Skuteczny przewodnik po analityce internetowej

Czyli jak z analityki zrobić drukarkę pieniędzy

Analityka internetowa może być bardzo pracochłonna i czasochłonna. Poniżej pokażę jak wyciągnąć z niej najbardziej wartościowe kawałki, bez konieczności marnowania swego życia na ślęczenie w morzu danych.

  • Większość raportów z analityki internetowej jest kompletnie bezużyteczna – przynajmniej z punktu widzenia przydatności dla poprawy konwersji
  • W tym artykule pokażę na których kilku wartościowych raportach warto się skupić, co da najlepszy wgląd w to, co naprawdę się dzieje na stronie.

Czy twoim zdaniem analityka internetowa jest narzędziem, które “warto mieć”, ale które jest zdecydowanie zbyt skomplikowane, żeby było użyteczne tu i teraz?
Czy uważasz, że to jest narzędzie bardziej do mierzenia postępu, niż do dostarczania pomysłów na usprawnienie skuteczności?
Czy chcesz poznać kilka kluczowych sposobów na patrzenie na swoją analitykę w sposób, który poprawi konwersję na twojej stronie i będzie miał największy wpływ na zyski?

Poniżej pokażę jak zmienić analitykę internetową ze zwykłego narzędzia do pomiaru w potężne narzędzie, które powie co testować, jak testować, gdzie testować i nawet jakie dokładnie testy przeprowadzić.

Co znajdziesz w tym artykule:

  • Gdzie jest miejsce analityki w ogólnej metodologii zwiększania konwersji
  • Jakie mam podejście do analityki (i dlaczego uważam, że też powinieneś mieć podobne)
  • Jak za pomocą analityki znajduję okazje do ogromnej poprawy konwersji
  • Jak wygenerować pomysły do testów, które wykorzystają te okazje
  • Dokładny proces (z linkami, screenshotami i wyjaśnieniem) gdzie szukać w analityce, jak analizować i interpretować dane i jak generować na ich podstawie hipotezy do testów
  • Jak wyciągnąć maksimum z analityki jeśli macie tylko jedną godzinę

Miejsce analityki w metodologii

Oto metodologia optymalizacji konwersji, w bardzo skrótowej i uproszczonej formie:

Krok 1: Stworzenie strategii, zdefiniowanie długoterminowych celów i tego jak będzie mierzony sukces
Krok 2: Zrozumienie (i usprawnienie) obecnych źródeł ruchu
Krok 3: Zrozumienie obecnych użytkowników (szczególnie tych, którzy odchodzą ze strony nie zrobiwszy tego, czego od nich oczekujemy)
Krok 4: Dogłębne rozpoznanie rynku
Krok 5: Zidentyfikowanie ukrytych “okazji” w swoim biznesie
Krok 6: Stworzenie strategii testowania
Krok 7: Stworzenie stron eksperymentalnych (tych, które będą testowane przeciwko obecnym)
Krok 8: Przeprowadzenie testów
Krok 9: Przeniesienie skutecznych kampanii na inne media

Firmy, które jeszcze nie mają testowania wpisanego głęboko w swoją kulturę zaczynają zazwyczaj od kroku #7. Opierają swoje decyzje przeważnie na intuicji czy tzw. “best practices”. W rezultacie najczęściej dochodzą do wniosku, że testowanie niewiele daje, bo albo nic nie poprawia, albo poprawa jest marginalna.

Moje doświadczenie pokazuje, że największa poprawa konwersji (i w efekcie zysków) pochodzi z oparcia testów na wnioskach pochodzących z poprzednich sześciu kroków.

Analityka to krok #2 (w całości) i krok #3 (częściowo). Jest na samym początku procesu. Fundament.

Co analityka może nam powiedzieć (i czego nie)?

Jest mnóstwo rzeczy, które analityka może nam powiedzieć. W tym artykule pokażę tylko małą część. Jest jednak limit tego, co analityka może zrobić i jak wiele pokazać.

Jeśli próbować słuchać wszystkiego co mówi analityka, bardzo łatwo jest w niej utonąć z głową pełną liczb i z mnóstwem nierozwiązanych zagadek.

Ten artykuł pokaże jak w tym gąszczu znaleźć to co nas interesuje i jak skutecznie te zagadki rozwiązywać.

Podsumowując więc co analityka może nam powiedzieć i czego jednak nie:

  • Może nam powiedzieć “co” i “gdzie”
  • Nie może nam jednak powiedzieć dokładnie “dlaczego”
  • Jeśli jednak wiemy gdzie szukać i jak interpretować dane, możemy otrzymać też odpowiedzi na to dlaczego tak się dzieje i jak można to naprawić.

Gdzie zacząć szukać

Analityka internetowa jest szerokim zagadnieniem. Ma do zaoferowania dużo produktów i narzędzi. Załóżmy więc dla ułatwienia, że korzystasz z de facto standardu na rynku: Google Analytics. Zasady analizy są takie same bez względu na to z jakich narzędzi się korzysta. W dalszej części artykułu będę jednak prezentował zrzuty ekranowe właśnie z Google Analytics.

Jeśli nie korzystasz z Google Analytics, ten artykuł mimo to będzie dla ciebie wartościowy. Porady i zasady w nim zawarte można stosować do każdego źródła danych, bez względu na narzędzie z którego korzystasz. Zasady te również się nie zestarzeją. Są to uniwersalne zasady, które można stosować wszędzie.

Dobra analiza to po prostu użycie logiki i poświęcenie trochę czasu na zrozumienie dlaczego liczby są takie jakie są i co na to wpływa. Kiedy się już nabędzie zwyczaju myślenia w ten sposób, nie ma znaczenia czy się zmieni narzędzie z którego się korzysta czy też czy się zmieni interface Google Analytics.

Gdzie więc zacząć szukać?

W skrócie: zacznij szeroko i stopniowo zawężaj do obszarów, które są najbardziej interesujące.

Oto bardziej szczegółowy proces.

  • Zacznij od dashboards i custom reports
    (Jako że 100% tego co robię jest w języku angielskim, to interfejsy wszystkie mam również ustawione na angielski. Będę więc używał nazw takich, jak występują w formie oryginalnej, nie próbując tłumaczyć czy nie przełączając języka w Google Analytics, żeby sprawdzić jak też ktoś wymyślił, żeby przetłumaczyć taki czy inny raport)
    • Używasz dashboards i custom reports? Są bardzo pomocne.
    • Dashboards są przydatne do zebrania w jednym miejscu najważniejszych danych dla danego aspektu strony. Można więc mieć dashboard dla AdWords, dla wydajności strony, dla efektywności treści, dla kanału social itp.
    • Custom reports są pomocne kiedy już się dokładnie zdefiniowało co się chce mierzyć i które mierniki są najważniejsze. Można nie potrzebować wszystkich danych, które dostarcza nam Google Analytics, można też chcieć widzieć dodatkowe zmienne dla niektórych raportów. Google Analytics pozwala dostosowywać do własnych potrzeb praktycznie każdy raport. Widzę więc tylko to, co dla mnie ważne i potrzebne, resztę chowam.
    • Tutaj można znaleźć przydatne dashboards i custom reports albo posłużyć się nimi jako inspiracją do stworzenia własnych.
  • Znajdź gdzie są najbardziej obiecujące okazje
    • Dashboards pokażą gdzie dzieje się coś odbiegającego od normy
    • Na przykład,
      • Strony, które się za wolno ładują
      • Obszary czy segmenty serwisu, które konwertują dużo poniżej średniej dla całego serwisu
      • Wysoki współczynnik wyjścia (czy jak się tłumaczy ‘exit rates’?) dla poszczególnych stron
      • Wysoki drop off rate w jednym (lub więcej) z kroków ścieżki zakupowej
  • Przejdź do szczegółów
    • Kiedy się już zidentyfikuje problematyczne obszary, przyjrzyj się uważnie co się w nich dzieje, na poziomie poszczególnych stron
      • Które strony stwarzają problemy
      • Co się dzieje kiedy użytkownicy wchodzą na te strony
      • Które strony widzieli tuż przed przyjściem na nie
      • Co robili tuż po przyjściu na te strony
      • Czy wchodzili w jakiekolwiek interakcje na stronie

Oto jak więc ma to wyglądać, krótko i schematycznie

proces analizowania
Zacznij od ogólnych raportów, później schodź coraz niżej do bardziej szczegółowych

Czego mam szukać

W każdym z opisanych powyżej kroków, proces znajdywania przydatnych wniosków jest z grubsza taki sam:

Powinieneś szukać anomalii w danych.

Czyli:

  • Wartości dużo powyżej średniej dla danego serwisu
  • Wartości dużo poniżej średniej
  • Czegokolwiek, co wygląda “interesująco” lub niezwykle. Na przykład,
    • Jeśli 80% przychodów jest generowane kiedy ludzie wchodzą na stronę, którą widzi tylko 10% ogólnego ruchu, to warto przyjrzeć się temu bliżej, żeby zrozumieć dlatego tak się dzieje.
    • Jeśli średni drop-off rate dla pięciokrokowej ścieżki zakupowej jest 20%, ale dla jednego z kroków jest to 45%, to uważnie przyjrzyj się tej właśnie stronie.

Oceń anomalie i znajdź te, które są najbardziej obiecujące

Kiedy już zidentyfikujesz listę anomalii, przyjrzyj się nim i zobacz czy są one uzasadnione czy nie. Oto przykład anomalii, która jest uzasadniona:

Raport pokazuje, że pewna strona ma drop-off rate powyżej 90%. Tyle że jest to strona, która się pokazuje po pomyślnym dokonaniu zakupu, tzw. “Thank you page”. Klien przyszedł, dokonał zakupu i wszystko poszło dobrze. Kolejnym logicznym krokiem jest więc dla niego po prostu zamknięcie przeglądarki.
Wniosek: anomalią na tej stronie nie ma co się martwić.

Proces

Skoro już opisałem zarys procesu i jego ogólne działanie, czas się zagłębić w szczegóły. Pokażę więc konkretne raporty w Google Analytics i opiszę jak każdy z nich może być przydatny i dlaczego.

Z mego doświadczenia, poniższe raporty dają co najmniej 80% ważnych wniosków, więc warto przejrzeć je wszystkie.

Jeśli jednak naprawdę ci się nie chce lub masz tylko godzinę przed czymś-bardzo-ważnym, na koniec pokażę też na czym się skupić jeśli się ma właśnie tylko godzinę.

Oto więc raporty, na których warto się skupić:

Landing pages

Landing pages są ważne. Są to strony, które ludzie widzą jako pierwsze, wchodząc na twój serwis. One determinują czy dana osoba się zainteresuje i zostanie czy też nie zaciekawisz jej dostatecznie i odejdzie.

Oto jak wygląda przykładowy raport dla landing pages:

landing-page-1
(Wszystkie screenshoty mają wymazane obszary, które mogłyby zidentyfikować skąd pochodzą. To są wszystko prawdziwe danych z prawdziwych, zarabiających i prosperujących biznesów).

Patrząc na powyższe liczby, co te surowe dane nam mówią? Czy w ogóle są interesujące?

Zastosuję więc proces szukania anomalii i je zaznaczę.
Zielony: dobrze. Czerwony: źle.

landing-page-2

Teraz, kiedy mam już zaznaczone wartości odbiegające od średniej, można spojrzeć jak mnie to przybliża do przydatnych wniosków, których będę mógł użyć do sformułowania hipotez dla testów.

  • Strona #2 jest skuteczna w generowaniu przychodów (z 14.6% ruchu generuje 23.4% całości przychodów)
  • Strona #1 otrzymuje najwięcej ruchu, ale nie jest skuteczna w konwertowaniu go na przychody. Żeby zrozumieć dlaczego, warto zadać kilka pytań:
    • Czy to z powodu źródła ruchu, z którego ludzie przychodzą na tę stronę?
    • Czy wina leży jednak po stronie samej strony i tego co jest na niej?
    • Czy strona ma wystarczająco elementów wzbudzających zaufanie?
    • Czy jest angażująca?
    • Czy zachęca do dalszej interakcji z serwisem?
    • Które elementy ze strony #2 mogę zapożyczyć i umieścić na stronie #1, żeby była bardziej skuteczna?
  • Strona #3 jest wyjątkowo nieefektywna. Generuje tylko 0.18% przychodów, a dostaje 10% ruchu.
    • Zadaj te same pytania co w przypadku strony #1.
  • Strony #9 i #10 mają dobry współczynnik konwersji
    • Co te strony robią inaczej?
    • Które elementy mogą się do tego przyczyniać?
    • Czy można je zreplikować na innych stronach, żeby otrzymać podobne rezultaty?

I tak dalej. To jest tylko początek. I to na razie tylko jeden raport. Czy już zaczynasz widzieć jak wartościowe jest uważne przyglądanie się analityce i jej zrozumienie?

Ważne: Analizując landing pages, najlepiej użyć segmentu “New Visits”, żeby widzieć dane tylko dla nowych użytkowników i tego jak się oni zachowują. Nie chcemy użytkowników powracających, bo to tylko dodałoby niepotrzebnego szumu, przesłaniającego ważne wnioski. Użytkownicy powracający zachowują się przeważnie bardzo różnie w stosunku do nowych. Mają inne powody, dla których przyszli na stronę. Na przykład, przyszli żeby się zalogować na swoje konto czy sprawdzić numer telefonu.

Exit pages

Exit pages są ważne w podobny sposób jak landing pages. Tylko odwrotnie. Pokazują nam gdzie ludzie opuszczają nasz serwis.

Uwaga: Jest istotna różnica między bounce rate a exit rate. Exit page to strona, którą użytkownik widzi jako ostatnią, zanim opuści nasz serwis. Bounce to jest specyficzna odmiana exit, kiedy to użytkownik odchodzi po zobaczeniu tylko jednej strony w naszym serwisie.

Zidentyfikowanie stron o wysokim exit rate pokazuje nam w którym miejscu ludzie mówią “Wystarczy!” i opuszczają stronę, zamykając przeglądarkę czy idąc na facebooka.

Takie zachowanie nie jest przez nas pożądane, jednak daje nam cenną informację: w tym właśnie miejscu ludzie odchodzą i jest ku temu powód. Teraz pozostaje tylko przyjrzeć się tym stronom i znaleźć ten powód. A bardziej sformułować hipotezy do testowania, które w efekcie doprowadzą do testów polepszających skuteczność strony i zwiększających przychody.

Oto raport exit pages:

exit-pages

Wszystkie strony z największą liczbą opuszczeń (pierwsze 4 w tym raporcie) są kandydatami do optymizacji z racji liczby osób, których poprawa może dotyczyć. Podobnie w przypadku stron z najwyższymi wskaźnikami (zaznaczone na czerwono): przyglądamy się i optymalizujemy.

Dla danej firmy ewidentnym kandydatem nr 1 do natychmiastowej poprawy jest strona #1. Nie tylko ma najwięcej opuszczeń, ale też najwyższy wskaźnik exit rate (ponad 95%).
Co więcej, po spojrzeniu na URL tej strony i sprawdzeniu skąd przychodzi na nią ruch, okazało się, że jest to landing page dla płatnego źródła ruchu (!!!). Poprawa skuteczności samej tej jednej strony nie tylko poprawiłoby więc współczynnik konwersji dla całego serwisu, ale i zaoszczędziłoby sporo gotówki.
Nieźle jak na jeden raport z Google Analytics, prawda?

Nazwa samego raportu, “Navigation Summary” wydaje się być wybrana tak, żeby nie wzbudzać żadnego podniecenia. Jest też schowana głęboko w zakamarkach Google Analytics, żeby nikt nie wpadł na ten raport przez przypadek.

Potrzebujesz pomocy, żeby go znaleźć?

Najpierw kliknij na “Behaviour” w lewej kolumnie. Później wybierz “Site Content”. Teraz kliknij na “All Pages”. Już prawie jesteś…

nav-summary-1
Behaviour > Site Content > All Pages i na tej stronie znajdź “Navigation Summary”

Na stronie All Pages klikam “Navigation Summary” i w końcu jestem tam gdzie trzeba.

To jest jeden z najmniej znanych, ale najbardziej przydatnych raportów!

nav-summary-2
Przykład raportu z “Navigation Summary” dla jednej ze stron

Do czego ten raport jest przydatny?

  • Pokazuje jak ruch “płynie” przez serwis, strona po stronie
  • Dla każdej ze stron pokazuje
    • Procent wejść (jaki procent użytkowników weszło na serwis przez tę właśnie stronę)
    • Procent opuszczeń (procent użytkowników, którzy opuścili serwis na danej stronie)
    • Poprzednie strony (które strony użytkownicy widzieli tuż przed przyjściem na daną stronę)
    • Następne strony (na które strone przeszli z danej strony)

Dane z tych raportów pozwalają stworzyć całą mapę z najważniejszymi strumieniami ruchu, jak np. ta poniżej.

conversion-funnel
Prosty conversion funnel zbudowany w oparciu o dane z raportów “Navigation Summary”

Taka uproszczona mapa ruchu jest nieoceniona jeśli chodzi o zrozumienie jak ludzie poruszają się po serwisie, skąd odchodzą i jak można ten ruch zmienić, żeby osiągnąć to, co jest dla nas ważne.

Niestety tego typu mapy trzeba tworzyć ręcznie. Często z pomocą dodatkowych kalkulacji, żeby otrzymać wszystkie potrzebne dane i procenty. Nie polecam nikomu, kto nie ma cierpliwości i kogo nie fascynuje efekt końcowy w postaci takiej mapy jak powyżej.
Google nie ma żadnej tajnej zakładki, gdzie można znaleźć takie cuda.

Internal search terms

Jeśli wyszukiwanie na twojej stronie jest zaimplementowane za pomocą Google Search, jako bonus dostajesz kolejne bardzo przydatne narzędzie do swojego arsenału.

Wyszukiwanie wewnątrz serwisu jest rzadko używane. No chyba że się jest Allegro, ale wtedy się nie korzysta raczej z Google Search.
Skoro jest więc rzadko używane, to dlaczego jest ważne? I co trzeba o nim wiedzieć?

Kiedy ludzie decydują się użyć opcji wyszukiwania, jest to przeważnie ostatnia deska ratunku. Spróbowali wszystkiego innego, chodzili po serwisie, ale nie udało się im znaleźć tego, czego szukali. Do czasu gdy część zdecydowała się użyć wyszukiwania, większość już dawno się poddała i odeszła, często we frustracji. Ale ci, którzy zostali i wytrwali, próbują ostatniej dostępnej dla niej opcji.

Dlatego właśnie tak ważne jest uważne przyjrzenie się frazom wyszukiwania. Pokazują one na czym ludziom naprawdę zależy. To jest to, czego szukają bez względu na wszystko. To prawie krzyk rozpaczy tej mniejszości, która mówi za większość, która odeszła :)
Trzeba więc spojrzeć na to, co to jest i po prostu im to dać!

internal-search
Przykład raportu internal search

Pierwsze 4 wyniki są tu najbardziej interesujące. Fraza wyszukiwania #1 jest zdecydowanie najpopularniejsza. Mimo iż jest to najczęściej wyszukiwana fraza w serwisie, konwersja dla tej frazy wynosi 0%. To pokazuje, że jakiś aspekt jest bardzo ważny dla osób przychodzących na stronę, jednak nie ma go na stronie. Ludzie tego szukają, jednak nie mogą znaleźć, bo tego tam po prostu nie ma. Stąd konwersja 0% dla danej frazy.

Taką miałem hipotezę po samym tylko spojrzeniu na liczby. I rzeczywiście tak właśnie było. Była to funkcja, która była ważna dla użytkowników i której mogli się spodziewać na stronie. Firma jednak nie miała tej funkcji w swoim produkcie.

Ważny wniosek: dodać funkcję do produktu, bo ewidentnie jest poszukiwana i oczekiwana. Dodanie jej pomoże w zdobyciu większej liczby klientów.

Frazy #2, #3 i #4 są inne, niż pierwsza. Też są często wyszukiwane, ale współczynnik konwersji dla nich jest drastycznie inny. Co to może oznaczać?
To znaczy, że te trzy tematy są ważne dla ludzi i kiedy już znajdą informację na ich temat, szybko i skutecznie konwertują. W przypadku frazy #3 konwersja jest na poziomie ponad 30%!
Fakt, że te tematy są wysoko wśród wyszukiwanych fraz pokazuje, że informacja o nich nie jest łatwa do znalezienia.

Jeśli więc jesteś właścicielem serwisu, do którego należy powyższy raport, to co powinieneś zrobić?

  • Dodaj dział o temacie #1 do swego serwisu. Zrób, żeby był widoczny i łatwy do znalezienia. Jest to temat, którego użytkownicy intensywnie szukają i potrzebują, a nie ma go obecnie na stronie. Jest to bardzo wartościowy i rzadki przypadek, kiedy użytkownicy praktycznie sami mówią “Daj nam to!”
  • Zrobić informację o tematach 2-4 łatwiejszą do znalezienia. Dodaj linki o tym do głównej nawigacji albo zrób oddzielny widoczny dział w serwisie. Wiesz już, że ta informacja jest bardzo skuteczna w konwertowaniu użytkowników, więc wykorzystaj to i tym samym poprawi się konwersja dla całego serwisu.

Visits and revenue

Ruch w serwisie jest sumą wielu mniejszych lub większych strumieni, a nie jedną wielką rzeką. Najlepiej więc analizować jak się zachowują te oddzielne strumienie, niż patrzeć na statystykę całości serwisu.

Trzeba wiedzieć:

  • Co generuje przychód
  • Jaki typ ruchu jest najskuteczniejszy
  • Czego robić więcej
  • Co trzeba zoptymalizować czy wręcz zaprzestać
  • Jak skuteczny jest płatny ruch (z Google i nie tylko)
  • Jak skuteczny jest ruch z Google
  • Czy bezpośredni ruch jest skuteczny
  • Czy ruch z kampanii mailingowych jest skuteczny
  • Czy może też pieniądze są w kampaniach displayowych.

visits-revenue-1
Przykład raportu “Visits and Revenue”

Powyższy raport daje odpowiedzi na wszystkie z postawionych pytań, wskazując kierunek i pokazując na czym się skupić, a co poprawić.

Raport powyżej pokazuje jaki przychód przynosi każde ze źródeł ruchu. Poniższy raport, “Revenue by Channel”, pokazuje jak skutecznie każdy z kanałów konwertuje użytkowników:

visits-revenue-2
Przykład raportu “Revenue by Channel”

Dostarcza on ważnych informacji o efektywności każdego z kanałów, np. email, Google płatny ruch, Google ruch organiczny, ruch bezpośredni, display itp.

  • Można zobaczyć które źródła ruchu są dla nas ważne, bo dobrze konwertują, a które są tylko pustym ruchem. Trzeci wiersz od góry w powyższym raporcie konwertuje na poziomie tylko 0.36%. Gdyby to było płatne źródło ruchu, na pewno trzeba było sprawdzić dlaczego jest tak mało skuteczne.
    W tym przypadku rzeczywiście było to płatne źródło ruchu i jednym z podjętych działań było poprawienie skuteczności płatnych kampanii.
  • Które źródło ruchu jest tak skuteczne, że konwertuje powyżej 3%? Czy jest możliwość skalowania tego ruchu? Czy płacimy za niego? Jeśli tak, to czy możemy kupić więcej?
    W przypadku tej firmy to nie był płatny ruch, ale był bardzo łatwy do skalowania. Firma nawet nie była świadoma, że ten kanał jest tak skuteczny, więc łatwo udało się zwiększyć przychody poprzez zdobycie większego ruchu z tego źródła.

Nowi vs. powracający użytkownicy

Warto przyglądać się nie tylko nowym użytkownikom, żeby znaleźć łatwe okazje do poprawy. Często powracający ruch również potrafi zaskoczyć.

new-returning
Przykład raportu porównującego nowych i powracających użytkowników

Ten krótki raport pokazuje, że:
* Powracający ruch konwertuje 2,5 raza lepiej, niż nowy. Powracający to 44% wszystkich wizyt, ale generują 66% przychodów.
* Powracający spędzają 25% więcej czasu na stronie, odwiedzają więcej stron i mają niższy bounce rate.

Teraz pozostaje tylko dotrzeć do tego, dlaczego liczby są takie jakie są i co możemy z tym zrobić.

Jedną z opcji w takim przypadku może być kampania retargetująca. Jeśli powracający ruch tak dobrze konwertuje, to warto pomóc niektórych powrócić i przekonać do kupna (czy zapisania się, założenia konta, ściągnięcia raportu czy cokolwiek innego jest dla nas ważne).

Przeglądarki

Ten raport pokazuje czy serwis działa podobnie na wszystkich przeglądarkach. Jeśli nie, to sprawdź problematyczną przeglądarkę i zobacz czy się wszystko dobrze wyświetla albo czy się nie zawieszają jakieś skrypty javascript.

browsers
Przykład raportu “Browsers”

W tym przypadku serwis działa podobnie na wszystkich przeglądarkach (porównując liczbę stron na sesję, konwersję, bounce rate).

Ciekawe rzeczy jednak dzieją się z mobile. Wygląda na to, że serwis jest dużo skuteczniejszy na mobilnych przeglądarkach. Z reguły ruch mobilny konwertuje poniżej desktopowego, często dużo poniżej. W tym przypadku jest odwrotnie. To pokazuje ewidentną szansę na zwiększenie ruchu mobilnego i wykorzystania tych wysokich wskaźników konwersji.

Days to transaction, visits to transaction

Ważne jest wiedzieć kiedy osoba przychodząca na stronę dokonuje zakupu. Podczas pierwszej wizyty na stronie? Podczas drugiej/trzeciej, ale tego samego dnia? Czy też decyzja o zakupie zajmuje o wiele więcej czasu?

Jeśli większości wizyt zakończonych zakupem jest tego samego dnia, co pierwsza wizyta, to prawdopodobnie użytkownicy po prostu porównują ceny i warunki w kilku różnych miejscach, później wracają i dokonują zakupu.

Jeśli tak jest, można ułatwić im zadanie poprzez porównanie ofert swojej i konkurencji, u siebie na stronie. Albo dać gwarancję wyrównania ceny, jeśli się znajdzie taniej gdzie indziej, żeby obniżyć motywację szukania gdziekolwiek indziej.

Zrób tabelę porównującą ofertę swoją i swojej konkurencji i przeprowadź test czy takie przedstawienie oferty poprawi konwersję.

Jeśli wizyty zakończone zakupem nie są tego samego dnia co pierwsza wizyta, to prawdopodobnie decyzja zakupowa nie jest łatwa do podjęcia i potencjalny klient potrzebuje kilku dni, żeby podjąć ją ostatecznie.

  • Może produkt jest drogi i trzeba skonsultować to z innymi osobami, zanim się go kupi
  • Może użytkownicy chcą najpierw przetestować produkt, żeby sprawdzić jak działa. W tym przypadku można postawić akcent na uzyskanie maila takiej osoby i na przestrzeni kilku kolejnych dni wysyłać dobrze przemyślaną sekwencję maili, obalającą obiekcje, pokazującą produkt w działaniu, opisującą funkcje itp. Powinno to ułatwić decyzję zakupową.

Poniższy raport pokazuje jak długo użytkownikom zajmuje zanim dokonają zakupu, pod względem dni i pod względem liczby wizyt:

time-to-transaction
Przykłady dwóch raportów pokazujących ile czasu lub wizyt mija zanim zostaje dokonany zakup

W obu powyższych raportach wiersze są posortowane według wygenerowanego przychodu, od najwyższego do najniższego. Wymazałem dane z przychodami, bo były dość wysokie i mogłyby naprowadzić na klienta, a chodzi o pokazanie koncepcji, a nie domyślanie się czyje to dane.

Raport po prawej (dni do transakcji) pokazuje, że:
* Najczęstszą wartością dni do transakcji jest zero, czyli klienci dokonują zakupu tego samego dnia co odwiedzili stronę po raz pierwszy.
* Drugą najczęściej spotykaną wartością jest jednak 9, czyli że zakup był dokonany w 9 dni po pierwszej wizycie na stronie.
Może to był wyjątkowo przekonujący email, który w sekwencji jest w dziewiątym dniu od zapisania się, może też serwis ma wersję próbną, która wygasa po 8 dniach. Tak czy owak, trzeba dokładnie sprawdzić czym ten dzień się wyróżnia i zobaczyć czy można to zastosować w innych obszarach serwisu.

Te raporty pokazują też jak ważne jest przekonywanie użytkownika do zakupu nie tylko podczas jego pierwszej wizyty, ale i długo po niej.
Może to być w formie kampanii retargetującej, email marketingu, social media czy jakichkolwiek innych działań długofalowych.

Warto też rozważyć segmentację użytkowników i przedstawiać ofertę inaczej osobom powracającym, a inaczej nowym.

Segmenty

Kilka z przykładów powyżej pokazywało raporty dla poszczególnych segmentów użytkowników. Jest to bardzo ważne narzędzie, pozwalające odkryć wnioski inaczej ukryte w szumie czy podsunąć pomysły do skutecznych testów.

segments
Domyślne segmenty Google Analytics. Można tworzyć dodatkowe samemu.

Te segmenty są szczególnie przydatne:

  • Nowi użytkownicy
    • Ten segment pozwala na uzyskanie “czystych” danych o użytkownikach pierwszy raz odwiedzających serwis. To są ludzie, którym chcemy sprzedać to, co sprzedajemy. Ruch powracający przeważnie słabiej reaguje na to, co się dzieje na stronie, bo w jego przypadku większą rolę odgrywa to, jak dobrze przebiegały poprzednie transakcję z twoim serwisem.
  • Powracający użytkownicy
    • Ten segment pozwala analizować ruch na stronie np. użytkowników zarejestrowanych.
    • Pozwala analizować zachowanie pozakupowe, wielokrotne zakupy, poziom retencji czy poziom odchodzących klientów.
  • Segment “Converters”
    • Pozwala analizować różnice w zachowaniu osób które kupiły i które nie dokonały zakupu.
  • Wiele innych segmentów, które można tworzyć samemu zgodnie z własnymi potrzebami
    • Np. czy osoby, które widziały stronę z opisem funkcji konwertują lepiej, gorzej, tak samo? A osoby, które widziały stronę z rekomendacjami (testimonials)? Dla każdej z takich stron tworzy się oddzielny segment, zawierający osoby, które podczas wizyty odwiedziły daną stronę. Potem na podstawie tego segmentu łatwo sprawdza się odpowiedzi na powyższe pytania.

W przypadku różnych segmentów proces podejmowania decyzji jest taki sam jak opisany na początku:
* Znajdź anomalie
* Zrozum powody za nimi stojące
* Przeprowadź testy oparte na tych hipotezach
* Profit! :)

Na czym się skupić, jeśli masz na analizę tylko godzinę

Teraz, skoro już wiesz jak drukować pieniądze za pomocą analityki internetowej, oto jak możesz zmaksymalizować swój zwrot z inwestycji jeśli masz tylko jedną godzinę.

Skup się na tych raportach, w kolejności od najważniejszego:

  • Landing pages
  • Exit pages
  • Revenue and effectiveness by channel
  • New vs. Returning visitors
  • Behavior > Site Content > All Pages: Navigation Summary
  • Wszystkie powyższe, ale dla ważnych dla ciebie segmentów, zaczynając od segmentu “Nowi użytkownicy”.

Co dalej?

Jak widać, głębokie spojrzenie w analitykę i zrozumienie danych daje nam odpowiedzi nie tylko na pytania “co” i “gdzie”, ale w wielu przypadkach i “jak”. Z samej tylko analityki powstają testy do natychmiastowego przeprowadzenia.

Kiedy się doda wszystkie powyższe elementy do całego procesu poprawiania efektywności serwisu, zaczynają się pojawiać bardzo wyraziste wzorce.

Jeśli analityka, badania użytkowników, user testing i inne narzędzia zaczynają pokazywać spójny obraz, jest bardziej niż prawdopodobne, że wynikające z nich hipotezy do testów będą słuszne i znacząco wpłyną na poprawę efektywności całego biznesu.

Jest to na tyle bliskie obietnicy poprawy, na ile to tylko jest w biznesie możliwe.

I tak właśnie robi się z analityki maszynkę do robienia pieniędzy.

PS. Następnym razem postaram się odpowiedzieć na pytanie “Czy reklama działa?” Pytanie niby banalne i odpowiedź oczywista, ale jestem pewien, że będę miał kilka zaskoczeń w zanadrzu.

Jeśli chcesz otrzymać powiadomienie na email kiedy o tym napiszę, po prostu podaj swój email poniżej.

4 Comments Skuteczny przewodnik po analityce internetowej

  1. Pingback: Czy reklama internetowa działa? I dlaczego (przeważnie) nie?

  2. Adam Wiatkowski

    Bardzo ciekawy i pomocny wywód. Jednak jedno pytania i sugestia zaraze nasuwa się od razu. New visitors vs returning. Jest to najbardziej zwodniczy raport / porównanie i generalnie przeklamany. Żaden new visitors nie dokona zakupu, GA powinien pokazywać jedynie returningi – przynajmniej według modelu – dlaczego? Ponieważ jednowejściowa ścieżka zakupowa praktycznie nie istnieje. Skąd się więc biorą returningi w tym przykładzie? A mianowicie z tego, że są to zagubione cookisy. Czyli tak naprawdę ci nowi, co kupili produkt, byli w naszym sklepie wcześniej, tylko GA nie jest ich w stanie zidentyfikować. Realna sprzedaż dla nowych userów w polskim e-commerce nie sięgnie nawet 10 % – na ogół to ruch z ceneo.pl obliczony na szybką i tanią sprzedaż. Im droższy produkt tym sprzedaży bez asyst jest mniej. Możemy dużo napisać o analityce, ale największym problemem wciąż jest wadliwosć narzędzi pomiarowych i wyciąganie nieprawidłowych/niepełnych wniosków:)

    Reply

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *