S velkou porcí nadsázky se dá říci, že kampaň
s kvanty dat dokáže optimalizovat každý. Prostě se kouknete na Ticháčkovu prezentaci o RFM modelu, zkouknete i pár videí o atribučních modelech a kohortách a můžete začít psát doporučení. Problém nastává, když máte optimalizovat kampaň a nemáte data, jakákoliv analýza z GA je z hlediska statistické významnosti odhadem a plácnutím do prázdna. Chí kvadrát je v tu chvíli sci-fi na n-tou. Jak takovou kampaň optimalizovat?
Malá kampaň – ještě lepší nastavení!
Z logiky věci by bylo možné říci – malá kampaň, malé rozpočty, nastavíme to základně. Doporučuji pravý opak. Vezměte si například, že máte Adwords kampaň cílenou na B2B. Pak dává smysl naopak nastavit ji ještě lépe. Občas se u podobných kampaní stane, že máte 4 poptávky za měsíc, z toho jednu realizovanou. Druhý měsíc máte 0 poptávek. Musíte být schopni zjistit co nejvíce o těch, kteří vám poptávku zaslali, a ještě více o těch, jejichž poptávka se nakonec realizovala. Může se stát, že celé vaše úsilí za 2 měsíce se promění v jeden kontrakt v řádu statisíců až milionů. Není možné střílet naslepo. Občas je to ale těžké komunikačně přesvědčit klienta, který za kredit utrácí 10.000 Kč, že webová analytika bude za 15 – 20 tisíc, aby těchto 10 tisíc bylo efektivně vynaložených.
Jak nastavit analytické nástroje?
Rozhodně doporučuji využít Google Tag Manager. Získáte tím flexibilitu v nastavování a spoustu užitečných možností. Doporučuji využívat minimálně Google Analytics, systém pro heatmapy a videonahrávky uživatelů (např. Hotjar, Smartlook). Pokud využíváte Facebook Ads, pečlivě nastavte Facebook pixel. Některá data – například informace o věku a pohlaví, zde budou výrazně přesnější a lépe přiřaditelné ke konverzní akci. Facebook pixel využívá jiný mechanismus atribuce konverzí, takže změříte i nákup na základě zobrazení vašeho inzerátu na Facebooku. Přesněji změříte i cross-device konverze. Toto je zároveň i negativem, jelikož FB si přisoudí i konverze, kde pouze asistoval.
Jaké nastavit cíle?
Bez cílů to nejde. Nastavení je individuální, vzhledem k typu byznysu. Zároveň, u B2B s 3000 tisíci návštěvami a 5 získanými leady měsíčně se nemůžete spolehnout pouze na sledování hlavních cílů, ale je nutné sledovat i soft-cíle. Samozřejmě je nutné v klientovi vytvořit realistická očekávání, že 30% míra konverze neznamená, že každý třetí člověk je relevantní.
Navrhuji nastavit jako cíl například následující:
- minimálně všechny způsoby získání kontaktů (např. registrační formulář, poptávka, kontaktní formulář, komentář, newsletter, ebook),
- čas na webu nebo na klíčové stránce delší než x minut,
- počet stránek na návštěvu,
- stáhnutí ceníku,
- prohlédnutí prezentace,
- puštění videa
- lead scoring akce
Lead scoring uživatelů
Pro lead scoring můžete využít specializované aplikace pro marketingovou automatizaci nebo se dá nastavit i v Google Analytics. Například zde jsme si uživatele rozdělili na: není spam, zaujatý uživatel, vysoce zaujatý uživatel a lead. A dle jeho zaujetí jej zahrnujeme do daného funnelu v Enhanced Ecommerce. Řešit by to šlo alternativně pomocí vlastních dimenzí a metrik, kdy bychom k uživateli přidávali číselnou hodnotu s jeho zaujetím. Tuto funkci je nutné naprogramovat, ale není to nic, co by šikovný programátor v JavaScriptu nezvládl.
Například můžeme říci, že vysoce zaujatým návštěvníkem je ten, který splnil minimálně 3 z 5 podmínek – shlédnutí videa, 2 minuty na stránce, stáhnutí ceníku, scroll do 50 % stránky a prohlédnutí kontaktů.
Rozhodnete-li se použít systém pro marketingovou automatizaci, cenově dostupné pro malé společnosti je například polské SALESmanago, můžete zde nastavit, kolik bodů za jednotlivou akci udělíte. Limitací je, že pro věci typu přehrání videa nakonec stejně potřebujete programátora.
Lead scoring umožňuje retargetovat pouze ty, kteří ukázali, že mají o produkt zájem. Limitací je, že pro spuštění retargetingu potřebujete minimální publikum, které ne vždy dosáhnete, když cílíte jen ty nejrelevantnější. Je to potom o kompromisu.
Nastavení událostí v Google Analytics
Nastavení událostí je dalším užitečným nastavením, které vám prozradí více o chování uživatelů. Skvělou zprávou je, že u takto malých účtů, i když si nastavíte všechny události dole a ještě k tomu si přidáte několik automatických trackerů, stejně nedosáhnete limitu hitů v GA. Zde mají malé účty před velkými velkou přednost. Užitečné je například:
- scroll tracking – do kolika % stránky uživatel doscrolloval,
- timer – jak dlouho uživatel strávil na jedné konkrétní stránce (např. rozdělit na 10, 20, 30, 60, 120 a více) – zde má GA velké limitace, proto událost. Na webu Simo Ahavy najdete i pokročilejší řešení pro interakci s obsahem.
- stáhnutí souborů,
- kliknutí na odkazy (hlavně externí),
- odeslání formulářů,
- javascriptové chyby,
- přehrání videí,
- sdílení na sociálních sítích
- a další.
Samozřejmě, nemám účet, kde bych měl všechna tato nastavení. Chce to volit vždy to, co má smysl.
Nezapomeňte, že událost ruší bounce rate. Myslím si, že uživatel, který doscrolluje do 50 % stránky by pořád měl být předmětem bounce, jelikož asi ještě nebude zaujatý (samozřejmě k diskusi). Vždy si tedy určete, která událost je non-interaction, tedy neruší bounce.
Další nastavení webové analytiky
- Pokud klient má elektronický obchod, doporučuji Enhanced Ecommerce. Aktuálně existují moduly pro Woocommerce, Prestashop a další CMS, což umožní i malému shopu využívat pokročilé řešení.
- Všechny kampaně sledujte pomocí UTM parametrů – snažte se, aby žádný externí odkaz nezůstal neotagován (nezapomeňte na autotagging v Skliku a Adwords),
- Filtry, filtry, filtry – když se velkému účtu dostane do GA 10 zaměstnanců, je to jedno. Ale když se malému účtu dostane do statistik 10 zaměstnanců, kteří mají web stále otevřený z několika zařízení, dokážete to hodně znehodnotit statistiky. Kromě vyloučení IP doporučuji i motivovat zaměstnance k instalaci Google Analytics opt-out rozšíření. Vylučte také referral spam.
- Využívejte User-ID – získáte informace o chování uživatelů napříč zařízeními a dokážete říci obchodním manažerům, jak se na webu chovají klienti. Následně je možné těmto klientům zavolat s přesnými vědomostmi o jejich chování a zájmu, včetně ceníku, který si stáhli. I User ID vyřešíte často pluginem.
- Je dobré vytvořit si dashboardy s daty, která nejčastěji analyzujete, pro ušetření času. Jenom změníte segment na aktuální kampaň a můžete analyzovat.
- Pozor na privacy. Měřit je hezké, ale zjistěte si, co můžete ve svém oboru měřit. Podle toho, co měříte a jaké systémy používáte, informujte uživatele a dejte mu možnost se odhlásit. Analýza dat v účtu s takto nastavenou analytikou
Optimalizace kampaní – pozor na průměr!
První a základní věcí je uvědomit si, že koukáte na agregovaná data a průměry, které se dají velmi snadno ovlivnit. Například analyzujete kampaň na LinkedIn, z které jste získali 50 návštěvníků. Průměrný čas na stránce je 2 minuty. To není nejhorší? Problém je, když zjistíte, že z těchto 50:
- 2 strávili na webu 25 minut
- 3 – 10 minut
- 2 – 5 minut
- 1 – 3 minuty
- 20 – méně než minutu
- 22 – 0 – překlikli se nebo přišli a hned odešli
Dá se říci, že jste přivedli 8 relevantních uživatelů. Podobný problém bude i s počtem stránek na návštěvu a v podstatě se vším. Tato kampaň nefunguje a je nutné zjistit proč a upravit ji.
Tyto hodnoty vám pomohou maximálně v orientaci. Ale pokud chcete zjistit, zda kampaň skutečně funguje, je nutné se průměru zbavit. Naprosto základním ukazatelem je nastavit si u kampaně sekundární dimenzi „Doba na stránce“. Chcete-li přesnější údaj, můžete vyjít z vlastní dimenze timer a udělat segment z ní. Můžete si uživatele rozdělit dle počtu stránek na návštěvu atd.
Ještě přesnější je prohlédnutí uživatelů přes Průzkumník uživatelů (User Explorer). Vytvoříte si segment s uživateli z konkrétní kampaně a následně se na uživatele individuálně podíváte. To samé následně můžete udělat s videi ve Smartlook nebo jiném nástroji.
Z chování těchto individuálních uživatelů již dokážete určit, zda kampaň fungovala. Následně pomocí další analýzy, například kde uživatel opouštěl web nebo dle analýzy kanálů (zdroje/média/kampaně) dokážete zjistit, kde může být chyba. Užitečný je i rozklad dle lokality a zařízení. Je zajímavé např. sledovat penetraci a konverze z mobilních zařízení napříč republikou nebo i napříč Evropou.
Pokud uděláte kroky nahoře, jistě vám vyvstane spoustu nových předmětů k analýze.
Důležité je i umět si určit, kdy s analýzou přestat. Klient ani vy nemáte neomezený časový fond. Je nutné někdy říci – ano, je hodně věcí, které nevím, ale nemám kapacitu ani datový základ je zjišťovat a udělat rozhodnutí. Jelikož je rozhodnutí na základě velmi omezeného vzorku dat, nebude vždy správné. Ovšem z dlouhodobého hlediska je i analýza malého vzorku dat výrazně lepším řešením než nedělat nic a čekat.
Reklama 1 🙂 – Řešení pro identifikaci anonymních uživatelů skrz více webů
Vytvořili jsme řešení na principu vlastní cookie, která dá využít jako nástroj pro identifikaci uživatele skrz další weby jako 3rd party cookie a navíc ještě ukládá user-id pokud existuje a posílá to v jedné dataLayer proměnné. Získáte tak přehled o pohybu a identitě uživatelů na více webech, které vlastníte, včetně historie, kdy ještě nebyli identifikovaní. Kompletní řešení je na GitHubu: Cross-browser-UserID-and-ClientID-solution-for-Google-Tag-Manager
Reklama 2 – Sledujte nás na Facebooku/Twitteru
Cca do dvou týdnů zveřejníme i report z konference za ostatní přednášky. Budeme samozřejmě sdílet.
