Długo zastanawiałam się, które błędy wystawić na tapet. Każdemu z nas zdarza się przecież popełniać błędy. Z doświadczenia wiem, że najgorsze to te, z których wyciągamy złe wnioski. Analityka nie przebacza i… nie daje możliwości odwrotu. Źle pozyskanych danych nie jesteśmy w stanie odzyskać gdyż dane nie są zczytywane wstecz.
Im szybciej skorygujemy błędy – tym lepiej zaczniemy interpretować kluczowe aspekty dla naszego biznesu. Punkt widzenia zależy tu od punktu siedzenia – i to dosłownie! Jakie są najczęściej popełniane błędy w analizie danych strony internetowej, a jakie najgorsze?
Adrianna Ziobro-Jawniak. Od kilku lat związana z eCommerce. Certyfikowany specjalista Google Analytics, Google Ads i Facebook Ads. Analizuję, wyciągam wnioski i wdrażam optymalizacje dla dziesiątek projektów PPC, by przy niskich kosztach pozyskać dla klientów jak największy zwrot z inwestycji. W życiu i biznesie – motywuje mnie stały rozwój.
Nieodpowiednio skonfigurowane narzędzia
To jeden z najbardziej podstawowych błędów. Analizy dla naszego biznesu zależą od danych wejściowych jakie dostarczają nam narzędzia analityczne. Mowa tu o Google Analytics oraz Google Ads, ale nierzadko zdarzają się również źle skonfigurowane parametry w Google Merchant Center. To początek domino, gdyż źle skonfigurowane narzędzia generują zafałszowane dane – z których wyciągamy nieodpowiednie wnioski, a następnie podejmujemy nierozsądne decyzje. Jakość danych ma tutaj ogromne znaczenie.
Jakie przykłady mogę podać?
- brak wykluczenia firmowego numeru IP
Przy firmach o rozbudowanej strukturze to absolutny must have, jednak rekomenduję to każdemu biznesowi. Właściciele stron, pracownicy (np. programiści) spędzają na stronie często po kilka godzin dziennie. Przy braku wykluczenia ruchu wewnętrznego – algorytmy Google traktują takich użytkowników jako potencjalnych klientów, którzy, jak wiadomo, nimi nie są. W konsekwencji wpływa to na zawyżenie współczynnika odrzuceń i obniżenie jakości konta. Oczywistym jest również, że liczba użytkowników i sesji na stronie jest również sztucznie zawyżona – m.in. przez wyżej wspomnianych pracowników.
- niepoprawna implementacja kodów śledzących
To najważniejsze połączenie pomiędzy stroną [x] /sklepem a narzędziem analitycznym. W kategorii wszystkich błędów – ten będzie grzechem głównym. Dzięki poprawnie skonfigurowanej analityce jesteśmy w stanie mierzyć liczbę i wartość zakupów, liczbę użytkowników i sesji na stronie, informacje odnośnie konkretnych produktów i wiele innych współczynników. W zależności od platformy sprzedażowej – będziemy mieli dostępne kilka form implementacji kodów. Możemy to zrobić bezpośrednio na stronie: w linii prostej: Google Analytics – witryna, poprzez Google Tag Manager – co jest obecnie najbardziej rekomendowane czy przez różnego rodzaju wtyczki.
W efekcie niepoprawnej implementacji napotykamy m.in. na brak śledzenia zdarzeń eCommerce lub wręcz przeciwnie – dublowanie tych zdarzeń czy po prostu brak zdarzeń śledzących interakcje ze stroną.
W weryfikacji poprawności implementacji warto skorzystać z wtyczki Google Tag Assistant. Jeśli wszystko będzie w porządku – tagi podświetlą się na niebiesko. Jeśli zauważymy żółty lub czerwony kolor – wymagana jest wówczas korekta na stronie lub w GTM (w zależności od metody wdrożenia).
- brak sprecyzowanych celów
Gdy podstawową konfigurację mamy za sobą, a narzędzia odczytują już poprawne dane – pora na wnioski. Zanim jednak – musimy sobie zadać pytanie – co tak naprawdę chcemy śledzić? Jeśli nasz branża to e-commerce – jasnym jest, że zależy nam na poznaniu liczby transakcji i wartości zakupów oraz liczby porzuconych koszyków. W tym celu musimy skonfigurować odpowiednie cele, które następnie importujemy do konta Google Ads – co jest opcjonalne – o ile prowadzimy tam działania PPC. Bez ściśle sprecyzowanych celów będziemy mieli jedynie podstawowe dane, takie jak liczba użytkowników czy sesji. Dopiero w momencie gdy wyznaczymy priorytety i ustrukturyzujemy konkretne konwersje – będziemy w stanie mierzyć te dane, na którym nam najbardziej zależy.
2. Zbyt mała baza danych i zbyt szybkie wnioski
Pierwsze dane w panelu Google Analytics pojawiają się zwykle po upływie 24h. Kolejne również pojawiają się z opóźnieniem – nie w czasie rzeczywistym. Drugim aspektem jest zbieranie się ruchu o danych i konwersjach. Pamiętajmy – tak jak wspominałam wyżej – analityka nie działa wstecz, dlatego system nie wie, co działo się z naszą stroną wcześniej. Dane liczone są od momentu poprawnej konfiguracji kodów i narzędzi.
Złe wnioski pojawiają się natomiast najczęściej w przypadku prowadzenia działań promocyjnych dla biznesu – PPC. Różnią się one od działań SEO – m.in. szybkimi efektami, na które nie trzeba czekać długo. Z wyciąganiem wniosków jednak bym się wstrzymała trochę dłużej. Algorytmy Google Ads potrzebują kilku tygodni na wypracowanie pewnej strategii ustalania stawek – w odniesieniu do naszej witryny a także konkurencji. Jakość danych również jest tutaj brana pod uwagę – im lepsze dane dostarczamy – i im więcej – tym lepiej i szybciej algorytmy przechodzą fazę tzw. uczenia się. Przy zbyt małej próbce danych nie jesteśmy w stanie dobrze ich interpretować.
Dla przykładu, jeśli nasz sklep pozyskał dopiero 100 użytkowników, z czego zakupu dokonało jedynie 30 z nich – możemy szybko stwierdzić, że działania nie mają sensu, oferta jest nieatrakcyjna lub witryna sklepu jest źle skonstruowana. Otóż niekoniecznie! Lepsze wnioski wyciągniemy przy zestawieniu danych o dwóch tysiącach użytkowników. Jeszcze lepiej sprawdza się tu odniesienie do analogicznych okresów wcześniej – np. zestawiając bieżący miesiąc z poprzednim.
- pomijanie aspektu sezonowości
W kontekście interpretacji danych – pomijanie aspektu sezonowości oraz ogólnie pojętych kontekstów to kolejny duży błąd. Podejście do analizy z pewnym dystansem pozwoli nam na określenie, w jakim miejscu plasuje się aktualnie nasza firma – czy takie było założenie, czy idziemy w dobrym kierunku i co zrobić by poprawić wyniki? W praktyce często odnoszę się do analogicznych okresów – nawet rok wcześniej! Pozwala to przedsiębiorcom na znacznie lepsze skalowanie ich biznesów.
W aktualnej sytuacji geopolitycznej jest to nieco trudniejsze. Wszelkie zmiany, nie tylko w branży czy na rynku, ale też i na świecie odbijają się na naszych użytkownikach – co pozostawia swój ślad na danych. Pamiętajmy, żeby każde dane interpretować w odpowiednim kontekście. Czy spadek zakupów w sklepie wynika ze spadku liczby użytkowników – którzy akurat mogą być zaabsorbowani innymi tematami, czy może na rynku pojawił się duży konkurent? Kiedy przypada największa sezonowość dla naszej branży, a kiedy jest spokojniejszy czas i zakupów naturalnie mniej? Czy nagły wzrost zakupów spowodowany jest akcją promocyjną, czy poleceniem w social mediach?
3. Pomijanie zależności między kanałami – atrybucja
Odnosząc się do social mediów, pamiętajmy, że każde narzędzie analityczne charakteryzuje swoja atrybucja. Więcej o atrybucji i analizie w kontekście efektywności poszczególnych działań pisałam w tym artykule:
Kolejnym ważnym aspektem jest próbkowanie danych. Oznacza to, że w podstawowej (darmowej wersji) Google Analytics dane mogą się nieco różnić od tych, które mamy na rzeczywiście w panelu sklepu – i nie oznacza to, że występuje jakiś błąd. Przyjmuje się kilka procent granicy błędu. Wracając do atrybucji – inaczej będą zliczane dane konwersji – np. zakupu, w przypadku konfiguracji w linii:
- Google Analytics/GTM – strona [x]
a inaczej w przypadku implementacji poprzez Pixel Google:
- Google Ads – strona [x] /GTM
Jeszcze inaczej sytuacja wynosi w przypadku Facebook Ads, który bazuje na zupełnie innej atrybucji niż narzędzia Google. Z tego względu, często liczba konwersji ze źródła Facebook może się różnić z danymi, jakie znajdziemy w panelu Google Analytics. Wielu przedsiębiorców wówczas błędnie zakłada, że działania Facebook Ads są nieopłacalne – co kolejnym razem jest fałszywym wnioskiem.
Nadinterpretacja danych
Na koniec mała rada, byśmy podchodzili do analityki z dystansem. Każdy wskaźnik czy współczynnik może zostać obarczony błędem. Nic w życiu nie jest czarno-białe – nawet dane. Analizujemy dane bazując na różnych perspektywach i kontekstach. Zastosujmy holistyczne podejście w ujęciu strategii całego biznesu. Wystrzegajmy się stronniczości – pozostając w chłodnym obiektywizmie. Przenoszenie danych 1:1 na rzeczywistość nie będzie tu dobrym rozwiązaniem. Nie popadajmy też w drugą skrajność, czyli totalnego braku zaufania do danych w momencie, gdy mamy wyrobione już swoje zdanie. Jako, że żyjemy w dynamicznym świecie – również i zachowania użytkowników dynamicznie się zmieniają.
To oczywiście błędy wyróżnione przeze mnie – na bazie moich doświadczeń. Podsumowując jednak to zestawienie, zacznijmy od podstaw, czyli poprawnie skonfigurowanej analityki, która pomoże nam dalej budować nasz biznes. TIP: implementację kodów warto kontrolować na bieżąco, chociażby przez wspomnianą wyżej wtyczkę Google Tag Assistant. Dzięki temu od razu zareagujemy na zmiany w witrynie, które mogą negatywnie wpływać na analitykę. Przykładem są tu prace programistyczne prowadzone na stronie, które mogą uszkodzić lub przenieść nasz kod śledzący w nieodpowiednie miejsce, co niestety skutkuje utratą wielu wartościowych danych. Bądźmy więc czujni. W parze z tym – bądźmy rozważni. Nie podejmujmy decyzji zbyt pochopnie, im więcej danych zbierzemy tym większa baza do analizy.
Zdjęcie główne artykułu pochodzi z unsplash.com.
