Jeżeli choć trochę interesujesz się analityką – doskonale zdajesz sobie sprawę z tego, że trafne decyzje biznesowe można podejmować wyłącznie w oparciu o rzetelne dane. Z kolei bazując na informacjach zawierających w sobie błędy – możesz nie tylko nie wykorzystywać w pełni możliwości rozwoju Twojej organizacji, ale przede wszystkim – doprowadzić do tego, że podejmowane działania będą kompletnie nieskuteczne i dodatkowo – narażą Twoją firmę na straty.

Dlaczego dobre dane to podstawa?

Wiarygodne dane są kluczowym i niezbędnym czynnikiem, który pozwala minimalizować ryzyko podjęcia błędnej decyzji, od której mogą zależeć losy projektu, pracownika, czy nawet całego przedsiębiorstwa.

Można mnożyć przykłady przedsięwzięć, które borykały się z różnymi problemami, których geneza miała przynajmniej jeden wspólny mianownik – złe dane. Firmy handlowe działające na rynku internetowym, które nie rejestrowały w swoich systemach 50% transakcji z wykorzystaniem zewnętrznych systemów płatności. Firmy, które podejmowały błędne decyzje inwestycyjne, tylko dlatego, że bazowały na niepoprawnych informacjach z rynku. Biznesy, które ufając niepoprawnym danym, spoczywały na laurach i nie podejmowały się optymalizacji działań, nie wykorzystując tym samym możliwości. I tak dalej, i tak dalej. Mówiąc ogólnie – organizacja podejmuje złe decyzje, gdy ma złe dane.

Co znajdziesz w tym artykule?
Z jakimi błędami możesz się spotkać przy zbieraniu danych za pomocą GA?
1. Zbyt mała liczba transakcji w GA względem systemu CRM
2. Zbyt duża liczba transakcji w GA w odniesieniu do CRM
3. Zbyt niski współczynnik odrzuceń
4. Zbyt duży udział ruchu oraz konwersji pochodzących ze źródła referral
5. Brak wdrożenia poprawnego kodu śledzącego na wszystkich stronach
6. Podejmowanie decyzji na podstawie próbkowanych danych
7. Brak ustawionej waluty transakcji
8. Niewłaściwe przechowywanie danych na temat użytkowników
9. Zbyt duża liczba unikalnych wartości w raportach
10. Występowanie bramek płatnościowych w kanale “referral”
11. Brak konfiguracji konwersji w GA4
12. Brak konfiguracji filtrów wewnętrznego ruchu
13. Zbieranie niewłaściwych danych, pozwalających na identyfikację użytkowników
14. Brak uruchamiania odsłon dla SPA
15. Całkowity brak lub istotne problemy z raportowaniem danych typu real-time
16. Brak lub błędna konfiguracja Consent Mode
16 błędów w Google Analytics, które sprawiają, że zbierasz niepoprawne dane – podsumowanie

Z jakimi błędami możesz się spotkać przy zbieraniu danych za pomocą GA? Poznaj 16 głównych przykładów.

W poniższym artykule przedstawię Ci aż 16 oznak, że zbierane przez Ciebie dane są niepoprawne i konieczne będzie przeprowadzenie audytu instalacji oraz konfiguracji Google Analytics.

1. Za mało transakcji – dużo mniej transakcji w GA niż w CRM

Zawsze warto porównać zgodność danych GA z danymi z naszego systemu CRM. Jeżeli rozbieżność wynosi maksymalnie 20% – zakładamy, że dane zbierają się prawidłowo. Skąd wynika ta różnica? Część użytkowników (około 10% w Polsce) nie jest wcale śledzona, ponieważ korzysta z programów do blokowania reklam, blokuje wywoływanie skryptów śledzących czy też korzysta z opcji opt-out. W przypadku serwisów, z których korzysta wielu zaawansowanych użytkowników (jak np. https://conversion.pl/wiedza/blog/ ), czy stronach o grach komputerowych, programowaniu itp. – liczba użytkowników, którzy nie są śledzeni, może dochodzić nawet do 30%. A skoro użytkownik nie jest śledzony, to również jego transakcje nie zostaną zaraportowane do GA. Natomiast pojawią się one w CRM-ie. Pomimo tej różnicy ok. 85% transakcji powinno być spójnych i mieć takie same wartości zarówno w CRM, jak i w GA.

W przypadku większych rozbieżności zakładamy, że dane są niepoprawnie raportowane do Google Analytics. Aby to sprawdzić – analizujemy i porównujemy dane w segmentach: jak wygląda pokrycie transakcji za przedpłatą, a jak gdy użytkownik płaci za pobraniem.

W 20% serwisy rejestrują transakcje po jej opłaceniu na stronie podziękowania. Często użytkownicy po przeniesieniu do zewnętrznego systemu płatności nie wracają na stronę podziękowania, na której umieszczony jest kod transakcji. Wówczas takie zakupy w ogóle nie są rejestrowane.

Rozwiązaniem jest umieszczenie kodu śledzącego przed przekierowaniem do zewnętrznego serwisu płatności. Należy pamiętać, aby umieścić go na tzw. splash page, czyli stronie przejściowej, która wyświetla się przez kilka sekund. To da pewność, że dane zostaną przesłane do Google Analytics. Oczywiście, zdarza się, że użytkownicy po przejściu ostatecznie nie dokonują zakupu, jednak dotyczy to niewielkiej liczby użytkowników.

Poprawnie transakcje śledzi sklep Merlin.pl – zanim użytkownik zostanie przekierowany na stronę płatności PayPal kod transakcji może się wywołać na splash page

2. Za dużo transakcji – więcej transakcji w GA niż w CRM

Z uwagi na fakt, iż w CRM raportowane są wszystkie transakcje – sytuacja, w której mamy więcej transakcji w GA niż w CRM-ie, z pewnością świadczy o tym, że dane zbierają się niepoprawnie. Przyczyną błędu jest podwójne wywoływanie kodu transakcji na stronie podziękowania. Może to się zdarzyć w kilku przypadkach, np.: gdy użytkownik powróci na stronę podziękowania, odświeży ją albo przejdzie z linku umieszczonym w e-mailu, który otrzyma po zakończeniu transakcji.

To czy kod transakcji wywołuje się poprawnie, możemy szybko sprawdzić na naszym koncie Google Analytics.

W sekcji Konwersje – Transakcje sprawdzamy jaka jest liczba ID transakcji. W tym przypadku widzimy, że raport ma 1141 rzędów i takiej liczbie transakcji zostało nadane ID.

W sekcji Ogólem widzimy ile transakcji zliczył Google Analytics. 1146, czyli 5 transakcji zostało wywołanych podwójnie. Jako, że Google Analytics wykorzystuje te dane to wszystkich innych raportów i metryk (takich jak współczynnik konwersji), mamy nieprawdziwy obraz i zbieramy nierzetelne dane.

Jeśli Twoje kody wywołują się podwójnie, to należy wprowadzić zmiany w konfiguracji kodów e-commerce, tak aby dana transakcja raportowała się tylko jeden raz.

3. Za niski współczynnik odrzuceń

Jeżeli zauważysz, że współczynnik odrzuceń na Twojej witrynie jest wyjątkowo niski, powinieneś nabrać nieco podejrzeń. Być może Twoja witryna faktycznie tak angażuje użytkowników, że masowo przechodzą oni na kolejne strony. Jednak, gdy współczynnik odrzuceń w Twoim serwisie jest niższy niż 20% – o wiele bardziej prawdopodobne jest, że dane zbierane są niepoprawnie.

Jeżeli użytkownik wejdzie do naszego serwisu i nie przejdzie na kolejną stronę – Google Analytics zlicza to jako odrzucenie. Jednak w przypadku, gdy na stronie podjęta zostanie jakaś akcja (np. taka, która wywoła zdarzenie) – współczynnik odrzuceń nie jest zliczany.

W wielu serwisach przejście na poszczególne zakładki nie powoduje przeładowania się strony, i to, jak użytkownicy poruszają się w tym obrębie, śledzone jest za pomocą zdarzeń lub wirtualnych odsłon.

Jeżeli stroną wejścia jest karta produktu z zakładką, event o tym, że użytkownik jest w danej zakładce może zostać automatycznie wysłany do Google Analytics zaraz po wejściu na stronę. Wówczas współczynnik odrzuceń nie zlicza się, nawet jeżeli użytkownik spędził na stronie 5 sekund i natychmiast ją opuścił. W rezultacie analitycy i zarząd zachwycają się niskim współczynnikiem odrzuceń na podstawie raportów, które mają niewiele wspólnego z rzeczywistością.

Rozwiązaniem jest stosowanie eventów non-interaction. Zdarzenia non-interaction nie wpływają na zliczanie współczynnika odrzuceń. Ustawienie zdarzeń non-interaction wymaga dodania jednego parametru w kodzie zdarzenia.

Taki błąd popełnia LeroyMerlin.pl. Gdy trafiłem na serwis (stroną wejścia była karta produktu) od razu wywołał się event o nazwie Karta produktu – zakładki i etykiecie szczegóły. Mimo, że wyszłam ze strony po kilku sekundach, na koncie Google Analytics LeroyMerlin.pl moja wizyta nie została zliczona jaka odrzucenie.

4. Duży % ruchu oraz konwersji ze źródła referral

Znaczący procent ruchu oraz konwersji ze źródła referral w raportowanych danych może świadczyć o tym, że kampanie wewnętrzne są śledzone za pomocą parametrów UTM. A to z kolei oznacza, że wizyty i konwersje są przypisywane do źródła referral z medium przekazywanego w ramach parametru.

Kampanie wewnętrzne to wszelkie aktywności prowadzone w ramach naszego serwisu, które mają zachęcić użytkownika do kliknięcia w nie i przejścia do strony docelowej danej kampanii. Są to wszelkiego rodzaju heroshoty, bannery, boxy itp. Jednym słowem – wszystko to, co ma za zadanie zwrócić na siebie uwagę użytkownika i spowodować, że kliknie na dany element.

Częstym niedopatrzeniem jest wykorzystywanie do tego celu wspomnianych już parametrów. Niestety, wiele osób nie zdaje sobie sprawy z tego, że to istotny błąd, który wpływa negatywnie na rzetelność gromadzonych danych. Parametry UTM (źródło, medium, nazwa kampanii, słowo kluczowe i zawartość) służą do oznaczania tylko kampanii zewnętrznych. Dzięki nim dane zebrane w Google Analytics są łatwe do analizy i możemy skutecznie porównywać je w czasie.

Dlaczego nie powinniśmy oznaczać parametrami UTM kampanii wewnętrznych?

Załóżmy, że użytkownik trafił na stronę główną z newslettera. W momencie, kiedy kliknie w baner przenoszący go na kartę produktu, parametry UTM nadpiszą właściwie źródło, z którego użytkownik trafił do naszego serwisu. Nie mamy później możliwości śledzić go jako użytkownika z newslettera, a dodatkowo odwiedziny zostaną naliczone jako podwójne (wejście z newslettera i wejście z kampanii wewnętrznej).

Sposobów na śledzenie kampanii wewnętrznych jest wiele. Można w tym celu wykorzystać śledzenie zdarzeń lub zmienne niestandardowe czy też wyszukiwanie w witrynie.

BZWBK niepoprawnie śledzi kampanie wewnętrzne. Do serwisu trafiłam z kampanii CPC, następnie ze strony głównej przeszłam na stronę docelową Kredytu Gotówkowego. Do adresu URL dodany został parametr utm_source=bzwbk_slider. Tym samy na koncie Google Analytics nie odnotuje się moja ścieżka: CPC – Slider na stronie głównej.

5. Brak poprawnego kodu śledzącego na wszystkich stronach

Najprostszy możliwy błąd, jaki może się pojawić, czyli brak kodu śledzącego na wszystkich stronach. Istnieją narzędzia, za pomocą których da się łatwo sprawdzić, czy kod jest umieszczony na każdej podstronie (służy do tego m.in. GA Checker, który na ten moment nie współpracuje jeszcze z GA4).

GA Checker – narzędzie do sprawdzania czy kod śledzący jest na wszystkich stronach w serwisie.

6. Opieranie swoich decyzji o próbkowane dane

Jeżeli na co dzień operujesz na stosunkowo małej ilości danych – prawdopodobnie nie masz się o co martwić. Standardowa konfiguracja Google Analytics daje bowiem dostęp do niepróbkowanych danych, a co za tym idzie – zapewnia wgląd do kompletnych informacji na temat ruchu czy zachowania użytkowników.

Na czym polega różnica między ruchem próbkowanym a niepróbkowanym?

Próbkowanie danych nie polega na analizowaniu kompletnych informacji, a jedynie podzbiorów zebranych danych. To oznacza, że nie są one w 100% wiarygodne i z pewnością nie powinny być podstawą Twoich raportów.

Wspomniane próbkowanie w GA4 dotyczy następujących progów (odnoszących się do widoku w ramach konkretnego zakresu dat):

• 10 000 000 zdarzeń / zapytań dla Google Analytics 4.
• 1 000 000 000 zdarzeń / zapytań dla Google Analytics 4 360.

Z kolei dla poprzedniej wersji prezentuje się to następująco.

• 500 000 sesji dla standardowego Google Analytics.
• 100 000 000 sesji dla Google Analytics 360.

7. Brak waluty

Aspekt szczególnie istotny, jeśli Twój biznes polega na sprzedaży online (e-commerce). I o ile w poprzedniej wersji Google Analytics nie wymagał uzupełniania tego parametru, o tyle w GA4 jest już on obowiązkowy. Waluty należy oznaczać za pomocą odpowiednich kodów, które są zgodne ze standardami ISO (dla złotówek będzie to PLN, dla euro – EUR, dla dolarów – USD, dla funtów brytyjskich – GBP, franków szwajcarskich – CHF, i tak dalej).

Ważne: nawet jeśli Twój sklep internetowy operuje tylko jedną walutą – i tak warto zawrzeć taką informację w Google Tag Managerze. Brak jego konfiguracji narazi Cię na poważne problemy związane m.in. ograniczeniem dostępu do informacji na temat Twoich przychodów (m.in. ich źródeł).

8. Błędne przechowywanie danych o użytkownikach

W Google Analytics 4 możesz spotkać się z dwoma rodzajami raportów – standardowymi oraz eksploracjami. Pierwsze agregują i przechowują informacje przez cały czas. Z kolei drugie – robią to przez pewien okres, który domyślnie wynosi 2 miesiące (w ustawieniach GA4 możesz dokonać jego zmiany na 14 miesięcy). Dotyczy to danych na poziomie użytkownika. Jeżeli zależy Ci na porównywaniu danych z okresów przekraczających 14 miesięcy – New Google Analytics 360 daje możliwość ustawienia retencji danych nawet do 50 miesięcy.

W przypadku Universal Analytics możesz wybierać pomiędzy okresami: 14, 26, 38, 50 miesięcy lub zdecydować, aby dane w ogóle nie wygasały. Ten aspekt dotyczy przechowywania danych na poziomie użytkownika oraz zdarzenia.

Pamiętaj, że ustawienie przechowywania danych ma wpływ tylko na raporty Eksploracji i nie dotyczy raportów standardowych.

9. Zastosowanie zbyt dużej liczby unikalnych wartości

Kolejnym czynnikiem, który może zaburzyć lub całkowicie zepsuć Twoje dane w GA, jest ten związany z tzw. cardinality, czyli mocą zbioru. Dotyczy on bezpośrednio zastosowania wartości (np. takich, jak client ID), których zbyt duża liczebność może spowodować, że pozyskiwane przez Ciebie informacje zostaną zakwalifikowane do niechcianego “(other)”.

Aby tego uniknąć albo przynajmniej maksymalnie ograniczyć ryzyko pojawienia się takiej klasyfikacji – staraj się korzystać z raportów standardowych, a także wstępnie zdefiniowanych wymiarów. Jeżeli korzystasz z GA w wersji 360 – z tym obszarze z pomocą mogą Ci przyjść również tzw. Automatic Custom Tables, które dadzą Ci dostęp do rozszerzonych zestawów danych.

10. Pojawienie się bramek płatnościowych w kanale “referral”

Jak sama nazwa wskazuje – ten przypadek dotyczy błędnego zakwalifikowania źródeł ruchu, jakimi są tzw. payment gateways (w tym m.in. PayPal, PayU, Przelewy24 i wiele innych).

Otóż, działania użytkownika, który opuszcza Twoją stronę “na chwilę”, jedynie po to, aby opłacić swoje zamówienie – mogą zostać zakwalifikowane jako nowy ruch, który generuje właśnie dana bramka płatnicza. To z kolei może prowadzić do zaburzenia danych, które “rzekomo” mogłyby świadczyć o tym, że tego typu serwisy przynoszą Ci klientów (w trakcie, gdy tak naprawdę stanowią tylko element niezbędny do sfinalizowania transakcji).

11. Brak konfiguracji konwersji w Google Analytics 4

Popełnienie tego błędu może być fatalne w skutkach, ponieważ doprowadzi do sytuacji, w których Twoje raporty dedykowane pod konwersje staną się całkowicie bezużyteczne.

Jeżeli zależy Ci na możliwości śledzenia, analizowania oraz wyciągania wniosków na temat skuteczności Twoich działań związanych z konwersją – pamiętaj o skonfigurowaniu Twojego Google Analytics właśnie pod tym kątem. Szczegółowe informacje wraz z instrukcją dostarczam sam Google, a znajdziesz je w tym miejscu.

Warto mieć na względzie również ograniczenia związane z liczbą konwersji. Standardowa wersja GA4 pozwala na ustalenie 30, z kolei GA4 w wersji 360 – aż 50.

Źródło: Google Analytics

12. Brak konfiguracji filtrów wewnętrznego ruchu

Specyfika Twojej działalności sprawia, że Twój serwis internetowy odwiedzają nie tylko zewnętrzni, ale również wewnętrzni użytkownicy (w tym deweloperzy, agencje, a nawet “zwykli” pracownicy)?

Jeśli tak – pamiętaj, aby wdrożyć odpowiednie filtry, które pozwolą Ci oddzielić taki ruch wewnętrzny od ruchu pochodzącego z zewnątrz. W innym wypadku dane, które otrzymujesz, mogą być nie tylko bardzo zniekształcone, ale przede wszystkim – mogą doprowadzić Twoją firmę do wyciągania bardzo błędnych wniosków.

Źródło: Google Analytics

13. Zbieranie niewłaściwych danych, pozwalających na identyfikację użytkowników

Ochrona danych osobowych to jeden z najgorętszych tematów, które spędzają sen z powiek niejednej firmie opierającej swoją działalność na Internecie.

W związku z powyższym – koniecznie upewnij się, że konfiguracja Twojego Google Analyticsa nie przewiduje śledzenia takich informacji, jak: imię, nazwisko, numer telefonu czy adres e-mail. Taka sytuacja może mieć miejsce np. wówczas, gdy Twój CMS automatycznie tworzy nowe podstrony (dotyczące płatności, szczegółów zamówienia, wysyłki itp.) – generowane, chociażby na bazie wprowadzonych przez klientów danych.

14. Brak uruchamiania odsłon dla SPA (dynamicznych stron – aplikacji jednostronicowych)

Jeżeli Twoja strona opiera się na działaniu JavaScriptu, który generuje jej treść dynamicznie (a co za tym idzie – nie powoduje konieczności przeładowywania serwisu lub przechodzenia do kolejnych podstron) – podstawowa konfiguracja Google Analytics nie zanotuje dla Ciebie odsłon.

Rozwiązaniem tego problemu może być odpowiednia konfiguracja Google Tag Managera. Szczegóły na ten temat czekają na Ciebie w tej oficjalnej dokumentacji udostępnionej przez firmę Google.

15. Brak lub problemy z raportowaniem danych w czasie rzeczywistym

Musisz wiedzieć, że sukcesywnie Google odchodzi od wspierania “starszej” wersji Analyticsa. Jeżeli zaczynasz dostrzegać, że Twoje raporty w czasie rzeczywistym agregują zbyt mało lub też zbyt dużo danych – jest to kolejna oznaka, że warto pomyśleć o jak najszybszej “przesiadce” na nowszą wersję, czyli Google Analytics 4.

16. Całkowity brak lub błędna konfiguracja Consent Mode

Błędne podejście do przyjmowania zgód, a także agregacji cookiesów może mieć nie tylko wymiar stricte analityczny, ale również narazić Twoją firmę na poważne problemy prawne i finansowe. Otóż, aby mieć pewność, że wszystkie dane na temat użytkowników są zbierane w prawidłowy sposób – musisz pamiętać o zastosowaniu tzw. Consent Mode. Więcej na ten temat przeczytasz również na naszym blogu.

16 błędów w Google Analytics, które sprawiają, że zbierasz niepoprawne dane – podsumowanie

Podstawą skutecznej analizy, na podstawie której możesz wyciągać wnioski prowadzące do wzrostu zysków, są oczywiście poprawne dane. Dla serwisów typu e-commerce dane dotyczące transakcji to zdecydowanie najistotniejsza informacja.

Natomiast poprawne śledzenie wszystkich stron w serwisie, współczynnika odrzuceń oraz źródeł ruchu jest bardzo istotne dla każdej strony internetowej.

Biorąc pod uwagę liczbę błędów, jaka pojawia się przy okazji konfiguracji śledzenia, konieczna jest weryfikacja poprawności zbieranych danych, co można prosto sprawdzić, zwracając uwagę na 16 oznak, które szerzej omówiłem w powyższych akapitach. Dla przypomnienia oraz lepszego utrwalenia Twojej wiedzy – pamiętaj, że sygnałami świadczącymi o tym, że z Twoimi danymi z GA może być coś “nie tak”, są:

1. Zbyt mała liczba transakcji w GA względem systemu CRM
2. Zbyt duża liczba transakcji w GA w odniesieniu do CRM
3. Zbyt niski współczynnik odrzuceń
4. Zbyt duży udział ruchu oraz konwersji pochodzących ze źródła referral
5. Brak wdrożenia poprawnego kodu śledzącego na wszystkich stronach
6. Podejmowanie decyzji na podstawie próbkowanych danych
7. Brak ustawionej waluty transakcji
8. Niewłaściwe przechowywanie danych na temat użytkowników
9. Zbyt duża liczba unikalnych wartości w raportach
10. Występowanie bramek płatnościowych w kanale “referral”
11. Brak konfiguracji konwersji w GA4
12. Brak konfiguracji filtrów wewnętrznego ruchu
13. Zbieranie niewłaściwych danych, pozwalających na identyfikację użytkowników
14. Brak uruchamiania odsłon dla SPA
15. Całkowity brak lub istotne problemy z raportowaniem danych typu real-time
16. Brak lub błędna konfiguracja Consent Mode

Chcesz, upewnić się, że Twój Google Analytics jest prawidłowo skonfigurowany, a dane, które otrzymujesz – są maksymalnie zbliżone do rzeczywistych?

Skorzystaj ze wsparcia doświadczonych ekspertów do analityki internetowej Conversion. Gruntownie przeanalizujemy bieżącą konfigurację Twojego narzędzia, zapoznamy się ze specyfiką Twojego biznesu oraz Twoimi potrzebami, aby na końcu udzielić Ci fachowej informacji zwrotnej.

Zaciekawił Cię temat zbierania niepoprawnych danych w GA, a wiedzę zawartą w tym artykule uważasz za wartościową? Jeśli tak to koniecznie sprawdź wpis na naszym blogu mówiący o 7 rzeczach, które musisz sprawdzić po migracji na Google Analytics 4.

The post Błędy w Google Analytics: 16 sygnałów, że zbierasz niepoprawne dane first appeared on Conversion.

Bounce rate to zdaniem wielu (a także moim) – jeden z kluczowych wskaźników wykorzystywanych w działaniach analitycznych. Pozwala określać jakość strony, mierzyć jej skuteczność, wyciągać wnioski dotyczące zmian i rekomendacji, a także jest nieocenionym źródłem wielu innych, bardzo wartościowych informacji.

Przez chwilę zastanawiałem się, czy nie napisać o nim w czasie przeszłym. Jednak po chwili dotarła do mnie myśl, że warto, aby w sieci pozostał “jakiś” ślad po tej metryce. Zapraszam Cię do wyczerpującej lektury, z której dowiesz się, czym jest współczynnik odrzuceń, poznasz jego wzór, zasadę działania, a także kilka sposobów na dokonywanie modyfikacji w sposobie jego naliczania.

Ale zanim przejdziemy do sentymentalnego pożegnania oraz odpowiedzenia sobie na pytanie, dlaczego już wkrótce nie będzie potrzebny – pora na krótkie wprowadzenie.

Co znajdziesz w tym artykule?
Bounce rate – co to jest? Definicja współczynnika odrzuceń.
Jaką wartość powinien przyjmować współczynnik odrzuceń?
Czy wysoki poziom bounce rate zawsze jest zły?
Jak powinna wyglądać prawdziwa miara współczynnika odrzuceń?
Jak zmienić sposób obliczania współczynnika odrzuceń?
Jak modyfikacja wsp. odrzuceń prezentuje się w praktyce?
Jak poprawić współczynnik odrzuceń?
Współczynnik odrzuceń – podsumowanie

Bounce rate – co to jest? Definicja współczynnika odrzuceń.

Pozwól, że w celu dokładnego określenia, czym tak naprawdę jest współczynnik odrzuceń, posłużę się definicją dostarczoną przez samo źródło, czyli Google.

Cytując za pomocą Google Analytics – wskaźnik odrzuceń to udział wizyt, w czasie których osoba zobaczyła jedynie jedną stronę, po czym opuściła serwis. Od siebie tylko dodam, że definicja w takiej formie nie jest do końca precyzyjna i nie oddaje wszystkiego, czym tak naprawdę jest bounce rate. Otóż, jeżeli w czasie wspomnianej wizyty użytkownik wykonuje jakąkolwiek akcję, która nie powoduje nowej odsłony, ale jest zarejestrowania jako zdarzenie (np. ściągniecie pliku), to wówczas taka wizyta nie jest już liczona jako odrzucenie.

Tak wygląda standardowe działanie. Aczkolwiek istnieją pewne zdarzenia, które są “nieinteraktywne”, a co za tym idzie – nie mają wpływu na wartość współczynnika odrzuceń (o nich przeczytasz za chwilę). Mogę tylko podejrzewać, że nie zostało to doprecyzowane w definicji, ponieważ śledzenie zdarzeń w Google Analytics jest zaawansowaną funkcjonalnością, którą użytkownik narzędzia musi skonfigurować we własnym zakresie.

Czym są odrzucenia? Jak się je nalicza?

Wspomniane odrzucenia dotyczą sytuacji, w których użytkownik dokonuje wyłącznie 1 interakcji w trakcie trwania 1 sesji. Oczywiście najprostszym typem interakcji są: wejście na stronę (czytaj: rozpoczęcie sesji) lub też zdarzenie (np. kliknięcie w przycisk). Jeśli są one jedyne – wówczas mamy do czynienia z odrzuceniem.

Warto podkreślić, że nie wszystkie zdarzenia są interakcyjne. Zaliczamy do tego m.in.: tzw. scrollowanie, określony czas spędzony na 1 stronie, kliknięcie w link, który tylko “przesuwa” nas po tej samej stronie, dodanie do koszyka czy do ulubionych oraz wiele, wiele innych.

Każde z tych działań nie wywołuje bezpośredniej interakcji. Jednak można to zmienić poprzez odpowiednią konfigurację w Google Tag Managerze, o czym opowiem w kolejnych akapitach.

Jak obliczyć współczynnik odrzuceń?

Wzór na bounce rate prezentuje się w następujący sposób:

Jak widzisz – całe równanie bounce rate ogranicza się do podzielenia liczby odrzuceń przez liczbę sesji.

Bounce rate – po co?

Jeżeli czytasz ten artykuł, to zgaduję, że możesz tu być z trzech głównych powodów. Po pierwsze – chcesz poznać definicję tego współczynnika, po drugie – masz problem ze zbyt wysokim bounce ratem na Twojej stronie internetowej. Albo po trzecie – chcesz dowiedzieć się, jak zabrać się za jego konfigurację, aby dopasować do charakterystyki i potrzeb swojego biznesu.

Pierwszą kwestię poruszyliśmy na początku tego artykułu, a do drugiej oraz trzeciej przejdziemy za chwilę. Dlatego nigdzie nie odchodź i czytaj dalej !

Zbyt wysoki współczynnik odrzuceń. Ale czy to na pewno Twój problem?

Muszę zaznaczyć, że ma jednej zasadniczej miary wskazującej na to, czy dany poziom bounce rate jest “OK”, czy też nie. Wiele w tej materii zależy od charakteru samego serwisu internetowego, a ponadto wynika w szczególności z takiej, a nie innej konstrukcji współczynnika odrzuceń w Google Analytics. Jak w przypadku większości aspektów analityki internetowej nie można mówić o standardach, które dotyczą wszystkich stron internetowych.

Za mały bounce rate? To też może zwiastować kłopoty

O ile każdej osobie odpowiedzialnej za stronę internetową zależy na tym, aby ten współczynnik był jak najniższy – muszę zaznaczyć, że zbyt niska wartość również nie jest wskazana.

Jest oczywiste, że każdy serwis musi mieć BR, który jest większy niż 0. Ale jeżeli wskaźnik znajduje się poniżej granicy 5% – powinna Ci się zapalić żółta, a nawet czerwona lampka.

Występowanie tak niskiego bounce rate jest nie tylko podejrzane, ale również bardzo mało prawdopodobne. Jeżeli masz z tym problem i… (tak jak ja) nie wierzysz w cuda – koniecznie sprawdź, czy przypadkiem na Twojej stronie zachodzą np. 2 interakcje (jedna po drugiej). Jest to częsty błąd, który powoduje nieprawidłowe naliczanie współczynnika odrzuceń.

Jaką wartość powinien przyjmować współczynnik odrzuceń?

Wiedząc już jak prawidłowo mierzyć współczynnik odrzuceń, warto dowiedzieć się, jakich jego wartości można się spodziewać. Na potrzeby tego punktu oprę się o infografikę KISSmetrics.

Przedstawione dane odnoszą się do rynku amerykańskiego, ale myślę, że śmiało można je przełożyć również na nasze rodzime podwórko.

Jeżeli wejdziesz na stronę infografiki KISSmetrics, przekonasz się, że autor za współczynnik odrzuceń przyjmuje wartość „standardowo” przedstawianą przez narzędzia analityki internetowej.

Jednak ciężko jest mówić o jakichkolwiek standardach prawdziwego współczynnika odrzuceń, kiedy właściciel strony może samodzielnie skonfigurować próg czasu, poniżej którego odwiedziny liczone są jako odrzucenie.

Mam jednak nadzieję, że przedstawiona infografika będzie dla Ciebie pewnym punktem odniesienia.

Większość stron internetowych posiada współczynnik odrzuceń w wysokości od 26% do 70%. W praktyce jednak wartość tego wskaźnika w przedziale 26% – 40% jest więcej niż satysfakcjonująca, a w przedziale 41%-55% – bardzo w porządku. 56% do 70% – powyżej średniej, ale nie musi być powodem do niepokoju – to zależy od konkretnej strony. Wszystko powyżej 70% powinno Cię ”trochę” zaniepokoić. (źródło)

Czy wysoki poziom bounce rate zawsze jest zły?

Doskonały przykład stanowią różnego rodzaju blogi. Czy fakt, że użytkownik trafił na tego typu stronę www i odwiedził tylko jedną zakładkę lub wpis oznacza, że treść jest nieciekawa? Niekoniecznie! Podczas analizy danych warto wziąć pod uwagę pewne okoliczności. Chociażby to, że:

• Na stronie głównej może znajdować się lista artykułów, które są wyświetlane w całości i użytkownik nie ma potrzeby przechodzić na inne strony.
• Użytkownik trafił na artykuł idealnie odpowiadający jego potrzebom, zapoznał się z nim, a potem po prostu opuścił witrynę.
• Odwiedzający może być również subskrybentem kanału RSS i przychodzi na stronę, aby zapoznać się z najnowszym postem. Nie przechodzi dalej, ponieważ jest zaznajomiony z pozostałą treścią zawartą w witrynie.

Największy problem ze współczynnikiem odrzuceń w narzędziach analityki internetowej polega na jego postrzeganiu niezaangażowanych użytkowników jako tych, którzy zobaczyli jedynie jedną stronę w czasie sesji.

Stąd też pojawia się potrzeba zdefiniowania prawdziwego współczynnika odrzuceń w Google Analytics i modyfikacji kodu śledzącego, które umożliwiają jego śledzenie.

Wróćmy jednak jeszcze na moment do definicji współczynnika odrzuceń

Avinash Kaushik bardzo obrazowo opisuje takie osoby. Mianowicie, są to użytkownicy, którzy, cytuję: “came, puked and left”. Pozwól, że daruję sobie dosłowne tłumaczenie tej definicji

Według Web Analytics Association, współczynnik odrzuceń to po prostu jednoodsłonowa wizyta (sprawdź, czym różni się współczynnik odrzuceń od współczynnika wyjść).

Podane definicje skupiają się na tym, że użytkownik po wejściu na stronę od razu ją opuszcza (bez różnicy ile czasu przed tym na niej spędził) – bez przejścia na inną stronę w ramach tej same witryny.

W takim wypadku, taką metryką można uznać za miarę jakości naszego serwisu, a w szczególności strony docelowej, na którą trafiają użytkownicy (ang. landing page) i dopasowania źródeł pozyskiwania ruchu, które do niej prowadzą. Im większy współczynnik odrzuceń, tym gorzej dla serwisu, ponieważ nie angażuje odwiedzających użytkowników, nie zachęca ich do jego eksploracji.

Jak powinna wyglądać prawdziwa miara współczynnika odrzuceń?

Choć sam nie wyznaję tej teorii – wiem, że sporo osób uważa, iż bounce rate powinien być oparty o czas, jaki użytkownicy spędza na stronie, na którą trafili użytkownicy.

Tylko w jaki sposób określić właściwy czas, w którym użytkownik „nie odrzuca” witryny podczas pierwszej (w ciągu danej sesji) wizyty? Jest to bardzo subiektywna ocena. I to nie tyle z punktu widzenia danego serwisu, co samego użytkownika.

W końcu każdy user ma inne preferencje. Mnie osobiście może zająć 30 sekund, zanim dokonam oceny, czy dany serwis jest wart mojej uwagi, kiedy Ty zrobisz to np. w zaledwie 10 sekund.

Jednak dużo lepiej jest założyć, że współczynnik odrzuceń to udział użytkowników, którzy spędzili na stronie docelowej określoną ilość czasu, niż odwiedzili jedynie jedną stronę w czasie swojej wizyty. Takie rozwiązanie jest możliwe dzięki funkcji Google Analytics nazwanej śledzeniem zdarzeń.
Osobiście jestem w tym względzie tradycjonalistą, o czym wspomnę w kolejnych akapitach :).

Jak zmienić sposób obliczania współczynnika odrzuceń?

W tym celu wystarczy dokonać małej modyfikacji w Google Tag Managerze. W ramach witryny możemy ustawić, aby bounce rate był liczony jako procent użytkowników, którzy byli na stronie krócej niż 10 sekund.

W tym celu wystarczy skonfigurować następującą regułę w GTM:

Jak widać, w tym przypadku reguła będzie uruchamiana, jeżeli użytkownik odwiedzi jakąkolwiek ze stron, która ma w swoim adresie “/blog/” oraz spędzi na niej minimum 10 sekund.

Parametr 10000 oznacza czas w milisekundach. Oczywiście, zarówno na potrzeby własnego serwisu, jak i poszczególnych podstron w nim zawartych, możesz określić ten parametr samodzielnie. Pamiętaj jedynie, że 1 sekunda = 1000 milisekund.

Skąd w ogóle taka wartość? W tym przypadku wzorowałem się na serwisie useit.com. Dodatkowo uzasadnieniem wykorzystania 10 sekund dla wizyt z odrzucenie jest fakt, że nie psuje on znacząco takich metryk jak średni czas na stronie czy długość wizyty. Pamiętaj jedynie, że wykorzystanie powyższej funkcji zmieni nie tylko Twój „prawdziwy współczynnik odrzuceń”, ale również wpłynie (pozytywnie) na średni czas spędzony na stronie.

Jak jeszcze można wpływać na wartość bounce rate?

Specyfika i zasada działania niektórych stron mogą doprowadzać do tego, że ich współczynnik jest nienaturalnie wysoki. Mam na myśli, chociażby serwisy z ograniczoną liczbą podstron lub takie, na których większość akcji odbywa się na jednej podstronie.

Wówczas niektóre z nich można zmodyfikować w taki sposób, aby nie wpływały na współczynnik odrzuceń. Da się to zrobić poprzez zastosowanie odpowiedniej konfiguracji w GTM (Google Tag Manager). Może to dotyczyć wspomnianego już scrollowania, dodania do koszyka czy ulubionych oraz wielu innych akcji, które nie wywołują zdarzenia generującego sesję.

Osobiście nie jestem fanem dokonywania jakichkolwiek modyfikacji współczynnika odrzuceń. Powód jest bardzo prosty. Otóż, każda zmiana sprawia, że tracimy z horyzontu właściwy punkt odniesienia, a co za tym idzie – zatracamy pierwotne znacznie bounce rate.

Tego typu operacje mogą prowadzić do pojawiania się chęci sztucznego obniżania współczynnika, chociażby po to, aby zadowolić własne ego lub co gorsze – spełniać określone KPI.

Jak modyfikacja wsp. odrzuceń prezentuje się w praktyce?

W związku z tym, że na naszym blogu, od samego początku jego istnienia, wykorzystujemy powyższe rozwiązanie, to nie jesteśmy w stanie pokazać, jak taka zmiana wpłynęła na nasz wskaźnik odrzuceń.
Aby lepiej to zobrazować – wykorzystaliśmy grafiki z bloga PadiCode.

Jak widzisz, bez problemu możemy określić, kiedy dokładnie została wprowadzona zmiana. Jeżeli chcesz ciągle wiedzieć, ile użytkowników odwiedza Twój serwis, oglądając tylko jedną stronę – nie ma problemu! Dowiesz się tego odwiedzając “Głębokość odwiedzin” w sekcji “Użytkownicy” > “Lojalność użytkowników”.

Na przykładzie bloga PadiCode widzimy, że procent użytkowników z jedną odsłoną odpowiada mniej więcej współczynnikowi odrzuceń sprzed modyfikacji reguły w GTM.

Jak poprawić współczynnik odrzuceń?

Wiedząc już, co to jest, jakie są problemy oraz jak powinien wyglądać współczynnik odrzuceń – czas na kilka wskazówek mówiących o tym, jak możesz go poprawić. W końcu nie ulega żadnej wątpliwości, że każdemu właścicielowi witryny internetowej będzie zależało na tym, aby ten współczynnik znajdował się na jak najniższym poziomie ;). Prawda?

Oczywiście, warto pamiętać, że wysoka wartość tego współczynnika nie musi wynikać wyłącznie z samej charakterystyki jego działania. Powody tego mogą być bardziej prozaiczne, a konkretnie wynikać z takich czynników, jak: niska jakość lub niedopasowanie treści, zbyt wolne działanie witryny, niespójność z reklamą, która do niej prowadzi, brak dostosowania do urządzeń mobilnych, czy po prostu niski poziom użyteczności.

Walkę z wysokim współczynnikiem odrzuceń można podjąć np. poprzez: audyt UX – znalezienie źródła problemu i ulepszenie szwankujących elementów witryny będzie niewątpliwie miało pozytywny wpływ na nasz niechciany bounce rate.

7 sposobów na zmniejszenie współczynnika odrzuceń znajdziesz na Rentier blog. Jest to bardzo ciekawy i wyczerpujący artykuł na ten temat. Poza tym możesz wykorzystać również wskazówki Suite101.com. A całość można podsumować wspomnianą już infografiką KISSmetrics:

W sieci znajduje się mnóstwo wartościowych informacji na ten temat. Dlatego pozwól, że daruję sobie ich przepisywanie i po prostu zachęcę Cię do poszukania “na własną rękę”.

Współczynnik odrzuceń – podsumowanie

Mam nadzieję, że ten dość długi artykuł wyczerpał temat, a co najważniejsze – dostarczył Ci wszystkich niezbędnych informacji o bounce rate.

Słowem podsumowania chciałbym jedynie określić przydatność współczynnika odrzuceń jako metryki w analityce internetowej. Moim zdaniem, jako miara jakości ruchu na stronie, bounce rate był znakomitym wskaźnikiem. Nie znaczy to, że nie miał wad, ale po odpowiedniej jego modyfikacji w połączeniu ze średnim czasem spędzonym na stronie, jest to silny argument na temat tego, czy Twój ruch (niekoniecznie jako cały, lecz w rozpatrywanych segmentach np. w podziale na źródła ruchu) jest wystarczająco zaangażowany.

Eeee…. ale jak to współczynnik odrzuceń “był” i “miał”?

Google szykuje zmiany, które oznaczają, że w nowej wersji narzędzia Google Analytics 4, nie zobaczymy już współczynnika odrzuceń. W jego miejsce pojawi się inna, choć wręcz bliźniaczo podobna metryka nosząca tytuł “sesja zaangażowana”.

Będzie ona działała na podobnych zasadach, co wycofywany bounce rate. Z tą różnicą, że zamiast mierzyć odrzucenia – skupi się na zaangażowaniu. To oznacza również inne podejście do optymalizacji tego współczynnika. Od teraz, zamiast skupiać się na jak najniższym poziomie odrzuceń, będziemy koncentrować się na uzyskaniu jak najwyższego poziomu zaangażowania .
Wzór tego współczynnika jest następujący:

Jak łatwo dostrzec – będzie to dzielenie liczby sesji zaangażowanych przez liczbę sesji. Cała modyfikacja polega więc na “kosmetyce”, bowiem ogólne zasady działania pozostaną bez zmian.

Szukasz wsparcia związanego nie tylko z mierzeniem i optymalizacją współczynników?

Jeśli ten temat Cię zainteresował koniecznie zobacz post na temat GTM Server-Side! Chciałbyś dowiedzieć się więcej w kwestii audytu konfiguracji narzędzi analitycznych (Google Analytics, AT Internet, Adobe Analytics czy Webtrends) lub chcesz rozwijać analitykę internetową wewnątrz organizacji? Jeśli tak to świetnie trafiłeś – skontaktuj się z Conversion, by zobaczyć jak możemy pomóc Twojej firmie. Więcej o analityce internetowej dowiesz się, pobierając przygotowane przez nas, bezpłatne poradniki, raporty oraz case studies.

The post Bounce rate: wszystko o współczynniku odrzuceń, zanim odejdzie na dobre first appeared on Conversion.

W jednym z moich poprzednich artykułów pisałem o współczynniku odrzuceń (jeśli go jeszcze nie przeczytałeś, możesz to zrobić tutaj).

Prawdopodobnie wiesz już, że sam współczynnik odrzuceń (ang. bounce rate) jest bardziej zawiłą metryką niż mogłoby się wydawać.

A teraz sprawy jeszcze bardziej się skomplikują…

Jak pewnie zauważyłeś, istnieje inna metryka, która jest (pozornie) bardzo podobna do współczynnika odrzuceń. Nazywa się współczynnikiem wyjść (ang. % exit lub exit rate). Zrozumienie różnicy między tymi dwoma zjawiskami z kolei będzie miało pozytywny wpływ na audyt UX Twojej strony.

W tym artykule pomogę Ci zrozumieć te dwie metryki oraz wyjaśnić różnice między nimi. Co więcej, przedstawię kilka pomysłów na wykorzystanie obu wskaźników w celu poprawienia Twojej strony internetowej.

Zacznijmy od definicji:

Współczynnik odrzuceń

Google Analytics raportuje odrzucenie, jeśli użytkownik odwiedził stronę, nie podjął żadnej dodatkowej interakcji i ją opuścił. Interakcja jest działaniem przekazywanym do Google Analytics – może to być odsłona (zatem użytkownik po prostu przeszedł na kolejną stronę), wirtualna odsłona, transakcja czy udostępnienie strony w social media.

Współczynnik odrzuceń to udział sesji z jednym działaniem we wszystkich sesjach. Będąc analizowanym na poziomie strony (jak poniżej), jest wyliczany jako liczba sesji z jedną stroną, które rozpoczęły się na konkretnej stronie, podzielona przez całkowitą liczbę sesji, które zaczęły się na tej stronie (czyli przez liczbę wejść).

Współczynnik odrzuceń informuje, jak wielu użytkowników odwiedziło i opuściło stronę bez wejścia w jakąkolwiek interakcję. Pamiętaj, aby analizować go pod kątem liczby wejść, a nie odsłon.

Współczynnik wyjść

Google Analytics raportuje wyjście dla ostatniego działania na konkretnej stronie w sesji. Współczynnik wyjść wyliczany jest następująco: całkowita liczba wyjść/całkowita liczba unikalnych odsłon.

Współczynnik odrzuceń informuje o tym, ilu użytkowników opuściło Twoją witrynę z konkretnej strony, czyli jaki jest % sesji, które skończyły się na tej stronie. Pamiętaj, że najlepiej analizować współczynnik odrzuceń z uwzględnieniem unikalnych odsłon, ponieważ metryka mówi Ci, ile unikalnych sesji zawiera ta konkretna strona.

Kluczowa różnica

Współczynnik odrzuceń ma zastosowanie jedynie dla stron wejścia (pierwszych stron, które użytkownik odwiedza), natomiast współczynnik wyjść dla stron, na których wizyta się kończy.

Jeśli użytkownik został przekierowany na Twoją stronę z reklamy lub linku zewnętrznego i opuścił ją bez wejścia w interakcję, jest to zarówno ODRZUCENIE jak i WYJŚCIE. Natomiast jeśli użytkownik wykonał jakąś czynność (np. przejrzał dwie lub więcej strony, wysłał jakieś zdarzenie czy dokonał transakcji i następnie opuścił stronę) – będzie to WYJŚCIE.

Jak podejść do analizy współczynnika odrzuceń?

Współczynnik odrzuceń to metryka, która pokazuje jak Twoja strona spełnia potrzeby użytkowników. Ponadto jest to wiarygodny wskaźnik stopnia powiązania reklam ze stroną docelową.

Wysoki współczynnik odrzuceń (powyżej 50%) powinien być w większości przypadków czerwoną flagą – znaczy to, że użytkownicy odwiedzają Twoją stronę i natychmiastowo ją opuszczają. Wniosek jest zatem prosty – nie są usatysfakcjonowani treścią, którą dostarczasz.

Całą sprawę świetnie zilustrował Avinash Kaushik: użytkownik przyszedł, zwymiotował i wyszedł. Straciłeś więc użytkownika na progu, a wraz z nim szansę na to, że dokona konwersji (nie wspominając już o pieniądzach wydanych na pozyskiwanie ruchu).

Powinieneś jak najszybciej dowiedzieć się jak obniżyć współczynnik odrzuceń w celu zarabiania większych pieniędzy na Twojej stronie internetowej.

Wyższy współczynnik odrzuceń na stronach docelowych w segmencie mobilnym jest czerwoną flagą. Upewnij się, że na Twojej stronie mobilnej nie ma żadnych problemów technicznych, które sprawiają, że użytkownicy opuszczają ją bez żadnej interakcji.

Jeśli prawidłowo zmierzysz i przeanalizujesz współczynnik odrzuceń, prawdopodobnie samodzielnie wypracujesz rekomendacje zmian na Twojej stronie. Jego redukcja zapewni wysoką jakość ruchu i pozwoli na uzyskanie lepszego ROI na kampaniach marketingowych.

Niższy współczynnik odrzuceń = więcej konwertujących użytkowników.

Jakie podejście zastosować do analizy współczynnika wyjść?

Podczas gdy wysoki współczynnik odrzuceń prawie zawsze jest złym znakiem, tak wysoki współczynnik wyjść nie powinien Cię zaniepokoić. Istnieją oczywiste strony, które użytkownicy opuszczają, np. strona podziękowania czy kontaktu. Odwiedzający opuszcza stronę, ponieważ osiągnął swój cel.

Kolejnym przykładem może być odsyłanie klientów do linków zewnętrznych. Przypuśćmy, że posiadasz bloga i stronę e-commerce na dwóch różnych domenach. Jeśli użytkownik przejdzie na stronę produktu z Twojego artykułu o nowych aparatach fotograficznych, to nie ma się czym martwić, prawda?

Poza tym, użytkownicy będą musieli opuścić Twoją stronę wcześniej czy później.

Ale jeśli zauważysz wyjątkowo wysoki współczynnik wyjść na konkretnej stronie i nie jesteś w stanie wytłumaczyć, dlaczego użytkownicy opuszczają stronę w tym miejscu – znalazłeś ślepy zaułek, z którym trzeba się jak najszybciej uporać.

Śledzenie współczynnika wyjść to świetny sposób na identyfikację, w którym miejscu użytkownicy opuszczają lejek konwersji.

Powinieneś być zaniepokojony, jeśli zauważysz wysoki współczynnik wyjść na stronach powiązanych ze środkiem lejka.

Istnieje wiele powodów, dla których użytkownik może zakończyć wizytę na konkretnej stronie:

● Problemy z nawigacją. Czasami użytkownicy nie są w stanie znaleźć drogi, którą mają podążać (np. call-to-action jest prawie niewidoczne). W efekcie frustrują się i opuszczają stronę.

● Problemy ze ścieżkami klienta. Musisz prowadzić użytkowników przez cały proces – od wejścia na stronę do konwersji. Jeśli posiadasz stronę, na której użytkownik nie do końca wie, co ma robić, opuści ją. Powinieneś zawsze komunikować kolejny krok (np. w treści call-to-action: Wykorzystaj za darmo 30-dniowy okres próbny).

● Ślepy zaułek, czyli błąd w designie. Ślepy zaułek to strona, która nie zawiera linków, które pozwoliłyby na powrót do poprzedniego lub przejście do kolejnego kroku. Jestem przekonany, że już się z tym spotkałeś – utknąłeś na stronie i nie pozostało Ci nic innego, jak jej opuszczenie.

● Kiepska unikalna wartość oferty (ang. USP – Unique Selling Proposition) – jeśli Twoje USP na konkretnej stronie jest marne, nie oczekuj, że użytkownicy przejdą dalej. Po prostu opuszczą stronę, ponieważ oferta jest nieprzekonująca.

Współczynnik wyjść wydaje się być niedocenioną metryką. Ludzie zwracają dużo większą uwagę na współczynnik odrzuceń. W mojej opinii jest to błąd– współczynnik odrzuceń jest odpowiedni dla stron docelowych. Jeśli posiadasz stronę e-commerce, z całą pewnością powinieneś zwracać uwagę na współczynnik wyjść na konkretnych stronach, etapy lejka konwersji i grupy treści.

Gdy tylko uda Ci się obniżyć współczynnik wyjść na kluczowych stronach (np. dzięki dodaniu wskazówek nawigacyjnych lub poprawieniu USP), użytkownicy zaczną lepiej konwertować.

Współczynnik wyjść vs. współczynnik odrzuceń w praktyce

Pamiętaj, że współczynnik odrzuceń i współczynnik wyjść mają różne mianowniki. Jeśli analizujesz współczynnik odrzuceń, powinieneś wziąć pod uwagę liczbę wejść na konkretną stronę. Z drugiej strony, analiza współczynnika wyjść wymaga zaangażowania liczby unikalnych odsłon.

Czy strona może mieć wysoki współczynnik odrzuceń (powiedzmy 90%) i niski współczynnik wyjść (np. 10%)? Zdecydowanie tak. Może się tak zdarzyć, jeśli tylko dana jest niewielka liczba sesji, które zaczynają się od konkretnej strony, w porównaniu do ogólnej liczby sesji zawierających tę stronę.

Gdy analizujesz współczynnik wyjść, zawsze zwracaj uwagę na poziom współczynnika odrzuceń i porównaj liczbę wejść z unikalnymi odsłonami. Czasami wysoki współczynnik wyjść jest spowodowany wysokim współczynnikiem odrzuceń.

Współczynnik odrzuceń i współczynnik wyjść mogą wyglądać na podobne metryki, ale w rzeczywistości przekazują dwie zupełnie różne informacje o Twoich użytkownikach. Zdecydowanie zalecam wykorzystanie obu metryk (choć z różnych powodów) w analizach.

Mam nadzieję, że ten artykuł pomoże Ci w pełni wykorzystać potencjał współczynnika odrzuceń i współczynnika wyjść. Wykorzystaj te metryki, aby skłonić użytkowników do pozostania na stronie i przeprowadzić ich z łatwością przez cały proces – od wywarcia pierwszego wrażenia aż do konwersji.

Swoją drogą, jeśli szukasz pomocy w zakresie analityki internetowej, skontaktuj się z nami i poznaj nasze unikatowe podejście do tematu wykorzystania danych. Zrobimy wszystko, co w naszej mocy, aby spełnić Twoje oczekiwania.

The post Współczynnik odrzuceń vs. współczynnik wyjść – czym się różnią? 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.

Przeprowadzając audyty Google Analytics u naszych Klientów, często zauważamy, że skupiają się oni głównie na rozbudowywaniu instalacji i wykorzystywaniu nowych funkcjonalności. Zdarza się, że dbanie o poprawność gromadzonych danych schodzi na drugi plan.

To duży błąd: pełne i rzetelne dane są podstawą dobrych analiz. Mówiąc bez ogródek: jeżeli masz robić analizy na postawie niepoprawnych danych, lepiej nie rób ich w ogóle.

Najczęściej popełniane błędy

W raporcie Conversion przeanalizowaliśmy kilkanaście błędów w instalacji narzędzi analitycznych. Pod lupę wzięliśmy tylko te błędy, które można sprawdzić, analizując kod źródłowy strony i żądania, które były przetwarzane na każdej stronie.

Z tego artykułu dowiecie się jak identyfikować, poprawiać i jak unikach najczęstszych błędów w instalacji Google Analytics.

Podwójne zapytanie do Google Analytics, które obniża współczynnik odrzuceń

Jeżeli zauważysz, że współczynnik odrzuceń na Twojej witrynie jest wyjątkowo niski, powinieneś nabrać podejrzeń.

Być może Twoja witryna faktycznie tak angażuje użytkowników, że masowo przechodzą oni na kolejne strony. Jednak gdy współczynnik odrzuceń w Twoim serwisie jest niższy niż 20% o wiele bardziej prawdopodobne jest, że dane zbierane są niepoprawnie.

Jeżeli użytkownik wejdzie do naszego serwisu i nie przejdzie na kolejną stronę w Google Analytics zlicza to jako odrzucenie. Jednak w przypadku, gdy na stronie podjęta zostanie jakaś akcja (która np. wywoła się zdarzenie) współczynnik odrzuceń nie jest zliczany.

W wielu serwisach przejście na poszczególne zakładki nie powoduje przeładowania się strony, i to jak użytkownicy poruszają się w tym obrębie śledzone jest za pomocą zdarzeń lub wirtualnych odsłon.

Jeżeli stroną wejścia jest karta produktu z zakładką, event o tym, że użytkownik jest w danej zakładce może zostać automatycznie wysłany do Google Analytics zaraz po wejściu na stronę. Wówczas współczynnik odrzuceń nie zlicza się, nawet jeżeli użytkownik spędził na stronie 5 sekund i natychmiast ją opuścił.

Taki błąd popełnia LeroyMerlin.pl. Gdy weszłam na serwis (stroną wejścia była karta produktu) od razu wywołał się event o nazwie Karta produktu – zakładki i etykiecie szczegóły. Mimo, że wyszłam ze strony po kilku sekundach, na koncie Google Analytics LeroyMerlin.pl moja wizyta nie została zliczona jaka odrzucenie.

W rezultacie analitycy i Zarząd zachwycają się niskim współczynnikiem odrzuceń na podstawie raportów, które mają niewiele wspólnego z rzeczywistością.

Rozwiązaniem jest stosowanie eventów non-interaction. Zdarzenia non-interaction nie wpływają na zliczanie współczynnika odrzuceń. Ustawienie zdarzeń non-interaction wymaga dodania jednego parametru w kodzie zdarzenia:

_gaq.push(['category', 'action', 'label', value, true]);

W przypadku śledzenia zdarzeń za pomocą Google Tag Managera sprawa jest jeszcze prostsza: ustawiając zdarzenie wybieramy Prawda dla opcji Niewymagające interakcji.

Aż 20% serwisów popełnia ten błąd i niepoprawnie zlicza współczynnik odrzuceń.

Zdarzenia na przeładowanie

To częsty błąd; wg raportu aż 18% serwisów niepoprawnie śledzi niektóre zdarzenia.

Z tym błędem mamy do czynienia, jeżeli ustawimy zdarzenie na element, który przenosi nas na kolejną stronę. Na przykład, jeżeli dzięki zdarzeniom chcemy dowiedzieć się w jaki sposób użytkownicy opuszczają naszą stronę i śledzimy linki wychodzące.

Jednak jeżeli za pomocą zdarzeń śledzimy akcje powodujące przejście do kolejnej strony, nie możemy być pewni poprawności zbieranych danych.

Wysyłanie zdarzenia tuż przed załadowaniem innej strony rodzi bardzo duże zagrożenie, że hit z informacjami do Google Analytics po prostu nie dotrze, ponieważ kolejna strona wczyta się szybciej, zanim przeglądarka odbierze potwierdzenie odebrania przez Google Analytics wysłanego żądania.

W takiej sytuacji możemy wykorzystać funkcję hitCallback. To rozwiązanie dla zaawansowanych użytkowników. Jak wykorzystać hitCallback przeczytacie w poście Mariusza.

W przypadku, gdy śledzimy przejścia na inne strony w obrębie naszego serwisu, sytuacja jest o tyle prostsza, że możemy ustawić zdarzenie na kolejnej stronie. Na przykład, gdy chcemy sprawdzić który link użytkownicy klikają najczęściej.

Ustawienie takich zdarzeń również nie należy do najłatwiejszych. W tym przypadku można także skorzystać z funkcji hitCallback. Nie jest to jednak idealne rozwiązanie (szczególnie gdy chcielibyśmy oprzeć o to całą nawigację). HitCallBack „czeka” bowiem aż Google Analytics prześle informacje, co może spowolnić ładowanie się strony.

Obie metody są dosyć skomplikowane. Dlatego w ostateczności możemy wykorzystywać błędny sposób ze świadomością, że dane są nierzetelne – jednak obarczone takim samym błędem. Na ich podstawie nie możemy wygenerować dokładnych raportów ilu użytkowników kliknęło w dany element. Ale możemy porównać skuteczność poszczególnych elementów (jaki procent użytkowników klika częściej w jeden albo drugi element).

Błędy w ustawieniach domen dla ciasteczek

Jeżeli posiadamy subdomeny w obrębie jednego serwisu ten błąd może skutkować utratą ciągłości śledzenia. Automatyczne ustawienia Google Analytics nie pozwalają narzędziu na rozpoznawanie subdomen. To oznacza, że dla każdej subdomeny będzie tworzony osobny pakiet ciasteczek.

Załóżmy, że posiadasz sklep internetowy ze sprzętem fotograficznym. Dodatkowo prowadzisz bloga, na którym udzielasz porad dotyczących wyboru sprzętu i robienia zdjęć. Twój sklep ma adres sklep.fotografia.pl, a blog: blog.fotografia.pl. Na pewno chciałbyś śledzić zachowanie użytkowników nie tylko w obrębie tych dwóch subdomen, ale także to jak przechodzą pomiędzy tymi stronami – np. jak dużo ruchu do sklepu sprowadzają kampanie na blogu.

Każda z dwóch subdomen nada użytkownikom nowy zestaw ciasteczek. I tak w przypadku, gdy użytkownik trafi do Twojego serwisu z bloga, na koncie sklepu będzie traktowany jak każdy inny użytkownik z serwisów zewnętrznych, takich jak wp.pl.

Aby uniknąć takiej sytuacji powinnyśmy zmienić ustawienia Google Analytics. Wykorzystujemy do tego metodę _setDomainName(), w której ustawiamy domenę, która jest właścicielem ciasteczek. W ten sposób w Google Analytics przepływ użytkownika pomiędzy domenami zobaczymy w jednym raporcie jako jednego i tego samego użytkownika.

Podobny problem może stworzyć posiadanie dwóch kodów śledzących w obrębie jednego serwisu. Wówczas ciasteczka tworzone przez jedno konto mogą nadpisywać drugie. Tutaj konieczne jest ustawienie _setDomainName:

var _gaq = _gaq || [];
_gaq.push(['_setAccount','UA-xxxxxxxx-a']);
_gaq.push(['_setDomainName','xyz.pl']);
_gaq.push(['_trackPageview'];
_gaq.push(['zbiorcze._setAccount','UA-yyyyyyy-1']);
_gaq.push(['zbiorcze._setDomainName','xyz.pl']);
_gaq.push(['zbiorcze._trackPageview'];

W najnowszej wersji kodu śledzącego, Universal Analytics, śledzenie subdomen jest ułatwione i wystarczy ustawić śledzenie automatyczne dla domen.

UTM w kampaniach wewnętrznych

Częstym błędem jest wykorzystywanie parametrów UTM w kampaniach wewnętrznych. To błąd, który wpływa negatywnie na rzetelność gromadzonych danych.

Parametry UTM (źródło, medium, nazwa kampanii, słowo kluczowe i zawartość) służą do oznaczania tylko kampanii zewnętrznych – dzięki nim dane zebrane w Google Analytics są łatwe do analizy i możemy skutecznie porównywać je w czasie.

Dlaczego nie powinniśmy oznaczać parametrami UTM kampanii wewnętrznych?

Załóżmy, że użytkownik trafił na stronę główną z newslettera. W momencie, kiedy kliknie w baner przenoszący go na kartę produktu parametry UTM nadpiszą właściwie źródło z którego użytkownik trafił do naszego serwisu. Nie mamy później możliwości śledzić go jako użytkownika z newslettera, a dodatkowo odwiedziny zostaną naliczone jako podwójne (wejście z newslettera i wejście z kampanii wewnętrznej)

BZWBK niepoprawnie śledzi kampanie wewnętrzne. Do serwisu trafiłam z kampanii CPC, następnie ze strony głównej przeszłam na stronę docelową Kredytu Gotówkowego. Do adresu URL dodany został parametr utm_source=bzwbk_slider. Tym samy na koncie Google Analytics nie odnotuje się moja ścieżka: CPC – Slider na stronie głównej.

Google Analytics domyślnie przypisuje konwersję do ostatniego źródła. W przypadku nadpisania źródła parametrami UTM nie uzyskujemy informacji z jakich płatnych kampanii zewnętrznych trafił do nas użytkownik. A tym samym nie wiemy tego co dla nas najważniejsze – jak efektywnie działają nasze płatne kampanie.

Wśród serwisów e-commerce 7,5% niepoprawnie śledzi swoje kampanie. Najgorzej wypada sekcja serwisów leadowych – 15% serwisów używa parametrów UTM do śledzenia kampanii wewnętrznych.

Jak poprawnie tagować kampanie wewnętrzne?

Jest kilka możliwości. Można wykorzystać parametry miejsce i nazwa kampanii lub modelu wyszukiwania w witrynie.

Serwis Frisco.pl odpowiednio śledzi kampanie wewnętrzne wykorzystując parametry miejsce (serwis-1-1) oraz nazwa kampanii.

Kolejnym rozwiązaniem jest wykorzystanie śledzenia zdarzeń (kliknięcie w kampanie odnotowujemy jako zdarzenie. Tutaj trzeba uważać na poprzedni błąd – zdarzenia na przeładowanie, i ustawić wywołanie eventu po przejściu użytkownika na kolejną stronę.

Monitorowanie kampanii wewnętrznych umożliwia także moduł ulepszony e-commerce.

Niepoprawne śledzenie transakcji

Aż 45% przebadanych serwisów e-commerce popełnia co najmniej jeden błąd w śledzeniu transakcji. To bardzo częsty problem.

W 20% serwisy rejestrują transakcje po jej opłaceniu na stronie podziękowania.

Zanim rozpoczniemy pracę z Klientem przeprowadzamy audyt i porównujemy dane dotyczące transakcji z danymi z CRM. Jeżeli rozbieżność to 10%-15% zakładamy, że dane zbierają się prawidłowo.

W przypadku większych rozbieżności zakładamy, że dane są niepoprawnie raportowane do Google Analytics. Aby to sprawdzić analizujemy i porównujemy dane w segmentach: jak wygląda pokrycie transakcji za przedpłatą a jak gdy użytkownik płaci za pobraniem.

Zwykle okazuje się, że często użytkownicy po przeniesieniu do zewnętrznego systemu płatności nie wracają na stronę podziękowania, na której umieszczony jest kod transakcji. Takie zakupy w ogóle nie są rejestrowane.

Rozwiązaniem jest umieszczenie kodu śledzącego przed przekierowaniem do zewnętrznego serwisu płatności. Należy pamiętać aby umieścić go na splash page: stronie przejściowej, która wyświetla się przez kilka sekund. To pozwoli zapewnić, że dane zostaną przesłane do Google Analytics. Co prawda zdarza się, że użytkownicy po przejściu ostatecznie nie dokonują zakupu, jednak dotyczy to niewielkiej liczby użytkowników.

Poprawnie transakcje śledzi sklep Merlin.pl – zanim użytkownik zostanie przekierowany na stronę płatności PayPal kod transakcji może się wywołać na splash page

Z kolei ci, którzy dokonali płatności, bardzo często nie wracają już do sklepu (znikomy procent użytkowników powraca na stronę podziękowania). Dane zebrane w ten sposób są nierzetelne.

Kolejną przyczyną rozbieżności w danych transakcyjnych między Google Analytics a CRM jest podwójne wywoływanie kodu transakcji na stronie podziękowania. Może to się zdarzyć w kilku przypadkach: gdy użytkownik powróci na stronę podziękowania, odświeży ją albo przejdzie z linku w e-mailu, który otrzyma po zakończeniu transakcji.

To czy kod transakcji wywołuje się poprawnie możemy szybko sprawdzić na naszym koncie Google Analytics.

W sekcji Konwersje – Transakcje sprawdzamy jaka jest liczba ID transakcji. W tym przypadku widzimy, że raport ma 1141 rzędów i takiej liczbie transakcji zostało nadane ID.

W sekcji Ogólem widzimy ile transakcji zliczył Google Analytics. 1146, czyli 5 transakcji zostało wywołanych podwójnie. Jako, że Google Analytics wykorzystuje te dane to wszystkich innych raportów i metryk (takich jak współczynnik konwersji), mamy nieprawdziwy obraz i zbieramy nierzetelne dane.

Rozwiązaniem jest zapewnienie, że kod wywołuje się tylko raz dla danej transakcji. Możemy to ustawić po stronie serwera lub stworzyć ciasteczko u użytkownika.
Rzetelne dane to podstawa dobrych analiz. Mam nadzieję, że sprawdzając krok po kroku swoją konfigurację Google Analytics zidentyfikujecie obszary, w których dane gromadzone są niepoprawnie, i uda Wam się je naprawić.

Nie traćcie czasu – pora na audyt Waszej instalacji Google Analytics.

Aby dowiedzieć się jeszcze więcej pobierzcie bezpłatnie swoją kopię Raportu Conversion Wykorzystanie narzędzi analityki internetowej w Polsce.

Jeśli potrzebujesz audytu konfiguracji narzędzi analitycznych (Google Analytics, AT Internet, Adobe Analytics czy Webtrends) lub chcesz rozwijać analitykę internetową wewnątrz organizacji skontaktuj się z Conversion by poznać nasze podejście. Więcej o analityce internetowej dowiesz się pobierając przygotowane przez nas bezpłatne poradniki, raporty oraz case studies.

The post Zadbaj o poprawne dane. 5 błędów w instalacji Google Analytics. first appeared on Conversion.

Proces analizy, niezależnie czy celem serwisu jest sprzedaż czy generowanie leadów, jest dokładnie taki sam:

Pierwszym etapem jest zebranie danych. Musimy pamiętać, że dane muszą być prawdziwe (odpowiadać rzeczywistości) i użyteczne (odpowiadać kluczowym dla nas metrykom). Analiza danych opiera się w głównej mierze na odpowiedzi na pytania: co się stało i dlaczego tak się stało. Dzięki jasno sprecyzowanym informacjom stawiamy rekomendacje – definiujemy zmiany, które należy wprowadzić aby usprawnić analizowane obszary. Następnie podejmujemy działania, które, w dłuższej lub krótszej perspektywie, mają wpłynąć na poprawę wyników finansowych firmy.

Celem analiz może być przede wszystkim zwiększanie sprzedaży oraz maksymalizacji zysku z inwestycji online (ROI). Realizację tak sformułowanych celów mierzymy za pomocą Kluczowych Wskaźników Wydajności (KPI) – czyli po prostu odpowiednich metryk.

Na dobry początek: 3 obszary analiz

W tym poście przedstawię 3 obszary, które powinniście uwzględniać w swoich analizach. Wnioski pozwolą na poprawę stron docelowych a także pomogą podejmować decyzje o wydatkach na działania marketingowe.

Oczywiście to tylko wycinek możliwości, które daje analityka internetowa. Mam jednak nadzieję, że będzie to dobry wstęp do kolejnych artykułów

Konwersje makro i mikro

więcej konwersji = większa sprzedaż

Współczynnik konwersji to podstawowa metryka, która pokazuje efektywność naszej strony internetowej: ilu użytkowników, którzy na nią trafili dokonało pożądanej przez nas akcji. W przypadku serwisów generujących leady konwersją będzie na przykład pozostawienie danych do kontaktu, pobranie pliku lub wykonanie telefonu.

Załóżmy, że w Twoim serwisie z 500 wysłanych leadów w danym miesiącu 50 przeradza się w transakcje (np. rozpoczęcie projektów). Jeżeli średni przychód na jednym kliencie wynosi 2 000 zł to wartość jednego leadu wynosi 200 zł.

średnia wartość potencjalnego klienta = (pozyskani klienci x średni przychód ze sprzedaży) / liczba potencjalnych klientów

Jeżeli z 500 zapytań 50 przeradza się w klientów (konwersja leadów 10%), którzy przynoszą zysk rzędu 2 000 to zwiększenie liczby leadów do 1000 za pomocą optymalizacji współczynnika konwersji podwoi nasz zysk. Oczywiście jeżeli odbywa się to przy takiej samej jakości ruchu i takim samym współczynniku konwersji leadów (10%).

Aby zmierzyć współczynnik konwersji witryny generującej leady za pomocą Google Analytics możemy ustawić cele. Najlepszym rozwiązaniem jest skonfigurowanie celu na URL strony podziękowania: oznacza to, że gdy użytkownik znajdzie się na tej stronie, zliczać się będzie konwersja. Co ważne: konwersja w przypadku celu nalicza się tylko raz (nawet jeżeli użytkownik w danej sesji pobierze plik bądź wypełni formularz kilkukrotnie).

W przypadku Avivy konwersją będzie zamówienie bezpłatnej rozmowy (strona podziękowania po wypełnieniu formularza). Będzie nią także kontakt telefoniczny. Jak sprawdzić, ilu użytkowników kontaktowało się z infolinią? Dobrą metodą jest przypisanie jednego numeru telefonu tylko dla danego landing page (wówczas wiemy, że użytkownik trafił do nas z tej strony). Aby jeszcze lepiej analizować całościowo współczynnik konwersji warto spróbować ustawić cel na zdarzenie np. przy wyświetlaniu numeru telefonu po kliknięciu „Pokaż numer”. Możemy wtedy zliczać pokazanie numeru jako konwersję.

Jak zwiększyć współczynnik konwersji strony docelowej? Powinniśmy pracować nad samym wyglądem i formą strony, ale także nad jej użytecznością – z pomocą przyjdą tutaj najlepsze praktyki projektowania stron docelowych oraz testy A/B, które potwierdzą bądź obalą nasze hipotezy.

W przypadku stron generujących leady kluczowym elementem jest formularz. To właśnie jego wypełnienie definiujemy jako konwersje, dlatego musi być maksymalnie przyjazny dla użytkownika.

Nikt w nie lubi wypełniać formularzy. W wielu przypadkach sprawdza się zasada: im krócej, tym lepiej. Czasami może wystarczyć tylko adres e-mail. Warto tu jednak przeanalizować koszt. Im mniej informacji o użytkowniku, tym mniej wartościowe leady. Dlatego zanim podejmiemy decyzję o skróceniu formularza, warto zastanowić się czy nam się to opłaci (jeżeli np. na stronie banku zrezygnujemy z obowiązkowego pola PESEL, uzyskanie tej informacji później może wiązać się z dodatkowym kosztem).

Jednak tak jak w przypadku każdego elementu witryny, i przy formularzach nie ma złotej zasady, która sprawdza się w każdej firmie.

Na etapie projektowania formularza powinniśmy skorzystać z heurystyk. Gdy umieścimy je już na stronie należy śledzić interakcje użytkowników z formularzem i testować poszczególne jego elementy za pomocą testów A/B.

Być może okaże się, że zamiast dłuższego formularza lepiej przygotować dwa kroki: najpierw prezentujemy krótki formularz z prośbą o adres e-mail i imię, a w następnym kroku o numer telefonu. Jest szansa, że użytkownik, który już i tak zaangażował się w wypełnianie formularza, dokończy rozpoczętą akcję (mimo, że w jednym kroku taka ilość pól zniechęciłaby go do podjęcia akcji). Może warto to przetestować?

Jak śledzić w jaki sposób użytkownicy wchodzą z interakcje z formularzem – i kontrolować jak radzą sobie z wypełnianiem poszczególnych pól?

Wykorzystuje się do tego zaawansowane śledzenie zdarzeń. Dodajemy kody śledzące zdarzenia do skryptu formularza. Zdarzeniem może być rozpoczęcie wypełniania formularza bądź poszczególne błędy w walidacji.

W raporcie Zachowanie / Zdarzenia otrzymamy zestawienie pól formularza dla których najczęściej popełniane są błędy. Dzięki temu mamy informację o tym które pole najczęściej powstrzymywało użytkownika w wysyłce formularza. Można również skorzystać z innych narzędzi: na przykład Clicktale posiada funkcję śledzenia formularzy.

Śledzenie zdarzeń pozwoli także na sprawdzenie jak często użytkownicy popełniają ten sam błąd (porównując zdarzenia do unikalnych zdarzeń) lub to, jak często przechodzą całą „ścieżkę wypełnienia formularza” (współczynnik „wysłań” formularza: ile użytkowników rozpoczyna do całkowitej liczby przesłania formularza). Możemy nawet sprawdzić jak bardzo użytkownicy są zdeterminowani (jak często próbują poprawiać formularz).

Dzięki takim danym możemy identyfikować problemy i naprawiać je – zwiększając tym samym współczynnik konwersji witryny.

Konwersje mikro

Nie zawsze użytkownicy od razu podzielą się z Tobą swoimi danymi: dlatego równie ważne jest zdefiniowanie i mierzenie konwersji mikro, czyli „mniejszych” akcji, które bezpośrednio nie kończą się zakupem, ale pośrednio mogą do niego prowadzić. Co może być konwersją mikro?

W przypadku Wonga.com jako konwersje mikro możemy zdefiniować przesuwanie suwaków: to świadczy o zaangażowaniu użytkowników w to jakie treści im prezentujemy (zainteresowali się ofertą i sprawdzają możliwości otrzymania pożyczki).

Jak mierzyć konwersje mikro? Jeżeli chcemy zmierzyć ile osób obejrzało film na nasze stronie – ustawiamy zdarzenie, które wywołuje się po naciśnięciu „play”. Możemy zrobić jeszcze więcej: ustawiając wartość zdarzenia „play” jako 0, a wartość zdarzenia „koniec filmu” jako 1 uzyskamy współczynnik i tym samym sprawdzimy, ilu użytkowników ogląda prezentowany film do końca.

Gdy chcemy sprawdzić ilu użytkowników przeczytało informacje prezentowane na stronie do końca – możemy wykorzystać skrypt śledzący przewijanie strony. Zdarzeniem może być także rozwinięcie danej kategorii czy naciśnięcie dowolnego przycisku (np. wyświetlenie kontaktu).

Konwersje mikro to źródło informacji o tym, czy użytkownicy angażują się w prezentowane treści i jak to zaangażowanie przekłada się na generowanie leadów sprzedażowych.

Jak w praktyce wykorzystać śledzenie mikrokonwersji? Możemy sprawdzać za pomocą testów A/B jakie treści bądź filmy (powiedzmy instrukcja vs wideoreferencje) lepiej wpływają na współczynnik konwersji naszej witryny.

Śledzenie zdarzeń rozszerza możliwości analiz: gdy chcemy zoptymalizować naszą stronę warto sprawdzić, jak zachowuje się segment użytkowników, którzy konwertują przy pierwszej wizycie. Jeżeli okaże się, że oglądają film do końca możemy założyć, że istnieje korelacja pomiędzy tą akcją a konwersją. Warto wówczas zadbać o to, aby więcej użytkowników trafiających na stronę obejrzało materiał: może zachęcić ich lepszym nagłówkiem albo skrócić czas trwania filmu?

Dopasowanie

lepszy ruch = więcej konwersji = większy zwrot z inwestycji w pozyskiwanie ruchu

Współczynnik odrzuceń definiujemy jako procent użytkowników, którzy weszli na nasz serwis (niezależnie na którą podstronę), i od razu go opuścili – nie przechodząc na kolejne strony. Za Avinashem Kaushikiem: user came, puked and left

To bardzo ważna metryka: dzięki niej jesteśmy w stanie stwierdzić czy sprowadzamy tzw. „dobry ruch” na naszą stronę. Co z tego, że ściągniemy 10 000 unikalnych użytkowników, skoro, powiedzmy, 90% z nich nie jest zainteresowanych pozostawieniem swoich danych. Co oznacza, że 90% kosztów poniesionych na pozyskanie ruchu (kampanie marketingowe, AdWords itd.) zostało wyrzucone w błoto.

Wysoki współczynnik odrzuceń może świadczyć o braku dopasowania reklamy lub słów kluczowych do tego, co prezentujemy użytkownikowi. Ten przecież ma jakieś wyobrażenie o naszej stronie wchodząc na nią z kampanii bądź wyników wyszukiwania: jeżeli pojawia się obietnica darmowej wersji oprogramowania przez miesiąc, a po przejściu na stronę pierwszym co widzi użytkownik jest tylko cennik – prawdopodobnie porzuci witrynę w mniej niż 5 sekund.

Reklama PZU oferuje opcję kalkulatora, który policzy moją składkę OC i AC oraz gwarantuje „najtańsze OC”

Jednak po przejściu na stronę docelową nie widzę nie tylko nagłówka (nie wiem gdzie dokładnie jestem) ale także obiecanego kalkulatora. Dlaczego więc miałabym rozpocząć wypełnianie formularza?

Wysoki współczynnik odrzuceń powinien skłonić nas do głębszej analizy treści i dopasowania naszych serwisów do oczekiwań użytkowników.

O ile w przypadku serwisów to, że użytkownik nie przeszedł do następnej strony może być traktowane jako „odrzucenie”, przy landing page nie do końca się sprawdza.

To, że użytkownik trafił na naszą stronę docelową i przeczytał wszystkie informacje i nie wypełnił formularza niekoniecznie oznacza, że jest ona niedopasowana. Może po prostu użytkownik znajduje się w początkowej fazie procesu zakupowego.

Google Analytics nalicza nam w takim przypadku odwiedziny równe 0 min. Jeżeli użytkownik ogląda tylko jedną stronę do Google Analytics wysyła się informacja, że rozpoczął wizytę o 10:21:00. Niestety Analytics nie wie, kiedy ta wizyta się skończyła – nie doszło do kolejnej interakcji (np. przejścia na następną stronę). Informacja o wyjściu nie jest domyślnie przesyłana. Tym samym – współczynnik odrzuceń będzie bardzo wysoki: nawet jeżeli użytkownicy dokładnie zapoznali się z całą stroną docelową i uważnie przyjrzeli się Twojemu produktowi. Współczynnik odrzuceń w takim kształcie niewiele nam mówi o rzeczywistych odrzuceniach..

Możemy jednak dosłownie „dostosować” współczynnik odrzuceń do naszych potrzeb. Pomoże nam w tym zaawansowane śledzenie Google Analytics: poprzez małą modyfikację kodu możemy zmienić sposób w jaki liczony jest współczynnik odrzuceń. Niewielka zmiana w kodzie strony pozwoli nam zdefiniować odrzucenie jako wizytę w trakcie której użytkownik spędził na stronie docelowej mniej niż na przykład 10 sekund. W ten sposób będziemy mogli odróżnić użytkowników, którzy cytując wspominanego już Avinasha Kaushika “came, puke and left” od tych, którzy faktycznie zaangażowali się w nasz post.

Pomiar efektywności kanałów marketingowych

efektywne kanały marketingowe = większy zwrot z inwestycji

Jeżeli wydajemy pieniądze na działania marketingowe, bezmyślne byłoby niemierzenie efektywności poszczególnych źródeł ruchu. Powinniśmy przede wszystkim wiedzieć jaką wartość możemy przypisać poszczególnym źródłom i jaki jest zysk z każdej złotówki wydanej na dany kanał marketingowy.

Analizując strony, które generują leady warto przyjrzeć się procesowi zakupowemu użytkownika. Zostawienie swojego adresu e-mail przy pobieraniu poradnika przychodzi użytkownikowi zdecydowanie łatwiej niż wypełnienie formularza o konsultacje w sprawie kredytu hipotecznego. Co oznacza, że potrzebuje on mniej dni do „zakupu” oraz do jego pozyskania wykorzystywanych jest mniej kanałów marketingowych.

Dlatego w przypadku „prostych leadów” wystarczającą analizą efektywności źródeł ruchu będzie raport Kanały w sekcji pozyskiwania.

Google Analytics domyślnie przypisuje wartość konwersji ostatniemu źródłu (przed wejściem bezpośrednim). W przypadku stron gdzie liczba dni do zakupu jest niewielka a ścieżka użytkownika do konwersji obejmuje zwykle jeden kanał marketingowy, taki raport będzie wystarczający.

. Analiza ścieżek wielokanałowych pozwala dokładniej ocenić efektywność poszczególnych źródeł ruchu, wyróżniając te, które „wspomagają” i „zamykają konwersję”. I tak w przypadku kredytu hipotecznego użytkownik może najpierw zobaczyć reklamę display, później otrzymać maila z reklamą, a następnie – otrzymać reklamę remarketingową. Aby odpowiednio wycenić poszczególne źródła należy zwrócić uwagę na model atrybucji (możemy także stworzyć własny).

Dzięki określeniu wartości poszczególnych kanałów jesteśmy w stanie obliczyć zwrot z inwestycji – a w konsekwencji optymalizować nasze wydatki na działania marketingowe. Jeżeli okazuje się, że koszt wysyłki mailingu do wykupionej bazy przewyższa koszt pozyskanego leadu – może warto przeznaczyć ten budżet na bardziej efektywną kampanie PPC?

Przy analizie wydatków marketingowych powinno się wziąć pod uwagę jeszcze jedną, często pomijaną metrykę: wartość życiową klienta.

Customer Lifetime Value (LTV) to suma przepływów pieniężnych, których dokona raz pozyskany klient w czasie swojego życia.

Jeżeli wiemy, że raz zdobyty klient przez całe swoje życie kupi u nas 10 polis ubezpieczeniowych, to wartość każdego zebranego leada wzrasta. Znając wartość klienta będziemy mogli podejmować racjonalne decyzje na temat kampanii, dzięki którym pozyskujemy naszych klientów. Wiedząc, że raz zdobyty klient wygeneruje nam konkretny przepływ będziemy skłonni zapłacić za niego więcej.

Czy mogę wydać 50 zł na pozyskanie leada, gdy średnia wartość leada to 30 złotych? Poznanie średniej wartości klienta pozwoli nam na podjęcie takich decyzji – które, choć w krótkotrwałym rozliczeniu mogą wydać się nieracjonalne, w dłuższej perspektywie wpłyną pozytywnie na zysk firmy. Ma to szczególne znaczenie w organizacjach, gdzie raz pozyskany klient dokonuje wielu transakcji, na przykład w bankach, domach maklerskich, funduszach inwestycyjnych czy ubezpieczeniach.

Podsumowanie

Jest jedna sprawdzona, niezawodna technika zwiększenia liczby pozyskiwania leadów. Analityka internetowa.

Jeżeli proces analizy danych przebiega efektywnie i jest nastawiony na wyciąganie wniosków oraz stawianie rekomendacji – możemy podejmować akcje, które zwiększą nasz zysk. Wszystko na podstawie solidnych danych.

Co dalej? Dane, Analiza, Rekomendacje, Działanie. A później? Dane, Analiza, Rekomendacje, Działanie. I znowu? Tak. Tylko dzięki stałemu powtarzaniu tego procesu i wprowadzaniu ciągłych usprawnień możemy skutecznie rozwijać naszą firmę.

I pamiętajmy: analityka to nie jest sztuka dla sztuki. To działania, które mają przekładać się na zysk.

The post Co i jak analizować na stronach docelowych generujących leady? first appeared on Conversion.

Powszechna mądrość, że pierwsze wrażenie jest najważniejsze, bardzo dobrze sprawdza się również w tym przypadku. Dlatego też, stronom docelowym warto poświęcić trochę uwagi. Pamiętajmy jednak przy tym, że
wygląd to nie wszystko (a w szczególności praca nad optymalizacją konwersji to nie tylko poprawa użyteczności strony) i przed wizytą u grafika konieczne jest przeanalizowanie co i dlaczego u nas nie działa. Naszym pierwszym krokiem powinno być zidentyfikowanie najpopularniejszych stron docelowych w witrynie, a kolejnym wybranie z nich tych, które nie pełnią dobrze swojej roli. Następnie identyfikujemy jakie wiążą się z nimi problemy i wtedy już możemy zająć się ich poprawą.

Gdzie szukać stron docelowych?

Nasze pierwsze zadanie polega na zidentyfikowaniu stron docelowych w serwisie. Znajdziemy je w raporcie Treść > Zawartość Witryny > Strony docelowe.

W raporcie stron docelowych korzystamy z widoku sortowania po liczbie odwiedzin – dzięki temu widzimy te z nich, które są najpopularniejsze

Po zidentyfikowaniu tych stron, kolejnym krokiem jest przejście do ich oceny.

Na co w pierwszej kolejności zwrócić uwagę?

Najważniejszą metryką, na którą musimy zwracać uwagę przy ocenie stron docelowych jest współczynnik odrzuceń. Najbardziej wartościowa jest dla nas informacja o skuteczności stron docelowych względem odwiedzin. Sortowanie widoku po współczynniku odrzuceń pokaże nam strony, dla których jego wartość wyniesie nawet 100%, ale taka wartość będzie najczęściej dotyczyć pojedynczych odwiedzin. Dlatego warto skorzystać z sortowania ważonego – taki widok pokaże nam strony, dla których wypadkowa liczby odsłon i wysokości współczynnika odrzuceń jest najwyższa.

Sortowanie ważone dla współczynnika odrzuceń pozwoli nam na szybkie zidentyfikowanie stron, którymi trzeba się zająć w piewszej kolejności

Drugi sposób analizy tego raportu to widok porównania względem współczynnika odrzuceń.

Dzięki widokowi porównania możemy łatwo zobaczyć, czy te najczęściej odwiedzane strony docelowe mają wyższy, czy niższy współczynnik odrzuceń niż średnia.

W kontekście poprawy najważniejsze są dla nas właśnie takie strony – o dużej liczbie odwiedzin i wysokim współczynniku odrzuceń. Ich poprawienie będzie miało największy wpływ na efektywność naszej witryny.

Współczynnik odrzuceń jest prosty w interpretacji, trzeba jednak mieć na uwadze wyjątki. Jego wysoka wartość nie zawsze oznacza źle dopasowaną stronę – niektóre typy stron mają naturalnie wysoki współczynnik odrzuceń np. strona bloga lub strona, na której znajdują się te konkretne informacje, w poszukiwaniu których użytkownik trafił na stronę. W takim przypadku wejdzie, przeczyta i zadowolony opuści serwis. Z drugiej strony istnieją strony, które pomimo niskiego współczynnika odrzuceń nie są dobrze dopasowane do tego, czego szukają użytkownicy. Takie strony identyfikujemy w raporcie stron docelowych w zakładce “Ścieżki wejścia”.

W zakładce „ścieżki wyjścia” widzimy na jakie strony kierowali się użytkownicy, którzy rozpoczęli swoją wizytę od danej strony docelowej.

Możemy sprawdzić, czy użytkownicy faktycznie kierowali się tam, gdzie zakładaliśmy, że będą – np. na stronę naszego sklepu. Jeśli zamiast tego wielu z nich kierowało się na stronę pomocy, albo faq, to nie jest to informacja świadcząca o dobrze działającej stronie docelowej.

Jeśli chcemy, aby współczynnik odrzuceń informował nas o użytkownikach którzy faktycznie „odbijają” się od naszej witryny, to warto dokonać pewnych modyfikacji w kodzie. Pierwszą z nich jest zmiana sposobu, w który jest zliczany współczynnik odrzuceń – po takiej zmianie w kodzie wizyta zostanie zakwalifikowana jako bounce, tylko wtedy, kiedy użytkownik spędzi na danej stronie docelowej mniej czasu niż określiliśmy w ramach kodu (np. 10 sekund). Pozwoli to na odfiltrowanie tych użytkowników, którzy obejrzeli tylko jedną stronę, jednak byli na niej wystarczająco długo, żeby coś na niej przeczytać. Dodatkowo, jeśli zależy nam na tym, żeby czas odnotowywany w Google Analytics jak najdokładniej odzwierciedlał czas, który użytkownicy spędzają w naszej witrynie, to warto zastosować modyfikację, dzięki której zlicza się również czas spędzony na ostatniej z odwiedzonych stron

Kiedy mamy już zidentyfikowane najgorzej działające strony docelowe, to możemy zająć się ich poprawą. Teraz przyszła pora na znalezienie powodów dla których nasze strony docelowe nie działają tak dobrze, jakbyśmy sobie tego życzyli. Kwestie, na które na pewno warto zwrócić uwagę to dopasowanie ruchu, technikalia i wygląd stron docelowych.

Dopasowanie ruchu

Użytkownik, który klika na link do naszej strony lub wynik wyszukiwania, ma pewne wyobrażenie o tym, co chciałby tam zobaczyć. Im bardziej strona docelowa odbiega od tego wyobrażenia, tym większa szansa, że taka osoba nie pozostanie w witrynie (odbije się). Złe dopasowanie ruchu sprowadza się do dwóch kwestii: złego dopasowania przekazu reklamowego do intencji użytkownika lub złego dopasowania strony docelowej do treści reklamy. Temat spójności komunikatu reklamowego i treści strony obszernie opisaliśmy w artykule o podnoszeniu współczynnika konwersji.

Dopasowanie ruchu możemy sprawdzić w raporcie stron docelowych: Treść > Zawartość Witryny > Strony docelowe. Jako wymiar dodatkowy wybieramy źródło lub słowo kluczowe.

Wyższy od średniej współczynnik odrzuceń w przypadku słów kluczowych dotyczących „3 sigma” informuje nas o złym dopasowaniu ruchu do naszego artykułu. Reguła 3 sigm to powszechnie wykorzystywana reguła statystyczna i zapewne mały odsetek użytkowników, którzy wpisali takie hasło do wyszukiwarki chciało się dowiedzieć o jej stosowaniu w Google Analytics.

Po wyszukaniu hasła „reguła 3 sigm” w wyszukiwarce Google odnośnik do naszego artykułu znajduje się na wysokiej, drugiej pozycji, co w dużej mierze tłumaczy znacznie wyższy od średniej współczynnik odrzuceń dla tego posta.

W początkowym fragmencie artykułu dotyczącego reguły 3 sigm – tym, który widać na ekranie po otwarciu strony – nie ma informacji o samej tej regule. Odpowiedni akapit znajduje się dopiero daleko poniżej zwinięcia ekranu (ang. fold), gdzie osoba, która poszukuje informacji o tej regule statystycznej, a nie analityce internetowej pewnie nie dotrze.

Problemy techniczne

Jeśli nasza strona będzie się użytkownikowi źle wyświetlać, albo nawet w ogóle się nie załaduje, to raczej nie zachęci go to do dalszego przeglądania serwisu. Problemy natury technicznej można zidentyfikować w raporcie Odbiorcy > Technologia > Przeglądarka | System operacyjny.

Ten raport daje nam ogólny pogląd, dzięki któremu możemy zidentyfikować najbardziej alarmujące kwestie– warto tutaj sprawdzić takie wymiary jak: typ przeglądarki, system operacyjny i rozdzielczość ekranu.

Następnie możemy przejść do bardziej szczegółowego widoku, i zobaczyć jak kwestie techniczne wyglądają w przypadku najczęstszych stron docelowych. W raporcie stron docelowych jako drugi wymiar ustawimy interesującą nas kwestię techniczną, np. rozdzielczość ekranu. W ten sposób możemy zidentyfikować konkretne strony docelowe, które gorzej radzą sobie na pewnych typach ekranu. Może to wynikać z tego, że niektóre elementy strony będą niewidoczne, bo znajdą się poniżej zwinięcia, czyli dolnego krańca ekranu.

Użyteczność i wygląd strony

Oczywiście nie ma uniwersalnej recepty na to, jak powinna wyglądać strona docelowa, jest jednak parę zasad, których przestrzeganie powinno polepszyć skuteczność naszych stron docelowych.

Wezwanie do działania

Na stronie docelowej zawsze powinno się znajdować „Wezwanie do działania” (ang. call to action – CTA), czyli wyróżniający się odnośnik, który poprowadzi użytkownika do osiągnięcia celu, w jakim odwiedził naszą stronę. Zakładając, że dobra strona docelowa jest dopasowana do tego, czego szuka użytkownik, taki CTA pozwala mu nie zastanawiać się co dalej robić i przeszukiwać całej strony, żeby znaleźć możliwość przejścia dalej, tylko od razu przejść do pożądanej przez niego akcji. Ważne jest aby wezwanie do działania znajdowało się w widocznym miejscu na stronie. W zależności od rozdzielczości ekranu, typu przeglądarki czy systemu operacyjnego użytkownikom rożnie wyświetla się dana strona, dlatego warto upewnić się, że większość z odwiedzających zobaczy przygotowane przez nas CTA. Z pomocą przychodzi tutaj raport Treść > Analytics w treści strony, na którym możemy zobaczyć jaki obszar strony zobaczy wybrany przez nas odsetek odwiedzających

W przypadku tej strony 95% użytkowników bez przewijania zobaczy obszar niezacieniowany

Nagłówek

Nagłówek powinien być zgodny z intencją użytkownika, który wylądował na stronie docelowej. Jeśli ktoś trafił na naszą witrynę poszukując Butów marki Y z kolekcji 2013 będzie zaskoczony jeśli w nagłówku zobaczy „Buty marki X”, „Stroje kąpielowe marki Y” albo nic mu niemówiący slogan naszego sklepu „Mydło i Powidło – wszystko dla Ciebie” i może pomyśleć, że nie znajdzie na tej stronie tego, czego szuka.

Klarowność

Na stronie docelowej powinno się znajdować jak najmniej elementów, które nie są związane z jej głównym celem. Strona docelowa powinna mieć jeden, klarowny cel i im mniej informacji z nim niezwiązanych będzie się na tej stronie znajdowało, tym większa szansa, że ten główny cel zostanie zrealizowany. Trzeba szczególnie uważać na linki do innych stron, innych części serwisu, czy jakichkolwiek elementów wymagających od użytkownika aktywnego uczestnictwa – np. podanie e-maila.

Podsumowanie

Dobre rady jak polepszyć stronę docelową można mnożyć i mnożyć. Na Unbounce możecie zobaczyć porady dotyczące wizualizacji – kolorów i elementów, a na blogu KISSmetrics podstawowe zasady projektowania stron docelowych.

Najważniejsze jest jednak poprawne zidentyfikowanie stron docelowych, które nie spełniają swoich funkcji, a następnie określenie dlaczego tak się dzieje. Na podstawie danych z Google Analytics dowiemy się które ze stron docelowych są naszym słabym punktem. Niestety w określeniu co dokładnie w nich nie działa tak, jak powinno, to narzędzie już nam niewiele pomoże. Warto zatem skorzystać z narzędzi, które umożliwiają sprawdzenie jak użytkownicy poruszają się po konkretnej stronie. Tutaj dobrym przykładem jest ClickTale, które oferuje możliwość stworzenia map cieplnych przewijania strony.

(źródło: www.clicktale.com)

Na obraz strony zostaje nałożony gradient, który swoją intensywnością i barwą informuje o tym jaki odsetek użytkowników dojeżdża do różnych treści w witrynie. Dzięki tym informacjom będziemy mogli zdecydować o przesunięciu istotnych informacji wyżej i usunięciu tych, których użytkownicy nie czytają. Tego typu narzędzia pozwalają nam lepiej zrozumieć nasze strony docelowe i zapewnić wiedzę, dzięki której możemy zabrać się za przemyślane zmiany projektowe.

Jakie są wasze standardowe sposoby sprawdzania, czy strona docelowa dobrze pełni swoją rolę? Podzielcie się nimi w komentarzach!

The post Optymalizacja stron docelowych z Google Analytics first appeared on Conversion.

Istnieją jednak 3 elementy, które sprawdzamy zawsze na samym początku u każdego z naszych Klientów, aby zidentyfikować elementy warte poprawy. Co ważne, praktycznie zawsze udaje się dzięki nim zidentyfikować przynajmniej jeden element, który w późniejszych testach A/B przynosi duże wzrosty współczynnika konwersji.

3 elementy, które doprowadzą Twoją witrynę do wyższego współczynnika konwersji

1. Zadbaj, aby mieć więcej użytkowników do przekonwertowania

Oczywiście nie chodzi mi tutaj o pozyskanie większego ruchu!

Mam na myśli przyglądnięcie się jednemu współczynnikowi, które raportują wszystkie narzędzia analityczne — współczynnikowi odrzuceń. Mówi on nam o tym, jaki % użytkowników opuścił naszą witrynę bezpośrednio z podstrony, od której zaczął przygodę z naszym serwisem. Jak to zostało kiedyś obrazowo przedstawione: użytkownik przyszedł, zwymiotował (na widok naszej strony docelowej) i wyszedł.

Im wyższy współczynnik odrzuceń, tym gorsze dopasowanie (1) przekazu reklamowego do potrzeb / intencji użytkownika, (2) naszej strony docelowej do tekstu / wyglądu reklamy.

Pierwszym pytaniem, które zadają sobie użytkownicy lądując na naszych stronach jest: „Kim jesteś i czy to co widzę pasuje do tego, co szukam / co zostało mi obiecane w reklamie?”. Jeżeli naszej stronie nie uda się szybko odpowiedzieć na to pytanie (zgodnie z myślą użytkownika), to opuści on nasz serwis zaraz po wejściu.

Niestety w Polsce często mamy do czynienia z taką praktyką, gdzie reklama jest dopasowana bardzo dobrze do intencji użytkownika, ale już sam landing page pozostawia wiele do życzenia:

Reklama jest bardzo dobrze dopasowana do zapytania użytkownika (jego intencji)…

… niestety strona docelowa allegro.pl dla tej reklamy pozostawia wiele do życzenia — gdzie są moje rowery Cannondale, które miałem obiecane na reklamie?

Lądując na stronie docelowej użytkownik musi widzieć to, co zostało mu obiecane w reklamie — jeżeli obiecujemy mu rowery Cannondale w najniższej cenie, to nie powinien on lądować na stronie na której pierwszym obrazkiem są buty Adidasa

Często bywa również tak, że pomimo tego, że strona docelowa pasuje do reklamy, którą zobaczył użytkownik, to musi się on domyślić, czy na pewno dobrze trafił, ponieważ brakuje jasnego i klarownego nagłówka:

Ponownie, reklama jest bardzo fajnie dopasowana do zapytania…

… landing jest już lepszy, niż w przypadku allegro, bo prezentuje produkty, które poszukujemy (grille elektryczne), tylko czemu użytkownik musi się tego domyślić po zdjęciach, a nie ma dużego, klarownego nagłówka, który by odpowiedział na pytanie użytkownika „Czy to co widzę odpowiada moim intencjom / reklamie, którą widziałem?”. Jeżeli tego nagłówka brak, użytkownik myśli „Hmm, co ja tu widzę na tej stronie? Są jakieś grille. Taaak, to na pewno są grille — widzę to w napisanych małym druczkiem podpisach pod produktami… ale czy to są na pewno grille elektryczne?”

Tak naprawdę nie chcemy, aby nasz użytkownik się czegoś domyślał. Chcemy mu jasno powiedzieć, że znajduje się na dobrej stronie, że nie został przekierowany na niepoprawny landing page, tylko widzi to co pasuje do jego intencji / tego co widział w reklamie:

Reklama, jak zazwyczaj, dobrze dopasowana do zapytania…

… i landing page, który wreszcie ma dobry nagłówek, który jest spójny z reklamą i intencjami użytkownika.

Inny przykład, w którym landing jest dobrze dopasowany do kreacji reklamowej pod względem przekazu i wyglądu (te same kolory wezwania do działania, wyróżnienia oferty, nagłówka).

Wniosek nr 1: zadbaj, aby mieć więcej użytkowników do przekonwertowania — postaraj się, aby Twoje reklamy pasowały do zapytań, a strony docelowe były spójne z reklamami — tak kolorystycznie jak i pod względem kopii. Pamiętaj o dużym, klarownym nagłówku, dzięki któremu użytkownik bez problemu odpowie na pytanie „Czy to co widzę odpowiada moim intencjom / reklamie, którą widziałem?” (bierz przykład z Open Finance ;))

2. Daj użytkownikowi powód, dla którego powinien skorzystać z Twojej oferty

Gdy użytkownikowi uda się odpowiedzieć na pytanie „Czy to co widzę odpowiada moim intencjom / reklamie, którą widziałem?” w jego głowie pojawia się kolejne pytanie „Dlaczego powinienem skorzystać z Twojej oferty, a nie z oferty konkurencji?”.

Na tym etapie powinniśmy pokazać użytkownikowi, dlaczego to nasz produkt / usługa jest wyjątkowa, jakie są jej przewagi konkurencyjne, wreszcie jakie korzyści odniesie użytkownik, jeśli skorzysta z naszej oferty (a nie z oferty konkurencji).

Ponownie korzystając ze strony docelowej Open Finance — użytkownik dowiaduje się, że może porównać ofertę kredytu hipotecznego w 25 bankach. Gdy tylko użytkownik zobaczy ten przekaz powie sobie „Łał! Porównają mi kredyty w aż 25 bankach! Ja nie wiedziałem nawet, że jest tyle banków na naszym rynku! Wszyscy inni oferowali sprawdzenie tylko w 15 bankach”

Odpowiedzieć na pytanie „Dlaczego powinienem skorzystać z Twojej oferty, a nie z oferty konkurencji?” użytkownik musi uzyskać zawsze — bez względu na to, czy prowadzimy kampanie kierujące na dedykowane landing page, czy prowadzimy sklep internetowe. Jeśli już o sklepach internetowych mowa, to pamiętajmy, że jedynymi przewagami konkurencyjnymi nie są ceny. Użytkownik potrzebuje też innych powodów i zapewnień, aby przekonwertować. Niestety w polskich realiach bardzo często sprowadza się to do stron „Dlaczego my?” w których prezentowane są litania cech, które praktycznie nigdy nie są wyróżnikami (bo wszyscy inni chwalą się tym samym)

W tym sklepie internetowym sprzedającym agd / rtv został przygotowany zestaw cech, który w żaden sposób nie wyróżnia go spośród konkurencji, ponieważ charakteryzuje wszystkie inne sklepy — kto nie pakuje bezpiecznie lub nie monitoruje przesyłek (przecież wszyscy kurierzy dają taką możliwość). Ok, jest coś co ten sklep wyróżnia — możliwość zwrotu towaru w 24 dni (zamiast ustawowych 10) — tylko dlaczego jest to na ostatnim miejscu?!

To co powinniśmy się starać zrobić, to wyeksponować elementy naszej oferty, które nas wyróżniają (a nie to, co mają wszyscy inni). Bardzo dobrym przykładem jest sunshine.co.uk sprzedający zagraniczne wycieczki i wczasy:

Sunshine.co.uk prezentuje 4 cechy, które trafiają w obawy użytkowników i są dla nich silnymi wyróżnikami: (1) bezpieczeństwo gwarantuje Brytyjskiego Stowarzyszenia Turystyki (mówią „Możesz mieć pewność, że nie jesteśmy firmą krzakiem”), (2) Gwarancja najniższej ceny (mówią „Nie chwalimy się bezpodstawnie, że mamy najniższe ceny — gwarantujemy je — jeżeli znajdziesz gdzieś taką wycieczkę taniej, my zwrócimy Ci różnicę”), (3) Brak ukrytych opłat (mówią „U nas zawsze widzisz ostateczną cenę — dodatkowe opłaty nie zaskoczą Cię jak u konkurencji”), (4) Gwarancja spokojnej głowy (mówią „Jeżeli nasz dostawca przestanie sprzedawać wycieczki, to my zadbamy o to, żebyś otrzymał zwrot pieniędzy”)

Wniosek nr 2: zadbaj, aby użytkownik wiedział, dlaczego powinien skorzystać z Twojej oferty, a nie z oferty konkurencji. Zaprezentuj mu przewagi konkurencyjne, które sprawiają, że Twoja oferta jest unikalna i tylko głupiec poszedł by do konkurencji (+rada: jeżeli się da, wesprzyj to gwarancjami / danymi ilościowymi / opiniami Klientów). Niech użytkownik bez problemu umie odpowiedzieć sobie na pytanie „Dlaczego powinienem skorzystać z Twojej oferty, a nie z oferty konkurencji?”

3. Pokaż użytkownikowi, jaki jest następny krok i co ma zrobić dalej

Jeżeli uda się przekonać użytkownika do tego, że warto skorzystać z naszych usług to pozostaje nam ostatnie pytanie użytkownika, które musimy zaadresować: „Co mam zrobić dalej, żeby skorzystać z tej oferty?”. Chodzi tutaj o wyeksponowanie wezwania do działa (ang. CTA — Call to Action), aby użytkownik wiedział, gdzie kliknąć / co zrobić, aby przejść dalej. Nie chcemy, aby użytkownik musiał się domyślać lub co gorsza szukać co ma zrobić, żeby przejść dalej:

Niejeden użytkownik zada sobie na tej stronie pytanie: „Gdzie powinienem kliknąć, gdy już wypełniłem ten formularz rejestracji?”

Takich sytuacji, jak na powyższym screenie chcemy uniknąć. Chcemy, aby nasze Call to Action było jasne i klarowne, żeby użytkownicy nie zastanawiali się co mają kliknąć, aby wysłać formularz, zarejestrować się lub złożyć zamówienie:

Jasne i klarowne wezwanie do działania, które wyróżnia się kolorystycznie na tle reszty strony. Dodatkowo zawiera komendę („Wyślij”), której tak często brakuje na przyciskach (a to w nich tkwi cały sekret).

Oczywiście oprócz tego, że pokażemy użytkownikowi jak przekonwertować, musimy mu to jeszcze ułatwić. Najczęstszym problemem są zbyt długie formularze. Na swoich stronach nie chcecie takich formularzy:

Ten formularz nie tylko posiada dużo za dużo pól (ok, wiem, że takie formularze czasem są potrzebne ;)), ale dodatkowo kontrast pomiędzy nagłówkami pól a tłem nie ułatwia jego wypełniania.

Formularze powinny być jak najkrótsze i pytać tylko o naprawdę potrzebne informacje. Jeżeli ktoś Wam powie, że się nie da, to pokażcie mu ten screen:

Przykład idealnie krótkiego formularza (poprawiłbym w nim jedynie kolor CTA, aby bardziej się wyróżniał) — chylę czoła przed zespołem Gravatar

Da się? Da się!

Wniosek nr 3: zatroszcz się o to, aby użytkownik, któremu spodobała się Twoja oferta wiedział, co zrobić dalej. Wskaż mu kolejny krok dodając jasne i klarowne wezwanie do działania, które będzie jednoznacznie wyróżniało się na tle reszty strony. Niech użytkownik zna odpowiedź na pytanie „Co mam zrobić dalej, żeby skorzystać z tej oferty?” po pierwszym spojrzeniu na Twoją stronę.

Podsumowując

Nie ma czegoś takiego, jak niezawodne strategie podnoszenia współczynnika konwersji. Każda strona jest inna i co innego na niej zadziała. Istnieją jednak 3 pytania, które zadaje każdy z użytkowników odwiedzających Wasze strony internetowe:

1. „Kim jesteś i czy to co widzę pasuje do tego co szukam / co zostało mi obiecane w reklamie?”
2. „Dlaczego powinienem skorzystać z Twojej oferty, a nie z oferty konkurencji?”
3. „Co mam zrobić dalej, żeby skorzystać z tej oferty?”

Odpowiadając na te trzy pytania poprzez:

1. dobre dopasowanie reklam do stron docelowych, jasne i klarowne nagłówki,
2. wyeksponowanie unikalnej wartości oferty, które pokazują, że jesteśmy lepsi od konkurencji
3. oraz widoczne na pierwszy rzut oka Call to Action

wygenerujecie wiele ciekawych hipotez, których wpływ na współczynnik konwersji warto sprawdzić przy pomocy testów A/B.

Bonus: niżej znajdziecie prezentację ze wspomnianej na początku konferencji:

The post 3 elementy, które podniosą współczynnik konwersji Twojej witryny first appeared on Conversion.

Powrót do podstaw

W poprzednim tygodniu w artykule o bounce rate pisaliśmy o pewnej modyfikacji kodu śledzącego (GATC), która „poprawia” jego definicję, tak aby współczynnik odrzuceń był jeszcze lepszą miarą oceny jakości naszego serwisu. Słowem przypomnienia chodzi o to, aby odrzucenie liczone było nie jako jednoosłonowa wizyta (jak jest to standardowo), lecz jako wizyta użytkownika, który po wejściu na witrynę spędza na niej bardzo krótki czas (np. mniej niż 10 sekund) i w czasie wizyty nie podejmuje żadnych akcji (przechodzi na inną stronę w ramach serwisu, ściąga plik itp.).

Jeżeli pamiętasz na jakiej zasadzie działa Google Analytics pewnie zapytasz teraz, co z użytkownikami, którzy wyłączają przeglądarkę, po opuszczeniu Twojej strony? W końcu Google Analytics mierzy czas spędzony na stronie odczytując ciasteczka, a dokładniej mówiąc czasy załadowania kolejnych stron. Jeżeli użytkownik całkiem zamyka przeglądarkę lub przechodzi na inną witrynę, to nie jest obliczany czas pomiędzy kolejnym żądaniem i obliczenie czasu spędzonego na ostatniej (przed zamknięciem przeglądarki czy przejściem na inną witrynę) stronie staje się niemożliwe.

W związku z tym również statystyki średniego czasu spędzonego w witrynie zostają zaniżone, ponieważ system nie rejestruje czasu spędzonego na ostatniej przed zamknięciem przeglądarki stronie. Podobnie dzieje się z użytkownikami, którzy zostali odrzuceni (lub raczej odrzucili nasz serwis). Dla nich system automatycznie przypisuje wartość 0 czasu spędzonego na stronie. Z czym również wiąże się zaniżony średni czas spędzony w ramach danej witryny.

Bardzo dobrze powyższy problem opisany został przez Avinasha Kaushika w artykule zatytułowanym Standard metrics revisited: Time on page and time on site.

Na to również jest sposób, który polega na odpowiedniej modyfikacji kodu śledzącego. Pomysł pochodzi z Magiczne SEO i SEM.

Wykorzystanie funkcji onbeforeunload

W związku z tym, że Google Analytics zbiera dane na podstawie tagów JavaScript, odpowiednia modyfikacja kodu śledzącego z wykorzystaniem funkcji tego języka pozwala na zaawansowaną modyfikację śledzenia. Jedną z takich możliwości daje zdarzenie object.onbeforeunload. Na Conversion blog zastosowaliśmy ją w sposób następujący:

Powyższa sekcja kodu, podobnie jak samo setTimeout, które omawiałem w artykule o bounce rate powinna znaleźć się przed samym zamknięciem sekcji <body>. Podyktowane jest to faktem, że 10 sekund dla odrzucenia powinno zacząć odliczać się jak najpóźniej – po załadowaniu całej strony. Jeżeli kod zostałbym umieszczony na początku, to może dojść do sytuacji, że strona nie zdąży załadować się w całości, a użytkownik już będzie liczony jako nie-odrzucenie (bo w końcu minęło 10 sekund).

Co się dzieje w kolejnych linijkach kodu?

Powyższy skrypt wykonuje następującą akcję – dla wizyt trwających więcej niż 10 sekund wywołuje zdarzenie: _gaq.push([’_trackEvent’, 'Zamykanie’, 'Strona’, location.pathname]) . Dzięki temu tworzy on kolejny stempel czasu, dla którego może być mierzona długość odwiedzin pojedynczej strony jak również całej wizyty na stronie.

Implementacja na naszym blogu

Podpatrując pomysł Magicznego SEO i SEM, sami postanowiliśmy zaimplementować to rozwiązanie u siebie – było to pod koniec lipca. Porównując następnie miesiące lipiec i sierpień można zauważyć znaczny wzrost średniego czasu spędzonego na stronie.

Jak widzisz, na naszym blogu średni czas na stronie zwiększył się ponad 3 krotnie po wprowadzeniu omawianego śledzenia zdarzeń. Taki wzrost z pewnością podyktowany jest tym, że blogi są specyficznymi serwisami tzn. charakteryzują się bardzo wysokim współczynnikiem odrzuceń, w jego standardowej definicji, stąd wprowadzenie omówionej modyfikacji kodu śledzącego spowodowało tak duży wzrost.

Podsumowanie

Mam nadzieję, że Wy również zaczerpniecie z tego pomysłu i zaimplementujecie powyższe rozwiązanie w swoim serwisie. Oczywiście nie jest one doskonałe – głównie z tego względu, o którym pisał Michał Małaj w komentarzu do naszego artykułu o bounce rate. Wygaśniecie sesji spowoduje, że ten sam użytkownik będzie oznaczony w dwóch sesjach, co więcej w każdej z czasem 0.

Dlaczego?

Google Analytics (standardowo) po 30 minutach nieaktywności kończy sesję (przeczytaj o tym, jak Google Analytics wylicza czas trwania sesji). Co więc, jeżeli użytkownik otworzy naszą stronę (powiedzmy A), nie wykona żadnej aktywności przez 2h (po pójdzie spać) i wróci po 2h do naszego artykułu, następnie spędzi tam 10 minut i zamknie stronę? Wtedy będziemy mieli 2 wizyty do strony A z których obie będą trwały 0 (bo nie ma pomiędzy czym zmierzyć czasu – omawiany kod nie został ponownie załadowany). Normalnie (bez tego kodu), mielibyśmy jedną wizytę trwającą 0.

Najważniejsze jest, abyś to Ty czuł się z zaimplementowana metodą dobrze i potrafił z jej pomocą podejmować trafne decyzje dotyczące swojej obecności w internecie. Z pewnością jest jeszcze kilka rozwiązań dotyczących omawianego problemu pomiaru czasu na stronie wyjścia i każda ma swoje plusy i minusy. Jeżeli masz swoje ulubione lub takie, które Twoim zdaniem jest najlepsze, to proszę podziel się z nami:)

Jeśli potrzebujesz audytu konfiguracji narzędzi analitycznych (Google Analytics, AT Internet, Adobe Analytics czy Webtrends) lub chcesz rozwijać analitykę internetową wewnątrz organizacji skontaktuj się z Conversion by poznać nasze podejście. Więcej o analityce internetowej dowiesz się pobierając przygotowane przez nas bezpłatne poradniki, raporty oraz case studies.

The post Prawdziwy czas na stronie w Google Analytics first appeared on Conversion.