…być takimi, za jakie je uważamy.
Często przyjmujemy za fakt, że wysoki Open Rate i wysoka konwersja wskazują na to, że kampania odniosła sukces. Dlatego dziwi nas dlaczego dane te nie przełożyły się później na gwałtowny wzrost sprzedaży. Tymczasem wiele innych wskaźników przyjmujemy jako mało istotne, chociaż to one w rzeczywistości wskazują na sukces lub jego brak. Na jakie wskaźniki warto więc zwracać uwagę a jakim nie należy zbytnio ufać? O tym w dalszej części artykułu.
Zobacz również
Nie oceniaj po konwersji
Konwersja jest często używanym przez marketingowców wskaźnikiem. Warto jednak zwrócić uwagę, że konwersję 20% osiągniemy w przypadku, gdy przy 10 użytkownikach na stronie, 2 dokona zakupu, ale również w przypadku, gdy odwiedzin będzie 10 000, a 2 000 użytkowników kupi usługę. Widzicie różnicę? Nie wnioskuję w ten sposób o całkowite wykluczenie konwersji z analiz, ale o opisywanie jej za pomocą danych nominalnych a nie procentowych. W przypadku, gdy jako konwersję uznajemy liczbę wejść na stronę z landing page’a – przedstawmy ją jako całkowitą liczbę wizyt, w przypadku konwersji jako zakupu – jako całkowitą liczbę transakcji.
OR – znaczy odczytane?
Często za podstawowy wskaźnik e-mail marketingu przyjmujemy liczbę otwartych wiadomości (Open Rate). Pamiętajmy, że to wcale nie oznacza, że użytkownicy je przeczytali. W przypadku mierzenia dostarczalności, albo oceny tego, czy nasz nagłówek był interesujący może to mieć pewne przełożenie, ale jeśli badamy samo zainteresowanie ofertą, już niekoniecznie.
Warto pamiętać, że niektóre skrzynki mailowe posiadają panel podglądu wiadomości, który umożliwia automatyczne podejrzenie treści wiadomości. Dodatkowo, w przypadku niektórych skrzynek odczytanie maila nie jest w ogóle zliczane, gdy odbiorca nie pobiera zawartych w mailu grafik.
#NMPoleca: Jak piękny design zwiększa konwersję w e-commerce? Tips & Tricks od IdoSell
Wejścia na stronę bezpośrednio z przeglądarki
Często kliknięcia w mailing liczone są jako podstawowy wskaźnik konwersji – czyli zainteresowania się ofertą i tym samym przejścia na stronę. Ale co z tymi, którzy po przeczytaniu mailingu weszli na stronę wpisując jej pełny adres w okienku przeglądarki, albo zapamiętali nazwę firmy i w wolnej chwili w dalszej części dnia odwiedzili witrynę wstukując jej nazwę w google? Albo z tymi, którzy oglądali naszą reklamę w TV lub wyświetliły im się nasze bannery.
Słuchaj podcastu NowyMarketing
W kampaniach np. Adwords, kliknięcie w banner nie mówi nam wiele o efekcie kampanii. Wiele osób po którymś z kolei wyświetleniu banneru w wolnej chwili wraca na zapamiętaną stronę, nie klikając w niego bezpośrednio.
Warto pamiętać również o tych użytkownikach i mierzyć czy w danym czasie np. w ciągu 24h od otrzymania maila, odwiedzili oni stronę www. Te dane również powinniśmy brać pod uwagę przy określaniu sukces kampanii.
Mierz efekty nie tylko bezpośrednim zakupem
W sukcesie kampanii ma udział nie tylko końcowy wskaźnik transakcji. Oczywiście należy brać go pod uwagę, ale jeśli nasz produkt kupiło 30 osób wchodząc na stronę przez landing page promocji nie oznacza to, że ponieśliśmy klęskę. W tym samym czasie licznik wejść na stronę przez osoby, które otworzyły mailing mógł wynieść 3000 wizyt, w tym dodatkowo 300 osób mogło kupić inny produkt – niekoniecznie ten, na który obowiązywała promocja, a dodatkowe 500 osób mogło zapisać się do naszej bazy w celu otrzymania informacji o kolejnych obniżkach. Dokonując analizy wyników kampanii bierzmy pod uwagę całościowy obraz sytuacji czyli;
-
liczbę transakcji,
-
liczbę wejść na stronę (nie tylko poprzez kliknięcie w mailing),
-
zakup innych produktów nie objętych promocją (dokonany przez osoby, które otrzymały informacje o promocji),
-
zapisy na newsletter/do bazy przez osoby, które otrzymały informację o promocji.
Unikalne vs całościowe
W naszych analizach możemy brać pod uwagę dane całościowe lub na unikalne. Nie będę rekomendować, które z nich są lepsze, bo oba rodzaje danych przynoszą cenne informacje, tyle tylko, że sprawdzają się w innych sytuacjach.
Dane całościowe stosujemy w ogólnych statystykach, gdy chcemy dowiedzieć się;
-
ile zarobiliśmy,
-
jaki był ruch na stronie.
Nigdy nie mylmy ich z danymi unikalnymi. 30 000 wejść na stronę nie oznacza, że odwiedziło nas 30 000 użytkowników. Wejścia mogą generować Ci sami użytkownicy odwiedzający nas ponownie. Część osób mogła nas odwiedzić kilkakrotnie, z kilku różnych urządzeń np. telefonu, tabletu etc. Tak naprawdę dopiero unikalna liczba wejść (unikalnych adresów IP) pozwala nam dowiedzieć się, ile osób odwiedziło nasz serwis..
Danych unikalnych używamy na przykład;
-
aby szczegółowo określić, ilu użytkowników było zainteresowanych ofertą.
W odniesieniu do wyników kampanii, gdy mierzymy skalę zainteresowania naszą ofertą, bierzmy pod uwagę raczej unikalne kliknięcia i wejścia na stronę, które informują nas o liczbie indywidualnych użytkowników.
Współczynnik odrzuceń
To istotny wskaźnik pokazujący jak bardzo wartościowy ruch ściągamy na naszą stronę. To, że jest on wysoki nie oznacza, że mamy nie interesującą ofertę. Powody mogą być dwojakiego rodzaju:
1. Na naszą stronę wchodzi duża liczba osób, które nie powinny tam trafić.
W tym przypadku warto przyjrzeć się w pierwszej kolejności skąd pochodzą Ci użytkownicy – jeśli z kampanii – zwróćmy uwagę na jej targetowanie (może kierujemy ją do zbyt szerokiej grupy odbiorców), słowa kluczowe oraz na sam komunikat kampanii (jeśli oferujemy w nagłówku coś za darmo, a okazuje się, że po wejściu na stronę użytkownik widzi cennik, może to znacząco wpłynąć na wzrost wskaźnika odrzuceń).
2. Wizyta skończyła się na jednej podstronie.
W przypadku Landing Page’a z formularzem, Analytics przy odpowiedniej konfiguracji może zbierać informacje o użytkownikach, którzy zostawili swoje dane (jako konwersje ustawiamy wtedy albo przejście na Thank You Page, albo ustawiamy “zdarzenie” po wypełnienie formularza).
Jeśli nie skonfigurujemy tego w odpowiedni sposób, współczynnik odrzuceń może być wysoki mimo, że użytkownik mógł dokładnie zapoznać się z treścią strony. Możliwe, że po prostu na tym etapie zakupu potrzebował dodatkowej zachęty lub informacji.
Jak wspominałam wyżej, Analytics nie zlicza czasu spędzonego na 1 stronie, jeśli wizyta w tym miejscu się zakończyła.
Rozwiązanie:
Istnieje możliwość dostosowania tego współczynnika do naszych potrzeb. Wystarczy zmodyfikować kod Google Analytics, aby jako odrzucenia traktował np. wizyty które trwały krócej niż np. 15 sekund. Pozostałe osoby można dzięki automatyzacji dopisać do listy osób, do których warto jeszcze wrócić z komunikatem w późniejszym czasie.
Pamiętaj!
Nie bądź zbyt wielkim optymistą i nie dąż do sytuacji z zerowym poziomem odrzuceń. Nie jest to możliwe, co więcej, współczynnik odrzuceń poniżej 20% (dla landing page’y nawet 80%) z dużym prawdopodobieństwem świadczy o tym, że zaistniał jakiś błąd.
Liczba odsłon
Każde kolejne przejście na podstrony w serwisie liczone jest jako “odsłona”.
Liczba odsłon jest istotna dla witryn internetowych takich, jak np. portale, które mają bogatą treść pogrupowaną na osobnych podstronach. Nie jest ona istotna natomiast dla portali, które nie są rozbudowane, lub na które jest kierowany użytkownik w celu zdobycia dodatkowych informacji o produkcie, a wszystkie informacje znajdują się na jednej podstronie.
W przypadku sklepów internetowych sytuacja jest inna. Duża liczba odwiedzonych podstron nie musi oznaczać, że klienta interesuje nasza oferta (choć może). Może to być znak, że na naszej stronie nie potrafi on znaleźć niezbędnych informacji bądź dopasowanego produktu.
Zbyt wiele jest tutaj niewiadomych i bardzo ciężko w oparciu o prostą analizę stwierdzić, jaki cel kierował klientem w czasie jego poszukiwań, zwłaszcza gdy nie zakończyły się one udaną transakcją.
Liczba odsłon nie jest miarodajnym wskaźnikiem, ale może być analizowana w zestawieniu z innymi danymi i wtedy może przynieść nam istotne informacje Po skorelowaniu jej np. z danymi transakcyjnymi – dowiemy się ile podstron przejrzeli użytkownicy, którzy dokonali transakcji i jak szybko znaleźli odpowiedni produkt.
Liczba wejść a liczba sesji
Oba pojęcia choć mogą wydawać się tożsame to jednak zupełnie inne wartości. Wejścia liczone są tylko dla pierwszej podstrony, na którą trafi użytkownik. Natomiast sesja to grupa interakcji (wizyt na podstronach, transakcji etc.), które użytkownik wykonuje w witrynie w danym przedziale czasowym. Sesja z reguły kończy się po 30 minutach braku aktywności użytkownika na stronie lub o północy danego dnia (chyba, że zmienimy jej ustawienia). Jeśli użytkownik w tym czasie 3 razy wchodził i wychodził ze strony wciąż będzie to rozumiane jako jedna sesja. Może to być spowodowane np. problemem z internetem, załadowaniem strony lub innymi trudnościami, które nie dają nam jednoznacznej odpowiedzi.
10 minut na stronie nie równa się 10 minutom zaangażowania. W związku z tym czas spędzony na stronie nie jest wskaźnikiem, który nadaje się do określenia zaangażowania użytkownika.
Podsumowując – warto brać pod uwagę ilość wejść, niż samą liczbę sesji.
Osoba, która o 12:00 otworzyła stronę i o 12:05 zrobiła sobie przerwę w jej przeglądaniu wychodząc na obiad – wróciła o 12:35 aby kontynuować wizytę – rozpocznie drugą sesję, gdyby wróciła z obiadu o 12:25 – wciąż działałaby w ramach jednej sesji. Natomiast osoba mająca problem z internetem i odświeżająca stronę 3 razy w ciągu 30 minut – będzie wciąż miała na koncie 1 sesję. Jest to bardziej złożony problem i w wielu przypadkach trudno określić, czy obiektywniej byłoby przyporządkować działania użytkownika do 1 czy wielu sesji. Jak widać, ten wskaźnik należy traktować w swoich analizach bardzo ostrożnie.
Czas spędzony na stronie
Jest to wskaźnik, na podstawie którego określa się jak bardzo interesująca jest nasza strona internetowa. Pamiętajmy jednak o kilku istotnych kwestiach, które wpływają na wartość tego wskaźnika. Po pierwsze, wiele danych może zaburzać wyniki – na przykład jeśli nasi pracownicy mają otwartą stronę firmową w zakładce przeglądarki i przez cały dzień często odwiedzają różne jej podstrony, średni czas przebywania na stronie będzie bardzo wysoki. W tym przypadku, aby nie zaburzać wyników, można wykluczyć z analizy pracowników łączących się z witryną z firmowego IP.
Warto zwrócić również uwagę na to w jaki sposób jest liczony ten wskaźnik. Google Analytics mierzy czas spędzony na stronie analizując pliki cookies – które zbierają dane o czasie ładowania się strony. W przypadku gdy użytkownik zamknie przeglądarkę, lub przechodzi na inną witrynę, czas który spędził na ostatniej przeglądanej podstronie nie jest już zliczany.
W przypadku gdy użytkownik na pierwszej stronie spędził 10 sekund, na drugiej 20, a na trzeciej minutę, a następnie opuścił witrynę, łączny czas wizyty wyniesie więc 30 sekund a nie 1,5 minuty, ponieważ Analytics nie uwzględnia w swoich analizach czasu który użytkownik spędził na ostatniej odwiedzanej podstronie.
Co więcej – jeśli nasz potencjalny klient trafił tylko na jedną podstronę, przeczytał na niej wszystkie niezbędne informacje i po 2 minutach wyszedł, według Google Analytics (GA) spędził na stronie 0 minut. W ten sposób tracimy informacje o wielu osobach, które potencjalnie nasza oferta mogła zainteresować – te z nich, które odwiedziły tylko 1 podstronę i te które zostały odrzucone (lub same nas odrzuciły) i same opuściły stronę po 1 sekundzie zostają wrzucone do jednego worka. W ten sposób całkowity średni czas przebywania na stronie zostaje znacząco zaniżony, a tym samym mało wiarygodny.
Jak temu zaradzić? Wystarczy zmodyfikować kod GA, tak żeby co jakiś czas (np. co 10 s) wywoływał na stronie “zdarzenie”. Co 10 sekund będzie on zapisywał czas przebywania użytkownika na danej podstronie. Nie jest to rozwiązanie w 100% dokładne, ponieważ jeśli użytkownik będzie przebywał na stronie 49 sekund, czas odnotowany w GA wyniesie 40 sekund. Ale warto taką modyfikację zastosować, żeby zwiększyć skuteczność pomiarów.
Istnieje również możliwość wywołania zdarzenia dopiero jeśli użytkownik przesunie stronę o określoną liczbę pikseli. Unikamy w ten sposób monitorowania czasu przebywania na stronie osób, które widzą tylko nagłówek i nie przeczytały treści. Możliwości modyfikacji jest dużo, warto je dostosować do specyfiki danego serwisu i zawartości konkretnej podstrony.
Siła leży w korelacji
Oczywiście wszystkie wspomniane wyżej wskaźniki są istotne w analizie danych i można wyciągnąć z nich bardziej szczegółowe wnioski. Warto jednak nauczyć się patrzeć na nie obiektywnie i analizować je na przykład w zestawieniu z innymi danymi, aby otrzymać wartościowe wnioski odnośnie swoich kampanii.
Oto kilka przykładów:
-
Open Rate możesz zestawić np. z CTR. Jeśli Open Rate okaże się zbyt wysoki w stosunku do CTR może oznaczać to, że istnieje jakiś problem z kreacją, albo źle targetujemy kampanię i jest nieinteresująca dla naszej grupy docelowej. Możliwe jest też, że zaistniał jakiś problem techniczny.
-
Zestaw segment osób, które widziały kampanię z danymi dotyczącymi odwiedzin strony, zapisów do newslettera, transakcji. Dzięki temu dowiesz się jak wiele z nich odwiedziło stronę, zakupiło produkt, nie wchodząc na stronę bezpośrednio poprzez kliknięcie w e-mail. Dzięki temu dowiesz się jak efektywna była Twoja kampania w rzeczywistości.
-
Liczbę unikalnych wejść na stronę zestaw z danymi na temat transakcji – sprawdzisz jaki procent wejść na stronę kończy się transakcją.
-
Liczbę odsłon zestaw z danymi transakcyjnymi – dowiesz się jak wiele podstron oglądają klienci zanim dokonają zakupu i jak szybko udaje im się znaleźć odpowiedni produkt.
Precyzyjny pomiar efektywności działań marketingowych w internecie nie jest możliwy w 100%. Warto jednak wspomnieć o bardzo obiektywnych wskaźnikach, w odniesieniu do których nie mamy do czynienia ze znacznymi odchyleniami od rzeczywistości. Jest to na przykład CTR (click through rate) czyli wskaźnik kliknięć w mailing/reklamę, który należy do bardziej wiarygodnych. Wskazane w artykule wskaźniki warto wcześniej dobrze zrozumieć i zastanowić się w jaki sposób są one mierzone i przede wszystkim czy są w stanie przynieść nam odpowiedź na zadawane przez nas pytania. Dużą rolę pełni tu jednak korelacja – warto pamiętać, że niektóre z wymienionych wskaźników mogą przynieść wartościowe informacje dopiero w momencie zestawienia ich z innymi danymi.