Analityka w eCommerce – Karol Dziedzic


Analityka w eCommerce

Dzisiejszym wpisem zaczynamy serię artykułów gościnnych, w których razem z moimi rozmówcami będę starał się przybliżyć tematykę marketingu w eCommerce. Postaramy się omówić szczegółowo wszystkie elementy strategii w digitalu, które powinni wykorzystywać sklepy internetowe. W pierwszej kolejności zajmiemy się tematem, jakim jest analityka w eCommerce.

 

Nasz rozmówca – Karol Dziedzic

Karol na co dzień zajmuje się analityką internetową, również dla eCommerców, prowadzi szkolenia i konsultacje. Jest certyfikowanym specjalistą Google Analytics i Google Ads, był również częścią programu dla Certyfikowanych Trenerów Google. Miał okazję pracować i szkolić topowe brandy działające online, jest między innymi współtwórcą globalnego sukcesu Brand24 (pozdrowienia dla ekipy B24, jeśli to monitorują ;). W wolnych chwilach cyka epickie zdjęcia, lata dronem, ogląda zamki, podróżuje i majsterkuje przy swoim kultowym VW, zwanym „Bawibusem”. Więcej możecie przeczytać na www.karoldziedzic.pl

 

To co z tą analityką w eCommerce?

Wojtek: Karol, cieszę się że razem będziemy mogli przybliżyć naszym czytelnikom temat, jakim jest analityka w eCommerce. Rozpoczynamy cały cykl właśnie od niej, bo mam nieodparte wrażenie że ten temat ciągle jest traktowany w eCommercach po macoszemu. Każdy sklep chce szybko wygenerować sprzedaż za wszelką cenę. Rusza po omacku z SEO, odpala Google Ads i Facebook Ads. Ale zbiera te dane niepoprawnie, albo wręcz w ogóle ich nie zbiera. Bez tej wiedzy nie będzie przecież wiedział, które kanały działają i jak użytkownicy korzystają z jego sklepu.

Dlaczego analityka jest taka ważna? Jak przekonać do niej klienta, wspólnika albo szefa? I wreszcie – czemu tak mało uwagi reklamodawcy poświęcają analityce, a skupiają się na mediach? Wynika to z pójścia na skróty, braku świadomości, lenistwa czy parcia na szybkie efekty i wolumeny sprzedaży? A może wszystko po trochu? Cyferki nie są sexy? ; )

Analityka w eCommerce - joke

Karol: Nikt się nie przejmuje kwestią analityki jeśli biznes się rozwija. Mało tego, dokładając do całej układanki kolejne kanały reklamowe, jeśli wszystko nadal rośnie to mentalnie przypisujemy sukcesy właśnie do tych nowych rzeczy, które robimy. Niestety często okazuje się, że te nowe kanały reklamowe albo zwiększone budżety nie mają żadnego wpływu na przychody.

Świadomość potrzeby wykorzystywania analityki dociera dopiero w momencie, kiedy biznes przestaje rosnąć, a nawet pokazują się spadki oraz kolejne zwiększenia budżetów reklamowych po prostu nie działają. Wtedy dopiero następuje proces wgłębienia się w dane i wyciągania wniosków.

 

Google Analytics – robisz to źle.

W: Czyli z analityką jest tak jak z pracą w IT albo z małżeństwem? Jak jest ok to nikt nie widzi Twoich starań, a jak coś się popsuje to od razu jest gorąco? ; )

Przejdźmy do narzędzi analitycznych dla eCommerce, zaczynając od GA. Wiadomo, że Google Analytics jest największym, najbardziej znanym i najczęściej używanym. Jakie błędy w implementacji Analyticsa są Twoim zdaniem najbardziej powszechne? Duplikowanie kodu, brak mierzenia konwersji (niestety częsta sytuacja zwłaszcza w mniejszych sklepach) i filtrowania botów / IP? Czy może są inne grzechy główne, na które trzeba zwrócić uwagę?

Jak wiele sklepów ma problem z transakcjami wpadającymi w referral? Dla naszych czytelników – chodzi o sytuację, kiedy transakcje w sklepie mają przypisywane źródła takie jak: blik, payU, strony internetowe banków i aplikacji. Użytkownik dokonując płatności musi na chwilę opuścić naszą stronę przed dokończeniem zamówienia, co powoduje nadpisanie pierwotnego kanału odwiedzin. Konsekwencją jest gubienie oryginalnego źródła ruchu (np. wyszukiwarki lub social media) i prowadzi do wypaczania danych.

 

K: To są Twoje słowa Wojciechu ; )

Jeśli chodzi o błędy implementacyjne to oczywiście zdarzają się konta, gdzie np kod Analytics jest wklejony na sztywno i drugi raz przez GTM albo różne podobne podstawowe błędy z wklejaniem kodów.  Tak naprawdę głównym problemem jest brak mierzenia czegokolwiek poza samą sprzedażą czyli transakcjami w module eCommerce. Mało osób pochyla się nad mikrocelami w sklepie internetowym prowadzącymi do sprzedaży, panuje ciągła koncentracja nad celem sprzedażowym, który stanowi często jedynie 2-4% całego ruchu. Tak jakby nikogo nie interesowało co pozostałe ponad 90% osób robi na stronie, jak możemy ich zbliżyć do zakupu albo w czym możemy im pomóc.

Jeśli sklep jest podpięty do systemu płatności to muszę przyznać, że większość. Dopiero w sytuacji kiedy ktoś zaczyna analizować źródła konwersji i wychodzą bzdury jak właśnie duża ilość transakcji z systemów płatniczych to powoli zaczyna się zastanawiać jak ten problem rozwiązać. Podobna sytuacja występuje, kiedy ktoś chce stworzyć raport konwersji wspomaganych tudzież raport przez pryzmat modeli atrybucji.

Przychody stanęły – zaczyna się szukanie dziury w całym (czyt. wdrażanie analityki). Znalezienie bzdur w danych dopiero powoduje reakcję, czyli optymalizację. Jeśli wszystko idzie do przodu to znowu, nikogo to praktycznie nie interesuje.

 

W: Bardzo zgrabnie ująłeś mądrą myśl – wszyscy fiksują się na 2%, które konwertuje, ale na stronie jest jeszcze 98% użytkowników, którymi nikt się nie przejmuje dopóki nie wpadną do magicznego worka „skonwertowani”. A może oni tak naprawdę konwertują, ale zależy jak na to patrzymy? : ) To pytanie jest kluczem do innej ważnej kwestii, którą poruszyłeś, a o której chciałbym porozmawiać trochę więcej. Mam na myśli atrybucję konwersji.

Gwoli wyjaśnienia dla czytelników, którzy wcześniej nie spotkali się z tym określeniem. Atrybucja konwersji to przypisywanie konwersji (sprzedaży, leada czy innej, docelowej akcji użytkownika na stronie) do poszczególnych kanałów i punktów styku z lejkiem sprzedaży / ścieżką użytkownika. Standardowo utarło się, że konwersję przypisujemy do ostatniego źródła ruchu bezpośrednio przez konwersją, czyli tzw. last-click.

Jak z Twojego doświadczenia atrybucję najczęściej liczą eCommercy? Czy faktycznie w 95% to jest ciągle model ostatniego kliknięcia? Co doradziłbyś osobom prowadzącym sklep, które chcą ugryźć atrybucję konwersji od innej strony? Czy z last-clickiem dla części biznesów nie jest trochę jak z demokracją wg. Winstona Churchilla? Jeśli nie last-click to co? Jakie modele są dobre dla małych, a jakie dla dużych sklepów? Może to dobry moment, żeby opowiedzieć czym jest modelowanie data-driven? Świetnie przedstawiłeś to w, moim zdaniem, jednej z Twojej lepszych prezentacji o nazwie chwytliwej jak większość utworów Braci Figo Fagot – Janusz Kontra Maszyny w filmie pt. „Ostatnia Atrybucja”.

 

Janusz kontra maszyny – ostatnia atrybucja.

 

K: Jeśli wrzucimy wszystkich do jednego worka to faktycznie 95% opiera się o model ostatniego kliknięcia niebezpośredniego widocznego w raporcie pozyskiwania. Natomiast jeśli weźmiemy pod uwagę świadome eCommercy to tutaj widać mocny ruch w stronę odejścia od last-clicka. Pytasz jeśli nie last click, to co? To zależy! Jak inaczej można celnie odpowiedzieć na to pytanie ; ) Trzeba dokonać odpowiednio analizy ścieżek wielokanałowych, aby móc dopasować odpowiedni model do konkretnego biznesu. Zawsze możemy też przeczekać, aż Google Attribution będzie dostępne dla nas wszystkich i to powinno załatwić sprawę dla większości eCommerców, które tkwią jeszcze w last-clicku.

 

Analityka w eCommerce – jakie narzędzia?

W: Ok, pogadaliśmy trochę o Google Analytics, a przy okazji modelowania atrybucji wspomniałeś o Google Attribution. To póki co dla większości właścicieli eCommerców melodia przyszłości, ale porozmawiajmy o tym co dostępne obecnie w Google Marketing Platform w kwestii analityki. Czyli mamy: Google Tag Manager (obecnie z oficjalną nazwą Menadżer Tagów 360), a także Google Optimize i Google Data Studio.

Zakładam, że Google Tag Manager to narzędzie niemal tak obowiązkowe jak Google Analytics, jego przeznaczenie jest też dość oczywiste. Ale porozmawiajmy więcej o pozostałej dwójce, w mojej opinii strasznie pomijanej i niedocenianej – Optimize i Data Studio. Dlaczego prowadząc eCommerce warto zainteresować się tymi narzędziami? Czemu wizualizacja danych i AB testy mogą być obszarami krytycznymi dla większości sklepów internetowych? Które ich funkcje są w Twojej opinii najprzydatniejsze? Czy Twoim zdaniem one już dobrze spełniają swoją rolę czy przed nami jeszcze sporo aktualizacji aż będą optymalnie rozwinięte? Ostatnie sporo się zmieniły, tak jak np. dodanie blendowania danych w Data Studio, czy też personalizacji w Google Optimize.

 

K: Zacznijmy może od Google Data Studio. Ciężko wymagać od całego dużego zespołu marketingowego, żeby samodzielnie był w stanie wyciągnąć odpowiednie dane na których powinien pracować. Tutaj właśnie GDS świetnie się sprawdza w praktyce. Dla każdego członka zespołu wystarczy przygotować odpowiedni raport zbierający dane z różnych źródeł tak, aby dana osoba od razu reagowała na sytuacje w oparciu o dane, bez konieczności przekopywania się przez całego Analitycsa. Z drugiej strony GDS to też świetne narzędzie do tworzenia okresowych raportów dla klientów. Za pomocą odpowiednio stworzonych szablonów wystarczy uzupełniać raport o interpretację wyników, cała reszta zadzieje się już praktycznie automatycznie. Jeśli chodzi o rzecz na którą czekam, to jest to moduł modeli atrybucji w Google Data Studio.

Google Optimize z kolei potrafi zaoszczędzić nam sporo środków, ponieważ zanim wprowadzimy nowszy, lepszy, piękniejszy layout na naszą stronę możemy dokładnie przetestować, czy te zmiany faktycznie poprawią konwersje na naszej stronie. Trzymam kciuki, że coraz więcej osób będzie testować Optimize już nie tylko na prostych LP, tylko na większych strukturach. Ostatnio wprowadzone zmiany personalizacji o których wspominasz to również mocny krok na przód w kwestii dopasowywania stron indywidualnie do użytkowników. Niestety, ale najpierw musimy szerzej korzystać z zalet tworzenia testów A/B zanim zrozumiemy korzyści płynące z personalizacji strony pod dany segment użytkowników.

 

Analityka w eCommerce

 

„Właściciele eCommerce go nienawidzą, znalazł jeden prosty trik…”

W: Google Optimize to narzędzie w głównej mierze służące do testów A/B, które w przypadku sklepu internetowego mają na celu podniesienie współczynnika konwersji. Każdy właściciel eCommerce marzy o jak największym conversion rate. Jest to swego rodzaju Święty Graal zagadnienia, jakim jest analityka w eCommerce. Czy mógłbyś przedstawić kilka uniwersalnych, dobrych praktyk, które po wdrożeniu pomogą podkręcić ten współczynnik? Jak powinny wyglądać karty produktów, proces zakupowy, etc?

 

K: Ludzie często oczekują gotowej recepty najlepiej ładnie rozpisanej w punktach albo w tabelce co muszą zmienić, żeby było dobrze w każdym biznesie. Niestety jedyną poprawną odpowiedzią na pytanie co zmienić, to „to zależy”. Zależy od branży, zależy od produktu, zależy od grupy docelowej. Tak naprawdę w pierwszej kolejności należy znaleźć miejsce gdzie użytkownicy wypadają nam z lejka zakupowego. Kolejnym krokiem jest dokładne przyjrzenie się co się na tym kroku niedobrego dzieje, że odciąga ludzi od konwersji. Dopiero wtedy planujemy test A/B żeby potwierdzić tezę, że zmiana odnalezionego krytycznego elementu faktycznie będzie miała przełożenie na wzrost współczynnika konwersji. Pamiętajmy też od tym, że wiele osób korzysta z gotowych szablonów, więc często jest problem z wdrażaniem zmian po teście.

 

W: No to zepsułeś mi koncepcję, bo chciałem zapowiedzieć wpis czymś w stylu „właściciele eCommerce go nienawidzą. Odkrył jeden prostu sposób na wzrost konwersji w sklepie. Zobacz jak…”. ; )

To jeszcze na koniec prośba o mały bonus. Omówiliśmy dość szczegółowo standardowe narzędzia do analityki w eCommerce, głównie te od Google. Ale na nich świat się nie kończy. Czy jesteś w stanie polecić kilka innych, w które powinien zaopatrzyć się właściciel sklepu internetowego, który chce podejść do tematu trochę bardziej kompleksowo i dokładnie?

K: Na pewno warto zaopatrzyć się w narzędzia typu Yandex Metrica lub Hot Jar do analizy zachowań użytkowników na stronie. Warto podpiąć również niestandardowe skrypty poprzez np. GTM, przesyłające dane do Analyticsa na podstawie aktywności użytkownika tj. czy i jak długo przeglądają content. Dodatkowo warto zaopatrzyć się w calltrackery, jeśli telefon jest również jednym z kanałów sprzedażowych. Reszta narzędzi tak naprawdę dochodzi indywidualnie w zależności od potrzeb czyli systemy do marketing automation ect. Najważniejsze to wdrażać je krokowo w ramach potrzeb, a nie wszystkie naraz, gdyż z takiej strategii nic dobrego nie wyjdzie ; )

 

W: Karol, tym samym dobrnęliśmy do końca naszej rozmowy, mimo że analityka w eCommerce to temat rzeka i moglibyśmy nią płynąć bez końca : ) Bardzo dziękuję Ci za poświęcony czas. Życzę nam wszystkim, żeby nad tematem pochylało się coraz więcej osób, poświęcając mu odpowiednią ilość uwagi.

OCEŃ TEN POST Twoja ocena: 1/5Twoja ocena: 2/5Twoja ocena: 3/5Twoja ocena: 4/5Twoja ocena: 5/5 liczba głosów: 10, ocena: 4,60/5
Tagi: , , , , ,

Wojciech Morawski
Założyciel AdPeak i Certyfikowany Trener Google. Specjalista SEM, który miał okazję optymalizować kampanie dla wielu topowych marek oraz prowadzić dla nich szkolenia (również w takich inicjatywach jak: Akademia Google Partners, SEMcamp University czy Marketing Masters). Fan kampanii E-Commercowych, Mobile, nowinek SEMowych i technologii DoubleClick z machine learning na czele. Uważa, że wszystko co powstało w muzyce w latach '60 i '70 było dobre, zwłaszcza w wykonaniu Pink Floyd. Prywatnie wierny towarzysz swojego Border Collie o imieniu... Floyd.