Blog

Zbieranie precyzyjnych danych o zachowaniu klientów dzięki Google Analytics

Napisano: 6 lipca 2017

Piotr Oracz

Sukces sklepów internetowych w dużej mierze zależy od tego, jak efektywnie pozyskiwani są nowi klienci oraz jak reaktywowani są pozyskani już wcześniej. Cykl pozyskania nowego klienta jest coraz dłuższy, często wymaga wielu wizyt i zachęcania do małych kroków, aby na końcu uzyskać sprzedaż. Skutecznie można optymalizować sklep, w którym dokładnie wiemy jak zachowują się odwiedzający, z jakich funkcjonalności sklepu korzystają z powodzeniem, a co należy zmienić lub usprawnić. Przeczytaj, w jaki sposób zbierać dokładne dane o zachowaniu klientów.

Strategia optymalizacji

Skuteczny wzrost obrotów można osiągnąć stosując model rozwoju sklepu, który składa się z pięciu etapów. Najpierw należy ustalić, na którym obecnie etapie znajduje się serwis oraz zaplanować jak dostać się na kolejny poziom:

  • Etap I:  Brak wiarygodnych danych
  • Etap II:  Wartościowe dane, wskaźniki i podstawowe zachęty
  • Etap III:  Segmentacja ruchu i potrzeb
  • Etap IV:  Personalizacja, Elementy CRO
  • Etap V:  Automatyczna personalizacja, Kalibracja, Proces CRO

Etap I: Brak wiarygodnych danych

Na tym etapie sklep zwykle nie prezentuje żadnych spersonalizowanych zachęt czy zmian na stronie, lub też nie mierzy ich efektów oraz nie posiada danych, którym można zaufać i na ich podstawie podejmować decyzje biznesowe.

Wdrożony system do analizy ruchu np. Google Analytics, to obecnie absolutny standard. Jednak na tym etapie, narzędzie jest najczęściej skonfigurowane domyślnie, a więc zwykle dane są zaciemnione, zdefragmentowane, niedokładne. Kluczowe wskaźniki KPI dla biznesu są niewiarygodne i nie można na ich podstawie podejmować żadnych istotnych decyzji, takich jak ocena: które kampanie są skuteczne, które strony wymagają ulepszenia, które strony są kluczowe dla biznesu. Brak również detalicznych danych o zachowaniu odwiedzających.

Wyciek danych osobowych

Najpoważniejszym i często nieświadomym problemem serwisów na tym etapie jest wyciek danych osobowych subskrybentów i klientów do systemów zewnętrznych jak Google Analytics, co łamie regulamin GA nie wspominając o naruszeniu zapisów o przetwarzaniu danych osobowych. Wbrew pozorom to jest bardzo powszechny problem i spotykamy go u blisko 90% naszych klientów, którym analizujemy konto Google Analytics. Wystarczy, że takie dane jak email są wyświetlane w URL przeglądarki. Niektóre platformy sklepowe, czy systemy do mailingu mają taką „funkcjonalność” wbudowaną. Do wycieku danych osobowych najczęściej dochodzi podczas:

  • Rejestracji nowego użytkownika
  • Resetu hasła
  • Zapisania na newsletter
  • Złożenia zamówienia
  • A nawet zautomatyzowanej wysyłki newslettera

Przykład takiego wycieku prezentowanego w statystykach GA:
/Odziez-damska-203.html?emp_source=newsletter&emp_campaign_name=Newsletter+2017-04&emp_campaign=220&emp_message=220&emp_receiver=felicjan123@gmail.com &emp_receiver_id=220624&emp_link=3&source=fm

Warto mieć na uwadze, że od maja 2018 wchodzi w życie w całości dyrektywa unijna RODO, która za wycieki danych osobowych może nałożyć kary nawet do 20.000.000 EUR!

Na szczęście w porę wykryty wyciek można w całości opanować oraz wdrożyć monitoring podobnych sytuacji w przyszłości.

Nieprawdziwe wskaźniki dla strony

Kolejnym istotnym problemem na początkowym etapie optymalizacji sklepu są jego zaciemnione, zdefragmentowane dane oraz całkowicie zniekształcony wskaźnik porzuceń Bounce Rate (BR). To jeden z najważniejszych wskaźników, ponieważ na podstawie można ocenić, jakie strony czy grupy stron należy w pierwszej kolejności optymalizować. Mówi on o tym, ile osób zaczęło i skończyło wizytę na tej samej stronie.

Wskaźnik BR może być bardzo niski np. na poziomie kilku czy kilkunastu procent. Jest to wynik graniczący z pewnością, że integracja GA z serwisem jest niepoprawna. To oznacza, że cały szereg kolejnych wskaźników, jak czas na stronie, czas trwania sesji można wyrzucić do kosza. Tego typu błędy oznaczają, że praktycznie należy ponownie dokonać integracji, wyeliminować błędy i zacząć zbierać dane od początku.

Wskaźnik BR może być również za wyskoki np. ponad 80-90%. Taki objaw zwykle towarzyszy tworzeniu wysoce dynamicznych serwisów, które zmieniają zawartość bez przeładowania strony. Innymi słowy użytkownik wykonuje interakcje ze stroną, korzysta z niej, ale GA nic o tym nie wie i traktuje taką wizytę, jako bezproduktywną podbijając wskaźnik BR. Receptą na tego typu problemy jest wdrożenie zbierania zdarzeń związanych z zachowaniem na stronie.

Brak danych o zachowaniu na stronie

Ostatnim najpoważniejszym mankamentem jest kompletny brak gromadzonych danych o zachowaniu na stronie jak:

  • Wyszukiwanie
  • Korzystanie z paginacji, sortowania, filtrów
  • Korzystanie z nawigacji
  • Przewijanie strony oraz aktywny czas na stronie
  • Wypełnianie i porzucanie formularzy
  • Błędy w działaniu strony

Trudno sobie wyobrazić świadome dokonywanie optymalizacji sklepu czy jego gruntowną rozbudowę nie znając informacji, jak obecnie korzystają z niej potencjalni i obecni klienci. Które elementy strony pomagają, a które przeszkadzają w rejestracji i sprzedaży? Czy nie występują w dużej ilości błędy w skryptach na różnych przeglądarkach czy urządzeniach, co powoduje nieprawidłowe działanie serwisu, a w konsekwencji jego częstsze porzucanie? Zanim przystąpi się do optymalizacji, należy te wszystkie elementy wdrożyć i zmierzyć.

Na jakie pytanie mogą odpowiedzieć dane o zachowaniu klientów:

  • Paginacja: Do której strony najczęściej przełączają klienci? Czy nie powinniśmy zwiększyć liczby produktów wyświetlanych na jednej stronie?
  • Sortowanie: Który sposób sortowania jest najpopularniejszy? Ustawmy go, jako domyślny.
  • Filtry: Które filtry są najpopularniejsze. Ustawmy ich kolejność zgodnie z popularnością.
  • Przewijanie: Do jakiego miejsca karty produktów są przewijane? Czy klienci widzą przycisk dodaj do koszyka?
  • Wypełnianie formularzy: Do jakiego pola formularze są najczęściej wypełniane i porzucane? Czy możemy formularze jakoś uprościć?

I wiele innych, a bonusem jest to, że te informacje zbierane są każdego dnia, tygodnia, miesiąca, kwartału itd. Dzięki temu możemy obserwować zmiany w zachowaniu odwiedzających (na lepsze lub gorsze) w dłuższej perspektywie czasu wraz z wprowadzaniem ulepszeń na stronie.

Brak aktywnego monitoringu danych i kluczowych wskaźników

W parze z brakiem danych godnych zaufania do analizy idzie najczęściej brak monitorowania zmian w danych oraz wskaźnikach biznesowych. Co warto mierzyć? Poniżej znajduje się podstawowa lista:

  • Wyciek danych osobowych
  • Błędy na stronie
  • Gwałtowny spadek / wzrost ruchu na stronie
  • Gwałtowny spadek / wzrost wskaźników: porzucenia, konwersji, średniej wartości koszyka
  • Gwałtowny spadek / wzrost przychodów
  • Istotna zmiana statystyk w poszczególnych źródłach ruchu
  • Istotna zmiana efektywności kampanii płatnych
  • Wykrywanie błędnie skonfigurowanych kampanii

Szybka reakcja na nieprzewidziane czy nieplanowane sytuacje to najlepszy sposób, aby zminimalizować ryzyko strat, czy utraty przychodów.

Etap II: Wartościowe dane, wskaźniki i podstawowe zachęty

Sklep w kolejnym etapie prezentuje dodatkowe zachęty np.: każdy dostaje informację onsite o obowiązującej promocji, na wyjście pokazuje się zachęta do skorzystania z najpopularniejszych filtrów.

Sklep jest już zabezpieczony przed wyciekiem danych osobowych, posiada stały monitoring, dane gromadzone są wiarygodne oraz rozbudowane o zachowanie odwiedzających. Na tym etapie należy przystąpić do dokładnej analizy danych, wyciągania wniosków i stawiania hipotez, co i jak należy poprawić w serwisie.

Poniżej prezentowany jest przykład analizy zachowania na stronach serwisu, pogrupowanych ze względu na ich treść:

Widać podział zaangażowania na różnych typach stron tworzących sklep. Największą uwagę przyciągają kategorie i karty produktów, co jest oczekiwanym wynikiem.

W kolejnym kroku możemy przeglądać statystyki interakcji np. dla Kategorii:

Scroll Tracking: wszystkie kategorie są najczęściej przewijane do poziomu 47%

Engagement Timer: mierzy nam efektywny czas na stronie (średnio 52 sekund na stronie)

Link Click: informuje nas, w jakie linki na stronie klikają użytkownicy

Pagination: to informacja, do której podstrony najczęściej „przeklikują się” użytkownicy

Filters: zawiera statystyki, które filtry są najpopularniejsze

Search: zawiera frazy, czego użytkownicy szukają będąc na stronie kategorii

Errors: jakie błędy występują na analizowanych stronach

Sort: prezentuje statystyki najpopularniejszych sposobów sortowania kategorii

Product Portion: to z kolei statystyki zmiany ilości produktów na stronę

Każda interakcja jest posortowana zaczynając od najpopularniejszych, wraz z wyliczeniem jak często skorzystanie z danej funkcjonalności sklepu wpływa na Współczynnik Konwersji (CR). Jak widać na zdjęciu, współczynnik CR dla analizowanej strony wynosi 8%. Oczywiście jest to średnia dla osób zaangażowanych na stronie. Jeśli uwzględnilibyśmy ruch osób niezaangażowanych, wtedy uzyskalibyśmy CR w przedziale 1-2%. Z powyższego wykresu wynika, że paginowanie strony, korzystanie z filtrów i wyszukiwarki daje najlepszy efekt sprzedażowy.

Przeanalizujmy teraz czy jesteśmy w stanie jeszcze zwiększyć sprzedaż.

Szybka analiza paginacji

Paginacja w analizowanym sklepie jest skonfigurowana mało intuicyjnie. Paginacja o nr 1 oznacza drugą stronę z wynikami (przykład paginacji www.sklep.pl/kategoria123?page=1)

Ponad 62% osób przewija strony do 2, 3 lub 4 podstrony. To oznacza, że warto zwiększyć liczbę produktów na stronie kategorii.

Szybka analiza filtrów

Przeglądając statystyki filtrów mamy informację o nazwie filtra oraz wyborze konkretnej wartości. Już z pierwszych wierszy udało się nam ustalić, że kolejność filtrów na stronach kategorii ma się nijak do ich wykorzystywania. Warto, więc poprawić użyteczność strony i dostosować ich kolejność do powyższych statystyk.

Dokładniejsza analiza polega na przeanalizowaniu każdej kategorii z osobna i odpowiednim dostrojeniu poszczególnych filtrów.

Wiedząc, które filtry mają największy wpływ na sprzedaż warto pomyśleć np. o interakcji na porzucenie sklepu, dla tych, co nie skorzystali z filtrów:

Podsumowanie

Podstawą do rozpoczęcia optymalizacji sprzedaży jest opieranie się na wiarygodnych danych, które potrafimy analizować i wyciągać z nich wnioski. Jeśli chcesz mieć tak dokładne dane o odwiedzających Twój sklep, przejrzyj naszą ofertę Google Analytics HealthCheck

  • Maria Pruszyńska

    Zgadzam się, że bardzo ważne jest skrupulatne analizowanie danych, ale nie można przeceniać funkcjonalnego ich gromadzenia. Co poleca pan w tym zakresie? Do tej pory zwykle spotykałam się z poleceniami różnych systemów crm, jak np. kamflex.pl

Pobierz darmowy e-book

Zapisz się na nasz newsletter, aby go odebrać

Nasz newsletter

Jeżeli chcesz porozmawiać o naszych usługach lub potencjalnej współpracy, to zapraszamy do kontaktu