjach mobilnych – stwarza on nowe możliwości również na polu samego tworzenia i utrzymania aplikacji mobilnych. Wystarczy powiedzieć, że dzięki Google Tag Manager publikacja nowej wersji aplikacji mobilnej nie będzie wymagać od użytkownika końcowego pobrania i instalacji nowej wersji aplikacji – proces ten odbędzie się to w tle, niebywale zwiększając elastyczność procesu tworzenia i utrzymania aplikacji.

Jeżeli aplikacje mobilne są istotną częścią Twojej internetowej działalności, a do śledzenia wykorzystania aplikacji wykorzystujesz Google Analytics – nie możesz nie docenić integracji Google Analytics z danymi z Google Play. Wystarczy, że połączysz usługę Google Analytics dla aplikacji z kontem tej aplikacji w Google Play, a uzyskasz całkiem nową perspektywę na proces promocji Twojej aplikacji w internecie – dowiesz się, które źródła ruchu dostarczają nowych instalacji i użytkowników, czy i w jaki sposób użytkownicy wchodzą w interakcję ze stroną Twojej aplikacji w Google Play (i czy kończy się to instalacją), a także – w jakim stopniu użytkownicy korzystają z aplikacji po jej zainstalowaniu.

Integracja Google Analytics i danych z Google Play umożliwia przedstawienie w jednym raporcie informacji np. o tym, które źródła kierują najwięcej ruchu do sklepu z aplikacjami, a które są najskuteczniejsze jeśli chodzi o dostarczanie nowych instalacji naszej aplikacji.

Modelowanie atrybucji

Funkcjonalność modelowania atrybucji, pierwotnie dostępna wyłącznie dla użytkowników płatnej wersji Google Analytics Premium, od czerwca 2013 roku została udostępniona także w wersji bezpłatnej. Modelowanie atrybucji pozwala na analizę naszej strategii marketingowej dzięki zbadaniu, które kanały marketingowe skuteczniej inicjują proces konwersji, a które są skuteczniejsze w finalizacji tego procesu. Ponadto mamy możliwość porównania tej skuteczności w perspektywie kilku predefiniowanych modeli atrybucji a także modeli samodzielnie przez nas stworzonych. W oparciu o wyniki takiej analizy możemy następnie stopniowo optymalizować naszą strategię marketingową (podział budżetu, komunikację) pod kątem zwiększania jej rentowności.

Jakość i dokładność modelowania atrybucji zależy oczywiście od tego, jakie dane wejściowe dostarczymy do naszego modelu – oprócz danych o ruchu i konwersjach kluczowe będzie podanie danych o kosztach dla poszczególnych kanałów marketingowych. Dlatego też przed rozpoczęciem analizy z wykorzystaniem modelowania atrybucji koniecznie dostarczmy do Google Analytics dane o kosztach AdWords oraz możliwie dużo danych o kosztach dla pozostałych kanałów marketingowych. Bardzo szczegółowy opis i przykłady wykorzystania modelowania atrybucji przedstawił jak zwykle niezawodny Avinash Kaushik na swoim blogu.

Przedstawiliśmy najważniejsze naszych zdaniem nowości w Google Analytics. Jeżeli jeszcze nie mieliście okazji się z nimi zapoznać – zachęcamy do poznania oferowanych przez nie możliwości, a przede wszystkim – do wykorzystania ich w Waszych projektach!

The post Nowości w Google Analytics, które powinieneś wykorzystać w 2014 roku first appeared on Conversion.