w Praktyce
5 godz. 40 min · Google · Biznes i Automatyzacje
Marcin ŁukiańczykCzy wiesz, jak niektóre firmy osiągają sukces w świecie online, a inne pozostają w tyle? Klucz leży w danych. Odpowiednia analiza danych to fundament mądrych decyzji biznesowych. To działanie na podstawie twardych faktów, czyli podejście "data-driven". Działanie na tzw. “czuja” lub “wydaje mi się”, było modne 20-30 lat temu, teraz świadomie możesz podejmować decyzje o działaniu.Odpowiednia analityka www, w szczególności Google Analytics:zbiera dane o witrynie i aplikacji, aby umożliwiać lepsze poznawanie ścieżki klienta; używa danych opartych na zdarzeniach, a nie na sesjach; zawierać ustawienia prywatności, np. pomiar bez użycia plików cookie, oraz modelowanie zachowań i konwersji; obejmuje funkcje prognostyczne, które podpowiadają zalecane działania bez użycia skomplikowanych modeli; integruje się bezpośrednio z platformami medialnymi, aby pomagać w zachęcaniu użytkowników do działania w witrynie lub aplikacji. Podczas tego Kursu dowiesz się, jak działa analityka www w oparciu o Google Analytics 4 oraz zrozumiesz, jak Ty możesz wykorzystać GA4 i dane, aby napędzać swój biznes.W ramach Kursu poznasz wiedzę, która pozwoli Ci skutecznie wykorzystać potencjał GA4 w rozwijaniu Twojego biznesu w świecie online.Ten kurs zapewne różni się od innych, które mogłeś spotkać w sieci. Skupiamy się na kluczowych aspektach GA4, stosując zasadę Pareto, chcąc zapewnić maksymalną wartość przy minimalnej inwestycji czasowej.
Jeśli przynajmniej jeden z poniższych punktów opisuje Ciebie, to sygnał, że warto dołączyć do tego kursu:
Kim jest nasz użytkownik.
Jest szansa, że będziesz zaglądał tutaj w
to miejsce raz na jakiś czas, ze względu na to, że tutaj się zbyt dużo nie zmienia.
No chyba, że zaczynasz działać na nowy
kraj, czy też ewentualnie bardzo mocno promujesz się w jakimś konkretnym mieście.
Więc w ramach atrybutów użytkownika możemy
podejrzeć tutaj różnego rodzaju podsumowania, które dotyczą np.
naszych użytkowników, czyli z jakiego kraju wchodzą, skąd ostatnio tak naprawdę
byli nasi użytkownicy czy też ewentualnie miasto.
Oczywiście temat miasta jest dosyć specyficzny, bo one są oparte m.
in.
o lokalizację danego użytkownika, a jak wiadomo czasami użytkownicy mogą łączyć
się przez VPN czy też ewentualnie ich określenie miejsca, z którego się łączą
nie jest zbyt dokładne, więc należy to troszeczkę traktować z przymrużeniem oka.
Ciekawym podsumowaniem są informacje o płci, natomiast proszę zwróć uwagę na to,
że mamy informacje, iż jest tutaj zastosowane programowanie.
Chodzi o to, że jeżeli masz zbyt mały ruch na swojej stronie, w przypadku tego np.
raportu, system nie jest w stanie Tobie w
100 procentach pokazać pełne dane dotyczące użytkowników odwiedzających
Twoją stronę, bo chce zachować anonimowość tych użytkowników.
Ze względu to, że Google bardzo mocno do tego przykłada wagę.
Temat zainteresowania też jest dosyć specyficzny ze względu na to, że te
zainteresowania są tworzone na podstawie naszych zachowań i to co Google o nazwie.
Podobnie dotyczy to wieku, więc też
nie do końca należy tak jakby w stu procentach wierzyć.
Szczególnie jeżeli mamy mechanizmy dotyczące logowania.
Te informacje, które są, one są ciekawe i interesujące dla nas jako wstępne
założenia dotyczące pytań, które powinniśmy sobie zadawać.
Czy użytkownicy w wieku 25 34
są naszą grupą docelową, która najwięcej wydaje pieniędzy, czy też nie, więc to
później można próbować wyciągnąć w ramach raportów?
Przechodząc na trochę bardziej szczegółowe
informacje, tutaj już możemy sobie zacząć bawić się np.
wiekiem.
Plus.
Do tego zacząć łączyć to z innymi elementami, czyli np.
możemy połączyć wiek razem z miastem.
Dzięki temu. Łącząc te informacje, oczywiście
pamiętajmy o niedoskonałości tych danych, które tutaj się znajdują.
Możemy zacząć wyciągać wnioski o tym, kto tak naprawdę najwięcej z jakiego miasta.
Np.
w połączeniu z wiekiem generuje nam załóżmy przychody.
Dajmy troszeczkę więcej wierszy na stronie i zacznijmy szukać pierwszych danych.
I tutaj już zaczynają wychodzić właśnie te nieścisłości, które są dosyć trudne do
zweryfikowania, bo zwróć uwagę na to, że tutaj, kiedy już zaczynają się pojawiać
informacje o wieku, to tak naprawdę nie mamy podanego miasta, więc.
Opierać dokładną analizę o te dane.
Naprawdę wstrzymałbym się, że tak powiem,
z takimi szczegółami, żeby wyciągać konkretne wnioski.
Błąd statystyczny, który tutaj będzie
dla nas taki jakby zbyt wysoki, może wpłynąć na nasze złe podejmowanie decyzji.
Natomiast często jako ciekawostkę warto
jest tutaj sobie poszukać pewnych rzeczy, aby ewentualnie zadać pytanie czy
użytkownicy 25 34 z Toronto są naszą grupą docelową?
Bo dzięki temu możemy pomyśleć nad tym, jak stworzyć reklamy w np.
Facebooku, które jesteśmy w stanie tam dosyć dokładnie z targetowania,
tylko po to, żeby określając prawidłowo itemy do naszej reklamy sprowadzić ten
ruch na naszą stronę i później sprawdzić w jaki sposób nam to konwertuje.
Więc te elementy, które tutaj znajdziesz
traktuj jako element inspiracji do tego, aby tworzyć reklamy
w innych miejscach, w których możesz je prawidłowo i lepiej zbudować.
Ciekawym elementem, który możemy również
wykorzystywać w naszym działaniu jest to grupa odbiorców, o której będę mówił w
późniejszym terminie, po to, żeby tworzyć własne grupy dedykowane
do tego, żeby móc lepiej weryfikować to, kim są nasi użytkownicy.
Tutaj mamy np.
ciekawą grupę, która najprawdopodobniej w ciągu 7 dni dokona zakupów.
Tutaj mamy predykcji dotyczącą 28 dni, najczęściej najwięcej wydających np.
naszych użytkowników, a tutaj mamy 5% najwięcej wydających użytkowników.
Czyli możemy tworzyć różnego rodzaju grupy
odbiorców, które później dalszych analizach możemy
weryfikować kim są, co robią i ile wydają pieniędzy u nas w ramach technologii.
Zawsze zachęcam tutaj zaglądać raz na
pewien czas, częściej na pewno niż do samego poziomu atrybutu użytkownika.
Tutaj często czasami coś się może zmienić.
To może drastycznie wpłynąć na naszą stronę internetową i na zakupy.
Chodzi o to, żeby m. in.
weryfikować z jakich systemów, Czyli na przykład jeżeli chodzi o stronę
internetową, to czy przewaga nadal jest mobile czy
desktop, bo tutaj te dwa elementy wchodzą głównie w rachubę i do weryfikacji,
bo może się okazać tak, że po pewnym czasie desktop będzie miał dużo większy
udział naszej strony internetowej i będą np.
użytkownicy lepiej konwertować, bo
wiadomo, że najczęściej lepiej konwertują na desktopie.
Ale może się okazać też, że o mobile warto jest zadbać.
Więc tutaj możemy zacząć również wyciągać
wnioski, co się dzieje z użytkownikami, którzy pochodzą na przykład z
desktopu, mają rozdzielczość strony internetowej 1920x1080 i dlaczego tak
kiepsko konwertują więc te dane jako technologia i opis informacji, z czego
korzysta nasz użytkownik, może być bardzo przydatne do tego, żeby poprawić np.
naszą stronę internetową.
Również informacje o systemie operacyjnym
mogą być ciekawą inspiracją do tego, aby poszukać natchnienia, informacji o tym, iż
osoby korzystające z Macintosha czy iOS mogą wydawać więcej pieniędzy na nasze
produkty i warto jest traktować tych użytkowników jeżeli chodzi o reklamę.
I teraz przeglądając np.
szczegóły związane z technologią możemy przeglądać tak jak pozostałe inne
standardowe raporty, które mamy weryfikować na podstawie podstawowych
elementów tutaj i dzielić je sobie, czyli np.
Zobaczmy z ciekawości jak wygląda temat
rozdzielczości ekranu i jaki to może mieć wpływ na pozostałe elementy.
I teraz zwróćmy uwagę na to, że osoby, które mają rozdzielczość 2560
1440 wydały najwięcej pieniędzy w naszym sklepie.
Oraz osoby, które mają rozdzielczość 1728, na 1728 na 1000 to 17.
Zastanawiam się kim są ci użytkownicy, bo teraz możemy dodać sobie np.
dodatkowy element, czyli dodajmy np.
kategorię urządzenia.
I zacznijmy namierzać to, czym jest właśnie ta pozycja.
Sporo mamy tutaj informacji o 1728.
A więc dodajmy dodatkową pozycję do filtrowania tego, czyli jest to desktop.
Sprawdźmy ewentualnie jaki system.
Jest to McIntyre, czyli sprzęt Apple'a.
Jest to przeglądarka Safari.
Ciekawe, więc jeżeli chcemy korzystać z
tych podstawowych raportów, powinniśmy nauczyć się wstępnego
filtrowania tych danych, żebyśmy mogli wstępnie zobaczyć, co jest nam potrzebne
do odpowiadania na zadane pytania, które na które chcielibyśmy uzyskać odpowiedzi.
Czyli w tym przypadku
takim pytaniem, na które chcielibyśmy sobie odpowiedzieć jest
użytkownicy jakich systemów operacyjnych oraz o jakiej rozdzielczości
ekranu są dla nas największym, że tak powiem, źródłem przychodu.
I wtedy dokonujemy po prostu tworzenia
takiego dedykowanego raportu, który odpowie nam na to pytanie.