Czas czytania:
Data aktualizacji:
Z czym zgłosił się klient
Klient zgłosił się do mnie z „ogarnięciem analityki” na stworzonym przez dewelopera dedykowanym marketplace z porównywarką dostawców usług. Zależało mu na tym, aby móc potem analizować dane pod kątem:
- który dostawca ma wysoki współczynnik konwersji (liczba zamówień/ liczbę użytkowników),
- ile osób porzuca zamawianie na etapie koszyka,
- w których miastach brakuje dostawców,
- w których miastach warto mieć większy budżet reklamowy,
- gdzie użytkownicy mają problemy, na którym etapie zamawiania,
- z jakich źródeł ruch jest najbardziej konwertujący,
- jaka część ruchu jest od nowych użytkowników, a jaka od ponownie zamawiających?
Dlaczego standardowy GA4 nie był wystarczający?
GA4 jest narzędziem uniwersalnym dla wszystkich, dla blogerów, dla sklepów i usługodawców. Jednak to trochę tak, że jak coś jest do wszystkiego, to jest do niczego ;). O ile wiele rzeczy w e-commerce da się zunifikować i wdrożyć takie same rozwiązania dla wszystkich, tak dla usług jest już trudniej. Nie mówiąc już o marketplace, gdzie dochodzi wiele informacji, które dobrze byłoby zbierać, a gotowe struktury proponowane przez Google tego nie pokrywają. Biznes, który ma, z punktu widzenia danych, strukturę niestandardową potrzebuje dostosowania.
Na marketplace można spojrzeć bardzo podobnie jak na typowy e-commerce:
- zamiast marki produktu jest nazwa firmy,
- zamiast dodania do koszyka jest zamówienie usługi,
- zamiast wariantów kolorystycznych są warianty usługi.
Ale niestety to nie wystarczy, jeśli chcemy sprawdzić wyszukiwania użytkowników dla konkretnej lokalizacji. Do tego potrzebujemy dodatkowych informacji o lokalizacji, które Google Analytics będzie umiał przetworzyć i przypisać do danej sesji czy użytkownika. Do każdej usługi była dodatkowo podawana lokalizacja wyszukiwania usługi oraz następnie klient mógł porównać czy pokrywają się one z lokalizacją realizacji usługi.
Na przykładzie:
Ktoś wyszukiwał usługę w Krakowie, aby następnie podać lokalizację realizacji usługi w Skawinie, bo nie przypuszczał, że dana usługa w Skawinie jest. Dzięki takim informacjom można było dostosowywać zarówno UX marketplace, jak i ustawienia kampanii reklamowych. Pod kątem UX ułatwiliśmy wyszukiwanie w lokalizacji użytkownika poprzez zapytanie o udostępnienie lokalizacji i automatyczne wypełnienie wyszukiwarki.
Rozwiązanie: dataLayer jako fundament
To wszystko wymagało wdrożenia dataLayer, czyli takiej warstwy danych przechowującej informacje o nazwie produktu, jego cenie czy jakiś cechach szczególnych. Dzięki temu potem mogłam stworzyć zdarzenia w Google Tag Manager, które wprowadzały te dane do GA4. Dodanie do koszyka konkretnej usługi, danej firmy w danym terminie było przypisywane do użytkownika. Użytkownik miał przypisane źródło, więc wiadomo było, czy przyszedł z reklamy czy z ruchu organicznego i co robił na stronie.
Wdrożenie: współpraca z deweloperem i walidacja danych
Dzięki współpracy z developerem udało się wdrożyć wszystko w ciągu miesiąca wraz z poprawkami. Pierwsza runda poprawek była większa, bo obejmowała także braki i usprawniania, które pojawiły się po drodze. Druga runda już była tylko weryfikacyjna, czy wszystko wpada do GA4 bez problemów i jest odczytywane w raporcie Data Studio. Na drugim etapie udało się wyłapać jakieś literówki czy drobne nieścisłości.
Pomimo, że wiem jak struktura danych powinna wyglądać i wiem mniej więcej jak to działa, to niestety przy customowym wdrożeniu DataLayer potrzebuję wsparcia programisty / developera lub choćby osoby odpowiedzialnej za utrzymanie strony. Taka współpraca przebiega sprawnie i bezproblemowo, ponieważ zazwyczaj wiem gdzie leży problem i potrafię wskazać, które elementy wymagają poprawy 🙂
disclaimer
Moją rolą nie jest nigdy serwisowanie stron internetowych czy wsparcie techniczne, gdy coś przestaje działać dlatego nie podejmuję współprac, gdy takiego wsparcia nie ma lub nie jest one zapewnione przez właściciela biznesu. W tak dynamicznie zmieniającym się środowisku jak analityka internetowa nie mogę zagwarantować, że dane wdrożenie zadziała, jeśli po drugiej stronie nie ma osoby, która potwierdzi kompatybilność rozwiązania z obecnym stanem witryny oraz przyszłych potencjalnych wdrożeniach i rozszerzeniach związanych z rozbudowaniem samej strony.
Raport w Data (Looker) Studio
Raport powstał na kanwie już gotowego, ale dostosowaliśmy go tak, aby „działał” dla dodatkowych metryk oraz był podzielony na trzy widoki:
- Widok ze wszystkimi użytkownikami,
- Widok z nowymi użytkownikami,
- Widok z użytkownikami powracającymi.
Dzięki takiemu rozbiciu klient dowiedział się ile ruchu ma powracającego, ile z tego ruchu jest motywowane reklamami i mógł rozpocząć działania potencjalnie wpływające na zwiększenie ruchu nowych użytkowników, bo już wiedział od czego startuje.
W przypadku tego raportu jako podstawową metrykę użyłam „Całkowita liczba użytkowników” oraz „Aktywni użytkownicy”, ponieważ patrzenie na dane poprzez pryzmat sesji (wejść użytkowników) zaburzało realny obraz ruchu na stronie i nie spełniało potrzeb klienta.
Niestety nie mogę pokazać całego, gotowego raportu, ale mogę pokazać część warstwy danych i tabelkę, która korzysta z niektórych danych.
Dzięki temu wdrożeniu klient przestał zgadywać i zaczął sprawdzać – w jednym raporcie widzi teraz, który dostawca faktycznie konwertuje, gdzie w lejku zamawiania użytkownicy się wycofują i w których miastach warto zwiększyć budżet reklamowy zamiast go rozpraszać.
Zostało dodane także zdarzenie, które się pojawia, gdy użytkownik szuka dostawcy w jakimś mieście, a żaden się nie pojawia. Dzięki temu możemy badać popyt na usługę w danej lokalizacji i rozszerzać działalność o kolejne miasta.
Musisz zobaczyć dane, aby z nich skorzystać – samo zbieranie nie wystarczy
To dobrze pokazuje, po co właściwie wdraża się dataLayer i niestandardowe zdarzenia – nie po to, żeby mieć „ładny raport”, tylko po to, żeby móc podejmować konkretne decyzje biznesowe na podstawie danych, a nie przeczucia.
Pracujesz nad podobnym projektem i potrzebujesz kogoś, kto ogarnie analitykę na customowej platformie? Napisz do mnie – chętnie pogadam o Twoim przypadku.
