Jak poprawnie interpretować dane o skuteczności źródeł ruchu w Google Analytics

Jak poprawnie interpretować dane o skuteczności źródeł ruchu w Google Analytics?

Jak poprawnie interpretować dane na temat skuteczności poszczególnych źródeł ruchu dzięki własnemu grupowaniu kanałów i modelom atrybucji w Google Analytics?

Google Analytics jest podstawowym narzędziem pozwalającym monitorować ruch, jaki trafia na naszą stronę www. Większość tego ruchu jest w odpowiedni sposób oznaczona (otagowana), aby było wiadomo skąd pochodzi i jakie efekty przynosi. Do tego celu wykorzystuje się specjalne parametry UTM takie jak źródło i medium. Analizowanie każdego źródła z osobna może być bardzo czasochłonne, dlatego też Google Analytics domyślnie grupuje je w podstawowe kanały:

  • Direct (bezpośrednie wpisanie adresu www),
  • Organic Search (bezpłatny ruch z wyszukiwarek),
  • Social (media społecznościowe tj. FB, Instagram, Twitter),
  • Email (poczta www),
  • Affiliates (programy partnerskie),
  • Referral (witryny odsyłające),
  • Paid Search (płatny ruch z wyszukiwarek np. z Google Ads),
  • Display (banery reklamowe),
  • Other Adevertising (pozostały, nieuwzględniony powyżej ruch).

Powyższa kategoryzacja jest bardzo ogólna i nieprecyzyjna, dlatego w większości przypadków okazuje się niewystarczająca dla dokładnej oceny skuteczności poszczególnych źródeł ruchu. Chcąc mieć pełniejszy obraz tego, co przynosi nam największy zysk, bez analizowania ruchu na poziomie parametrów UTM należy pogrupować go w kluczowe dla nas kanały. Można to zrobić na bazie domyślnego grupowania kanałów. Znajduje się ono w zakładce „Administracja” -> „Ustawienia kanałów” -> ”Grupa kanałów”.

Przed rozpoczęciem porządkowania ruchu na stronie należy wiedzieć, że kolejność definiowanych kanałów ma znaczenie. Ruch przypisany do pierwszego kanału nie może być przypisany do kolejnego itd. Potencjalnych błędów z tym związanych można uniknąć poprzez dokładne definiowanie reguł dla każdego kanału. Poprawnie przeprowadzone grupowanie kanałów powinno pozostawiać jak najmniej wolnego, nieopisanego ruchu. Z domyślnego grupowania warto wyodrębnić kanał „Brand” zawierający przede wszystkim płatne, jak również bezpłatne wejścia z wyszukiwarek, po słowach kluczowych bądź wyszukiwanych hasłach, w których występuje nazwa naszej marki.

Dobrze jest to zrobić z co najmniej dwóch powodów. Po pierwsze, jeśli nazwa marki jest nazwą własną, ruchu tego nie można zaliczyć do działań reklamowych. Zakładając, że użytkownik poznał już naszą markę, ruch ten zawsze będzie pochodną wcześniejszych działań promocyjnych, nie tylko tych prowadzonych w Internecie. Po drugie, dzięki temu poniekąd można śledzić jak w czasie zmienia się świadomość naszego brandu. Z tych samych powodów podobnie można potraktować kanał „Direct” scalając go z ruchem brandowym w kanał „Brand & Direct”.

Przykładowe ustawienia reguł dla kanału „Brand Search”
Przykładowe ustawienia reguł dla kanału „Brand Search”

Będąc konsekwentnym należałoby również wyodrębnić ruch z płatnych i bezpłatnych wyników wyszukiwania niezwiązanych z marką pod postacią kanałów np. „Google Ads Search” czy „Organic Search”. Idąc dalej tą drogą właściwym będzie podzielenie ruchu pochodzącego z reklam graficznych wydzielając kanały „Remarketing” i „Display Non-Rem” z uwagi na ich odmienną specyfikę. Podobnie z kanału „Social” wydzielić można osobny ruch z Facebooka czy innych mediów społecznościowych, a z kanału „Referral” inne źródła, które są dla nas istotne marketingowo np. ruch z porównywarek cenowych. Po stworzeniu pierwszego własnego grupowania kanałów dobrze zweryfikować, czy pozyskiwany ruch jest przypisywany zgodnie z naszymi oczekiwaniami. Można to zrobić po przejściu do zakładki „Pozyskiwanie” -> „Cały ruch” -> ”Kanały”, ustawieniu odpowiedniego grupowania, a następnie kliknięciu w wybrany kanał. Po analizie może okazać się, że pozostał jeszcze jakiś wartościowy ruch, który moglibyśmy zawrzeć w którymś z już utworzonych kanałów. Takim przykładem może być ruch z newslettera, który domyślnie nie będzie zaliczany do kanału „Email”.

Przykładowe grupowanie kanałów
Przykładowe grupowanie kanałów

Jeśli wszystko pójdzie dobrze, nic nie stoi na przeszkodzie, aby tworzyć kolejne mniej lub bardziej rozbudowane grupowania kanałów, dostosowane do naszych potrzeb. Przykładowo z ruchu bezpośredniego można wydzielić ruch kierujący na podstrony zawierające rozbudowane adresy url, których raczej nikt nie wpisuje z pamięci. Taki kanał będzie zatem reprezentować ruch pochodzący z zakładek zapisanych w przeglądarce. Użytkownicy z tego kanału powinni być bliżej dokonania konwersji od użytkowników, którzy odwiedzają stronę główną. Na podstawie analizy tak wyodrębnionego ruchu można podjąć decyzję o dodatkowej stymulacji tych użytkowników np. remarketingiem. Z kolei dla celów diagnostycznych możemy stworzyć np. kanał „Self-traffic”, który będzie zbierał ruch sygnalizujący brak kodu Google Analytics na którejś z podstron naszej witryny.

Kolejnym krokiem pozwalającym nam lepiej interpretować gromadzone dane na temat skuteczności poszczególnych działań będzie przepuszczenie własnego grupowania kanałów przez różne modele atrybucji. Modele atrybucji, w zależności od zdefiniowanych reguł pozwalają określać, która interakcja ze stroną na ścieżce użytkownika w największym stopniu przyczyniła się do konwersji. Google Analytics udostępnia podstawowe modele atrybucji:

  • Ostatnia interakcja (otrzymuje 100% udziału w konwersji),
  • Ostatnie kliknięcie niebezpośrednie (otrzymuje 100% udziału w konwersji),
  • Ostatnie kliknięcie Google Ads (otrzymuje 100% udziału w konwersji),
  • Pierwsza interakcja (otrzymuje 100% udziału w konwersji),
  • Liniowy (każda interakcja ze stroną otrzymuje tyle samo udziału w konwersji),
  • Spadek udziału z upływem czasu (interakcje najbliższe konwersji otrzymują największy udział),
  • Uwzględnienie pozycji (pierwsza i ostatnia interakcja otrzymują 40%, a pozostałe 20% udziału w konwersji).

Dzięki powyższym modelom można dowiedzieć się, które interakcje najczęściej rozpoczynają lub kończą ścieżkę użytkownika prowadzącą np. do zakupu naszego produktu. Domyślnie w raportach Google Analytics używa modelu ostatniego kliknięcia niebezpośredniego. Inne wizyty użytkownika na stronie są ignorowane, a cały udział konwersji jest przypisywany tylko do tego źródła, co zawęża nasze spojrzenie na dane, jakimi dysponujemy, mogąc prowadzić w konsekwencji do podejmowania niewłaściwych decyzji. To, który model finalnie wybierzemy do naszych analiz, zależeć będzie od specyfiki branży, oferowanego produktu, strony internetowej czy przyjętej strategii marketingowej.

Przykładowe ustawienia reguł dla modelu atrybucji „First Non-Direct, Non-Brand and Non-Remarketing Click”
Przykładowe ustawienia reguł dla modelu atrybucji „First Non-Direct, Non-Brand and Non-Remarketing Click”

Podobnie jak w przypadku grupowania kanałów i tutaj możemy tworzyć własne modele atrybucji lepiej dopasowane do naszych założeń. Można to zrobić w zakładce „Administracja” -> „Ustawienia ścieżek wielokanałowych”. Przykładem takiego modelu może być model „Pierwsza interakcja” z wykluczeniem ruchu „Brand & Direct” i „Remarketingu”. Ruch ten, tak jak to wcześniej zostało wspomniane, jest wynikiem wcześniejszych działań reklamowych i nigdy nie można przypisywać mu pierwszej interakcji z naszą stroną, stąd jego wykluczenie z modelu.

Interpretacja danych w Google Anaytics – podsumowanie

Interpretowanie zebranych danych to jedno z podstawowych zadań w trakcie prowadzenia kampanii reklamowych w internecie. Żeby móc to robić poprawnie należy posiadać odpowiednie doświadczenie, by unikać często spotykanych błędów (np. o wstrzymaniu lub doinwestowaniu kampanii). Jeśli czujesz, że takiego doświadczenia nie masz i potrzebujesz wsparcia przy wdrożeniu analityki internetowej – skontaktuj się z nami – pomożemy Ci uniknąć prowadzenia nieefektywnych biznesowo działań reklamowych w sieci.

Teksty pochodzi z eBooka 'Sztuka uwodzenia danym', który mieliśmy przyjemność współtworzyć 🙂