Správným nastavením Google Analytics můžete zlepšit výkonnost e-shopu, říká webový analytik Zbyněk Hyrák

• Při sledování zdrojů návštěvnosti v Google Analytics bychom měli spíše vnímat trendy, nikoliv číselné hodnoty.
• Enhanced Ecommerce (čili Rozšířený elektronický obchod) by dnes měl být standard pro každý e-shop. Místo nicneříkajících čísel poznáme díky němu nákupní chování a trendy v prodejích detailněji.
• Stejně jako Jaromír Jágr potřebuje ke gólům spoluhráče a souhru na ledě, tak nám říkají asistované konverze, které kanály přihrály k prodeji.
• Dokončená objednávka není jedinou konverzí. Jak nám k lepšímu výkonu pomohou mikro konverze a události?

 

Zbyněk Hyrák z Optimalizovaný-Web.cz je specialistou na webovou analytiku a výkonnostní marketing. Na Czech Online Expo připravil přednášku na téma: Používejte Google Analytics chytře. Jeho přednášku můžete navštívit v pátek 29. 3. 2019 ve 13:30 v rámci E-commerce Data Summitu, jehož přípravu v Datawepsu zajišťujeme a náš CEO Honza Mayer panel moderuje. Ponořte se s námi do webové analytiky už nyní v krátkém rozhovoru a odneste si ze summitu maximum.

 

V přednášce se věnuješ velmi praktickému tématu. Proč právě Google Analytics?

Za více než 10 let své praxe stále vidím, jak spousta e-shopařů používá Google Analytics jen v základním nastavení. Sleduje základní metriky, ale nedívá do hloubky, nevyhodnocuje data, nepoužívá smysluplný atribuční model. Tímto každý majitel webu přichází o mnoho cenných dat, která by jeho businessu pomohla k lepší výkonnosti.

Jaké přehledy považuješ za základní a jaké jsou ty pokročilé?

Mezi základní přehledy v Google Analytics patří například přehled „Akvizice – Veškerá návštěvnost – Zdroj / Médium“, z něj často e-shopaři chybně vyhodnocují konverzní poměr a jeho celkovou hodnotu. Cokoli z toho však vyčteme, je neúplné.

Ve zdrojích návštěvnosti například vidíme, že nám Google Ads přinesl určitý počet objednávek. Analytika nám však v tomto přehledu ukazuje jen to, že Google Ads byl poslední v rámci konverzní trasy, a proto mu byla připsána zásluha (v rámci atribučního modelu poslední nepřímé návštěvy, ti zkušenější jej znají jako „last-click non direct“).

Málo používané jsou u e-shopařů například sekundární dimenze (možnost rozšíření přehledů o další hodnoty) a dále pokročilejší atribuční modely. Spousta z nás také nekouká na to, jak jsou naše stránky výkonné z pohledu jednotlivých typů zařízení (desktop, tablet a mobil).
Zmínil jsi nicneříkající počet objednávek. Jak měřit lépe, aby dané číslo mělo výpovědní hodnotu?

Doporučuji nasadit Enhanced Ecommerce pro rozšířené měření ecommerce dat z e-shopu, díky čemuž vidíme, jaké produkty jsou nejprodávanější v daném měsíci, jaký objem tvoří tyto produkty v celkových tržbách, v jakých krocích návštěvníci odcházejí z nákupního procesu, jaký typ dopravy a platby si nejčastěji vybírají atd. Můžeme ale také sledovat, v jakých časech se nejčastěji objednává, jestli to jsou ranní časy, odpolední nebo večerní, a podle toho například optimalizovat kampaně.

Když sledujeme pouze počet objednávek v jednotlivých měsících, čísla nám sama o sobě nic neřeknou, pokud k nim nedodáme další souvislosti. Potřebujeme jít více do hloubky, abychom viděli, proč bylo v určitý měsíc více objednávek, jestli se objednával určitý typ zboží, co na to mohlo mít vliv atd. Dostaneme kontext.

K čemu jsou vhodné atribuční modely?

Uvedu příklad. Řekněme, že uživatel přijde na náš web z PPC kampaně Google Ads, kouká, nic si nekoupí a odejde. Podruhé přijde tentýž uživatel z Skliku a stále si nic nekoupí. Napotřetí přijde přes Heuréku a nakoupí za 3 000 Kč. V jednoduchém přehledu (ve zdrojích návštěvnosti) nám tento přehled říká, že jsme díky Heuréce měli tržbu 3 000 Kč, jenže to může být poměrně zavádějící.

Je totiž velmi pravděpodobné, že kdyby daný uživatel předtím nepřišel přes reklamu na Googlu a na Seznamu, ani by taková objednávka nemusela vůbec vzniknout, protože by se o našem webu nedozvěděl přes akviziční zdroj (v tomto příkladě Google Ads).

Heuréka byla v tomto případě kanál, který k prodeji lehce dopomohl. Uživatel si přes něj srovnal cenu a ujistil se, že nákup opravdu uskuteční. Nicméně, mohl být již o nákupu přesvědčen při předchozí návštěvě z Skliku.

Vhodný atribuční model nám pomáhá objasnit zásluhu každého kanálu, který se v konverzní trase vyskytl.

 

„Často to přirovnávám k lednímu hokeji. Kdybych při sledování hokeje tvrdil, že jen Jaromír Jágr střílí góly, a všechny ostatní spoluhráče včetně brankáře bych ze hry vyloučil, oslabil bych tím pozici útočníka a góly by nejspíše přestaly padat.

Stejně tak nám asistované konverze říkají, které kanály přihrávaly k prodeji, a že určitou míru zásluhy na prodeji mají všechny kanály, které asistovaly.”

 

Co můžeme reálně získat, když nastavíme některé nebo všechny pokročilé funkce?

Budeme vědět, které části a prvky webu jsou hodně používané, které články si uživatelé čtou, které doscrollují až dolů atd. Můžeme také zjistit, jestli jsou bannery nebo tlačítka aktivně používané, nebo jestli si jich nikdo ani nevšimne. Díky webové analytice poznáme, jak uživatelé web používají, můžeme zlepšit pořadí položek v menu, zjednodušit proces nákupu, identifikovat problémy a optimalizovat celkové fungování webu, aby byl ziskovější.

Data v Google Analytics nám poskytují inspirace a indicie ke zvýšení efektivity.

Jaké další nástroje a rozšíření jsou pro e-shop užitečné?

Google Tag Manager. Většina e-shopů používá Google Analytics tak, že si na web vloží pouze základní měřicí kód, nastaví jeden cíl jako konverzi (Odeslanou objednávku), a pak už jen používá webovou analytiku v globálním nevyladěném nastavení.

Na web doporučuji implementovat nástroj Google Tag Manager, což už by dnes měl být standard. Do něj lze posléze vložit měřicí kód Google Analytics, konverzní kódy Skliku, Google Ads, remarketingové kódy atd.

Google Tag Manager je v podstatě „Kontejner” měřících i konverzních kódů. Umožňuje jejich lepší a přehlednější správu včetně možnosti nasazení různých událostí a rozšířených možností měření.

Rozšíření a obohacení Google Analytics o nová a přesnější data. Po tomto základním kroku je potřeba nastavit další filtry, cíle i další mikro konverze a události, které nám poskytnou širší pohled na data.

Uvedu příklad: Když přijde uživatel na web, stráví na něm dvě minuty a odejde pryč, nedozvíme se, co na webu dělal, a zda našel to, co opravdu potřeboval. Když si nastavíme události, uvidíme, že klikl na e-mail, na telefon a scrolloval v obsahu až dolů, kde ho zajímala mapa, aby se dozvěděl, kde se nachází prodejna. Tu si rozklikl a zvětšil do detailu.

Je tudíž možné, že poté navštívil kamennou prodejnu osobně. Když se díváme jen na globální nastavení webové analytiky, je pro nás tento uživatel neproměněná konverze a můžeme se snadno dopustit chybných závěrů. Vidíme-li všechny aktivity, které takový uživatel na webu dělal, vnímáme ho jako velmi cenného a můžeme říct, že kampaň, která přivedla tohoto zákazníka na web, měla smysl. Efekt se dostavil v tzv. mikro konverzi než přímo v objednávce na e-shopu. Takový uživatel nejspíše nakoupil offline přímo na kamenné prodejně e-shopu, kde si produkt mohl přímo vyzkoušet.

Mikro konverze a události. Hlavní konverzí je odeslaná objednávka. Mikro konverzí rozumíme například registraci do newsletteru a zhlédnutí kontaktních údajů. Za události považujeme kliknutí na mapu, kliknutí na e-mail, na telefon atd., čili činnosti uskutečněné přímo na stránce.

Mikro konverze a události nám pomáhají zjistit, jak návštěvník web používá a zda na něm našel to, co potřeboval.

 

„Není to o přesných datech ani o přesných výstupech. Webová analytika nám poskytuje inspiraci a indicie pro naše rozhodnutí.”

 

Můžeme v Google Analytics předpovídat, jak bude vypadat další sezóna?

Google Analytics považujme za nástroj, který nám poskytuje inspirativní informace a záchytné body. Je to soubor indicií, které udávají směr, na co se zaměřit. Když nám analytika ukáže, že se v prosinci prodával určitý produkt, je velmi pravděpodobné, že následující rok se bude opět prodávat podobný produkt jako dárek. Nezakládejme na tom ale celý marketingový plán. Když se něco povede v loňském roce, nemusí se to povést v roce příštím.

Faktorů, které vstupují do hry, je celá řada, od nové konkurence přes ekonomické vlivy až po trendy. Google Analytics nás může například inspirovat a navést, v jakém kvartálním období se prodává určitý druh zboží a v jakém nikoliv.

Google Analytics bere spousta z nás jako nudné statistiky. Čím se ti daří změnit úhel pohledu tvých klientů, aby se analytice více věnovali?

Kdo chce lépe poznat své zákazníky a zvýšit prodej na svém e-shopu, měl by začít používat analytiku v pokročilejším nastavení.

Uvedu příklad: Prodavačka z naší kamenné prodejny nám sdělí, že „dnes přišlo do prodejny 50 lidí”. Taková informace nám ale nic konkrétního neřekne.

Nedozvíme se totiž, jací lidé to byli, o co se zajímali, jestli chtěli určitý produkt, jak vnímali cenu, jestli se ptali, zda jim produkt namontujeme a vysvětlíme použití atd.

Když koukáme ve webové analytice na data jako na pouhá „čísla“, součty nebo průměry, nic nám to také neřekne. Naopak snaha poznat zákazníka lépe má vždy na business pozitivní efekt.

Spousta mých klientů, kteří takto najednou začnou webovou analytiku používat, se pro ni nadchne. Z výsledků jsou naprosto fascinováni.

 

„Když začneme Google Analytics používat správně a naplno, můžeme zvýšit prodejnost e-shopu, protože budeme vědět, komu, co a jak nabídnout, na jakém místě a v jakou chvíli.“

 

Jakou jednu věc si můžeme z tvé přednášky na Czech Online Expo odnést a ještě ten den implementovat?

Můžete rovnou nasadit různé typy mikro konverzí, které vám pomohou v lepším poznání návštěvníků a budoucích zákazníků. Není zcela běžné, že by návštěvník při své první návštěvě okamžitě nakoupil, stává se to spíše výjimečně – sledujte proto více cílů a objevujte souvislosti v datech. Je opravdu fascinující, co vše lze z dat vyčíst. 🙂