Dużo danych, duży kłopot
Google Analytics 360 jest rozwiązaniem dla firm posiadających strony czy aplikacje mobilne, w których zaangażowanie odbiorców jest na bardzo wysokim poziomie. To znaczy, że liczba wykonywanych przez użytkowników działań (np. odsłon stron, wyświetleń ekranów, transakcji) przekracza 10 milionów miesięcznie na danym koncie. Kiedy przetwarzane są tak ogromne ilości informacji, dochodzi do próbkowania danych. Polega to na zawężaniu wyników do procentu informacji pozyskanych od najbardziej reprezentatywnej grupy. Metoda ta stosowana jest, by uzyskać raporty najbardziej odzwierciedlające rzeczywistą sytuację, i to w możliwie najkrótszym czasie.
Zobacz również
Z próbkowaniem w GA 360 można się zetknąć podczas tworzenia raportów na swoje indywidualne potrzeby, czyli w sytuacji gdy nie odnajdujemy interesujących nas informacji w raportach standardowo dostępnych w panelu narzędzia. Dodatkowym ograniczeniem jest przekroczenie limitu 100 mln sesji dla widoku danych.
O raportach na indywidualne potrzeby mówimy wtedy, kiedy:
- dodajemy dodatkowy wymiar do raportu standardowego, np. kiedy chcemy się dowiedzieć, z jakiego rodzaju urządzeń: telefonów, desktopów czy tabletów korzystają osoby w wieku 35-44,
- filtrujemy dane w tabelach, szukając liczby odsłon stron, które zawierają określone słowo, np. „kategoria” w adresie URL,
- stosujemy własne segmenty danych, np. chcąc wyfiltrować sesje z kliknięciem w powiększenie zdjęcia produktu, które wygenerowane zostały przez kanały Organic Search i Direct,
- budujemy zestawienie danych od podstaw, np. łączymy ze sobą liczbę sesji, płeć użytkownika oraz współczynnik konwersji, chcąc uzyskać prosty i czytelny raport.
Jakie niebezpieczeństwo niesie ze sobą próbkowanie danych?
Próbkowanie danych może powodować nawet 20% rozbieżności pomiędzy danymi uzyskanymi tą metodą a informacjami rzeczywistymi. Jeżeli dodamy do tego fakt, że nie każdy użytkownik odwiedzający witrynę posiada przypisane do siebie dane demograficzne (często jest to ok 60% odbiorców), to możemy uzyskać nieprawdziwy obraz zachowań odbiorców i wyciągnąć na jego podstawie niepoprawne wnioski.
#NMPoleca: Jak piękny design zwiększa konwersję w e-commerce? Tips & Tricks od IdoSell
Jak poradzić sobie z próbkowaniem?
Na szczęście Google Analytics 360 daje możliwość uniknięcia próbkowania danych. Na pierwszym miejscu wymienić tu można tabele niestandardowe. Są to niestandardowe raporty, które generuje się w panelu użytkownika. Po ich stworzeniu narzędzie “traktuje” zestawienie jak standardowe, więc nie musimy się więcej martwić o to, że nasze raporty będą niedokładne. Tabele pozwalają na agregowanie danych do 30 dni wstecz od ich stworzenia – dzięki nim można też zautomatyzować pracę. Wyeksportowanie danych przy użyciu wtyczki Google Analytics Spreadsheet Add-on pozwala na tworzenie cyklicznych lub jednorazowych raportów w przystępnej wizualnie formie.
Słuchaj podcastu NowyMarketing
Tabele niestandardowe są dobrym rozwiązaniem, jeżeli mamy wcześniej opracowany model raportowania (musimy wiedzieć, jakie raporty chcemy tworzyć), nie mamy potrzeby sięgania do danych historycznych (starszych niż 30 dni), a także zależy nam na zautomatyzowaniu pracy oraz regularnym dostępie do danych.
źródło: The Nets
Drugim rozwiązaniem, które pomaga w rozwiązaniu problemu z próbkowaniem danych, jest eksport niespróbkowanego raportu do pliku. Jest to funkcjonalność przydatna, jeżeli chcemy mieć szybki dostęp do rzetelnych raportów i analiza musi obejmować okres dłuższy niż 30 dni wstecz.
źródło: The Nets
Połącz dane w jeden raport
GA 360 daje możliwość łączenia danych z różnych usług w jednym widoku bez potrzeby zmian w kodzie śledzącym. Funkcjonalność ta ma swoje zastosowanie w przypadku potrzeby analizowania łącznie, a także porównywania danych z różnych stron internetowych, aplikacji mobilnych i stron w wersji AMP.
Jest to ciekawe rozwiązanie dla firm posiadających oddziały w różnych krajach z różnymi stronami internetowymi lub posiadających szerokie portfolio marek. Daje możliwość spojrzenia na dane w kontekście biznesowym. Funkcjonalność rekomendowana jest szczególnie w przypadku stron, które są podobne pod względem User Experience.
Dane zbierane są w jednym widoku, ale cały czas mamy szansę analizowania stron w odrębnych usługach. Poniżej przykładowy raport.
źródlo: analytics.googleblog.com/2014/05/google-analytics-premium-launches.html
TIP
Planowanie takiej usługi wymaga stworzenia strategii odnośnie nazewnictwa poszczególnych akcji i celów dla zasobów które chcemy połączyć w zbiorczym raporcie. Jeśli tego nie zrobimy, dane będą bardzo rozproszone, co w znaczącym stopniu utrudni analizę.
Śledź cykl zakupowy
Na zrealizowanie transakcji wpływa każda interakcja użytkownika z miejscami obecności firmy w sieci – od kliknięcia w baner, przez wejście na stronę z wynikami wyszukiwania, po wizytę na profilu w mediach społecznościowych. Dzięki atrybucji konwersji na podstawie danych dowiemy się m.in., jak istotne są punkty styku użytkownika z marką w odniesieniu do poszczególnych etapów ścieżki konwersji
Modelowanie pozwala na przypisanie każdemu kanałowi komunikacji wartości procentowej na podstawie danych zebranych na stronie. To właśnie stanowi o przewadze tego rozwiązania nad innymi modelami atrybucji dostępnymi w narzędziu. Metoda pozwala skutecznie ocenić efektywność wykorzystywanych sposobów dotarcia do odbiorcy, rozsądnie planować kampanie remarketingowe czy w odpowiedni sposób tworzyć media plany. Poniższy przykład pokazuje, że największy udział w inicjowaniu ścieżki konwersji miały płatne wyniki wyszukiwania.
źródło: analytics.googleblog.com/2013/08/data-driven-attribution-better.html
TIP
Przed rozpoczęciem analiz z wykorzystaniem modelu należy mieć pewność, że wszystkie konwersje przypisane są odpowiednio do źródła ruchu (kanału). Na przykład jeżeli ruch z działań email marketingowych nie zostanie otagowany parametrami utm model nie uwzględni w poprawny sposób efektywności kanału email w raporcie.