5 wskazówek, jak poprawić jakość danych w analityce internetowej

Kultura data-driven, czyli umiejętność podejmowania decyzji w oparciu o twarde dane, zawitała dziś pod strzechy wielu małych, średnich i dużych firm. Z jednej strony prowadzi ona do stabilnego wzrostu przychodów i rozwoju produktu, a z drugiej pozwala lepiej zrozumieć, dlaczego Twój biznes nie rozwija się zgodnie z oczekiwaniami. Wszystko to jest możliwe pod jednym warunkiem: źródłem wniosków i decyzji są poprawne dane o dobrej jakości. Jak zatem poprawić jakość danych w analityce internetowej?

1 Przeprowadź audyt narzędzi analitycznych

Wyobraź sobie sytuację, w której udajesz się na wizytę do lekarza specjalisty, zabierając ze sobą… nie swoje wyniki badań. Pozornie wszystko się zgadza: wydruk z laboratorium ma poprawną formę, dotyczy badań, które zleciłeś i można z niego odczytać pewne wartości, które jednak nie dotyczą Ciebie. Brzmi absurdalnie, prawda? Niestety, wiele narzędzi i usług, których celem jest zbieranie danych o aktywności użytkowników na Twojej stronie internetowej, jest niekompletnie lub niepoprawnie skonfigurowana.

Zanim podejmiesz decyzję o wyłączeniu kampanii na Facebooku lub kompletnym redesignie strony, zacznij od podstaw – sprawdź, czy kody śledzenia w witrynie internetowej zostały zainstalowane poprawnie i przesyłają dane do narzędzia, z którego korzystasz.

W przypadku rodziny Google i usług takich jak Analytics, Tag Manager czy Ads przydatne będzie rozszerzenie (wtyczka) do przeglądarki Google Chrome o nazwie Tag Assistant (by Google).

Ta mała, niepozorna ikona obok paska adresu kryje w sobie wiele przydatnych na co dzień funkcji. Dzięki Tag Assistant z poziomu odwiedzającego stronę internetową sprawdzisz, jakie kody śledzenia zostały na niej zainstalowane oraz czy działają poprawnie. Wtyczka pozwala również na rejestrację tagów wyzwalanych podczas sesji, dzięki czemu symulując ścieżkę użytkownika sprawdzisz, czy śledzenie pomiędzy kolejnymi podstronami odbywa się poprawnie, czy wszystkie zdarzenia trafiają do usługi oraz jakie wartości przechowywane są w warstwie danych (z ang. data layer) podczas wyświetlania karty produktu lub realizacji transakcji.

Jeżeli w Twojej pracy bliższy jest Ci ekosystem stworzony przez Marka Zuckerberga, to podobną funkcjonalność znajdziesz w rozszerzeniu o nazwie Facebook Pixel Helper. Analogicznie do Tag Assistant, Pixel Helper pozwala sprawdzić poprawność instalacji pixela w witrynie, zdarzenia przesyłane w trakcie odsłony oraz dane i wartości (takie jak informacje o produktach czy dokonanej transakcji) przesyłane do narzędzi analitycznych Facebooka.

Według raportów W3Techs Web Technology Surveys w lutym 2020 to właśnie Google Analytics wykorzystywany był przez 55% stron internetowych (będąc liderem w kategorii narzędzi analitycznych z udziałem w rynku na poziomie 85%) – możemy więc przyjąć, że Twój audyt w pierwszej kolejności będzie dotyczył tego narzędzia.

Jeżeli kody śledzenia zostały zainstalowane poprawnie, to czas przyjrzeć się konfiguracji konta i usługi – poniżej znajdziesz kilka wskazówek, które pozwolą Ci poprawić jakość zbieranych danych i z pewnością przełożą się na lepsze i trafniejsze wnioski w fazie analizy i raportowania.

Jak poprawić jakość danych, które zbierasz?

1. Wyklucz nienaturalny ruch na stronie – za pomocą filtrów wyklucz z głównego widoku danych spam (sesje generowane przez boty i crawlery), a także ruch wewnętrzny, generowany przez Ciebie i Twoich pracowników oraz na przykład agencje prowadzące działania reklamowe (zrobisz to za pomocą IP, a w przypadku zmiennego adresu IP – za pomocą ciasteczka blokującego ładowanie kodu śledzenia).
2. Usuń zbędne parametry w adresie URL – parametry w adresie URL (na przykład zmienna „fbclid”, dodawana po kliknięciu w link na Facebooku) powodują niepotrzebne dublowanie wierszy w raportach treści dla tej samej strony – wyklucz zbędne parametry na poziomie ustawień widoku danych.
3. Uzupełnij listę wykluczeń stron odsyłających – odesłanie do witryny (na przykład z bramki płatności) może nadpisać pierwotne źródło transakcji, dlatego pamiętaj o wykluczeniu domen operatorów płatności, bramek i stron banków, które pojawiają się w raporcie stron odsyłających.
4. Śledź i analizuj błędy 404 – przygotuj unikalny atrybut <title>, dzięki któremu zidentyfikujesz strony błędów w raporcie treści lub wyślij zdarzenie informujące o wystąpieniu błędu (w etykiecie przesyłając adres URL, który doprowadził użytkownika na stronę, która nie istnieje).
5. Skonfiguruj wyszukiwanie w witrynie – sprawdź, czego szukają użytkownicy na Twojej stronie – uruchom śledzenie wyszukiwania w witrynie, które znajdziesz w ustawieniach widoku danych.
6. Wykorzystaj połączenia z innymi usługami Google – za pomocą kilku kliknięć w łatwy sposób połączysz dane w Analytics z danymi z Ads i Search Console, zwiększając zakres dostępnych metryk i wymiarów w usłudze.
7. Zaimportuj dane o kosztach innych kampanii – wprowadź dane o kosztach innych kampanii reklamowych (na przykład na Facebooku) – wykorzystaj do tego ręczny import danych według schematu z Excela lub skorzystaj z gotowych, automatycznych rozwiązań takich jak Supermetrics.
8. Skonfiguruj funkcję User ID – jeżeli Twoja strona wymaga logowania, skonfiguruj funkcję User ID, która pozwoli połączyć dane o użytkowniku w oparciu o jego logowania, a nie profil sprzętowy.
9. Dostosuj ustawienia czasu trwania sesji i okresu kampanii – dopasuj czas trwania sesji i okres trwania kampanii widocznych w raportach pozyskania do charakteru działań biznesowych (na przykład jeśli prowadzisz często zmieniające się kampanie na Facebooku, skróć czas trwania kampanii w Google Analytics do 14 dni).

Pamiętaj o powiedzeniu „Garbage In, Garbage Out” – to znaczy „Śmieci na wejściu, śmieci na wyjściu”. Wprowadzając do narzędzi analitycznych niepoprawne lub niekompletne dane, narażasz się na błędne i niewłaściwe wnioski, na bazie których podejmiesz kolejne decyzje. Niektórzy mówią, że to gorsze niż zgadywanie.

Nie zapomnij też o standaryzacji, która w późniejszym czasie pozwoli uniknąć przetwarzania i obróbki danych w zewnętrznych narzędziach. Przykładem standaryzacji mogą być reguły nazewnictwa parametrów UTM podczas ręcznego tagowania linków lub prefixy w nazwach kampanii Google Ads, dzięki którym rozróżnisz kampanie brand od kampanii kierowanej na słowa generyczne.

Audyt narzędzi analitycznych, takich jak Google Analytics, omówiony w przykładzie powyżej, to pierwszy i podstawowy krok do poprawy jakości danych. W większości narzędzi zbieranie danych nie działa wstecz, dlatego jeżeli chcesz w przyszłości podejmować trafne decyzje, zacznij od regularnego sprawdzania konfiguracji konta już dziś.

2 Zamień zwykłe metryki na wartościowe wskaźniki

Pracując z narzędziami analitycznymi wiesz, że każde z nich oferuje ogromną ilość funkcjonalności i możliwości, które na pierwszy rzut oka mogą wydać się przytłaczające. W interfejsie Google Analytics masz do dyspozycji ponad 200 metryk pozwalających opisać zachowanie użytkowników na stronie: sesje, użytkownicy, współczynnik odrzuceń, czy średni czas trwania sesji.

Podczas raportowania i analizy skup się na tych metrykach, które są powiązane z Twoim celem. Jeżeli generujesz leady przez stronę, będzie to współczynnik konwersji celu, czyli % sesji, które zakończyły się na przykład wypełnieniem formularza ofertowego czy pobraniem katalogu produktów.

Prowadząc sprzedaż powinieneś skupić się na analizie współczynnika konwersji e-commerce, zwrocie z inwestycji w reklamę (ROAS) czy średniej wartości koszyka zakupowego – na przykład w odniesieniu do źródeł ruchu lub kategorii produktowych oferowanych w sklepie.

W Google Analytics masz do dyspozycji także niestandardowe wymiary i metryki. Wykorzystując je, możesz przesłać do usługi dowolne dane, które uznasz za przydatne do analiz, na przykład:

• dla e-commerce – informacje o produkcie (kolekcja, rozmiar, kolor, status, czy produkt jest w promocji) lub zalogowanym kliencie (scoring klienta, informacje o preferencjach);
• dla content marketingu – informacje o artykule (kategoria treści, długość tekstu, charakter, data publikacji) lub informacje o autorze (identyfikator autora);
• dla modelu aplikacji w modelu SaaS – informacje o użytkowniku lub zakupionym abonamencie.

Stosując podejście, w którym modyfikujesz standardowe metryki i tworzysz własne wskaźniki, możesz zarówno ocenić absolutną wartość istotnych biznesowo zdarzeń (na przykład 15 100 sesji z wyświetleniem karty produktu w danym okresie), jak i analizować udział procentowy kluczowych zdarzeń lub zachowań w stosunku do całości (na przykład obliczyć, że tylko podczas 43% sesji użytkownik widzi kartę produktu – co więc dzieje się więc z pozostałymi 57% odwiedzin?).

3 Połącz dane ilościowe i jakościowe

Google Analytics to narzędzie, które pozwala skupić się na analizie ilościowej – zbierane w ten sposób dane opisują rzeczywistość za pomocą liczb. Sesje, użytkownicy czy współczynnik odrzuceń – to przykładowe metryki, które w raportach można przypisać do wymiarów: źródła ruchu, kampanii, miejscowości czy urządzenia, z którego użytkownik odwiedził Twoją stronę. Analiza ilościowa pozwoli Ci obserwować ogólne trendy i zachowania wśród użytkowników, odpowiadając na pytanie „What?”, czyli „Co działo się na stronie?”.

Drugim pytaniem – dziś nierzadko ważniejszym niż samo „Co?” – jest pytanie „Why?”, czyli „Dlaczego to się wydarzyło?”. W znalezieniu odpowiedzi przydatna może okazać się analiza jakościowa, która bazuje na obserwacjach i nienumerycznych danych, takich jak opinie czy motywacje wynikające m.in. z analizy ankiet, nagrań sesji użytkownika lub map ciepła. Przykładem narzędzi, które dostarczą Ci danych jakościowych są Hotjar i Crazy Egg.

Analiza ilościowa odpowiada na pytanie CO się stało. Analiza jakościowa pozwoli Ci zrozumieć motywacje i odpowiedzieć na pytanie DLACZEGO.

Rozwiązywanie problemów z wykorzystaniem jednego i drugiego typu danych można podzielić na dwa etapy:

1. Pierwszy z nich – „What?” – to identyfikacja niepokojącego zachowania za pomocą analizy ilościowej. Może to być na przykład duży odsetek produktów usuniętych z koszyka (wzrost liczby konkretnego zdarzenia) lub przerwanie procesu rejestracji na jednym z etapów (porzucenie ścieżki do celu), które dostrzeżesz w raportach Google Analytics.
2. Drugi etap – „Why?” – to wykorzystanie narzędzia analizy jakościowej do zrozumienia, dlaczego dane zachowanie miało miejsce. Dla podanych wyżej sytuacji może to być na przykład analiza nagrania całej sesji, podczas której użytkownik porzucił proces rejestracji lub wyświetlenie ankiety (pytania) w momencie usunięcia produktu z koszyka, kiedy zapytasz o motywację tego działania. Łącząc dane ilościowe i jakościowe przestaniesz domyślać się, co mogło być przyczyną zdarzeń reprezentowanych przez metryki w raportach, a swoją wiedzę uzupełnisz o bezpośredni feedback od sprawców – potencjalnie utraconych klientów.

4 Zbieraj i łącz dane online i offline

Jeżeli Twój projekt – sklep, aplikacja lub narzędzie – nie wykracza poza świat online, możesz opomiarować ścieżkę klienta od punktu styku z marką do momentu konwersji: zakupu abonamentu, złożenia zamówienia w sklepie czy wykupienia licencji na usługę. Co w sytuacji, kiedy działania w digitalu są tylko elementem całego procesu sprzedaży i prowadzą do generowania leadów, przedstawienia oferty lub umówienia się w salonie na jazdę próbną nowym samochodem?

Zarówno Facebook, jak i Google posiadają już wskaźniki mówiące o konwersjach offline – źródłem danych dla tych raportów są najczęściej dane oparte na lokalizacji i połączone z naszą aktywnością online.

Błędem obciążone są również skrypty analityczne działające w oparciu o pliki cookies. Kolejne przeglądarki internetowe zaostrzają politykę dostępu do danych, a użytkownicy coraz świadomiej korzystają z trybu incognito lub narzędzi typu AdBlock. Działania te wpływają na jakość i poprawność danych widocznych w raportach, pokazując skrzywiony obraz rzeczywistości. Co zrobić w sytuacji, w której lead ze strony WWW to dopiero początek drogi klienta w procesie sprzedaży, a Ty chciałbyś poznać realną wysokość przychodu z działań reklamowych?

Poznaj Measurement Protocol – rozwiązanie, które pozwala komunikować się bezpośrednio z serwerem usługi Google Analytics i przesyłać do niego dowolne dane, zgodne określonym formatem. W praktyce oznacza to tzw. komunikację server-to-server, która umożliwia:

• zastąpienie standardowego kodu śledzenia w przeglądarce komunikacją z poziomu serwera (gwarantującą integralność danych, mniej wrażliwą na ograniczenia w działaniu plików cookies);
• integrację danych z zewnętrznymi systemami (online i offline), które znając identyfikator śledzenia Google Analytics i unikalny identyfikator klienta (tożsamy z użytkownikiem w usłudze), mogą dopasować zachowanie poza stroną internetową, na przykład do kanału pozyskania leada.

Komunikacja server-to-server jest przykładem zaawansowanego środowiska analitycznego, a jej wdrożenie wymaga wsparcia technicznego, nakładu czasu i kosztów oraz – przede wszystkim – uzasadnionej potrzeby stosowania tego typu rozwiązania. Wykorzystanie Measurement Protocol znajdzie zastosowanie przede wszystkim w działaniach, dla których Internet jest punktem styku z marką, a dalsze działania z klientem prowadzone są offline lub w dedykowanym narzędziu CRM.

5 Poprawność niejedno ma imię

Czy zdarzyła Ci się sytuacja, w której wszystkie narzędzia były poprawnie skonfigurowane, ale Twój wewnętrzny analityczny głos nie dawał Ci spokoju co do poprawności zbieranych danych? Jedno z pytań, na które musisz odpowiedzieć pracując z danymi, brzmi: „Czy sposób śledzenia i mierzenia działań użytkowników w witrynie jest zgodny z procesem biznesowym, który zachodzi w rzeczywistości?”.

Rozkładając powyższy przypadek na części pierwsze, warto przetłumaczyć go na sposób, w jaki widzi go poprawnie skonfigurowane narzędzie. Pierwsza wizyta na stronie, której źródłem był Facebook, według danych – nie przyniosła wprost wymiernych korzyści (mimo że była kluczowa dla Mateusza – miał w tym miejscu pierwszy punkt styku z marką).

Druga wizyta, pochodząca z Google, zakończyła się realizacją celu (rejestracja konta) oraz transakcją (zamówienie zestawu próbnego) o stosunkowo niskiej wartości. Kolejne sesje – kiedy Mateusz wchodził na stronę, wpisując nazwę firmy w Google i klikając pierwszy wynik organiczny – będą generowały transakcje i cele, które (poprawnie technicznie) zostaną przypisane do wyników organicznych. Ale czy na pewno rola tego kanału była tutaj aż tak znacząca? Jak zmieniłyby się analizowane dane, gdyby Mateusz kliknął w reklamę Google Ads wyświetlaną na słowo kluczowe, którym byłaby nazwa własna firmy?

Pamiętaj, że podstawą do konfiguracji narzędzia jest model procesu biznesowego. W omawianym przypadku zdecydowanie rozsądniejszym jest ocena skuteczności kanałów pozyskania ruchu pod kątem akwizycji klienta (rozumianej jako założenie konta). Kolejne transakcje, przypisywane do wyników organicznych, będą częściej wynikiem rozpoznawalności marki i sposobu korzystania z Internetu (szukamy w Google, zamiast wpisywać adres ręcznie), niż działaniami rozumianymi stricte jako SEO, na które mogłyby wskazywać suche raporty i statystyki.

Jakość to wiedza i doświadczenie

Atrybucja konwersji, śledzenie cross-device, wyznaczanie mikro, makro i antykonwersji, analiza procesów biznesowych i zaostrzanie polityki prywatności – to tylko niektóre z wyzwań, jakie czekają na Ciebie jako analityka w codziennej pracy. Ostatnim elementem, który poprawi jakość danych i pozwoli Ci podejmować lepsze decyzje, jest… Twoja wiedza, drogi Czytelniku.

Mimo wielu narzędzi, automatycznych wskazówek i alertów, na końcu łańcucha decyzji często wciąż jest człowiek – marketer, przedsiębiorca czy manager e-commerce. To on decyduje o wstrzymaniu działań w jednym kanale i przeniesieniu budżetu na inne aktywności. Dlatego eksperymentuj, kwestionuj status quo i testuj hipotezy, które uznasz za warte sprawdzenia. Bo – jak powiedział William Edwards Deming, wybitny amerykański statystyk – „In God we trust, all others must bring data”.

A jeśli chciałbyś dowiedzieć się więcej na temat analizowania danych i poprawnej konfiguracji Google Analytics, koniecznie sprawdź nasze szkolenia: Google Analytics i Google Analytics PRO!