Konteksta u Google Analytics-u nikad dosta!
Odmah na početku odgovor na pitanje iz naslova – ukratko – skoro nikad. Koliko god da je Google Analytics općeprisutna pojava u mjerenju učinkovitosti web stranica i aplikacija, alat sam po sebi ima ozbiljna ograničenja. Ako gledamo funkcionalnu ulogu alata, GA daje mogućnost analize u jednom vrlo anonimiziranom tj. agregiranom kontekstu, gdje je opće poznato da trpimo od uprosječivanja i analize i rezultata. Općenito takav pristup vodi do zatupljivanja, tj. vrlo teškog procesa odlučivanja, jer smo ograničeni na samo jednu dimenziju korisnika – onu anonimnu. Pojednostavljeno rečeno, patimo od nedostatka konteksta.
Kako odraditi dodavanje konteksta?
Slanje podataka u Google Analytics je prilično jednostavno i najčešće su prisutne dvije opcije:
- Data import – upload podataka u Google Analytics koji se naknadno spajaju po nekom zajedničkom ključu
- Data collection – dodavanje custom informacija u vrijeme slanja podataka u Google Analytics (ovo se odnosi i na server side slanje putem Measurement protokola)
Gdje se taj čudesni kontekst u Google Analytics-u može iskoristiti?
Problem je ponekad najbolje pokazati primjerima iz prakse, stoga u nastavku pročitajte što i kako se može raditi kako bi Google Analytics bio potpuniji, razumljiviji i na kraju priče koristan alat u upravljanju digitalnim marketingom i šire.
Analizu koju mi najčešće radimo u agenciji dijelimo na par osnovnih područja:
- Korisnici
- Kanali
- Procesi
- Rezultati
(Ima ih još, ali za početak dovoljno)
Prema tim područjima pišu se i daljnje preporuke za implementaciju tj. integraciju. Kako ne bi naljutio, Vargu ovo se isključivo radi ako ima smisla (poslovnog smisla – očekivani rast, profit, ušteda – što god vas veseli), tj. ako se očekuje da će ti prikupljeni/obogaćeni podaci omogućiti korisnicima GA kvalitetniju analizu (bolje i brže preporuke što i kako dalje).
Korisnici u kontekstu
Svi ti izgubljeni ljudi koji nekim čudom dolaze na vaše stranice i pokušavaju u nekoj mjeri (u prosjeku 1-2%) uspješno riješiti svoj problem. Ako i kada je stranica povezana sa nekim internim sustavom, osobito ako postoji neki loyalty program, povijest kupovina i sl, Google Analytics može puno profitirati od unosa tih informacija na bazi korisnika dodatnim atributima. U alatu su to Custom Dimenzije (guglajte). Na taj način možemo opisati korisnika na način:
- Ukupan broj kupovina/ukupan prihod (lifetime),
- Preferirani proizvod,
- eCLV (estimated lifetime value),
- Status kupca (ovo recimo Shopify već ima ugrađeno i prilično je korisno) – opisne ocjene kupca – lojalni, novi, blizu otpada itd.
Kako koristiti te informacije? Vrlo jednostavno. Postavljajte jednostavna pitanja. Iz kojeg izvora prometa / regije / uređaja / vrijeme dolaze lojalni korisnici ili oni koji proizvode najveću vrijednost (hint RFM matrica / analiza).
Kanali
Nitko tu ne kopa kanale. Ovdje je izuzetno bitno proširivati informacije o izvoru prometa (UTM tagovi kao obaveza) na način da svakom izvoru, kampanji, oglasu pridružimo trošak. Postupak je vrlo jednostavan – koristimo data import samo tip unosa je Cost Data Import – za unos troškova od non-Google izvora prometa.
Cost je nakon importa dostupan u standardnim i MCF izvještajima u GA, što znači da možete izvještavati metrike poput ROAS za plaćene izvore prometa. Pomaže. Nije odgovor za sve, ali stvarno pomaže.
Procesi
Uff. Ovo je doista složeno područje, no primjena je i više nego presudna za upravljanje oglašavanje i to najčešće u situacijama kada se kupovina/realizacije usluge događa izvan weba/aplikacije. Drugim riječima pratimo ne samo kada je netko odradio Lead, već i kada je netko na kraju realizirao Lead.
Npr. korisnik dolazi na stranicu i pošalje upit za uslugom X. Tjedan dana nakon poslanog upita korisnik dolazi u poslovnicu i “kupuje uslugu” (ugovor, prva transakcija i sl). Sustav, neki pametni interni poslovni sustav, kod promjene statusa klijenta server side šalje u Google Analytics potrebne informacije kako bi se pokazala konverzija/transakcija (koja je naravno pridružena svim prijašnjim posjetima korisnika na stranicu).
Na ovaj način evaluiramo kampanje na bazi realizacije, a ne čistoj namjeri korisnika.
Proizvodi
Možda čak i jedna od najkorisnijih radnji proširenja koju možete napraviti, a to je, konkretno, dodavanje informacija o COGS (cost of goods sold) ili bucket profita (high, mid, low) na razini proizvoda. Cijela procedura se može radi na više načina, no preporuka je raditi Data Import (product data import). Zašto? Jer su to prilično osjetljive informacije za koje vjerojatno ne želite da ih drugi (korisnici, konkurencija) saznaju.
Spajanje ovih dodatnih atributa sa podacima u Google Analytics-u se radi na bazi product sku (id) ili product name dimenzija. Dalje je doista sjajno raditi u Analytics-u kada počnete povezivati gdje, kada i kako se prodaju vaši najprofitabilniji proizvodi i kad sve to onda povežete i sa tko kupuje te proizvode. Zlo i veliki usisavač vremena!
Sve navedeno u ovom članku se sada već lako izvedivom praksom. Podaci postoje, tehnika postoji, nema čekanja.
Sretno!
