Blog E-COM.HOUSE

Analityka internetowa w eCommerce: 5 najczęściej popełnianych błędów

Chociaż analityka internetowa nie jest dziedziną nową, to jednak wciąż wiele osób zaniedbuje podstawowe zasady implementacji narzędzi śledzących lub niepoprawnie analizuje zbierane informacje. Pomimo faktu, że często cały zespół e-commerce ma dostęp do szerokiej gamy danych, to wyciąganie wartościowych wniosków z punktu widzenia biznesu dalej bywa wyzwaniem. W tym artykule przyjrzymy się pięciu najczęściej popełnianym błędom i podpowiemy, jak sobie z nimi radzić.

1. Korzystanie jedynie z podstawowego kodu śledzącego

Wdrożenie analityki zaczyna się od zamieszczenia na stronie podstawowego kodu śledzącego, który zlicza odsłony (wyświetlenia) sklepu. Dla wielu jednak na takim wdrożeniu przygoda z analityką się kończy. Tymczasem po podstawowej implementacji (czyli wdrożeniu samego kodu pageview) dowiesz się niewiele. Możesz stwierdzić, że użytkownik wszedł na stronę, ale nie będziesz mógł wnioskować co na niej robił. Czy przewinął ją w dół? Kliknął w interaktywny element? A może obejrzał zamieszczony filmik? Aby to sprawdzić, musisz wdrożyć dodatkowe zdarzenia (eventy).

Jest to szczególnie ważne przy stronach typu Single Page Application (SPA), gdzie strona nie przeładowuje się, lecz działa jak aplikacja – jej zawartość jest uzupełniana dynamicznie (jak w tym przykładzie). Na stronie typu SPA podstawowy kod do śledzenia odsłon Google Analytics często rejestruje tylko pierwsze wyświetlenie strony, a wszystkie dalsze interakcje ze strony użytkownika (np. przeklikiwanie zakładek) nie są odnotowywane.

jak dziala spa - single page application

Poza samymi zdarzeniami (eventami), śledź także cele strony: zarówno te makro (jak transkacje), jak i mikro (np. zapis do newslettera). Oprócz informacji o ich zrealizowaniu sprawdzaj, co użytkownik robił bezpośrednio przed – takie informacje znajdziesz w raporcie Wizualizacja ścieżek i Przepływ celów w Google Analytics, lub za pomocą Lejków: zakładki, znajdującej się w Facebook Analytics.

Z perspektywy sklepu internetowego ważne są również takie zdarzenia, jak dodanie produktu do koszyka, rozpoczęcie finalizacji zakupu (checkout) czy skuteczność list produktowych. Te oraz inne interakcje możesz śledzić za pomocą modułu Enhanced Ecommerce oraz częściowo za pomocą Facebook Pixela, a pozyskaną w ten sposób wiedzę możesz wykorzystać np. przy mierzeniu rentowności kampanii w różnych kanałach sprzedaży.

2. Zaniedbywanie jakości danych

Skoro już zadbałeś/-aś o wdrożenie podstawowego kodu śledzącego i zaczynasz oznaczać inne interakcje, rób to z głową. Przede wszystkim stosuj odpowiednie nazewnictwo i trzymaj się wypracowanego schematu, tak, aby nazwy były intuicyjne i zrozumiałe dla pozostałych członków Twojego zespołu (szczególnie w przypadku tagowania kampanii pay-per-click za pomocą znaczników UTM). Pamiętaj, że zmiany nie działają wstecz. Każda modyfikacja nazwy kampanii czy dodanie nowego zdarzenia będą obowiązywać od momentu ich wprowadzenia.

Pamiętaj także o technicznych aspektach konfiguracji zdarzeń. Określ, w jakim momencie informacje o zdarzeniach mają być wysyłane do narzędzi śledzących oraz czy mają one wpływać na współczynnik odrzuceń. Dla przykładu: zdarzenie (event) zapis do newslettera może być wysyłane do Twojego Google Analytics czy Facebook Pixela nie wtedy, gdy użytkownikowi wyświetla się komunikat o poprawnym zapisie, ale już w momencie klikania przez niego w przycisk Zapisz. Taka konfiguracja jednak może zafałszować Twoje dane – odnotowana liczba zapisów może być większa, niż w rzeczywistości (gdy np. użytkownik zapomniał o wypełnieniu obowiązkowego pola i kliknął Wyślij).

W sklepach internetowych często spotykamy implementację Enhanced Ecommerce, dzięki czemu możemy uzyskać wiedzę m.in. o wyświetlonych produktach. Ale – jak to często bywa w analityce internetowej – diabeł tkwi w szczegółach. Otóż przy standardowej implementacji Product Impressions zdarzenie wysyłane jest w chwili załadowania strony, a nie wtedy, gdy produkty są faktycznie wyświetlane na ekranie. Użytkownicy nie zawsze przewijają do samego końca strony, więc dane na temat wyświetlonych produktów często są zawyżone.

Konfigurując zdarzenie zdecyduj także, czy ma ono wpływać na współczynnik odrzuceń (bounce rate). Tu wszystko zależy od tego, jak chcesz odczytywać intencje użytkownika. Załóżmy, że na swoim landing page’u prezentujesz nowy produkt i chcesz zebrać listę osób, które jako pierwsze dostaną powiadomienie o jego premierze. Na stronie umieszczasz film pokazujący proces produkcji, który ma za zadanie zachęcić do wypełnienia formularza. Użytkownika, który obejrzy materiał, ale nie poda jeszcze swojego adresu e-mail, nie chcesz policzyć jako „odrzucenie”. Konfigurując tę zależność kieruj się zasadą, że zdarzenia wpływające na współczynnik odrzuceń powinny być wykonane przez użytkownika i mieć jakąś intencję (np. kliknięcie w przycisk play w celu odtworzenia filmu).

Bardzo ważne jest także możliwie najdokładniejsze filtrowanie ruchu pracowników i podwykonawców na stronie – także na jej wersji testowej, jeśli umieściłeś/-aś na niej ten sam kod śledzący. Jest to istotne zwłaszcza w przypadku stron o mniejszym ruchu, gdzie dane o kilkudziesięciu wizytach mogą znacznie zniekształcić Twoje statystyki.

3. Błędne rozumienie metryk i porównywanie ich między różnymi systemami

Jak często zdarzało Ci się porównywać ROAS czy kliknięcia tej samej kampanii w Google i Facebooku? Chociaż w obu przypadkach chodzi o to samo, to jednak wynik, który prezentują Ci te narzędzia będzie różny dla każdego z nich. Otóż oba narzędzia w różny sposób przypisują konwersję do kanału: w przypadku Facebooka będzie to domyślnie 1 dzień od wyświetlenia i 28 dni od momentu kliknięcia w reklamę, zaś w Google Analytics konwersję przypisze się ostatniemu niebezpośredniemu źródłu ruchu, z którego wszedł użytkownik, by dokonać transakcji.

Innymi błędnie interpretowanymi danymi są często współczynnik odrzuceń oraz czas spędzony na stronie.

„W Google Analytics do odrzuceń zalicza się te sesje, podczas których zostało uruchomione tylko jedno żądanie do serwera Analytics, np. gdy użytkownik wyświetla pojedynczą stronę w witrynie, a następnie opuszcza ją bez wywoływania w ramach tej sesji żadnych innych żądań wysyłanych do serwera Analytics.”

Oznacza to, że jeżeli Twój sklep internetowy odwiedzi użytkownik, który nie przejdzie na kolejną podstronę ani nie wywoła żadnych skonfigurowanych przez Ciebie wcześniej zdarzeń (eventów) związanych z interakcją, to zostanie on potraktowany jako odrzucenie, a czas jego sesji zostanie określony jako 0 sekund. Pamiętaj o tym zwłaszcza na landing page’ach – użytkownik rzadko dokonuje konwersji podczas pierwszej wizyty, a jedynie zapoznaje się z produktem.

4. Zaniedbywanie kontekstu i wizualizacji

Czy średnia wartość koszyka w Twoim sklepie wynosząca 100 zł to mało czy dużo? Sama dana liczbowa nie powie Ci wiele, dopóki nie nadasz jej odpowiedniego kontekstu. Aby to zrobić, zadaj sobie kilka pytań: czy wartość była podobna w poprzednich okresach? Jaki procent klientów kupuje powyżej, a jaki poniżej tej kwoty? Skupianie się tylko na wartości średniej może sprawić, że umknie Ci wiele wartościowych informacji. Może okazać się, że masz w swoim sklepie segment klientów, który generuje zamówienia dużo powyżej średniej wartości koszyka. Co w takim razie zamawiają? Czy są to droższe produkty, czy po prostu dużo tańszych? Segmentowanie danych oraz odpowiednie prezentowanie ich na osi czasu pozwoli Ci zrozumieć, co naprawdę dzieje się w Twoim sklepie.

Spójrz na poniższy przykład. Po dodaniu kontekstu w postaci zmiany procentowej oraz rozkładu danych jesteś w stanie wywnioskować już znacznie więcej. A przecież wciąż bazujesz na tych samych informacjach!

roznice w przedstawianiu danych

Ważne jest także odpowiednie dobranie wykresu do typu danych. To pozwoli Ci łatwiej je analizować i dostrzegać między nimi różnice albo zależności.

5. Za mało czasu na analizę

Każda analiza danych w Twoim sklepie internetowym powinna zaczynać się od postawienia pytania biznesowego. Jeżeli nie wiesz, jaki problem chcesz rozwiązać, to skąd masz wiedzieć, na jakie dane patrzeć i gdzie ich szukać? Niezależnie od tego, czy używasz Google Analytics, Yandex Metrica czy Facebook Analytics, chodzi przecież o to, aby zrobić z danych użytek i zaproponować rozwiązania, które ulepszą Twój biznes. Dlatego bardzo ważne jest, aby wspólnie z zespołem wypracować metodę gromadzenia i analizy danych. Dla przykładu: mogą być to raporty tworzone bezpośrednio w narzędziach lub interaktywny dashboard (np. w Google Data Studio), zbierający dane z różnych platform, dzięki któremu łatwiej będzie wykryć okresowe zmiany wskaźników. Takie podejście ułatwia współpracę – zwłaszcza na linii agencja-klient – bowiem obie strony widzą te same dane, które dodatkowo mogą opatrywać komentarzem wyjaśniającym poszczególne mierniki.

Pamiętaj także, że analiza danych to źródło rzetelnej wiedzy o tym, co dzieje się w Twoim sklepie, a bez tego nie sposób zaproponować dobrych eksperymentów. Dane ilościowe dotyczące Twojego sklepu na pierwszy rzut oka mogą wyglądać dobrze, jednak gdy spojrzysz na nie z bliska, to dostrzeżesz, gdzie uciekają Ci pieniądze i jak możesz zoptymalizować działania.

Powyższe pięć najczęściej popełnianych błędów w analityce internetowej oczywiście nie wyczerpuje tematu, dlatego będziemy go pogłębiać – zaglądaj na nasz blog regularnie!

#

Dopiero planujesz setup analityki dla e-commerce lub nie wiesz jak podejść do biznesowej analizy danych? Skontaktuj się z nami, a zapewnimy Ci odpowiednie wsparcie!

Share
Share341
Tweet