VIDEO TRANSCRIPTION
Dariusz Ciesielski
GA4 5 Raporty standardowe w GA4 od A do Z
Description generated by Skrybot
Zapraszamy na kolejną lekcję kursu z analityki internetowej z Google Analytics 4, gdzie omawiamy kluczowe raporty dostępne w narzędziu. Dowiesz się, jak efektywnie analizować dane, optymalizować koszty marketingowe i wykorzystywać zasoby. Przyjrzymy się bliżej raportom dotyczącym pozyskiwania użytkowników i źródeł ruchu na stronie. Google Analytics 4 automatycznie rozpoznaje różne źródła ruchu, jak wyniki organiczne, reklamy Google Ads czy ruch bezpośredni. Nauczysz się, jak skutecznie śledzić i analizować źródła ruchu na stronie, korzystając z tagów UTM. Omówimy, jak analiza źródeł ruchu i zaangażowania użytkowników na stronie może pomóc w optymalizacji i poprawie ogólnej strategii marketingowej.
W Google Analytics 4 możemy rozpoznać 10 rodzajów kanałów, w tym raporty dla kampanii Google Ads. Dowiesz się, jak modyfikować raporty, dodając dodatkowe metryki i wymiary, aby dostosować je do swoich potrzeb. Przyjrzymy się także analizie konwersji i potencjalnym problemom z ilością kupujących i średnią wartością zakupów na użytkownika.
Zajmiemy się również analizą zaangażowania użytkowników i jakości strony, które są kluczowe dla sukcesu biznesu. Omówimy, jak raporty dotyczące aktywności użytkowników mogą pomóc zidentyfikować trendy i podjąć wczesne działania. Szczególnie skupimy się na analizie stron docelowych, które decydują o tym, czy wizyta na stronie zakończy się konwersją.
Na koniec przyjrzymy się raportowi utrzymania użytkowników według kohorty w Google Analytics 4, który pokazuje odsetek nowych użytkowników, którzy codziennie wracają na stronę. Omówimy również, jak niska konwersja na urządzeniach mobilnych w porównaniu do komputerów stacjonarnych może sugerować problemy z procesem zakupowym lub jakością strony mobilnej.
Celem kursu jest poprawa efektywności biznesu i generowanie przychodów dzięki umiejętnemu korzystaniu z danych z Google Analytics 4. Zapraszamy do oglądania!
Transcription generated by Skrybot
Witaj ponownie, cieszę się, że znowu się widzimy na kolejnej lekcji kursu z analityki internetowej z wykorzystaniem Google Analytics 4. Pamiętasz mam nadzieję o czym rozmawialiśmy na poprzednich lekcjach? Omówiliśmy bardzo istotne kwestie fundamentów i najważniejszych podstaw analityki internetowej. Przeszliśmy też przez pełną konfigurację usługi Google Analytics 4 i jej implementację na stronie internetowej za pomocą Google Tag Managera. Z kolei na ostatniej lekcji zapoznaliśmy się dokładnie z interfejsem Google Analytics 4 oraz omówiliśmy najważniejsze i podstawowe metryki dostępne w tym narzędziu. Jesteśmy zatem gotowi, aby dziś zagłębić się w kwestie efektywnego wykorzystania i analizy najważniejszych raportów dostępnych właśnie w Google Analytics 4.
Tym samym spróbujemy stworzyć coś w rodzaju strategicznego planu analiz i określić istotność poszczególnych raportów dla naszego biznesu. Plan pozwoli też nam na zorientowanie się jakich informacji nam jeszcze brakuje i jakie w takim razie raporty niestandardowe powinniśmy tworzyć w kolejnych krokach. Jesteście gotowi na start? No ale przedtem oczywiście co? No jasne, że kawa. Dobra, to teraz zacznijmy. Mam nadzieję, że pamiętasz jeszcze nasze trzy główne filary analityki, czyli cele, użytkownicy i ścieżka do celu. Wszystkie raporty w GA4 koncentrują się wokół właśnie tych trzech filarów, a ośią wszystkiego jest oczywiście użytkownik. Strategia naszej firmy powinna być w związku z tym zazwyczaj bardzo prosta.
Chcemy pozyskać wartościowych użytkowników, którzy staną się naszymi klientami i do tego będą w relacji z naszą firmą przez zakładany przez nas okres. Jeśli strategia twojej firmy mieści się w tych założeniach, a w sumie powinna, to sprawdźmy zatem jak mogą nam pomóc raporty GA4 w jej realizacji. Zanim zaczniemy omawiać przydatność raportów w Google Analytics 4, pamiętaj zawsze o jednej naczelnej zasadzie, o której już zresztą kilka razy mówiłem. Analizując jakiekolwiek dane i raporty, zawsze miej przed oczami cel główny biznesu i główny lub główne wskaźniki sukcesu KPI.
Pamiętaj, że im mniej celów głównych i krytycznych metryk sukcesu do śledzenia, tym będzie nam łatwiej określić najważniejsze raporty i dane, które będą najistotniejsze w procesie analizy i optymalizacji działań marketingowych i biznesowych. Jeśli mamy to już jasne, to w takim razie od czego powinniśmy zacząć? Jakie raporty są dla mnie najważniejsze i jaką kolejność analiz przyjąć? Prawdę powiedziawszy nie ma jednej idealnej metody wyboru systemu analizowania danych, czy też raportów i krytycznych metryk w Google Analytics, bo wszystko zależy oczywiście od specyfiki biznesu, ale są dobre praktyki w tej materii, które opieramy na koncentracji wokół użytkownika i wzroście wartości firmy. Każdy analityk z czasem wyrobi sobie swoją efektywną drogę do analizowania danych swojego biznesu.
Jeśli trzymamy się fundamentów analityki i wyznaczonych jasnych celów i wskaźników sukcesu, które będą naszym głównym drogowskazem, to nie powinno to być specjalnie trudne. Pytanie pewnie jakie sobie zadajesz, to czy jest jakiś schemat w ogóle analiz, od którego można zacząć? Jest ich dużo, prawdę mówiąc, ale ja osobiście stosuję zazwyczaj ten oparty o właśnie wspomniane przeze mnie kilka razy już filary analityki internetowej. Trzymam się przy tym zasady pareto i maksymalnego upraszczania procesów analiz poprzez wykorzystanie powtarzalnych schematów mojej pracy. W praktyce oznacza to, że zaczynam zawsze od analiz i optymalizacji tam, gdzie mam szansę na najszybszy i największy wpływ na poprawę efektywności całego biznesu w obrębie moich trzech filarów analitycznych.
Myślę, że jeśli tak jak ja lubisz mało pracy i dużo dobrych efektów, to mój schemat może Ci się spodobać. Analityka, zwłaszcza internetowa, musi być prosta i musi przynosić szybkie efekty, dlatego że jeśli ma być ona podstawą podejmowania decyzji w marketingu, to musimy dostosować się do dynamiki tej właśnie dziedziny biznesu. W marketingu potrzebujemy prawie zawsze szybkich działań i szybkich optymalizacji. Stąd najbardziej optymalne jest przede wszystkim skupienie się na kwestiach, które można najszybciej i najłatwiej poprawić w naszych działaniach. Jedna z bardziej efektywnych form optymalizacji, zwłaszcza kiedy mamy dużą presję czasu, jest kwestia związana zawsze z optymalizacją tak zwanych kosztów marketingowych oraz przesuwania zasobów, na przykład specjalistów, z miejsc mało efektywnych do bardziej efektywnych.
W tym zakresie posłużę się takim przykładem morskim. Zwróć uwagę, że zmiana kursu statku, który tonie, nie jest najmądrzejszym pomysłem w pierwszej kolejności, prawda? Może warto zacząć od pozbywania się na przykład zbędnego balastu albo od wypompowywania wody, no nie? Tak samo jest z optymalizacją marketingu. Tutaj ważna uwaga, nie mówię tu o cięciu kosztów marketingowych, bo to nigdy nie jest dobra droga do maksymalizacji wartości firmy w długim okresie. Mówię tutaj o optymalizacji wykorzystania zasobów i środków. To zupełnie coś innego. Swoją drogą właśnie mądre i poukładane organizacje zwiększają nakłady na marketing w momencie, kiedy akurat wszyscy z różnych powodów tną wydatki w tym zakresie.
A wracając do procesu optymalizacji, jeśli już poradzimy sobie z najważniejszymi kwestiami optymalizacyjnymi, czyli wypompujemy tą przysłowiową wodę z naszego statku, to w kolejnej fazie optymalizacji możemy zagłębić się w bardziej złożone zagadnienia jak na przykład gruntowna zmiana strategii albo optymalizacja całych procesów albo jakieś generalne zmiany w procesach transakcyjnych, czy zabawa w predykcje i inne fajne rzeczy. Z kolei na samym końcu, na bazie pozyskanej wiedzy w procesach tych optymalizacji możemy planować takie operacje jak maksymalizacja zasięgu biznesu poprzez na przykład ekspansję na nowe rynki, czy wchodzenie w nowe obszary działalności firmy. Jak widzisz moje spojrzenie jest proste. Zaczynamy od rzeczy relatywnie łatwych do poprawy i dających szybkie efekty.
Następnie przechodzimy do rzeczy bardziej złożonych, a na końcu jak mamy czas to przechodzimy do kwestii tak zwanych nice to have jak predykcja, tworzenie jakichś zaawansowanych modeli statystycznych i tym podobne. Pamiętaj, że tutaj też działa zasada Pareto. 20% naszych działań optymalizacyjnych daje nam mniej więcej 80% zmian, tych pozytywnych. Nie powinniśmy o tym nigdy zapominać, bo istnieje tendencja wśród analityków, tych internetowych zwłaszcza, do wchodzenia w jakieś bardzo skomplikowane elementy procesów sprzedażowych, które może są i ciekawe, ale tworzą minimum wartości dla biznesu. Przykładem tutaj może być analiza zachowań użytkowników na stronie poprzez śledzenie ruchów myszki na przykład i analizę kliknięć w elementy strony w momencie, kiedy 3,4 użytkowników odbija się od pierwszej strony naszego serwisu i po prostu ucieka.
Pamiętasz metrykę sesji z zaangażowaniem? To tutaj właśnie jest taka metryka, która będzie istotnym elementem do analizy w takim momencie. Tak właśnie moim zdaniem przedstawia się dobry plan strategiczny analiz i wdrażanie zmian w oparciu o dane jako fundament naszej działalności. Mam nadzieję, że widzisz w tym podejściu sens dla twojego biznesu. Jeśli mamy wyjaśnione najważniejsze kwestie strategiczne, możemy wrócić do Google Analytics 4 i raportów, które mamy tam dostępne. Od czego w takim razie możemy zacząć cały proces analizy zgodnie z ustalaną przez nas wcześniej strategią? Analizując kondycję naszej firmy i nasze działania marketingowe od strony danych w Google Analytics najbardziej efektywnym z reguły podejściem będzie rozpoczęcie analiz od raportów dotyczących pozyskania użytkowników i ruchu.
Dlaczego właśnie te raporty wybieram na pierwszy ogień? Są ku temu przynajmniej dwa argumenty. Pierwszy to taki, że raporty pozyskania pozwalają najszybciej zorientować się najszerzej w jakiej kondycji znajduje się nasz biznes w internecie. Osobiście analizując konta klientów dzięki właśnie tym raportom jestem w stanie w kilka minut ocenić czy firma idzie w dobrym kierunku w swojej strategii marketingowej. Za chwilę ten moment rozwiniemy też szerzej. Z kolei drugi argument to szybka ocena gdzie mogę od razu znaleźć źródła do optymalizacji kosztów albo najbardziej palące obszary do w ogóle optymalizacji. Pamiętajmy, że w większości wypadków płacimy za ruch przychodzący na stronę. I wliczam tutaj także ruch organiczny z wyszukiwarki czy ruch po prostu organiczny z Facebooka też.
Jeśli myślisz teraz o czym ten gość gada, bo przecież są bezpłatne wyniki w Google czy jakieś bezpłatne inne źródła pochodzenia odwiedzających to polecam bardzo dokładnie się nad tym zastanowić. Optymalizacja widoczności w wyszukiwarkach, czyli popularne pozycjonowanie czy też inaczej SEO, czy na przykład prowadzenie profilu na Facebooku to też jest koszt i to często bardzo niemały. Trzeba to także brać pod uwagę jeżeli podchodzimy do kwestii optymalizacji. Koszty to nie tylko koszty kliknięć, ale dużo, dużo więcej. Na przykład nasze pensje w marketingu i tutaj warto właśnie zawsze o tym pamiętać. A wracając do raportów pozyskania to właśnie w tych raportach najczęściej mogę znaleźć ten nasz wspomniany zbędny balast na statku lub miejsce gdzie nasz biznes po prostu cieknie.
Dlatego szybka ocena efektywności źródeł pozyskania użytkowników i ruchu ze względu na generowaną przez nie wartość może najszybciej naprowadzić nas na miejsca wymagające pilnej optymalizacji. Raporty dotyczące pozyskania możemy podzielić w tej chwili na te koncentrujące się na pozyskaniu użytkowników oraz na raportach skupiających uwagę na pozyskaniu z perspektywy sesji, czyli po prostu ilości odwiedzi. Zanim jednak zaczniemy analizować w ogóle raporty dotyczące źródeł pozyskania musimy odpowiedzieć sobie na pytanie jak Google Analytics w ogóle rozpoznaje źródła ruchu i użytkowników. Jak to jest, że wie skąd przychodzi użytkownik? Pamiętasz mam nadzieję, że GA4 mierzy aktywność na naszej stronie z wykorzystaniem zdarzeń, prawda? Każde zdarzenie jakie zostaje zarejestrowane przez Google Analytics posiada tak zwane parametry, które określają charakterystykę danego zdarzenia.
Wspominałem, że każde zdarzenie posiada zawsze tak zwane parametry standardowe i jednym z takich parametrów standardowych jest parametr tak zwany page referrer, który przechowuje informacje o źródle pochodzenia użytkownika z bieżącej wizyty. Dzięki temu w raportach GA4 widzimy źródła pochodzenia użytkownika, czy też jego bieżącej sesji w tym przypadku. Google Analytics rozpoznaje automatycznie najważniejsze rodzaje źródeł ruchu, ale możemy też sami oznaczać niestandardowe źródła ruchu, których GA nie rozpoznaje automatycznie. Powiemy o tym więcej za chwilę. A teraz przejrzymy się jakie źródła Google rozpoznaje automatycznie i w jaki sposób je oznacza. Źródła pochodzenia ruchu w Google Analytics są zawsze określane przy pomocy dwóch głównych zmiennych. Pierwsza to nazwa źródła, a druga to nazwa medium wykorzystanego w danym źródle.
I teraz automatycznie Google Analytics jest w stanie rozpoznać ruch z kilku popularnych, czy najpopularniejszych źródeł ruchu, czy pochodzenia użytkowników. Automatycznie GA4 rozpoznaje ruch z wyników organicznych z popularnych wyszukiwarek na przykład. Taki ruch organiczny z Google'a określamy jako źródło Google medium organic. Google Analytics rozpoznaje też automatycznie ruch z płatnych wyników w wyszukiwarce, czyli z reklam Google Ads. W tym przypadku GA identyfikuje taki ruch jako źródło Google oraz medium CPC. CPC to skrót od cost per click, czyli format reklamy, gdzie rozliczamy się zakliknięcia w tą reklamę. Kolejnym źródłem automatycznie rozpoznanym przez GA4 jest ruch tak zwany bezpośredni.
W większości przypadków chodzi o takie wizyty na stronie, gdzie użytkownik wpisał adres strony do przeglądarki i bezpośrednio wszedł na naszą stronę, poznał adres naszej strony po prostu. W GA4 źródło takiej wizyty będzie oznaczone jako źródło direct, a medium tutaj nie występuje, więc w tym przypadku medium oznaczone jest jako non. Zatrzymajmy się na chwilę przy tym źródle pochodzenia, bo mamy tu kilka istotnych kwestii do omówienia. W idealnym przypadku ruch bezpośredni świadczy o dużej świadomości naszej marki, popularności strony, a czasem efektywnej akcji promocyjnej poza internetem, na przykład w telewizji albo na billboardach.
Z kolei z drugiej strony trzeba jednak wiedzieć, że jeśli Google Analytics nie jest w stanie określić źródła pochodzenia ruchu, to taki nierozpoznany ruch będzie oznaczony w Google Analytics właśnie jako ruch bezpośredni, czyli ten direct. Tak więc ruch oznaczony w Google Analytics jako bezpośredni, choć bardzo istotny, to jest dość często nieoczywisty i należy dokładnie go analizować. Trzeba też przykładać większą uwagę do jego interpretacji i wyciągania z niego wniosków. Niestety często bywa, że ruch direct jest takim wielkim niestety śmietnikiem ze wszystkimi wizytami, które traktujemy mniej serio. To jest oczywisty błąd, ale tak się dzieje właśnie z powodu nieoczywistości tego źródła.
Stąd należy za wszelką cenę minimalizować sytuacje, w których GA nie jest w stanie rozpoznać źródła pochodzenia użytkownika i wrzuca wtedy takich wizyty do wizyt bezpośrednich. O tym jak to zrobić powiemy sobie zaraz dalej w tej lekcji. Z kolei czwartym i ostatnim automatycznie rozpoznawanym źródłem pochodzenia jest ruch tak zwany odsyłający z innych stron, zwany potocznie referalami. Referalem będzie określony ruch, który pochodzi z innej strony. Na przykład umieszczony link do Twojej strony na innej stronie. Referal z założenia ma nas informować, że na jakimś innym serwisie jest odnośnik do naszej strony, który generuje nam odwiedzających na naszej właśnie stronie.
W teorii referal to powinien być ruch świadczący o tym, że użytkownicy internetu dzielą się informacjami o naszej stronie czy firmie i z tego wynikają wizyty w naszym serwisie. W praktyce jednak w ruchu oznaczonym jako referal znajdują się też źródła, które nie powinny się tam znaleźć z uwagi na to, że na przykład za ten ruch bezpośrednio płacimy. Chcemy wtedy, aby taki ruch był wyraźnie oznaczony i abyśmy mogli dokładnie określić jego wartość na tle innych źródeł, prawda? Problem referali, ale też często błędnego określenia ruchu jako direct wynika najczęściej z braku odpowiednio oznaczonych ważnych dla nas źródeł ruchu. Aby tego uniknąć musimy odpowiednio sami oznaczyć takie źródła przy pomocy tak zwanych tagów UTM.
Dzięki tagom UTM możemy przekazać do Google Analytics informacje o pochodzeniu ruchu w linku prowadzonym na naszą stronę. Będzie to nazwa źródła, medium oraz opcjonalnie nazwa kampanii marketingowej, w jakiej dane źródło wykorzystujemy. Dobrym przykładem są tutaj kampanie prowadzone na przykład na Facebooku. Jeśli firma posiada profil firmowy, ale także prowadzi płatne kampanie na platformie Facebook Ads, to w takiej sytuacji każdy użytkownik, który przychodzi na stronę firmy z Facebooka będzie oznaczony jako źródło Facebook Medium Referral. Niezależnie od tego czy to będzie ruch z firmowego profilu czy z prowadzonej kampanii. Google Analytics rozpoznaje ten ruch po prostu jako ruch odsyłający z domeny facebook. com i to wszystko. Dla Google Analytics będzie to ruch oznaczony jako facebook. com slash referal.
Z kolei te dwa rodzaje ruchu z reklam i z organicznych wyników na profilu, w cudzysłowie organicznych, zasadniczo się od siebie różnią, mimo że źródło, czyli serwis Facebook jest to samo. Każdy, kto prowadzi działania marketingowe na Facebooku chce na pewno znać efektywność obu tych mediów oddzielnie. Głównie na potrzeby zrozumienia wyników i planowania optymalizacji swoich działań marketingowych. Aby więc rozróżnić te media musimy odpowiednio je oznaczyć dla Google Analytics przy pomocy właśnie wspomnianych tagów UTM. Tak więc przy pomocy UTM-ów musimy odpowiednio oznaczyć źródło, medium oraz nazwę kampanii w jakiej wykorzystujemy dany link do naszej strony. Tak więc dla zwykłych postów z linkiem do mojej strony wykorzystam oznaczenie źródła facebook. com slash organic, a ruch z reklam oznaczę jako facebook.
com slash na przykład paid. Pełny adres URL do mojej strony, który będę wykorzystywał w reklamie Facebooku będzie wyglądał w następujący sposób. Do tworzenia takich linków z tagami UTM zalecam wykorzystywanie narzędzia, które się nazywa URL builder. Nie pomylimy się wtedy podczas ich tworzenia. Dobrym pomysłem może być także stworzenie sobie reguł na przykład w arkuszu kalkulacyjnym do automatycznego oznaczenia linków dla wielu działań reklamowych naraz. Polecam też przy tej okazji wykorzystywać tak zwane skracacze linków przed umieszczeniem ich gdziekolwiek. W ten sposób link jest krótszy i wygodniejszy dla użytkowników. Ostatnia już kwestia dotycząca UTMów to wielkość liter. Pamiętaj, żeby zawsze korzystać tylko z małych liter, bo Google Analytics rozróżnia duże i małe litery właśnie w tagach UTM.
I to samo źródło oznaczone z małej i dużej litery będzie dla Google Analytics oddzielnymi źródłami. Mam nadzieję, że wszystko jest jasne jeśli chodzi o oznaczanie źródeł ruchu przy pomocy UTM. Możemy zatem przejść do analiz i wniosków dotyczących źródeł pozyskania. Od czego zatem warto zacząć? Zacznijmy przede wszystkim od oceny sytuacji z dużego obrazka, czyli zacznijmy od analizy kompozycji źródeł ruchu na stronie. Spójrzmy na nie przez dwa pryzmaty. Pierwszy, najważniejszy to kwestia realizacji celów przez dane źródło pozyskania. Drugi to z kolei kwestia zaangażowania konkretnych źródeł w całkowitej ilości użytkowników i ruchu na naszej stronie. Patrząc na pierwszy pryzmat na załączonym przykładzie zwróćmy uwagę, że źródło example. com.
referal, które generuje tylko 7% użytkowników, generuje w tym samym momencie ponad 40% przychodów w badanym okresie. Taka sytuacja generuje od razu kilka bardzo konkretnych pytań analitycznych. Dlaczego to akurat źródło generuje tak wysokie przychody? Czy powinniśmy w takim razie więcej inwestować w ruch i rozwój tego źródła? Czemu tylko 7% użytkowników czy ruchu przechodzi przez to źródło? Co robimy gorzej w przypadku innych źródeł? Czy trend ruchu ze źródła example. com jest pozytywny czy negatywny? Kto odpowiada w końcu za to źródło u nas w firmie? I wiele, wiele innych. Jak widzisz, jeden mały raport generuje bardzo dużo pytań, ale też często prowadzi bezpośrednio do bardzo konstruktywnych wniosków i zmian w obrębie naszej strategii marketingowej.
Jednym z takich wniosków może być na przykład decyzja o przesunięciu budżetów z innych mniej rentownych źródeł przy działaniach promocyjnych do wykorzystania przez źródło bardziej rentowne takie jak w tym przypadku example. com. Jest to najprostsza i najszybsza i często najbardziej efektywna optymalizacja, kiedy nasze środki marketingowe są ograniczone, a zazwyczaj są. Spójrzmy z kolei na drugi ważny pryzmat analizy raportów pozyskania, czyli kwestie zaangażowania konkretnych źródeł w całkowitej ilości użytkowników czy ruchu na naszej stronie. Należy zawsze zwracać uwagę na kompozycję i rozkład ruchu ze względu na źródła. Należy dbać o tzw. zdrową kompozycję źródeł pozyskania. Pozwól, że Ci wyjaśnię na czym ona polega na prostym przykładzie.
Stabilny stół potrzebuje czterech nóg do tego, żeby stał pewnie i stabilnie, prawda? Tak samo jest z naszą stroną. Potrzebujemy zrównoważonego, równomiernego rozkładu wpływu użytkowników z co najmniej kilku pewnych źródeł ruchu. W tak szybko zmieniających się warunkach, jeśli posiadamy tylko jedno główne źródło ruchu, to trochę tak jakbyśmy próbowali skakać na jednej nodze na lodowisku. Pewnie parę razy nam się uda, ale szansa na gips jest jednak bardzo duża. Biznesy, które stawiają albo posiadają tylko jedno główne źródło ruchu, są narażone na duże zawirowania, brak stabilności i przewidywalności prowadzonych działań biznesowych. Warto tutaj też wspomnieć, że kupowanie ruchu z płatnych źródeł to jest dobry i zdrowy objaw.
Zwiększa to stabilność i przewidywalność różnych działań z uwagi na jasno określone warunki, na jakich sprowadzenie ruchu na stronę się odbywa. Firma powinna dążyć do sytuacji, w której posiada przynajmniej cztery dobre i stabilne źródła ruchu o różnym rodzaju. W ten sposób w razie jakichkolwiek zawirowań w jednym źródle ruchu, nie spowoduje to postawienia biznesów w sytuację kryzysową. Polecam w tym miejscu skorzystać z wymiaru grupowania kanałów w raporcie pozyskanie ruchu, który w wygodny sposób pokazuje, jaką sytuację mamy względem kompozycji źródeł pozyskania ruchu na stronie według ich rodzaju. Kanały to w Google Analytics zbiory źródeł ruchu ze względu właśnie na swój rodzaj. W obecnej chwili Google Analytics 4 jest w stanie rozpoznać 10 rodzajów takich kanałów.
Więcej na ten temat znajdziesz w zakładce Google Analytics. Link zamieszczam w opisie tej lekcji oczywiście. W zakresie pozyskania nie powiedzieliśmy jeszcze o raportach odnoszących się szczególnie do prowadzonych kampanii marketingowych w Google Ads. W poprzedniej wersji takie raporty miały całą swoją odrębną sekcję w menu. W Google Analytics 4 raporty dla kampanii Google Ads znajdziemy w zakładce pozyskanie, podgląd, gdzie mamy link do szczegółowego raportu, który zawiera dedykowane metryki i dane pobrane z połączonego konta Google Ads. Mamy tutaj dostępne m. in. metryki takie jak kliknięcia, średni koszt za kliknięcie oraz sumaryczne wydatki według wybranego wymiaru. Nie zabrakło też metryki ROAS, czyli metryki określające zwrot znakowatów na reklamę.
Jeśli mierzymy w Google Analytics przychody, to ten wskaźnik także będzie automatycznie dla nas obliczany. Pozwala to m. in. na lepsze zorientowanie się w zakresie określania wysokości stawek za pozyskanie konwersji w Google Ads. Osobiście uważam, że ten raport zasługuje na umieszczenie go w menu, co też właśnie uczyniłem przy pomocy funkcji biblioteka. Aby to prosto zrobić, wystarczy otworzyć wspomniany raport i go edytować. Możemy dodać także dodatkowe metryki i wymiary do raportów w menu konfiguracji po lewej stronie. Osobiście dodaję dodatkowe wymiary takie jak kraj i miasto, platformę czy urządzenia. Z kolei w metrykach polecam dodać metryki nowi i powracający użytkownicy.
Modyfikuję też sobie wykres, aby przedstawiał on dwa istotne dla mnie wymiary użytkowników i konwersji ze względu na wymiar, jaki sobie tym wybiorę. Jeśli zapiszę ten raport, to będzie on dostępny w bibliotece i dzięki temu mogę stworzyć swoją własną kolekcję i umieścić w niej zmodyfikowany raport. W ten sposób mogę tworzyć i modyfikować wszystkie raporty standardowe i dopasowywać je do swoich własnych potrzeb. Mam nadzieję, że to o czym do tej pory powiedzieliśmy pomoże Ci inaczej patrzeć na kwestie pozyskania i analizy źródeł pozyskania na Twojej stronie. Jeśli przejdziemy już przez pierwsze analizy i działania optymalizacyjne związane ze źródłami ruchu i użytkowników, możemy zabrać się za kolejne raporty i dane według ważności w zakresie poprawy kondycji naszego biznesu.
Drugim w kolejce miejscem najbardziej istotnym pod względem analiz są wszelkie dane związane z konwersjami albo transakcjami i przychodami, jeśli mówimy o witrynie typu e-commerce. Mówię tutaj drugim miejscem w kolejce i chcę tutaj podkreślić, że realizacja celów jest oczywiście zawsze najważniejsza dla biznesu, ale teraz odnoszę się do kolejności analiz raportów w GA4. Mam nadzieję, że to jest dla Ciebie tutaj jasne. Dla pełnej jasności chcę przypomnieć czym jest konwersja w Google Analytics 4. Konwersją nazywamy moment, kiedy użytkownik wykonuje założony przez nas cel, na przykład zakup przez osiągnięcie punktu, który ten cel reprezentuje na naszej stronie. W przypadku większości sklepów internetowych konwersją będzie osiągnięcie strony dziękujemy za zakup, która reprezentuje na stronie główny cel biznesowy, czyli sprzedaż.
Dla stron typu lead generation, gdzie pozostawienie danych czy kontaktu jest najważniejszym celem, konwersją będzie wyświetlenie strony dziękujemy za pozostawienie kontaktu, wypełnienie formularza i tym podobne. W Google Analytics 4 wyróżniamy dwa typy konwersji. Pierwszy to zdarzenie na stronie, które my określamy jako konwersję, a drugi to zdarzenie transakcji, czyli zdarzenie, które ma nazwę systemową purchase. Wszystkie zdarzenia określone jako konwersje są zsumowane jako jedna metryka, ale warto sobie rozróżnić te dwa typy konwersji, bo transakcje jako specyficzna forma konwersji posiadają dość dużą liczbę dodatkowych wymiarów i metryk, o których za chwilę powiemy. Wszystkie transakcje możemy wyodrębnić poprzez wybranie zdarzenia purchase w rozwijanej liście konwersji. Przejdziemy się zatem raportom w zakładce generowanie przychodu, która jest zbiorem raportów skoncentrowanych na przychodach.
Zazwyczaj to właśnie przychody i wskaźniki z nimi związane będą głównymi wskaźnikami sukcesu KPI dla większości witryn typu e-commerce. Przychody generowane przez wszystkie rodzaje modeli biznesowych jakie mamy, mierzone przez GA4 są zsumowane w zakładce przegląd i od tego miejsca zaczniemy, aby zorientować się z dużego obrazka w zakresie ogólnej kondycji biznesu pod względem przychodów. Jak widzisz w naszym przykładzie, wyraźnie widać, że przychody spadają. To nie jest dobry znak, bo przychody najpewniej będą jednym z krytycznych wskaźników, czy biznes idzie w odpowiednim kierunku. Musimy zatem jak najszybciej odnaleźć źródło albo przyczynę tego trendu. Jest to kwestia w tym przypadku krytyczna. Pierwsze co rzuca się od razu w oczy, analizując wykresy w zakładce przegląd, to problem z kupującymi.
Wyraźnie spada nam ich ilość. Co gorsza spada także średnia wartość zakupów. Są to dwa bardzo niepokojące zjawiska i zapowiedź poważnych kłopotów. Dodatkowo widać też, że praktycznie nie ma prawie w ogóle powracających klientów. Oczywiście to może być kwestia okresu, który analizujemy, ale trzeba się temu przyjrzeć dużo dokładniej. Czy to naturalny stan przejściowy, czy jednak jakieś zachowanie, które powinniśmy się martwić. A co do samych kwestii przychodów i wniosków z omawianych danych. Spadek przychodów wynika z nałożonego efektu spadku ilości kupujących i spadku średniej wartości zakupów na użytkownika. Nie trudno było dojść do takiej konkluzji patrząc na powyższe dane, prawda? To co jednak najważniejsze teraz, to poszukanie odpowiedzi na pytanie, dlaczego firma znalazła się w tak groźnej sytuacji.
Odpowiedzi na te pytania możemy szukać w kilku obszarach. Pamiętasz, że wspomniałem, że zawsze staram się zaczynać od obszarów, które potencjalnie najłatwiej i najszybciej naprawić, prawda? Najprościej w naszym przypadku przyczyny szukać też w źródłach ruchu, które pozyskujemy. Wracamy więc znowu do pierwszych raportów, które dzisiaj omawialiśmy. Trzeba założyć, że coś może być nie tak z jakością ruchu i pozyskanych użytkowników. Widać wyraźnie, że nie reagują na naszą ofertę tak jak powinni.
I nawet jeśli myślisz teraz, że tutaj sama oferta może być kluczem do problemu, to oczywiście pewnie masz dużo racji, ale to nie jest część biznesu, którą łatwo i szybko można zmienić czy poprawić, prawda? To co możemy zrobić w pierwszej kolejności, to inwestować w źródła ruchu, które sprawdzają się lepiej niż inne w danej sytuacji. Jesteśmy w stanie takim działaniem na pewno spowolnić proces spadania przychodów albo go nawet czasem zatrzymać. Kolejne pytanie dotyczące także ruchu, to czy występowały jakieś poważne zmiany w kompozycji ruchu? Czy gdzieś wprowadzaliśmy zmiany w naszych działaniach marketingowych, które spowodowały spadek wskaźnika konwersji? Jak widzisz, dużo pytań dalej ściśle połączonych ze źródłami ruchu.
Tutaj warto wspomnieć, że często bywa tak, że patrząc od razu na raporty dotyczące źródeł ruchu, identyfikujemy te miejsca do poprawy, które możemy odkryć przy okazji analizy raportu związanych z przychodami i cały ten proces analiz wydatnie nam się wtedy skraca. Po paru, parunastu analizach w miarę nabywania wprawy i wyrabiania sobie własnego systemu analiz, takie sytuacje będą się zdarzały dużo częściej. Kolejnym punktem, który także pozwoli nam na wyciąganie ważnych wniosków, jest kwestia samej wartości zakupów użytkowników. Zwróć uwagę na wykres w zakładce przegląd. Średnie przychody spadają, czyli średnia wielkość koszyka się kurczy.
Pytanie, dlaczego tak się dzieje? Jakie mogą być tego przyczyny? Możemy tutaj zadać sobie kilka istotnych pytań w zakresu naszej oferty i marketingu, bo tego typu zachowania mają często właśnie podłoże związane z tymi tematami. Czy wycofaliśmy może jakieś chodliwe produkty, a może podniesiemy ceny? Pamiętajmy też, żeby w tym miejscu zwracać uwagę na wspomnianą wcześniej przeze mnie zasady analityki, gdzie zawsze patrzymy na kontekst i warunki zewnętrzne. Może coś się też zmieniło w naszym otoczeniu biznesowym, na przykład pojawili się jacyś mocni konkurenci. Te wszystkie pytania, które sobie do tej pory zadaliśmy, bardzo często pozwalają szybko i efektywnie wykryć słabe punkty naszych działań i zastopować złe trendy. Jeśli jednak nie znaleźliśmy nic w łatwiejszych obszarach, będziemy musieli kopać głębiej.
Musimy w takiej sytuacji, że nic nie znajdziemy oczywiście, przejść do obszarów pogłębionych analiz związanych z wewnętrznymi procesami ścieżek klienta do zakupu. Jak zapewne Ci wiadomo, poprawianie strony czy procesów zakupowych na stronie wiąże się z całą gamą często różnych projektów. Od projektów z działem IT po zewnętrzne firmy dostarczające na przykład platformy sprzedażowe. Zazwyczaj jest to kosztowny i długi proces. No ale żeby mu coś poprawić, musimy wiedzieć najpierw, że dana rzecz nie działa, prawda? Jeśli wykonaliśmy rzetelnie wszystkie poprzednie analizy i nadal nie znaleźliśmy przyczyny spadków przychodów, musimy wziąć się niestety za cięższy kaliber w zakresie optymalizacji niż tylko poprawianie samych działań marketingowych. Tak więc przyjrzyjmy się raportom związanym ze ścieżką zakupową.
Trzeba oczywiście pamiętać, że ścieżka zakupowa zaczyna się zazwyczaj poza naszą stroną, na przykład poprzez kliknięcie na reklamę, a jej koniec często wykracza poza stronę potwierdzającą dokonanie jej transakcji. Dla uproszczenia analizujmy ścieżkę zakupową w dwóch odsłonach. Jako całość oraz odrębnie fazę czysto transakcyjną, czyli od momentu podjęcia decyzji o zakupie przez użytkownika, w tym przypadku, czyli przez włożenie produktu do koszyka. Dlaczego w ten sposób analizuję ścieżkę zakupową? Ponieważ chcę oddzielić sam proces transakcyjny od reszty elementów ścieżki, gdyż jest on często krytyczny dla efektywności całej ścieżki. Optymalizując fazę transakcyjną ścieżki, jesteśmy w stanie nie tylko wyraźnie poprawić współczynnik konwersji, czyli stosunek ilości transakcji do odwiedzających stronę, ale także zwiększyć średnią wartość koszyka.
Zacznijmy jednak od spojrzenia na cały proces z najszerszej perspektywy, jaką pozwalają nam standardowe raporty w GA4. Analizy w systemie od ogółu do szczegółu pozwalają nam szybko dojść do sedna problemu, tak więc polecam bardzo stosować ten sposób w swoich analizach. Zaczynamy więc od wyboru poziomu szczegółowości, na jakim zaczniemy nasze analizy. Możemy to zrobić dzięki rozwijanemu menu w kolumnie wymiary. Zacznijmy więc od szerokiego spojrzenia, jak wygląda sytuacja na poziomie kategorii produktów. Pierwsza metryka, czyli wyświetlenia kategorii produktów, świadczą o ich popularności w naszym sklepie. Następną metryką jest metryka związana z początkiem fazy transakcyjnej, czyli ilości dodań do koszyka. Sama bezwzględna liczba tutaj jest dla mnie mniej ważna, niż współczynnik dodań do koszyka po obejrzeniu produktu, która to metryka znajduje się w kolejnej kolumnie.
Widzimy tu od razu, że kategoria produktów APRL jest najbardziej popularna w zakresie wyświetleń, ale niestety nie są to najchętniej dodawane produkty do koszyka. Jaki tutaj może być więc prosty wniosek? Jeśli użytkownicy chętnie oglądają jakiś produkt czy kategorię produktów, ale nie wkładają ich do koszyka, to jeśli udałoby się nam na przykład ten trend trochę odwrócić i poprawić ilość dodań do koszyka, na przykład o 20%, to łatwo będzie policzyć, o ile więcej transakcji byśmy byli w stanie dodatkowo wygenerować. Jak to zrobić? To już jest naprawdę kwestia inwencji marketingowej. Zwróć uwagę, co teraz robimy. Szukamy tak zwanych wąskich gardeł, które można udrożnić w procesie zakupowym.
Jeśli uda nam się to zrobić, chociaż w jakimś jednym przypadku, to będzie miało to bardzo pozytywny wpływ nie tylko na same przychody, ale przede wszystkim na rentowność naszego biznesu. A to z kolei pozwala nam automatycznie na większe możliwości w zakresie inwestowania w marketing. I mamy samą spełniającą się przypowiednią o sukcesie. Czy to nie jest fajna perspektywa, jeśli chodzi o nasz zawód analityka i marketingowca? Okej, ale idźmy dalej. Skoro już rozmawiamy o współczynniku dodań do koszyka, to warto sprawdzić, czy koreluje on z faktycznymi zakupami. Jeśli tak się nie dzieje, to przyczyny mogą być z reguły dwie. Mamy problem gdzieś w samym procesie transakcyjnym albo użytkownicy traktują koszyk jako opcję listy życzeń i odkładają decyzję zakupową na później.
Ten element też należałoby na pewnym etapie potwierdzić lub zdementować, np. przez analizę czasu, czy różnicę czasu dodań do koszyka, a finalizowaniem transakcji. Kolejna metryka to współczynnik transakcji po obejrzeniu. Wskaźnik zakupów po obejrzeniu jest ciekawym wskaźnikiem, bo jest wynikową dwóch metry, które już omawialiśmy, czyli wyświetleń produktów oraz transakcji. Metryka ta pokazuje, jak chętnie użytkownicy kupują dany produkt, który został przez nich wyświetlony. Jeśli współczynnik ten jest niższy w danej kategorii albo produkcie niż średnia dla całej witryny, a do tego mamy przyzwoitą ilość wyświetleń, to warto taki przypadek głębiej przeanalizować. Dlaczego wskaźnik jest niższy w tym przypadku i co mogę zrobić, aby go podnieść? Jacy użytkownicy dokonują transakcji, a którzy tylko oglądają produkty? To są pytania za 100 punktów.
Z kolei, jeśli ten wskaźnik jest wyższy niż średnia na stronie, to co możemy w tym momencie zrobić? Pierwszą rzeczą, jaką możemy od razu zrobić, to starać się podnieść ilość wyświetleń, prawda? Pomyślałbym tu w takiej sytuacji od razu o oddzielnej kampanii promocyjnej dla tego produktu albo kategorii, dlatego że mamy prawo zakładać, że więcej wyświetleń w tym przypadku przełoży się w sposób oczywisty na zwiększoną ilość transakcji. Bardzo proste wnioski, ale o bardzo dużej mocy, jeżeli się sprawdzą. Jak widzisz, stosując te proste metody pytań i odpowiedzi, jesteśmy w stanie wydatnie zwiększyć ilość przychodów i ograniczyć koszty. Przede wszystkim szukamy tzw. wąskich gardeł, które możemy udrożnić, a następnie próbujemy zidentyfikować miejsca możliwe do maksymalizacji przepływu użytkowników i ruchu i dzięki temu możemy maksymalizować przychody.
Wszystko to, co tutaj powiedzieliśmy, to są tylko przykładowe, proste przykłady pokazujące możliwości realnej optymalizacji biznesu na podstawie danych z Google Analytics 4, ale one mają często fundamentalne znaczenie dla naszych późniejszych wyników. Oczywiście każdy z nas musi sam sobie wyrobić swój sposób, ale polecam spróbować od tego mojego prostego sposobu, czyli zaczynamy analizę od najłatwiejszych elementów i przechodzimy do optymalizacji tych trudniejszych, stosując zasadę od ogółu do szczegółu, zadając sobie ciągle pytania i szukając na nie prostych odpowiedzi. Może być też oczywiście ich wiele dla każdego pytania i tu ważne, żeby po kolei je weryfikować, aż dojdziemy do sedna problemu. Wiemy, że zaangażowanie użytkownika w relacji z firmą jest bardzo istotnym czynnikiem sukcesu lub porażki firmy.
Z kolei zaangażowanie użytkowników na stronie jest często odzwierciedleniem tej relacji w internecie, dlatego analiza zaangażowania użytkowników i jakości relacji jest tutaj bardzo istotna. Temat ten już trochę poruszaliśmy w naszych aneryzważaniach, bo mówiliśmy chociażby o metryce sesji z interakcją, prawda? Mówiliśmy też wcześniej o kwestii zaangażowania użytkownika podczas ścieżki do zakupu. Tak więc kwestia zaangażowania użytkowników jest od samego początku tematem obecny na tym kursie, ale teraz skupimy się na odpowiedzi, jakie wnioski możemy wyciągać z raportów bezpośrednio dotyczących tematu zaangażowania użytkownika, a właściwie może dokładniej, raportów umieszczonych w sekcji zaangażowania. Zacznijmy od raportów ogólnych, czyli przegląd w sekcji zaangażowania.
Oprócz metryk związanych z czasem przebywania użytkowników na stronie, o którym już mówiliśmy zresztą, możemy tu znaleźć kilka dodatkowych informacji, które mogą być przydatne podczas analizy związanych z zaangażowaniem użytkowników. Na dole ekranu mamy dostępne dwa raporty dotyczące aktywności i regularności korzystania użytkowników z serwisu w okresach 1, 7 i 30 dniowych, co pokazuje też jakie są krótko i średniookresowe trendy w zaangażowaniu użytkowników naszego serwisu. Raport dotyczący aktywności pokazuje nam średnią ilość użytkowników w okresie 30 dniowym, 7 dniowym i dziennym oraz trendy dla tych okresów. Dzięki temu raportowi możemy monitorować trendy krótko i średniookresowe w zakresie aktywności użytkowników na stronie. Pozwala to nam na wczesną reakcję w przypadku jakichś niekorzystnych trendów.
Jak możemy ten raport wykorzystać w działaniach optymalizacyjnych? Jeśli na przykład widzimy, że spada nam liczba dziennych użytkowników aktywnych w ciągu 7 dni, możemy reagować w zakresie działań marketingowych, żeby nie odpuścić do zachowania tego trendu. Spadek aktywnych użytkowników w czasie nie jest dobrym objawem i oznacza zawirowania w kwestii naszej strategii pozyskania albo utrzymania użytkowników. Jeśli jeszcze w tym krótkim okresie spadki liczby użytkowników mogą być całkiem normalne, to jeśli trend utrzymuje się na przestrzeni dłuższego okresu, to jest to bardzo niepokojący znak, że coś niedobrego dzieje się w naszym biznesie w internecie. Z kolei drugi raport, regularność korzystania ze strony, mówi o proporcji między aktywnymi użytkownikami codziennie, a aktywnymi użytkownikami w miesiącu.
Dla wyjaśnienia jeszcze, w naszym przykładzie jeśli średnia wskaźnika DAW przez MAU wynosi 3,7%, oznacza, że 3,7% użytkowników odwiedza Twoją stronę codziennie. Zauważ, że oba te raporty są szczególnie ważne dla biznesu wykorzystujących aplikacje. DAW, czyli Daily Active Users, czyli użytkownicy aktywni dziennie oraz MAU, Monthly Active Users, użytkownicy aktywni miesięcznie, są metrykami ściśle powiązanymi właśnie z mierzeniem efektywności aplikacji mobilnych. Zauważ, że okres mierzenia aktywności jest także dość krótki jak na potrzeby przeciętnego tradycyjnego e-commerce'u. Tak więc raporty te najbardziej przydatne będą dla biznesów, które posiadają aplikację mobilną. Aplikacja mobilna bez aktywnych użytkowników, najlepiej codziennie, jest martwa, można powiedzieć, na telefonie. Nie mamy z takiej instalacji żadnych korzyści. W takiej sytuacji mierzenie sukcesu aplikacji przez metrykę tylko samych pobrań aplikacji jest tutaj dużym nadużyciem.
Przejdźmy teraz do kolejnych raportów dostępnych w sekcji zaangażowanie i sprawdźmy na jakie pytania mogą one nam pomóc znaleźć odpowiedź. W raporcie strony ekrany możemy znaleźć informacje, jakie strony są najbardziej popularne pod względem oglądalności i jakie było zaangażowanie użytkowników tych podstron właśnie pod względem czasu przewijania treści oraz nawet przychodów. Jeśli sortujemy strony według wyświetleń, łatwo możemy zidentyfikować najpopularniejsze strony w naszym serwisie i przeanalizować, czy popularność przekłada się również na zaangażowanie. Tutaj dobrym wskaźnikiem jest wynikowa trzech metryk. Wyświetlenie na użytkownika, średni czas zaangażowania oraz przewinięcia przez unikalnego użytkownika.
Metryka wyświetlenia na użytkownika i średni czas zaangażowania są raczej dla nas tutaj jasne, prawda? Z kolei metryka przewinięcia przez unikalnego użytkownika mówi o liczbie użytkowników, którzy przewinęli stronę, czyli teoretycznie widzieli co najmniej 90% zawartości, czy powierzchni strony w pionie. Teraz, żeby prawidłowo ocenić faktycznie zaangażowanie w daną postronę, musimy brać pod uwagę wszystkie te czynniki jednocześnie. Zwróć uwagę, że przewinięcie strony samo w sobie nie świadczy o przeczytaniu treści, ale przewinięcie strony z dłuższym niż przeciętna czasem zaangażowania daje już dużo więcej kontekstu do tego, co faktycznie mogło się dziać podczas wizyty użytkownika na tej konkretnej podstronie. Mam nadzieję, że rozumiesz mój tok myślenia.
Z kolei dla mnie też szczególnie ciekawe przy okazji analiz efektywności podstron to informacje, na których podstronach użytkownicy najczęściej zaczynają swoją sesję i jaki to ma wpływ na jakość całej wizyty. Podstrony serwisu, od których użytkownicy zaczynają wizytę nazywamy stronami docelowymi lub tak zwanymi landing pagami. Jakość i treść takiej podstrony oraz kontekst wejścia na taką stronę determinują czy taka wizyta zakończy się realizacją konwersji czy nie. Treść strony typu landing page powinna pasować do przekazu reklamowego czy może szerzej, do przyczyny dla jakiej klient znalazł się na naszym serwisie. Spójrz, jeśli byśmy reklamowali na przykład kulajnogi w internecie, a po kliknięciu na reklamę użytkownik lądowałby na stronie dotyczącej rowerów to treść strony nie pasuje do oczekiwań użytkownika. Tak więc taka wizyta zazwyczaj szybko się kończy.
Mam nadzieję, że to jest dla Ciebie dość jasne. Tak więc, aby móc przeanalizować strony typu landing page w GA4 musimy je zidentyfikować i posortować. Zidentyfikację możemy wykonać przy pomocy zdarzenia, które się nazywa session start. Jest to automatycznie zidentyfikowane zdarzenie przez Google Analytics 4. Zdarzenie session start jest rejestrowane w momencie wejścia użytkownika na stronę i rozpoczęcia sesji. Tak więc dzięki temu zdarzeniu możemy określić jakie podstrony były odwiedzane jako pierwsze podczas tej naszej wizyty badanej. Wystarczy więc z rozwijanego menu wybrać zdarzenie session start i posortować kolumnę liczba zdarzeń malejąco. W ten sposób poznamy podstrony, od których najczęściej użytkownicy rozpoczynają odwiedziny w naszym serwisie.
Zwróć uwagę, czy najpopularniejsza strona, od której zaczynają użytkownicy znaleźć jedną stronę główna? W wielu przypadkach wcale tak nie jest i wtedy prawdziwą stroną główną jest jakaś inna podstrona serwisu, która nie była być może w ogóle zaprojektowana na taką stronę powitalną. Inna kwestia to to, że często możemy dzięki temu raportowi zidentyfikować strony, które mają najlepsze pozycje w wyszukiwarce. Wystarczy dodać kolejny wymiar do raportu, czyli źródło medium oraz po prostu przefiltrować wyniki dla tylko ruchu organicznego z wyszukiwarek. Teraz widzimy jakie treści najczęściej pojawiają się w wyszukiwarce z naszej strony i przyciągają nowych użytkowników. Osobiście brakuje mi tu jeszcze w tym raporcie paru innych dodatkowych informacji, które pomogą mi lepiej zrozumieć jakość ruchu i dopasowania stron docelowych do oczekiwań użytkownika.
Potrzebuję do tego mianowicie metryki sesje z zaangażowaniem. Pamiętasz mam nadzieję, że ta metryka określa wizyty, których jakość daje szansę na konwersję, prawda? Ale jest tylko jeden problem, bo w tym raporcie takiej metryki nie ma. Musimy ją dodać, modyfikując nieco obecny raport. W tym celu musimy edytować raport standardowy i dodać do niego odpowiednią metrykę. Zapisujemy i wszystko gotowe. Można jeszcze oczywiście dodać nasz zmodyfikowany raport do naszej kolekcji i wtedy dzięki temu będzie on dostępny w menu głównym. Dzięki dodaniu tej dodatkowej metryki możemy trochę szerzej spojrzeć na strony docelowe w naszym serwisie. Możemy teraz nie tylko sortować strony po ilości wejść, ale też po sesjach z zaangażowaniem.
Jeśli znajdziemy strony, gdzie różnica pomiędzy wejściami na stronę, czyli liczbą zdarzeń, sesjon start, a sesjami z zaangażowaniem jest duża na korzyść zdarzeń z sesjon start, to oznacza, że dużo użytkowników wchodzi na stronę, ale bardzo szybko opuszcza serwis, nie zagłębiając się ani w treść, ani nie przechodząc w głąb serwisu. Mówiąc po prostu, tego rodzaju użytkownicy odbijają się od naszej strony docelowej. Przyczyn może być tutaj co najmniej kilka, ale najczęściej oznacza to, o czym wcześniej właśnie żeśmy rozmawiali, czyli brak dopasowania oczekiwania użytkownika do treści na tej stronie docelowej. Polecam przy tej okazji sprawdzić, w jakiej kondycji jest ruch kupowany przez nas w mediach dla tych stron. Dodajmy drugi wymiar jako medium i dodajmy filtrowanie do wyników tylko dla kampanii, gdzie płacimy za każde kliknięcie.
Jeśli wspomniana różnica pomiędzy metrykami, czyli liczby zdarzeń, session start, a sesjami z zaangażowaniem jest duża, to jest to sygnał, że coś jest nie tak z targetowaniem danej kampanii i w tej chwili tracimy przez to dość dużą część budżetu. Polecam wykonać te ćwiczenie jak najszybciej, jeśli Twoja firma prowadzi właśnie w tej chwili jakieś kampanie marketingowe w internecie. Poświęciliśmy trochę czasu na raport dożyczyć stron, ale jest on dość istotny i daje całkiem sporo wartościowych informacji pod kątem optymalizacji działań marketingowych. A przechodząc dalej w sekcji zaangażowanie, mamy tu dostępne jeszcze kilka innych raportów, ale raporty typu zdarzenia czy konwersje nie wymagają jakiegoś specjalnie zbytniego tłumaczenia i są moim zdaniem raczej oczywiste w swoim przekazie, tak więc nie będziemy się nimi tutaj jakoś dogłębnie zajmować.
Kolejną sekcją jest sekcja utrzymanie, zawierająca raporty i dane dotyczące utrzymania użytkowników na stronie. Wspominaliśmy już wcześniej raz, że utrzymanie użytkownika to jeden z ważniejszych aspektów marketingu i efektywnego podejścia do biznesu, prawda? Wiele firm wybiera nawet te metryki dotyczące utrzymania i satysfakcji klientów jako główne wskaźniki sukcesu. Generalnie oczywiście popieram nastawienie na takie metryki, ale z małym wyjątkiem. Utrzymanie i satysfakcja tak, ale nie po prostu wszystkich klientów, ale tylko tych wartościowych albo przede wszystkim tych wartościowych. To co uświadamia często jak wygląda sytuacja w kwestii wartości użytkownika to analityczny rachunek sumienia i sprawdzenie jaki procent wszystkich klientów generuje 80% przychodów lub dokładniej może zysków. Robiąc takie analizy okazuje się, że jest to grubo poniżej 10% naszych klientów.
Tutaj pojawia się od razu pytanie, czy nasze wysiłki w budowaniu relacji i utrzymaniu klientów są skoncentrowane przede wszystkim na tej grupie? Czy firma wie skąd tacy klienci pochodzą? Co kupują i z jakiego powodu odchodzą? Z drugiej strony oczywiście pojawia się też pytanie, dlaczego reszta bazy klientów nie jest taka zyskowna i czy da się może ich zmienić w zyskownych? Czy może pozostaną oni często głównie kosztem? Wiemy co się robi z kosztami w firmie, prawda? Optymalizuje. Tak więc utrzymanie jest najważniejsze, ale nie za wszelką cenę i nie wszystkich klientów. A przede wszystkim utrzymanie tych wartościowych klientów. Także powtórzę to jeszcze raz, ale naszym głównym celem jest pozyskanie i utrzymanie wartościowych klientów.
Trochę to może jest brutalne podejście, ale to jest czysty biznes i nie ma tu nic osobistego. Tak więc powracalność jest ważna i ważna, aby ją monitorować oraz dbać o pozytywne trendy powracalności wśród naszych najlepszych grup użytkowników, bo to podstawa dobrej przewidywalnej kondycji biznesu. Przejdźmy zatem do raportu dotyczących właśnie utrzymania. W sekcji utrzymanie jednym z ważniejszych raportów jest raport pokazujący jaka jest liczba użytkowników nowych wersus powracających. Tak jak wspominaliśmy utrzymanie odpowiedniego przyrostu bazy klientów jest bardzo istotne dla kondycji firmy, jednak to finalnie lojalni powracający klienci powinni być naszym głównym źródłem przychodów. W dłuższej perspektywie oczywiście. Niski wskaźnik utrzymania klientów dla większości biznesów to nie jest dobra wiadomość, zwłaszcza w dłuższej perspektywie.
Brak lojalnych klientów pomijając pewne wyjątki prawie zawsze świadczy o przynajmniej jednym poważnym obszarze w firmie, który wymaga poprawy i optymalizacji. Tutaj muszę zwrócić uwagę na jeden ważny szczegół, czyli badany okres. Zawsze powinniśmy zwracać uwagę na to czy faktycznie analizujemy powracalność w okresie, w którym powinien wydarzyć się naturalny cykl powrotu klienta do naszej firmy. Polecam w tym miejscu zrobić taką analizę jak wyglądają cykle powracalności naszych obecnie lojalnych klientów, aby wyciągnąć wnioski jak takie cykle w ogóle u nas wyglądają. Często tak zwana wiedza w firmie o lojalności może znacząco różnić się od faktycznych twardych danych w tym obszarze, więc warto to co jakiś czas weryfikować.
Podsumowując, należy przede wszystkim zwracać uwagę na dynamikę przyrostu nie tylko nowych użytkowników, ale przede wszystkim udziału w ruchu użytkowników powracających oraz ich wpływu na realizację naszych celów biznesowych. W kwestii utrzymania mamy jeszcze kilka raportów wartych omówienia. Spójrzmy zatem teraz na raport utrzymania użytkowników według kohorty. Jeśli nie spotykasz się na co dzień z pojęciem kohorty użytkowników, to przypomnijmy sobie że jest, a więc kohorta to jest zbiór użytkowników, którzy mają jakąś wspólną cechę. I tutaj w przypadku Google Analytics 4 najczęściej tą wspólną cechą jest data pozyskania albo inaczej data pierwszej wizyty z danego zbioru użytkowników. Według definicji raport ten pokazuje odsetek kohorty tych nowych użytkowników, którzy powracali codziennie, podany dla dnia wybranego na wykresie.
Może to wydać się trochę na początku nie do końca jasne, więc wesprzyjmy się tu przykładem. Najeżdżając myszką na wykres pojawiają się różne dane dla każdego dnia, prawda? Na przykład dzień 1 to jest 6%, dzień 7 to jest 0% dla 7 marca. To oznacza 6% użytkowników pozyskanych 7 marca powróciło na stronę pierwszego dnia, a już 0%, czyli nikt nie powrócił w ciągu 7 dni. Jeśli nasza analiza wypada w czasie, kiedy użytkownik nie ma szans powrócić po 7 dniach, bo robimy analizę okresu krótszego niż 7 dni, czyli na przykład 5 dni wstecz od bieżącego dnia, to w takim przypadku dane o procencie powracalności będą dla nas estymowane przez Google Analytics.
Osobiście uważam, że te raporty byłyby dużo bardziej przydatne, gdybyśmy mieli trochę dłuższą perspektywę czasową niż tylko 7 dni. Ale pamiętajmy, że GA4 jest dynamicznie rozwijane, więc pewnie ten raport będzie ewoluował. Na samym końcu tej sekcji wspomnę o raporcie utrzymania użytkowników. Czy ten raport będzie dla mnie w ogóle istotny? Zerknijmy najpierw, jakie dane ten raport przedstawia. Według definicji raport przedstawia odsetek nowych użytkowników powracających każdego dnia. No właśnie, i tu pytanie, czy w naszym biznesie tego typu powracalność to norma, albo coś do czego dążymy? Czy uważamy za nasz cel, aby użytkownicy powracali codziennie? Jeśli tak nie jest, to ten raport nie będzie dla Ciebie krytyczny.
Zupełnie inaczej jest w kwestii, jeśli Twój biznes to aplikacja mobilna, gdzie powracalność, najlepiej codziennie, jest czymś bardzo istotnym z biznesowego punktu widzenia, prawda? Ważna na pewno jest tutaj sprawa przedziału czasowego dla danych w omawianym raporcie. Daje on możliwość badania maksymalnie do 42 dni wstecz od daty bieżącej minus 1 dzień, czyli tak jakby tutaj od wczoraj. Tak więc nie będzie on bardzo przydatny dla użytkowników o dłuższych cyklach zakupowych, powyżej tych 41 dni. Tym samym umówiliśmy najważniejsze raporty dotyczące utrzymania użytkowników. Będziemy jednak jeszcze do tego tematu wracać przy okazji tworzenia raportów szytych na miarę, bo jest jeszcze kilka ważnych kwestii do omówienia w tym temacie.
Na koniec dzisiejszej lekcji zostały nam jeszcze do omówienia raporty dotyczące dodatkowych danych o użytkownikach na naszej stronie. Chodzi oczywiście o kwestie demografii i wykorzystywanych technologii. Wielu analityków i marketingowców uważa, że dane demograficzne są bardzo istotne, ale jeśli mamy rozważać raporty i dane w kategorii istotności, to może Cię zaskoczyć, ale uważam, że raporty dotyczące demografii są najmniej istotne ze wszystkich, jakie omawialiśmy. Traktuję je jako istotne, ale jednak dodatkowe dane o użytkownikach. Dlaczego tak uważam? Bo dla mnie jako marketingowca i analityka liczy się przede wszystkim, co ludzie robią, a nie kim są i gdzie mieszkają. Ważniejsze dla mnie dużo bardziej jest to, że dany użytkownik dokonał zakupu, a dużo mniej interesuje mnie jego płeć czy jego miejsce zamieszkania.
Żeby nie było, dane demograficzne dają nam dużo dodatkowego, przydatnego kontekstu, ale też są najbardziej miękkimi, że tak powiem, danymi. Ktoś może mieć przecież 60 lat, ale zachowywać się jak 30-latek. Czy to go eliminuje jako klienta ubrań dla 30-latków? No pewno nie. Dlatego przy budowaniu idealnego profilu użytkownika zaczynam zawsze od analizy zachowania użytkownika i jego wartości, a nie od przynależności do jakiejś grupy demograficznej. No dobrze, to skoro sobie już to wyjaśniliśmy, to możemy przejść do samych raportów. Jak łatwo możesz zobaczyć, dane możemy podzielić w raportach na dane stricte demograficzne oraz dane związane z technologią. W raportach dotyczących demografii znajdziemy takie informacje jak chociażby pochodzenie geograficzne. Tutaj chodzi oczywiście o lokalizację geograficzną, z jakiego nastąpiło wejście na naszą stronę.
Zwróć uwagę na raport punktowy po prawej stronie. Jak łatwo i szybko można się zorientować, skąd pochodzi najwięcej użytkowników na naszej stronie. W zakładce przegląd pod wykresami mamy dostępne linki do konkretnych raportów i wykresów zawierających też inne dane demograficzne, takie chociażby jak płeć, język oraz zainteresowania naszych użytkowników. Do tych samych danych możemy też dostać się z rozwijanego menu wymiarów w naszych raportach. Jeśli w swojej usłudze GA4 nie widzisz takich danych jak chociażby płeć, to znaczy, że nie masz aktywowanej opcji zbierania sygnałów Google, czyli Google Signals. Można je włączyć w ustawieniach usługi GA, w zakładce ustawienia danych, gromadzenie danych. Jeśli chodzi o dostępne raporty, na szczególną uwagę zasługuje raport użytkownicy według lokalizacji, czyli kraju, regionu lub miasta.
Za jego pomocą łatwo możemy zobaczyć skąd pochodzą nie tylko nasi użytkownicy, ale też większość przychodów. Dzięki temu możemy poznać nie tylko nasze najważniejsze rynki zbytu, ale także możemy odkryć nowe rynki o wysokim potencjale do wzrostu. Na przykład takim właśnie scenariuszem byłaby sytuacja, gdzie mamy lokalizację z dużą liczbą użytkowników, ale relatywnie małymi przychodami. Ze swojej strony zwracam też uwagę także na regiony rosnące, szczególnie te, które mają na przykład jeszcze nie za dużą ilość ruchu, ale przyzwoity wskaźnik konwersji, bo to wskazuje od razu ciekawe miejsca do rozpoczęcia jakiejś większej kampanii marketingowej.
Przechodząc do raportów w technologie, możemy zobaczyć cały szereg przydatnych informacji dotyczących technologii, jakie są wykorzystywane przez naszych użytkowników, takich jak kategoria urządzeń, jakich używali do odwiedzenia naszej strony, jakich przeglądarek i systemów operacyjnych używają najczęściej i tego typu podobne informacje. Jeśli posiadamy sklep tylko na platformie webowej, to w tym miejscu najczęściej interesować nas powinno doświadczenie użytkowników ze względu na kategorię wykorzystywanych urządzeń. Tutaj zazwyczaj możemy zaobserwować różnicę i to duże często w ilości ruchu i wskaźnikach konwersji między urządzeniami właśnie typu desktop czy mobile. Zazwyczaj także widzimy znaczące różnice w zachowaniach osób posługujących się urządzeniami systemów Android czy iOS.
Jeśli na przykład widzimy relatywnie dużą liczbę użytkowników korzystających z urządzeń mobilnych, ale dużo niższą liczbę konwersji niż na urządzeniach typu desktop, to od razu pojawiają się dwa pytania. Pierwsze pytanie to jest, czy sytuacja wynika z tego, że specyfika procesu zakupowego jest taka, że użytkownicy zaczynają proces zakupu na urządzeniu mobilnym, a kończą go relatywnie na desktopie, czyli oglądają i porównują produkty na urządzeniach mobilnych, a następnie później dopiero dokonują zakupu na komputerze. A drugie pytanie, bardziej przyziemne, to czy może po prostu nasza strona mobilna utrudnia dokonywanie konwersji, bo jest mało na przykład użyteczna.
Z automatu w tym raporcie nie poznamy odpowiedzi na pytanie niestety pierwsze, ale warto zweryfikować pytanie drugie i dokonać analiz, raportów, o których właśnie dzisiaj wcześniej mówiliśmy, ale tylko przez pryzmat wykorzystania urządzeń mobilnych. Będziemy o tym mówić przy okazji kwestii segmentacji danych. A wracając do odpowiedzi na pierwsze pytanie. Odpowiedź jest w zasięgu ręki, jeśli zaimplementujemy funkcję user ID lub i włączymy opcję zbierania sygnałów Google, czyli Google Signals. Oba te rozwiązania pomogą nam zmierzyć ścieżkę użytkowników i ich deduplikować pomiędzy urządzeniami oraz platformami. Dzięki temu poznamy prawdziwą wartość platform i wykorzystywanych urządzeń na ścieżkach użytkowników do konwersji. Tym samym dojechaliśmy do końca lekcji piątej.
To była niezła jazda, prawda? Udało nam się omówić wszystkie najważniejsze raporty standardowe w Google Analytics 4, które będziemy najczęściej używać. Pamiętaj, że nie zawsze musi być tak, że raporty i ich istotność będzie taka sama dla Twojego biznesu, jak ją dzisiaj przedstawiłem, ale przynajmniej wiesz od czego zacząć budowanie swojego własnego systemu analiz. Pamiętaj, że im bardziej koncentrujemy się na głównych wskaźnikach sukcesu KPI i celach biznesowych, tym łatwiej będzie nam wybierać krytyczne, czy najważniejsze raporty, z jakich będziemy później głównie korzystać na co dzień. Po raz kolejny powtórzę, patrzmy z dużego obrazka i skupiamy się na fundamentalnych elementach wpływających na biznes. Reszta to są tylko dodatki. W analityce Google Analytics działa jak zawsze wszędzie stara dobra zasada pareto.
Naprawdę podziwiam osoby, które rozbierają na części pierwsze ścieżki użytkownika, robią całe modele analiz szczegółowych zachowań na stronie i zbierają setki niestandardowych zdarzeń. Naprawdę tak jest. Pod warunkiem, że te analizy pozwolą widocznie poprawić efektywność biznesu. Najczęściej jest jednak tak, że takie bardzo skomplikowane i głębokie analizy albo nic nie wnoszą, albo mają znikome znaczenie. Potrzebujemy fundamentalnych i szybkich zmian, które mają zmieniać nasz biznes. Dokonywać dużych zmian, a nie minimalnych korekt. No chyba, że prowadzisz serwis typu Booking. com i zatrudniasz tysiąc analityków, ale to jest zupełnie inna historia. Mimo, że analizy i ciekawe odkrycia mogą dawać dużo satysfakcji, to ja osobiście wybieram biznes, a nie laboratorium.
Ostatecznie jednak chodzi w tym wszystkim o pieniądze, prawda? No to wszystko na dziś. Mam nadzieję, że lekcja badać się przydatna. Jeśli tak jest, to też mam nadzieję, że widzimy się już niedługo na kolejne lekcji, gdzie rozpoczniemy jazdę bez trzymanki z danymi w sekcji eksploracja. Cześć! .
S K R Y B O T
Skrybot. 2023, Video transcriptions from YouTube
By visiting or using our website, you agree that our website or the websites of our partners may use cookies to store information for the purpose of delivering better, faster, and more secure services, as well as for marketing purposes.