Jak dotrzeć do mózgów przebodźcowanych klientów [NM Q&A live]

Jak dotrzeć do mózgów przebodźcowanych klientów [NM Q&A live]

Jak dotrzeć do mózgów przebodźcowanych klientów [NM Q&A live]

W jaki sposób skutecznie docierać do „cyfrowych zombie”? Jak tworzyć brain-friendy komunikację reklamową? Czy marki powinny podejmować tematy związane ze zdrowiem psychicznym?

SPRAWDŹ

Google Analytics 4 – co warto o nim wiedzieć

Google Analytics 4 – co warto o nim wiedzieć
O autorze
5 min czytania 2022-07-05

Od października 2020 r. wszyscy żyjemy w erze Google Analytics 4 (GA4). Po prostu nie każdy jest tego świadomy. Od ponad półtora roku GA4 jest domyślną opcją podczas tworzenia nowej usługi. Jednak nadal silnie jest kojarzony ze słowem „new”. Czy jest taką „nówką”? I czy nowy model jest faktycznie lepszy? Przyjrzyjmy się bliżej obu usługom.

Zacznijmy od podejścia do danych. W Universal Analytics (GAU) nacisk położony był na sesje i odsłony. W przypadku Google Analytics 4 na znaczeniu zyskał użytkownik wraz ze zdarzeniami (eventami). Podejście stosowane w GAU jest mniej elastyczne. Z góry szatkujemy dane na mniejsze porcje ograniczone przez pojęcie sesji. Definiowanej przez Google jako:

„(…) grupa interakcji użytkownika, które zachodzą na Twojej stronie w danym przedziale czasu. Jedna sesja może np. obejmować kilka odsłon, zdarzeń, interakcji społecznościowych i transakcji e-commerce”*.

W zakresie pomiaru zdarzeń mamy małą rewolucję – GA4 tworzy nową definicję pojęcia. Wszystko staje się zdarzeniem. Odsłona? Zdarzenie. Transakcja? Zdarzenie. Świat zdarzeń wg nowej usługi wygląda tak:

LinkedIn logo
Dziękujemy 90 000 fanom na LinkedInie. Jesteś tam z nami?
Obserwuj


Tabela 1: Typy działań Google Analytics Universal vs Google Analytics

Zdarzenie? Zdarzenie. Ufff, w końcu coś znanego! Nie do końca. Zdarzenia Google Analytics mają:

Słuchaj podcastu NowyMarketing

  • kategorię,
  • akcję,
  • etykietę.

Google Analytics 4 żegna się z powyższymi i rozpoczyna erę parametrów. Dzięki nim zyskujemy szerszy kontekst dla działań. Dla każdego zdarzenia mamy dostęp do następujących informacji:

NowyMarketing logo
Mamy newsletter, który rozwija marketing w Polsce. A Ty czytasz?
Rozwijaj się
  1. language,
  2. page_location,
  3. page_referrer,
  4. page_title,
  5. screen_resolution*

Dodatkowo zdarzenia zbierane automatycznie (niewymagające dodatkowych konfiguracji) mają parametry dopasowane do własnej specyfiki, np. chciałbyś zmierzyć ściągnięcia cennika na stronie? Wraz ze zdarzeniem file_download uzyskujesz dostęp do:

  1. file_extension,
  2. file_name,
  3. link_classes,
  4. link_domain,
  5. link_id,
  6. link_text,
  7. link_url.

Inny przykład – załóżmy, że jesteś dealerem samochodów. Każde umówienie online na jazdę próbną to dla Ciebie możliwość sprzedaży offline. Konfigurujesz zdarzenie mierzące tę aktywność. Samo dodanie eventu umożliwia zobaczenie informacji (i zadanie sobie pytań):

  • o liczbie użytkowników, którzy wypełnili formularz: dlaczego tak mało? To kwestia formularza czy warto zwiększyć zasięg witryny i pozyskać więcej ruchu?
  • liczbie zdarzeń: czy wartość jest zgodna z oczekiwaniami? Czy zgadza się z danymi zawartymi w CRM?
  • liczbie zdarzeń na użytkownika: czy jedna osoba umawia się kilka razy na jazdę próbną? Jaka jest tego przyczyna? Czy chcemy zablokować taką możliwość?
  • liczba zdarzeń / sesja: Ile kontaktów ze stroną potrzebuje użytkowników, aby wypełnić formularz? Czy warto ustawić capping na kampaniach Google Ads?
  • jakie są źródła ruchu sprowadzające wypełnienia formularza: czy inwestujemy we właściwe kanały?

A to tylko część informacji. Zdarzenia można wzbogacać o maksymalnie 25 własnych parametrów. To ogrom informacji. Dealer samochód może np. dowiedzieć się się, jaki model jest najczęściej wybierany na jazdę próbną (może warto silniej wypromować go przez płatne kampanie)?

To nie koniec różnic. Wdrożyliśmy z sukcesem Google Analytics 4. Mierzymy kluczowe zdarzenia. Wszystko wygląda pięknie. Nadchodzi moment porównań statystyk… Rozbieżności jest wiele, ale chciałabym zwrócić uwagę przede wszystkim na sesje, użytkowników i cele.

W nowej usłudze możemy zauważyć spadek liczby sesji. Jeżeli różnica nie jest znacząca to całkowicie naturalny objaw. 10% – 15% nie powinno budzić podejrzeń. GA4 w odmienny sposób zlicza sesje. Nowa kampania nie jest już przyczyną do zapoczątkowania sesji. Różnica będzie widoczna m.in. dla witryn prowadzących intensywne działania reklamowe, a jednocześnie oferujących produkt, którego zakup poprzedza porównanie z ofertą konkurencji. Przykładowo – internauta szuka skórzanych szpilek (z dużą dozą prawodpodopodnieństwa będzie to zatem internautka) pasujących do letniej sukienki. Wpisuje w okno wyszukiwarki frazę: „szpilki do letniej sukienki”. Trafia na stronę sklepu obuwniczego poprzez reklamę Google Ads. Znajduje piękne czerwone szpilki marki Tamaris. Chce sprawdzić, czy cena na stronie jest konkurencyjna. Okazuje się, że tak. Internautka powraca na stronę, wpisując już nazwę sklepu. Klika w reklamę brandową. GAU odnotuje dwie sesje. GA4 jedną (o ile nie minęło więcej niż 30 minut od ostatniej aktywności).

Kolejne rozbieżności możemy zauważyć analizując metrykę Użytkownicy. W GAU podział obejmował:

  • nowych użytkowników – osoby, które pierwszy raz miały styczność z witryną,
  • całkowitą liczbę użytkowników – łączna liczba użytkowników; wartość domyślna.

Natomiast w GA4 nacisk został położony na „aktywność” użytkowników. Właśnie ta informacja jest widoczna w większości raportów. Teoretycznie taka metryka niesie ze sobą większą wartość niiż dotychczasowa „całkowita liczba użytkowników”.

GA4 lubi się popisywać inteligencją. Przejawia się ona w wielu aspektach (o kilku będzie jeszcze mowa). Teraz skupmy się na mierzeniu celów (wg nazewnictwa GA4 – konwersji). Nowa usługa z góry przyjmuje część aktywności za wysoce pożądane, nie musimy nic dodatkowo konfigurować. Są to:

  • purchase – dla aplikacji i witryn,
  • first_open – tylko w aplikacjach,
  • in_app_purchase – tylko w aplikacjach,
  • app_store_subscription_convert – tylko w aplikacjach,
  • app_store_subscription_renew – tylko w aplikacjach*.

Oczywiście można własnoręcznie dobierać / dodawać także inne kluczowe wskaźniki. Co ważne – w GA4, w przeciwieństwie do GAU, na jedną sesję jeden cel może być zliczony kilka razy. Zatem w nowej usłudze będzie widoczny wzrost tej metryki*. W zliczaniu celów starej usługi widoczne jest wspomniane wcześniej „sesyjne” podejście. Tak naprawdę nie widzimy zrealizowanych celów a jedynie sesje, dla których odpowiedź na pytanie: „czy nastąpiła realizacja kluczowego działania?” jest twierdząca.

Właściciele sklepów internetowych, korzystający z wymiarów niestandardowych dla opisania produktu, będą niepocieszeni. Ta funkcjonalność nie jest obecnie dostępna. GA4 brakuje wymiarów niestandardowych na poziomie produktu. Sprzedawca chcący zobaczyć czy ktoś najczęściej kupował buty męskie, czy damskie, trampki czy kozaki, koloru niebieskiego czy czerwonego, w rozmiarze 42 czy 36, z kolekcji Super szyk czy Tani hit, wykonane z tworzywa sztucznego czy skóry będzie musiał ograniczyć się do wymiarów zawartych w items array (głównie 5 poziomach kategorii produktów)*. Wymiary niestandardowe na poziomie produktów mają zatem jakąś alternatywę. W przeciwieństwie do danych na poziomie sesji. W GA4 wymiary niestandardowe ograniczają się do poziomu użytkownika i zdarzenia.

U podstaw wdrożenia nowej usługi analitycznej leży m.in. potrzeba towarzyszenia użytkownikowi w ścieżce zakupowej na różnych urządzeniach (a także systemach). GA4 (w końcu) łączy wszystkie dostępne przestrzenie tożsamości:

  • User – ID – własny identyfikator dla zalogowanych użytkowników,
  • Google Signals – dane pochodzące od osób zalogowanych w Google,
  • Identyfikatorem urządzenia.

Dane przetwarzane są w sposób hierarchiczny (od user-id, następnie Google Signals i w ostateczności identyfikator urządzenia). W GAU w celu analizowania zachowań zalogowanych użytkowników należało stworzyć osobny widok. W GA4 ruch z aplikacji i strony internetowej, a także dane z wykorzystaniem user-id są widoczne w jednej usłudze. Mamy zatem na prawdę jednolitą ścieżkę użytkownika.

Wersja podstawowa raportów w GA4 jest faktycznie… podstawowa. Konieczność dostosowania raportów tak, aby widzieć informacje, które w GAU były na wyciągnięcie ręki może stanowić utrudnienie w przejściu do nowej usługi. Konfiguracji wymaga np. widoczność wyszukiwanych haseł w witrynie czy stron docelowych. Z drugiej strony GA4 jest nastawione na maksymalną personalizację. Tworzymy takie wizualizacje / tabele / porównania, które niosą dla nas najwięcej cennych informacji.

GA4 szeroko wykorzystuje machine-learning. Jego przejawy możemy zaobserwować w:

  1. danych prognozowanych:
    a) prawdopodobieństwo zakupu – czy aktywny użytkownik z ostatnich 28. dni dokona zakupu w ciągu najbliższego tygodnia (w GAU brany był pod uwagę okres 30 następnych dni)*
    b) prawdopodobieństwo rezygnacji – czy użytkownik aktywny w ciągu ostatnich 7 dni utrzyma swój status w następnym tygodniu
    c) prognozowane przychody – oczekiwane przychody na kolejne 28 dni dla użytkowników aktywnych w ostatnich 28 dniach*
  2. modelu atrybucji opartym na danych: wg zapewnień Google funkcje atrybucji w GA4 są bogatsze i udoskonalone. Np. modelowanie atrybucji „wskakuje” na poziom usługi. Przede wszystkim na znaczeniu zyskał model atrybucji oparty na danych. Stał się defaultową opcją (w GAU był nią model oparty na ostatnim kliknięciu). W jego ramach analizie podlega wpływ punktów kontaktu na konwersje. Uwzględniane są m.in. czas od konwersji, typ urządzenia, liczba interakcji z reklamą. Zgodnie z definicją: (…)model porównuje ze sobą to, co zaszło z tym, co mogłoby się wydarzyć, by określić, które punkty kontaktu najprawdopodobniej doprowadzą do konwersji”.*
  3. modelu behawioralnym dla trybu zgody: po wdrożeniu trybu zgody na pliki analityczne liczba dostępnych informacji może znacząco spaść. Google próbuje walczyć ze zjawiskiem poprzez (…)modelowanie zachowania użytkowników, którzy odrzucają analityczne pliki cookie, w oparciu o zachowanie podobnych użytkowników, którzy akceptują analityczne pliki cookie.*
  4. analizie automatycznej: systemy uczące mogą same wynajdować anomalie / ważne zmiany albo identyfikować je na podstawie kryteriów określonych przez użytkowników GA4.

GA4 zdaje się być odpowiedzią na zmieniające się zapotrzebowanie analityki internetowej. Zapewne wymaga jeszcze kilku udoskonaleń, dodatkowych funkcjonalności. Jednak od lipca 2023 r. będzie „tym jednym”, więc warto jak najszybciej się z nim bliżej zapoznać.

 

*support.google.com/analytics/answer/2731565#zippy=%2Ctematy-w-tym-artykule
*support.google.com/analytics/answer/9234069
*support.google.com/analytics/answer/9267568?ref_topic=10313214#about&zippy=%2Ctematy-w-tym-artykule
*www.searchdiscovery.com/blog/goals-vs-events-in-google-analytics-4/
*developers.google.com/analytics/devguides/collection/ga4/ecommerce?client_type=gtm
*support.google.com/analytics/answer/7551092?hl=pl#zippy=%2Ctematy-w-tym-artykule
*support.google.com/analytics/answer/9846734?hl=pl
*support.google.com/analytics/answer/10596866?hl=pl#zippy=%2Ctematy-w-tym-artykule
*support.google.com/analytics/answer/11161109?hl=pl&ref_topic=9303474