Chatbot i idea grupowania treści 

W chacie GPT umieściłam raport ze stronami w mojej firmowej witrynie. Miały stanowić punkt wyjścia do stworzenia grupowania treści w Google Analytics 4. Łącząc wiele adresów w spójne kategorie, zyskalibyśmy pełniejsze zrozumienie zachowań użytkowników na stronie oraz usprawnili proces optymalizacji treści witryny.  

Zadanie chatbota polegało na zidentyfikowaniu wzorców w adresach stron i podziale na kategorie. Raport zawierał nie tylko same url-e, ale także powiązane z nimi dane.  

Prompt: 

“Podziel strony mojej witryny na kategorie treści w Google Analytics 4 na podstawie ich struktury i celów. Mam dane, które obejmują ścieżki URL stron, liczbę sesji, kluczowe zdarzenia oraz średni czas zaangażowania użytkowników na każdej stronie. Chciałabym, abyś na tej podstawie stworzył kategorie” 

W wyniku zapytania otrzymałam kategorii, które pasowały do mojej witryny, a jednocześnie odzwierciedlały wejścia użytkowników na strony i przechodzenie pomiędzy poszczególnymi sekcjami. 

Tipy: 

– dane klientów umieszczamy jedynie w wersjach chatbotów przeznaczonych do celów firmowych (np. chat gpt teams), aby zapewnić wyższy poziom prywatności i bezpieczeństwa informacji  

– najlepszym, najczęściej akceptowanym przez chatboty formatem jest csv  

– staramy się przygotować pliki, tak aby zawierały jednie ważne dla nas dane, np. wyeksportowany do csv raport z GA4 będzie zawierał wiersze typu: # Wyeksportowany raport w formacie CSV, # Konto: xxx, # Usługa: xxx. Te informacje są zbędne a wręcz mogą utrudnić pracę chatbotom.  

Przykładowy poprawny plik: 

url,pageviews,avg_time 

/oferty-pracy/analityk-danych,450,120 

/oferty-pracy/specjalista-seo,320,95 

/blog/analityka-internetowa,780,180 

Chatbot zna wyrażenia regularne  

W kolejnym kroku poprosiłam chatbota o przygotowanie wyrażeń regularnych, które umożliwiłyby dodanie grupowania treści w GA4 za pośrednictwem Google Tag Managera. W szybki sposób uzyskałam podstawę do utworzenia tabeli wyrażeń regularnych.  

Prompt 

„Stwórz wyrażenia regularne (regex), które pozwolą na przypisanie stron mojej witryny do określonych kategorii treści w Google Tag Manager. Kategoryzacja została już przeprowadzona i obejmuje następujące grupy: 

• Kariera: Strony zawierające informacje o pracy, oferty zatrudnienia i rekrutację. 

• Strona główna: Strona główna witryny. 

• Oferta: Strony zawierające szczegóły dotyczące usług i ofert firmy. 

• Portfolio: Strony prezentujące zrealizowane projekty lub produkty. 

• O nas: Strony z informacjami o firmie, zespole, misji itp. 

• Blog: Strony z artykułami blogowymi. 

• Inne: Wszystkie strony, które nie pasują do powyższych kategorii. 

W pierwszej wersji odpowiedzi chatbot stworzył wyrażenia regularne, które zamiast grupować wszystkie adresy zawierające jakiś wspólny element, np. oferty pracy w dziale analityki, seo, itd. ograniczyły się jedynie do głównego adresu danej sekcji. Nauczona tym doświadczeniem zmodyfikowałam zapytanie, poszerzając o kryterium weryfikacji: 

Prompt 2.0 

„Stwórz wyrażenia regularne (regex), które pozwolą na przypisanie stron mojej witryny do określonych kategorii treści w Google Tag Manager. Kategoryzacja została już przeprowadzona i obejmuje następujące grupy: 

• Kariera: Strony zawierające informacje o pracy, oferty zatrudnienia i rekrutację. 

• Strona główna: Strona główna witryny. 

• Oferta: Strony zawierające szczegóły dotyczące usług i ofert firmy. 

• Portfolio: Strony prezentujące zrealizowane projekty lub produkty. 

• O nas: Strony z informacjami o firmie, zespole, misji itp. 

• Blog: Strony z artykułami blogowymi. 

• Inne: Wszystkie strony, które nie pasują do powyższych kategorii. 

Wygenerowane wyrażenia regularne powinny być dostosowane do ścieżek URL, które odpowiadają tym kategoriom. Upewnij się, że regexy uwzględniają różne możliwe warianty ścieżek i są wystarczająco elastyczne, aby uchwycić wszystkie strony, które pasują do danej kategorii. 

W wyniku chciałbym otrzymać listę regexów, gotowych do zastosowania w GTM, z krótkim opisem, jak działa każdy regex i dla jakiej kategorii jest przeznaczony.” 

Tipy:  

– oczekiwania powinny być dobrze sprecyzowane.  

– testuj, testuj, testuj. Warto poprosić chatbota o weryfikację czy podane przez nas wcześniej adresy pasują do wzorców. Dobrym posunięciem będzie także prośba o przypisanie hipotetycznych, przyszłych adresów do kategorii w oparciu o przyjęte reguły.  

Chatbot – jasnowidz 

Wypróbowałam możliwości chata GPT także w zakresie praktycznej analizy danych. Pierwsze zdanie polegało na wyestymowaniu istotnych z punktu widzenia naszej strony firmowej metryk.  

Prompt 

„Na podstawie danych o odsłonach z ostatnich 6 miesięcy, przeanalizuj trendy dla każdej grupy treści. Użyj prostego modelu predykcyjnego (możesz użyć Prophet) i pokaż przewidywane wartości na następne 3 miesiące.” 

Poprosiłam chatbota o estymacje dla okresu, z którego już dysponowałam statystykami, więc byłam w stanie ocenić w jakim stopniu wyliczone metryki odbiegają od rzeczywistości. Taka walidacja historyczna wykazała, że zastosowany model odbiegał o ok. 12% od danych z konta.  

Tipy: 

– jeżeli zależy Ci na konkretnym modelu / podejściu do estymacji musisz je doprecyzować  

– nie podawaj od razu wszystkich metryk, które chcesz wyestymować. Nadmiar danych połączony z zastosowaniem kilku metod prognozowania może w skrajnych przypadkach doprowadzić do zawieszenia chatu 

Chatbot przed zarządem 

Ostatnie zadanie chatbota polegało na utworzeniu wykresów ze zmieniającymi się w czasie metrykami z podziałem na kategorie.  

Prompt 

„Przygotuj zestaw wykresów słupkowych dla danych dotyczących średniego czasu zaangażowania użytkowników w poszczególnych kategoriach (Kariera, Oferta, Blog, Portfolio, O nas) na podstawie raportu zawierającego miesięczne dane (maj, czerwiec, lipiec, sierpień 2024). 

Każdy wykres powinien spełniać następujące kryteria: 

– Jedna kategoria na wykres: Każdy wykres przedstawia dane tylko dla jednej kategorii. 

– Wskaźnik: Oś Y przedstawia średni czas zaangażowania użytkownika w sekundach. 

– Okres: Oś X powinna przedstawiać kolejne miesiące (maj, czerwiec, lipiec, sierpień). 

– Porządek: Słupki są ułożone chronologicznie (maj -> sierpień). 

Wygląd: Wykresy powinny być estetyczne, czytelne i wyróżniać się opisanymi osiami oraz tytułami. Każdy wykres powinien zawierać legendę z nazwą wskaźnika. 

Dane: Użyj średnich wartości wskaźnika dla każdej kategorii w danym miesiącu. 

Dodatkowo: 

– Zastosuj spójny styl wykresów. 

– Jeśli to możliwe, dodaj linię trendu dla każdej kategorii, aby pokazać dynamikę zmian. 

Po zakończeniu generacji wykresów, przedstaw je w osobnych grafikach lub w formie raportu wizualnego.” 

Dojście do wersji wykresu, która byłaby czytelna dla „zwykłego człowieka” zajęło mnie i chatowi trochę czasu. Początkowo tworzył wizualizacje, które przypominały pajęczyny, a w konsekwencji były bezużyteczne. Przetoczony prompt jest wersją uwzględniającą całą ścieżkę prowadzącą do uzyskania dobrego wykresu.  

Tipy: 

– określ dokładnie: metryki, zakres wykresu, sposób wizualizacji, kryteria.  

Na koniec 

Chatboty mogą znacznie usprawnić pracę w obszarze analityki internetowej, w tym z Google Analytics 4, poprzez automatyzację powtarzalnych zadań i dostarczanie szybkich analiz.  

Wszystkie zadania, które wykonał chat GPT były oczywiście możliwe bez jego wsparcia. Jednak wymagałyby większej ilości czasu a w niektórych przypadkach wiedzy (np. modele prognozowania).  

Użyteczność chatbotów zależy od odpowiedniego przygotowania danych, precyzji zapytań i walidacji wyników. To narzędzia, które wspierają specjalistów, ale nie zastąpią ich wiedzy i doświadczenia. 

Garść informacji o key events

Zgodnie z oficjalną retoryką zmiana podyktowana jest potrzebą ułatwienia mierzenia konwersji i zachowaniem spójności w ekosystemie Google. Z zewnątrz wygląda to jedynie na “kosmetykę”. Od marca konwersjami są nazywane wyłączenie kluczowe eventy (key events), które są stosowane w kampaniach reklamowych (jako mierniki sukcesu i odnośnik do automatycznych strategii bidowania).  

Konfiguracja key events w GA4

Użytkownicy Google Analytics i Google Ads, którzy wcześniej korzystali z konwersji importowanych z narzędzia analitycznego, nie muszą dokonywać żadnych modyfikacji. Wszystkie przekształcenia odbędą się bez ich udziału. Zmiany będą dotyczyły nowych aktywności, które mają zostać uwzględnione w kampaniach reklamowych. Kluczowych eventów nie będzie można bezpośrednio użyć jako konwersji. W tym celu należy zalogować się na konto Google Ads, przejść do sekcji: Cel > Nowe działanie powodujące konwersje > Importuj, a następnie wybrać interesujący nas key event (lub zwykłe zdarzenie, które po oznaczeniu jako konwersja stanie się kluczowym zdarzeniem). ¹ 

Jeżeli mówimy o mierzeniu kluczowych aktywności, zawsze powinniśmy zastanowić się, w jaki sposób będą mierzone i atrybuowane. Dotychczasowy podział ustawień atrybucji na sekcje: raportowania i udział w konwersjach dla Google Ads został utrzymany.  Jedynie nazwę konwersji w pierwszej części zastąpiono key events. Nadal wybieramy model atrybucji jedynie dla zdarzeń (dokładniej – kluczowych zdarzeń), nie mamy wpływu na wymiar sesji i użytkownika.   

Wykorzystanie 

Wybierając kanały, które kwalifikują się do udziału w konwersjach (Channels that can receive credit na rys. 1) wpływamy m.in. na treść nowego raportu w GA4: Advertising > Advertising > Conversion performance.  

W tym przypadku widoczne są jedynie płatne kanały (inaczej mówiąc – wchodzące w skład Google Ads Platform).   

Przy tej opcji zyskujemy szerszy obraz – widzimy nie tylko kanały płatne, ale także inne, które spowodowały pozyskanie konwersji. Możemy zatem prześledzić zależności pomiędzy źródłami ruchu. W tym miejscu chciałabym podkreślić, że raport jest dostępny wyłącznie dla konwersji, które są stosowane w kampaniach Google Ads i zostały utworzone na podstawie zdarzeń Google Analytics.  

Raport Skuteczność konwersji

Raportu Skuteczność konwersji, obecnie znajduje się on w wersji Beta, ale  wygląda obiecująco. Zawiera bardzo kompaktowe zestawienie konwersji z dowolnym wymiarem: kampanii, domyślnej grupy kanałów, medium, źródła, platformy. W przeciwieństwie do innych raportów w GA4 dla Conversion performance nie jesteśmy w stanie przeprowadzić żadnych przekształceń: 

• nie ma możliwości dodania drugiego wymiaru, np. kampanii jednocześnie z platformą, 
• edycji nie podlega także zakres prezentowanych danych.  

Na uwagę zasługuje natomiast fakt prezentowania konwersji na dwa sposoby: 

Przykłady wykorzystania raportu: 

• nakłady na reklamy Google Ads zostały zwiększone o 10%, jak zmiana wpłynęła na liczbę konwersji z działań płatnych (nie tylko “googlowych”) i bezpłatnych, 
• w kampaniach reklamowych został dodany nowy komunikat przy użyciu metryki wszystkie konwersje wg czasu konw. można ocenić jego skuteczność niemalże w czasie rzeczywistym. 

Podsumowanie

Dla przeciętnego użytkownika Google Ads czy Google Analytics zmiany nie są spektakularne. Potencjał kryje się w dodatkowych opcjach raportowania. Przede wszystkim na uwagę zasługuje możliwość prześledzenia zależności pomiędzy kampaniami a innymi działaniami. Czy więcej środków na reklamy to więcej konwersji z “organica”? Czy zwiększona liczba klików skutkuje natychmiastowymi zakupami (porównanie konwersji vs konwersji wg czasu)? Potem już tylko mądre decyzje oparte o dane   

Przeczytaj też:

Skąd się biorą różnice w danych o konwersjach i transakcjach? | Bluerank

5 powodów, dla których warto zainwestować w Google Analytics 4 360 | Bluerank

Spis treści:

1. Raporty podstawowe 
2. Analiza danych dla lekko zaawansowanych 

Wśród najpopularniejszych pytań z ostatniego miesiąca znalazły się: 

• Jakie dane zbiera Google Analytics? 

• Jak tworzyć raporty w GA4? 

• Jak analizować raporty z GA4? 

• Jakie modele atrybucji są dostępne w GA4? Jaki model wybrać? 

• Jakie są nowe funkcje w GA4? 

Większość odpowiedzi na powyższe pytania jest łatwa do znalezienia. Pokusimy się o rozwinięcie z naszej perspektywy najciekawszego wątku – analizie raportów.  

Raporty podstawowe 

Zacznijmy od podstaw – zapoznaj się z narzędziem i określ w jakim stopniu zawiera informacje potrzebne w Twoim biznesie. Pogrupuj kluczowe pytania na tematy: pochodzenie ruchu, aktywności na stronie, sprzedaż, użytkownicy. GA4 w klarowny sposób podzielone jest na właśnie takie sekcje: 

1. Cykl życia 
   – Pozyskanie: informacje o użytkownikach i ruchu 

Zwróć uwagę skąd pochodzą użytkownicy Twojej witryny. Czy w tym zakresie nie czekają na Ciebie jakieś niespodzianki. Masz biznes ukierunkowany na rynek Polski a wielu użytkowników wchodzi z terenu Anglii? Czy to błąd konfiguracji czy szansa na rozwój? 

Czy do Twojej witryny docierają regularnie nowi użytkownicy? Jeżeli liczba powracających na przestrzeni ostatnich 28. dni, 3. miesięcy, roku maleje to sygnał, że wkrótce biznes może borykać się z brakiem rozwoju a nawet zapaścią?  

Jakie źródła sprowadzają najwięcej użytkowników do Twojej witryny? Czy jakość idzie w parze z ilością (rozumianą jako realizacja istotnych zdarzeń). 

Zaangażowanie: w jaki sposób poruszają się użytkownicy po Twojej witrynie, co robią 

Ile czasu potrzeba, aby kupić Twój produkt albo przeczytać artykuł? Zweryfikuj oczekiwania z rzeczywistością. Może prezentowane treści nie są interesujące dla użytkowników, czego wynikiem jest niski czas zaangażowania.  

Czy najczęstsze zdarzenia są tymi, których oczekujesz od Internautów? Jak zmieniają się zachowania w czasie? 

Generowanie przychodu: 

Jakie produkty są chętnie kupowane, a które pomimo dużego zainteresowania nie trafiają ostatecznie do koszyka? Co je łączy? Czy jakiś produkt nie dominuje wśród najczęściej wybranych? 

2. Użytkownik 

Jak dobrze znasz swoich użytkowników? GA4 prezentuje podstawowe informacje odnośnie płci, lokalizacji, zainteresowań, wieku, języka, posiadanych urządzeń. Możesz je wykorzystać np. do lepszego kierowania reklam Google Ads. 

Analiza danych dla lekko zaawansowanych 

Powyższe pytania mogą stanowić punkt wyjścia do pogłębionych analiz, np. oceny obecnej customer journey i znalezienia pól do optymalizacji.  

Avinash Kaushik, twórca cenionego bloga: Occam′s Razor, autor książek “Web Analytics 2.0” i “Web Analytics: An Hour a Day”, w 2013 opracował koncepcję marketingową SEE, THINK, DO, CARE 5 stojąc na stanowisku, że dotychczasowe modele nie są optymalnie dopasowane do rzeczywistości online i jej specyficznych metryk. Przenieśmy to podejście do “universum” GA4. Wykreujmy naszych superbohaterów dla każdego etapu customer journey: 

1. Dla etapu SEE miernikiem może być liczba pierwszych wizyt (metryka – Pierwsze wizyty) warto dodać wskaźnik do raportów Acquisition > Traffic acquisition. W celu dodania należy w prawnym górnym rogu nacisnąć rysunek ołówka: 

Następnie z sekcji Metrics wyszukać odpowiednią metrykę, np. Pierwsze wizyty 

Następnie wybrać opcję zapisu na obecnym raporcie albo zapisać nową wersję do Biblioteki: 

W przypadku zapisu jako nowej wersji w Bibliotece niezbędne będzie jeszcze opublikowanie raportu do wybranej przez nas sekcji: 

Wskaźnik Pierwszych wizyt powinien zostać osadzony w określonym kontekście (np. w zestawieniu z powracającymi użytkownikami, sesjami czy kosztami) dla danego źródła / medium, mieć poziom początkowy i docelowy w założonym czasie.  

2. Etap THINK może być powiązany z metryką CR (współczynnik konwersji) dla mikrokonwersji to add_to_cart. Partner obecnie mierzy liczbę dodań do koszyków. Warto raporty mówiące o źródle ruchu (Acquisition > Traffic acquisition) poszerzyć o metryki Współczynnik konwersji na użytkownika i na sesje. W przypadku obu metryk możemy wybrać jakie działania nas interesują 

Inne przykłady mikrokonwersji dla etapu Think: 

• rejestracje w sklepie. 

3. Etap DO – jest najłatwiejszy do weryfikacji. Czy często na witrynie dochodzi do realizacji nadrzędnego celu? W przypadku. Najczęściej jest to sprzedaż. Ponownie doskonałymi miernikami będą współczynniki konwersji dla sesji i użytkownika. Dodatkowo cała sekcja Monetisation > E – commerce purchases niesie ze sobą informacje o wynikach produktów / kategorii / marek (w zależności od informacji przekazywanych w warstwie danych dla eventów sprzedażowych).  

Warto poszerzyć raport o dodatkowe metryki: 

• wszyscy użytkownicy lub użytkownicy (rozumiani jako – tylko aktywni użytkownicy; Inaczej mówiąc  
  to użytkownicy, dla których zostały odnotowane sesje z zaangażowaniem, sesje ocenione przez GA4 jako wartościowe), 
• wszyscy kupujący, 
• kupujący pierwszy raz. 

4. Etap CARE – jest powiązany z jedną z kluczowych metryk nowoczesnego marketingu – LTV (Life Time Value). Metryka definiuje, ile pieniędzy przyniesie Klient w całym swoim “cyklu życiowym” (rozumianym jako okres korzystania z oferty firmy). Prościej ujmując wskaźnik mówi, ile będziemy w stanie zarobić na danej osobie. GA4 w pewnym sensie może wykonać tą pracę automatycznie. W sekcji Eksploracje jednym przyciskiem tworzymy raport ”Cykl życia użytkownika”. Zawiera on m.in. informacje o LTV w zestawieniu ze źródłem / medium / kampaniami, czasie ostatnich czy pierwszych zakupów. GA4 poszerza zebrane dane o prognozy opracowane przez systemy uczące Google i na ich podstawie przewiduje, przyszłe zachowania użytkowników. 

Zachęcamy do zadawania pytań. Sobie, wewnątrz organizacji, partnerom biznesowym. Ostatecznie nie liczy się jak dużo mamy danych, ale w jaki sposób jesteśmy w stanie je wykorzystać. 

Dodatkowych inspiracji do tworzenia wartościowych analiz w sekcji Eksploracje możecie poszukać na naszym artykule: Raporty niestandardowe. 

Jak Google rozpoznaje ruch na stronie

Google Analytics kampanie reklamowe, sieci społecznościowe a także pozostałe źródła klasyfikuje jako…kampanie i źródła ruchu. Zanim informacje znajdą się w raportach panelu GA4 przechodzą przez etapy gromadzenia i przetwarzania. Pierwsza część procesu polega na uzyskiwaniu informacji o źródłach i kampaniach wizyt przy pomocy pakietu SDK lub kodu śledzenia Google Analytics. Zakres pozyskiwanych informacji jest następujący: 

Pozyskane informacje są przetwarzane zgodnie z logiką: 

• pierwszeństwo źródła: dla działań otagowanych przez utm_ wizyta bezpośrednia poprzedzona wejściem z kampanii pozostawi stronę odsyłającą bez zmian (innymi słowy – nie wpłynie na wartość referrer);  
• źródłem wizyty jest kampania niestandardowa, jeżeli w polu lokalizacja dokumentu (“&dl” w powyższej tabeli) znajdują się przynajmniej informacje: utm_source, utm_medium i utm_campaign. Dodanie utm_term i utm_content nie wpływa na przypisanie ruchu do kampanii  
• Google Analytics rozróżnia darmowy ruch na stronie od płatnych wyników wyszukiwania, jeżeli w adresie zostały umieszczone niestandardowe parametry (z tagowania ręcznego) lub identyfikatory kliknięć Google Ads lub Google Marketing Platform (GCLID). W innym przypadku wizyta zwiększy pulę odwiedzin bezpłatnych. 
• przetwarzanie wizyt bezpośrednich – do tej grupy trafią wszystkie wejścia: 
  – dla których brakuje informacji o źródle odesłania 
  – celowo ustawiliśmy ignorowanie źródła odesłania, np. dla bramek płatniczych lub wyszukiwanego hasła. 

Cały ten ruch na stronie – poziom użytkownika, sesji, zdarzenia 

1. sesja – jakie źródło / medium/ kanał sprowadziło daną wizytę do witryny. Dane z perspektywy sesji można zobaczyć w GA4 kierując się do sekcji: Raporty > Pozyskanie > Pozyskanie ruchu. W tym przypadku status nowego lub powracającego użytkownika nie ma znaczenia. Więcej – wybrana na poziomie konta atrybucja także nie wpływa na postrzeganie pochodzenia wizyty. Jeżeli chcesz bardziej szczegółowo przyjrzeć się wymiarom związanym ze źródłem wejścia na stronę rekomendujemy utworzenie raportów w sekcji Eksploracje przy wyborze wszystkich opcji zaczynających się od “Sesja”, np. Sesja – źródło, Sesja – medium. Należy zwrócić uwagę na fakt, że jedna wizyta może być powiązana wyłącznie z jedną kampanią lub jednym źródłem. Wg pomocy Google: “Jeśli podczas zbierania danych zostaną w środku dotychczasowej sesji wysłane do Analytics nowe wartości kampanii lub źródła wizyt, wartości te zostaną powiązane ze zdarzeniami, na których podstawie zostały zebrane, a dane posłużą do atrybucji opartej na zdarzeniach. Wartości kampanii i źródeł wizyt nie zostaną jednak powiązane z obecną sesją użytkownika.” ¹ 
2. użytkownik – to spojrzenie w centrum uwagi stawia pochodzenie nowego użytkownika. W GA4 można je znaleźć w: Raportach > Pozyskanie > Pozyskanie użytkowników. Należy zwracać uwagę na wymiary z “Pierwszy użytkownik”, np. Pierwszy użytkownik – medium. W raporcie Pozyskanie widoczne są m.in. konwersje powiązane ze źródłem sprowadzającym na stronę użytkowników.  
3. zdarzenie – oczy wszystkich zwrócone są na eventy. Wymiary dla tego spojrzenia nie zawierają żadnego dopisku, np. Źródło, Medium. Dane widoczne są w raportach: Porównanie modeli i Ścieżki konwersji.   

Podsumowując – w GA4 występują trzy zakresy wymiarów powiązane ze źródłem wizyty: sesja, użytkownik, zdarzenie. W przypadku sesji i użytkowników zawsze stosowany jest model atrybucji kanały płatne i bezpłatne – ostatnie kliknięcie. Dla kluczowych zdarzeń czyli konwersji możesz wybrać sposób przyporządkowania roli źródła / medium w wygenerowania istotnego dla Ciebie eventu.  Wystarczy wejść w: Administracja > Ustawienia atrybucji. ² 

Integracja danych – grupowanie 

Liczba źródeł / medium prowadzących do witryny może utrudniać wyciągnięcie jednoznacznych i szybkich wniosków o pochodzeniu ruchu w zestawieniu z jego jakością. Google oferuje szybkie rozwiązanie tego problemu – wyjście od ogółu w postaci grupowania kanałów. GA4 łączy źródła / medium w większe partie na podstawie zestawów reguł, np.: 

• Kanał płatne wyniki wyszukiwania: Platforma źródłowa to „Google Ads” ORAZ Typ sieci reklamowej Google Ads należy do („Wyszukiwarka Google”, „Sieć partnerów Google”) 
• Reklamy displayowe: Platforma źródłowa to „Google Ads”  ORAZ  Typ sieci reklamowej Google Ads należy do („Sieć reklamowa Google”) 
• Płatne społecznościowe: Wartość Źródło pasuje do wyrażenia lista witryn społecznościowych ORAZ Medium pasuje do wyrażenia regularnego ^(.*cp.*|ppc|retargeting|paid.*)$  
• Reklamy displayowe Display & Video 360: Platforma źródłowa to „DV360” ORAZ Format kreacji DV360 należy do („Standardowa”, „Rozwijana”, „Kwadratowa kreacja natywna promująca witrynę”, „W tle”, „Pełnoekranowa kreacja promująca instalację aplikacji oparta na szablonie”, „Wycofane”, „Kreacja natywna promująca instalację aplikacji”, „Kwadratowa kreacja natywna promująca instalację aplikacji”, „Kreacja natywna promująca witrynę”, „Kreacja promująca instalację aplikacji oparta na szablonie”, „Lightbox”) 
• Bezpłatne wyniki wyszukiwania w Zakupach: Platforma źródłowa to „Bezpłatne informacje o produkcie w Zakupach”   
• Bezpośrednie: Źródło w dopasowaniu ścisłym do „(bezpośrednie)” ORAZ  Medium należy do („(nieustawiony)”, „(brak)”) 
• Płatne wyniki wyszukiwania w Zakupach: Wartość Źródło pasuje do wyrażenia lista witryn w sieci wyszukiwania ORAZ Medium pasuje do wyrażenia regularnego ^(.*cp.*|ppc|retargeting|paid.*)$ 
• Reklamy e-mailowe: Źródło = email|e-mail|e_mail|e mail LUB  Medium = email|e-mail|e_mail|e mail. 

W określaniu źródła ruchu GA4 korzysta także ze stale rozszerzanej listy kategorii 

Ruch na stronie – kanały

Wszystkie definicje kanałów są dostępne na stronie pomocy Google Analytics 4. Nie można edytować “przepisu” na danę grupę. Zatem jeżeli Twoje tagowanie będzie niezgodne z wytycznymi możesz spodziewać się niespodzianek w postaci zaliczenia działań reklamowych jako “Nieoznaczone”. Przykładowo adresy kreacji na Facebooku poszerzasz o utm_source=facebook, utm_medium= płatne ruch na stronie nie zostanie prawidłowo przydzielony do kanału “Płatne społecznościowe”). W przypadku gdy lista domyślnych kanałów nie jest dostosowana do faktycznych źródeł ruchu danej witryny istnieje możliwość użycia własnego grupowania kanałów. 

Integracje z opcją automatycznego tagowania 

Narzędzia w ramach ekosystemu Google (np. Google Ads, Display and Video 360) mogą wzbogacać GA4 w informacje o źródłach odwiedzin opierając się na bezpośredniej integracji i automatycznym tagowaniu. Po kliknięciu przez Internautę w reklamę adres docelowy zostaje poszerzony o „identyfikator kliknięcia Google” (gclid), który jest zapisywany w pliku cookie Google Analytics w domenie witryny. ¹ Gclid ma proste zadanie – identyfikacje kampanii wraz z atrybutami kliknięcia.   

Automatyczne tagowanie i integracje – korzyści

Stosując automatyczne tagowanie i integracje poza informacjami o źródle ruchu odnosisz szereg dodatkowych korzyści:  

• nie tracisz czasu na ręczne otagowanie reklam / kampanii / słów, w taki sposób aby były właściwie interpretowane przez Google Analytics (szczegóły w dalszej części artykułu), 
• unikasz błędów, np. braku niezbędnych informacji “source” 
• zyskujesz dostęp do dodatkowych wymiarów i raportów (przykładowo): 
  – Google Ads – wypełniane są wymiary, m.in.: grupa reklamowa (grupa reklam powiązana ze słowem kluczowym/reklamą i kliknięciem), końcowy URL (końcowy adres URL w Google Ads), Sieci dystrybucyjne reklam (sieć wyszukiwania Google).  Raporty są wzbogacane o porę dnia, miejsca docelowe (miejsca w sieci partnerskiej, w których zostały umieszczone Twoje reklamy), pozycje słów kluczowych (pozycja reklamy w wyszukiwarce Google), kierowanie w sieci reklamowej, kampanie wideo, kampanie produktowe ² 
  – Display & Video 360 (DV360) – wypełniane są wymiary: źródeł wizyt w wielu kanałach, np. sesja – źródło/medium, pierwsze źródło/medium użytkownika i źródło/medium 
  – Search Ads 360 – wypełniane są wymiary ograniczonych do sesji: Automatyczne tagowanie udostępnia takie wymiary ograniczone do sesji: źródło SA360, medium SA360, kampania SA360, format kreacji SA360, nazwa grupy reklam SA360, tekst słowa kluczowego SA360, zapytanie SA360, domyślna grupa kanałów w SA360, Identyfikator konta wyszukiwarki SA360, nazwa konta wyszukiwarki SA360, rodzaj konta wyszukiwarki SA360. ³ 
  – możesz pobierać cele jako konwersje do narzędzi reklamowych, 
  – poszerzasz panele reklamowe o dane pochodzące z narzędzia analitycznego.  
  

Ruch na stronie – inna droga, czyli tagowanie ręczne 

Jeżeli z jakiś powodów nie chcesz lub nie możesz przekazywać informacji o źródle odwiedzin w zautomatyzowany sposób pozostaje Ci ręczne tagowanie.  Polega ono na dodawaniu do adresów docelowych parametrów utm (Urchin Tracking Module tags), np. http://www.example.com/?utm_source=google&utm_medium=cpc&utm_campaign=summersale. Wykorzystanie utm w celu monitorowania źródeł ruchu to szybkie i łatwe rozwiązanie dla działań wykraczających poza ekosytem Google. GA4 narzuca ramy w zakresie przekazywanych parametrów: 

Stosowanie ręcznego tagowania dla działań w ramach ekosystemu Google nie jest zalecane. Przestają Cię dotyczyć przytoczone powyżej korzyści. Samo automatyczne „oznaczanie” również nie jest wystarczające – bez integracji Google Ads i Google Analytics informacje o źródle / medium będą pochodziły z utm. Przy jednoczesnym wykorzystaniu ręcznego i automatycznego tagowania pierwszeństwo ma opcja automatyczna.  ⁴ 

Jednym z niewielu przypadków, w których warto rozważyć połączenie ręcznego i automatycznego tagowania jest znaczący udział ruchu z iPhone’ów. Wprowadzony we wrześniu iOS 17 nie jest kompatybilny z gclid. 

Podsumowanie

Aktywności reklamowe sprowadzające ruch na witrynę możesz śledzić w zautomatyzowany sposób (integracja z GA4 dla wybranych narzędzi i autotagowanie) lub poprzez ręczne dodanie utm. Warto a nawet powinno się tagować także działania bezpłatne, np. dodając odpowiednie parametry do adresów z postów na Facebooku (dzięki temu będziesz wiedziała / wiedział, które treści sprowadzają wartościowy ruch). 

 Na koniec 

Raporty GA4 będą właściwym motywatorem do podejmowania decyzji, jeżeli zrozumiesz skąd się biorą dane i opracujesz spójny, sprawnie działający system pozyskiwania informacji. Żeby jeszcze raz poukładać treści zawarte w tym artykule i wyróżnić kluczowe aspekty “poprosiłam” ChatGPT o podsumowanie. Po kilku próbach zrozumiał intencje, pogrupował wątki i podzielił się swoimi spostrzeżeniami: 

• Automatyczne Tagowanie z Integracją Narzędzi Google: 
  – Wykorzystaj automatyczne tagowanie z narzędziami Google, takimi jak Google Ads i Display and Video 360, aby oszczędzić czas i uniknąć błędów manualnego tagowania. 
  – Dzięki integracji uzyskasz dodatkowe informacje o kampaniach, grupach reklamowych, końcowych URL, sieciach dystrybucyjnych reklam, co wzbogaci raporty GA4. 

• Ręczne Tagowanie (Używane Wyłącznie Poza Ekosystemem Google): 
  – Jeśli konieczne jest ręczne tagowanie (np. dla działań poza narzędziami Google), używaj parametrów utm, takich jak utm_source, utm_medium, utm_campaign, utm_term, utm_content, aby precyzyjnie określić źródło ruchu. 

• Przestrzegaj Struktury Parametrów utm: 
  – Kiedy stosujesz ręczne tagowanie, przestrzegaj struktury parametrów utm, takich jak źródło, medium, kampania, itp., aby dane były jednoznaczne i łatwe do analizy. 

• Integracja Zestawów Reguł dla Grupowania Kanałów: 
  – Skorzystaj z funkcji GA4 do grupowania kanałów, co ułatwi analizę danych z różnych źródeł. Upewnij się, że zestawy reguł odpowiadają rzeczywistym źródłom ruchu. 

• Monitorowanie i Aktualizacja Zbiorów Kanałów: 
  – Regularnie monitoruj źródła wizyt na poziomie grupy kanałów. 
  – Dostosuj tagowanie do zmieniających się warunków i potrzeb biznesowych. 

• Zrozumienie Modeli Atrybucji GA4: 
  – Zdobądź pełne zrozumienie różnic między modelami atrybucji dla sesji, użytkowników i zdarzeń w GA4. Wybierz odpowiedni model dla swoich celów analizy. 

Elementy AI wyróżniają GA4 na tle jego poprzednika Universal Analytics. Opiszemy szerzej 4 z nich: analiza automatyczna, analiza niestandardowa, dane i odbiorcy prognozowani, atrybucja oparta na danych.

Spis treści

1. Analiza automatyczna w Google Analytics 4 z użyciem AI
2. Tworzenie analiz niestandardowych w Google Analytics 4
3. Dane prognozowane z wykorzystaniem AI
4. Odbiorcy prognozowani z pomocą AI
5. Atrybucja oparta na danych
6. Podsumowanie

Analiza automatyczna w Google Analytics 4 z użyciem AI

Analiza automatyczna to funkcja, która wykorzystuje AI do automatycznych statystyk i wniosków na podstawie zgromadzonych danych. Działa ona na zasadzie uczenia maszynowego, dzięki czemu jest w stanie rozpoznawać wzorce, nietypowe zmiany i zarysowujące się trendy w zachowaniu użytkowników, a następnie przetwarzać te informacje na zrozumiałe i użyteczne podsumowania.

Jeden z podglądów w te informacje jest dostępny na stronie głównej GA4. Dzięki niemu przejrzymy pytania, na które warto rzucić okiem wraz z otrzymaną od razu odpowiedzią. Sugerowane pytania są podzielone na 6 kategorii, które pomagają się nam skupić na kluczowych aspektach analizy danych:

1. Ogólna skuteczność
                  np. W które dni mam najwięcej użytkowników?
2. Dane demograficzne
                  np. W których miastach jest najwięcej użytkowników?
3. Pozyskiwanie użytkowników
                  np. Porównaj przychody oraz użytkowników pochodzących z bezpłatnych/płatnych wyników wyszukiwania
4. Analiza ruchu
                  np. Miesięczny wzrost liczby użytkowników
5. Technologia
                  np. Jakie platformy są najczęściej używane?
6. E-commerce
                  np. Trend zmian tygodniowych przychodów w ciągu ostatnich 12 miesięcy

Gdy chcemy korzystać z tej funkcji, warto na bieżąco poddawać ocenie przydatność udzielanych informacji, aby algorytm był jak najlepiej dostosowany do naszych potrzeb. Dodatkowo każdą ze statystyk możemy udostępnić poprzez naciśnięcie trzech kropek w prawym górnym rogu opracowania.

W przypadku, kiedy nie ma dla nas interesującego pytania w opisanej wcześniej sekcji, możemy skorzystać z paska wyszukiwarki na górze strony. Funkcja ta działa nie najgorzej, ale AI nie odpowie nam na każde pytanie oraz musimy nauczyć się zadawać je w poprawny sposób. Przy odpowiedzi od AI będzie widniała charakterystyczna ikona trendu.

Kolejnym miejscem, gdzie znajdziemy analizę automatyczną jest zakładka “Trendy i rekomendacje” na Stronie głównej (innymi miejscami są: Podsumowanie reklam i Przegląd raportów). W niej dowiemy się o automatycznych statystykach oznaczonych symbolem gwiazdek i rekomendacjach dotyczących głównie obsługi Google Analytics 4 i jego rozszerzeń. Wskazywane przez sztuczną inteligencję statystyki to w większości anomalie dotyczące poszczególnych danych, jak np. w zeszłym miesiącu kanał „Organic” pojawił się w 60% Twoich ścieżek konwersji. Dzięki takim informacjom w łatwy sposób mamy wgląd w zmieniające się nieustannie dane na naszej witrynie lub/i aplikacji.

Wykrywanie anomalii bazuje na danych ciągów czasowych oraz różnych wartościach wymiarów w obrębie segmentu. Wykorzystując modele bayesowskie ciągów czasowych i analizę głównych składowych, funkcja automatycznie przewiduje wartość danych i tworzy przedział wiarygodności. Jeśli rzeczywista wartość wychodzi poza ten przedział, jest uznawana za anomalię. Okres szkolenia wynosi odpowiednio 2 tygodnie, 90 dni i 32 tygodnie dla anomalii godzinowych, dziennych i tygodniowych. Dzięki regularnym analizom co tydzień możemy szybko reagować na nietypowe zdarzenia i dostosować nasze strategie marketingowe na podstawie aktualnych wniosków.

Po naciśnięciu przycisku “Wyświetl wszystkie statystyki” nad zakładką “Trendy i rekomendacje” sprawdzimy wszystkie oferowane przez AI informacje na temat statystyk automatycznych do przejrzenia. Po naciśnięciu w interesującą nas danę, z prawej strony wyświetli się jej dłuższe opracowanie. Tak jak w przypadku pytań, zaleca się regularnie oceniać otrzymywane informacje, aby szkolić algorytm pod nasze preferencje.

Tworzenie analiz niestandardowych w Google Analytics 4

Statystyki niestandardowe wyznaczają warunki służące do wykrywania w danych zmian, które są dla nas ważne. Gdy te warunki zostaną spełnione, statystyki pojawią się w panelu Trendy. Statystyki te są oparte na zestawach reguł, które sami tworzymy. Dzięki temu możemy skoncentrować się na konkretnych metrykach i wskaźnikach, które są istotne dla naszej działalności. Sam proces tworzenia statystyk niestandardowych jest prosty i intuicyjny.

Na karcie Trendy w GA4 znajdziemy opcję „Wyświetl wszystkie statystyki”. Klikając na nią, otworzy się okno, w którym będziemy mogli tworzyć nowe statystyki. Możemy skorzystać z sugerowanych statystyk niestandardowych lub utworzyć własne od zera.

Jeśli chcemy skorzystać z proponowanych statystyk, zaznaczamy pole obok każdej z nich i klikamy „Utwórz na podstawie wybranej sugestii”. Jeśli jednak potrzebujemy dostosować te statystyki, klikamy „Sprawdź i utwórz”, gdzie możemy dokonać odpowiednich modyfikacji warunków.

Jeśli natomiast preferujemy stworzenie własnych statystyk, klikamy „Utwórz nowy” w sekcji „Zacznij od zera”. Następnie będziemy mogli zdefiniować warunki generowania statystyk.

Ważnym elementem jest wybór częstotliwości oceniania danych – możemy ustawić, czy mają być oceniane co godzinę, codziennie, co tydzień lub co miesiąc. Możemy także określić, które segmenty mają być uwzględnione lub wykluczone w analizie.

Kolejnym krokiem jest określenie danych, warunku i wartości, na podstawie których będą generowane statystyki. Możemy ustalić próg, od którego będą rejestrowane statystyki, na przykład procentowy spadek w aktywności użytkowników.

Nadajemy nazwę statystyce i dostosowujemy ustawienia powiadomień, jeśli chcemy otrzymywać powiadomienia
e-mailowe dla określonych użytkowników.

Gdy skończymy konfigurować statystykę, klikamy „Utwórz” i gotowe!

Dzięki możliwości tworzenia statystyk niestandardowych w Google Analytics 4, możemy dostosować analizę do swoich indywidualnych potrzeb i monitorować kluczowe metryki, które są istotne dla naszego biznesu. To przystępny sposób, aby uzyskać stosunkowo łatwy wgląd w dane i móc szybciej reagować na potencjalne anomalie opartych na konkretnych wskaźnikach.

Dla weteranów analityki wspomnimy, że funkcja ta jest zaawansowanym odpowiednikiem Alertów niestandardowych
z UA.

Dane prognozowane z wykorzystaniem AI

Google Analytics 4 oferuje funkcję danych prognozowanych, które automatycznie wzbogacają dane i umożliwiają analizę przyszłych zachowań użytkowników. Dzięki tym danym możemy uzyskać cenne informacje o klientach, gromadząc uporządkowane dane dotyczące zdarzeń. Google wykorzystuje systemy uczące się do przewidywania prawdopodobieństwa zakupu, rezygnacji oraz prognozowanych przychodów.

Prawdopodobieństwo zakupu informuje o szansach, że użytkownik, który był aktywny w ciągu ostatnich 28 dni, dokona zakupu w najbliższych 7 dniach. Natomiast prawdopodobieństwo rezygnacji określa szanse, że użytkownik, który był aktywny w witrynie lub aplikacji w ciągu ostatnich 7 dni, nie będzie aktywny w ciągu kolejnych 7 dni.

Dane prognozowane zawierają informacje o prognozowanych przychodach. Są to oczekiwane przychody w ciągu najbliższych 28 dni ze wszystkich konwersji opartych na potencjalnych zakupach, które użytkownik dokona w ciągu ostatnich 28 dni.

Aby skorzystać z tych danych musimy spełnić wymagania wstępne. Google Analytics wymaga minimalnej liczby pozytywnych i negatywnych przykładów użytkowników skłonnych do zakupów lub rezygnacji (w ciągu ostatnich 28 dni co najmniej 1000 powracających użytkowników spełniło odpowiedni warunek prognostyczny i 1000 użytkowników, którzy tego warunku nie spełnili). Konieczne jest również utrzymanie jakości modeli przez pewien czas. W celu kwalifikacji do korzystania z danych dotyczących prawdopodobieństwa zakupu i prognozowanych przychodów, usługa musi wysyłać zdarzenia purchase lub in_app_purchase, zaleca się jednak stosowanie zdarzeń purchase. Jeśli zbierasz dane o zdarzeniach purchase, musisz także gromadzić parametry value i currency tych zdarzeń.

Dane prognozowane są dostępne w Kreatorze list odbiorców i narzędziu Eksploracje. W Kreatorze list odbiorców możesz tworzyć listy odbiorców prognozowanych, a w narzędziu Eksploracje możesz korzystać z danych
o prawdopodobieństwie zakupu i rezygnacji w ramach metody Cykl życia użytkownika.

Aby jak najbardziej skorzystać z danych prognozowanych, zaleca się włączenie ustawienia „Wkład w modelowanie i statystyki biznesowe” w ustawieniach udostępniania danych. Ponadto, zbieranie różnorodnych i liczniejszych zdarzeń związanych z zachowaniem użytkowników przyczynia się do poprawy jakości modeli i dokładności prognoz.

Odbiorcy prognozowani z pomocą AI

W Google Analytics istnieje możliwość korzystania z danych prognozowanych, które umożliwiają tworzenie list odbiorców opartych na przewidywanych zachowaniach użytkowników. Dzięki tym danym możemy skonstruować listy, które zawierają użytkowników, przypuszczalnie dokonujących zakupu lub rezygnujących w określonym czasie. Narzędzie to, pomaga lepiej targetować kampanie i personalizować przekazy w przystępny sposób.

Aby skorzystać z funkcji odbiorców prognozowanych, nasze dane muszą spełniać określone wymagania wstępne.
Jeśli dane spełniają te kryteria, możemy tworzyć listy odbiorców na podstawie szablonów sugerowanych przez Google Analytics lub utworzyć niestandardowe listy z warunkami opartymi na danych prognozowanych.

W przypadku sugerowanych list odbiorców, które są gotowe do użycia, możemy wybrać grupy z dostępnej zakładki “Przewidywanie” i dostosować go do swoich potrzeb za pomocą Kreatora list odbiorców. Natomiast w przypadku tworzenia niestandardowych list odbiorców, możemy zdefiniować warunki oparte na danych prognozowanych, takie jak największe prawdopodobieństwo zakupu lub rezygnacji w określonym percentylu.

Możemy wykorzystać listy odbiorców prognozowanych w swoich usługach reklamowych, takich jak Google Ads, Display & Video 360 czy Search Ads 360. Listy te są automatycznie udostępniane wszystkim powiązanym kontom reklamowym. Możemy również wykorzystać je jako listy remarketingowe lub w kampaniach ponownie angażujących, aby docierać do użytkowników, którzy są bliscy konwersji lub są skłonni do rezygnacji.

Przykładowe sugerowane listy odbiorców prognozowanych obejmują „Kupujących, którzy w ciągu najbliższych 7 dni prawdopodobnie zrezygnują”, „Użytkowników, którzy w ciągu najbliższych 7 dni prawdopodobnie dokonają zakupu” czy „Użytkowników najbardziej skłonnych do zakupów w ciągu najbliższych 28 dni – prognoza”. Możemy dostosować te listy, dodając dodatkowe warunki, takie jak wartość od początku śledzenia lub określone zdarzenia.

Atrybucja oparta na danych

W świecie analizy danych i marketingu cyfrowego, koncepcje z teorii gier mogą odkrywać fascynujące sposoby analizowania i zrozumienia złożonych interakcji. Jednym z takich kluczowych pojęć jest Wartość Shapleya, nazwana
na cześć Lloyda Shapleya, który w 1953 roku zapoczątkował tę ideę jako narzędzie do podziału zysków w grach kooperacyjnych. Wartość ta odzwierciedla głębokie zrozumienie roli każdego gracza w zespole, uwzględniając ich wkład w osiągane korzyści. Teraz wyobraźmy sobie, że tę abstrakcyjną koncepcję możemy przenieść na grunt analizy marketingowej, a dokładniej na Atrybucję opartą na danych w GA4. Wartość Shapleya staje się narzędziem umożliwiającym nam przyglądanie się, jakie „kawałki tortu” przypadały każdemu kanałowi marketingowemu w procesie generowania zysków. Dzięki tej wartości możemy zrozumieć, ile wkładu każdy kanał wnosi w osiągnięcie poszczególnych celów.

Atrybucja ta, wykorzystuje zaawansowane algorytmy uczenia maszynowego do analizy ścieżek konwersji i ich wpływu na wyniki. Model ten bierze pod uwagę różne czynniki, takie jak czas od konwersji, rodzaj urządzenia, liczba interakcji
z reklamą, kolejność ekspozycji na reklamy i typ komponentów kreacji. Na tej podstawie model przypisuje udział w konwersji poszczególnym punktom kontaktu na podstawie obliczonego prawdopodobieństwa.

Atrybucja oparta na danych polega na analizie dostępnych danych o ścieżkach, aby opracować modele współczynnika konwersji dla każdego zdarzenia konwersji. Modele te oceniają prawdopodobieństwo dokonania konwersji przez użytkowników w różnych punktach ścieżki, biorąc pod uwagę ekspozycję na konkretne interakcje z reklamą. Aby porównać wyniki, modele używają danych z losowych grup kontrolnych do obliczenia korzyści wynikających
z wyświetleń reklam w Google.

Algorytm atrybucji przypisuje częściowe udziały w konwersji do poszczególnych punktów kontaktu na podstawie tego, jak zmieniają one szacowane prawdopodobieństwo konwersji. Wartości te są obliczane na podstawie różnych czynników, takich jak czas między interakcją z reklamą a konwersją, typ formatu i inne sygnały zapytań.

Dla skuteczniejszego zobrazowania tematu, załączam przykład zaproponowany przez Google:

Dzięki tej atrybucji w Google Analytics możemy lepiej zrozumieć, które punkty kontaktu są kluczowe dla konwersji i jak wpływają na wyniki marketingowe. To narzędzie umożliwia bardziej precyzyjne monitorowanie efektywności kampanii reklamowych oraz podejmowanie lepiej ugruntowanych decyzji dotyczących alokacji budżetu reklamowego. Wykorzystanie atrybucji opartej na danych może przyczynić się do zwiększenia skuteczności działań marketingowych
i osiągnięcia lepszych wyników konwersji.

Podsumowanie

Wprowadzenie sztucznej inteligencji (AI) i uczenia maszynowego do analizy danych w Google Analytics 4 może usprawnić proces wydobywania wartościowych informacji.

• Analiza automatyczna, wykorzystuje AI do generowania statystyk i wniosków na podstawie zgromadzonych danych, umożliwiając szybkie rozpoznawanie wzorców i nietypowych zmian w zachowaniu użytkowników.
• Tworzenie statystyk niestandardowych daje możliwość skupienia się na konkretnych metrykach i wskaźnikach istotnych dla działalności.
• Dane prognozowane wzbogacają dane o przyszłych zachowaniach użytkowników, dostarczając cennych informacji na temat prawdopodobieństwa zakupu, rezygnacji i prognozowanych przychodów.
• Możemy również korzystać z odbiorców prognozowanych, tworząc listy oparte na przewidywanych zachowaniach użytkowników, co pomoże w lepszym targetowaniu kampanii i personalizowaniu przekazów.

W celu jak najlepszego wykorzystania tych funkcji należy regularnie oceniać i dostosowywać otrzymywane informacje oraz spełnić określone wymagania dotyczące danych i modeli. Wykorzystanie AI i uczenia maszynowego nie zastąpi jeszcze dogłębnej analizy raportów przez człowieka, ale zapewni możliwość bardziej świadomego podejmowania decyzji marketingowych i lepszego zrozumienia klientów w przystępniejszy i szybszy sposób.

Bonus

Google udostępnił nową, bezpłatną ścieżkę edukacyjną dla osób zainteresowanych odkrywaniem tego, co kryje się pod maską generatywnego projektowania sztucznej inteligencji w Google Cloud. Szczegóły tutaj: https://www.cloudskillsboost.google/journeys/118

Spis treści:

1. Europejskie aspekty prywatności – wejdźmy głębiej w wyzwania stojące przed narzędziami 
2. Rozwiązania stosowane przez Piwik-a Pro i Google Analytics 4 
3. Jeszcze wyższa jakość danych  
4. Kilka słów na koniec 

Zacznijmy jednak od nakreślenia sytuacji, w której obecnie funkcjonują oba narzędzia analityczne.  Użytkownicy Internetu są coraz bardziej świadomi, że ich poczynania w Internecie nie zostają niezauważone. Co więcej – ok 81% obywateli USA uważa zagrożenia płynące ze zbierania danych przez firmy za bardziej znaczące od zysków. ¹  

System regulacji prawnych w zakresie ochrony danych osobowych stopniowo staje się coraz bardziej szczelny. Najnowsze ustalenia pochodzą z października 2022 roku. Siódmego października zeszłego roku Joe Biden podpisał rozporządzenie wykonawcze w sprawie wzmocnienia zabezpieczeń dla działań wywiadowczych amerykańskich służb bezpieczeństwa. Na jego mocy służby wywiadowcze mogą mieć dostęp do danych osobowych jedynie w zakresie niezbędnym i proporcjonalnym do realizacji celów sprzecznych z bezpieczeństwem narodowym. ² Po stronie użytkowników sieci stoi także technologia, zabezpieczenia chroniące przed niechcianymi reklamami (adblocki) stają się coraz bardziej skuteczne i popularne. Przeglądarki (np. Safari) w ramach ustawień defaultowych mogą   third-party cookies, które jeszcze do niedawna stanowiły domyślne źródło informacji czy sposób tragetowania dla wielu reklamodawców online.  

Pierwszy ważny “gracz” na rynku platform analitycznych – Google Analytics 4 ma być odpowiedzią na zmieniający się pod kątem technologii, mentalności i regulacji prawnych Internet. Drugi “zawodnik” -Piwik Pro powstał w 2013 roku. ³ Już początkowe wzmianki, które można znaleźć o platformie w wyszukiwarce Google, skupiają się na prywatności danych i przechowywaniu ich na własnych serwerach. ⁴ Piwik Pro miał wypełnić niszę tworzoną przez firmy, które nie chciały (i nadal nie chcą) dzielić się z gigantem z Doliny Krzemowej swoimi informacjami biznesowymi.   

Europejskie aspekty prywatności – wejdźmy głębiej w wyzwania stojące przed narzędziami 

Regulacje w zakresie przetwarzania danych osób fizycznych w UE definiuje Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2016/679 (RODO). Rozporządzenie (…) reguluje przetwarzanie przez osoby fizyczne, przedsiębiorstwa lub organizacje osobowe. Obejmują wszystkie aktywności wykraczające poza “strefę osobistą” (np.  gdy w związku z działalnością finansową, kulturową, społeczną)  ⁵ 

Dodatkowo w (…)niektórych przypadkach zastosowanie ma szczegółowe ustawodawstwo sektorowe regulujące między innymi wykorzystywanie danych o lokalizacji lub plików cookie — dyrektywa o prywatności i łączności internetowej (dyrektywa 2002/58/WE Parlamentu Europejskiego i Rady z dnia 12 lipca 2002 (Dz.U. 201 z 31.7.2002, s. 37) oraz rozporządzenie (WE) nr 2006/2004 Parlamentu Europejskiego i Rady z dnia 27 października 2004 r. (Dz.U. 364 z 9.12.2004, s. 1). ⁶  

Do danych osobowych możemy zaliczyć informacje, które pozwalają na zidentyfikowanie osoby żyjącej, np.  

• imię i nazwisko; 

• adres zamieszkania; 
• adres e-mail zawierający imię i nazwisko; 
• dane o położeniu (np. ustawienia lokalizacji w telefonie komórkowym); 
• adres IP; 
• pliki cookie. ⁷ 

Rozwiązania stosowane przez Piwik-a Pro i Google Analytics 4 

Google Analytics wykorzystuje tagi (pliki cookie) na stronach internetowych i pakiety SDK (identyfikatory instalacji aplikacji). Google różnicuje dane osobowe w rozumieniu RODO w zestawieniu z informacjami umożliwiającymi identyfikację. Do tej grupy NIE zalicza, np.:  

• plików cookie, 
• identyfikatorów wyświetlania reklam, 
• adresów IP, 
• innych pseudonimowych identyfikatorów użytkownika. ⁸ 

Bez wyrażonej zgody ze strony Internauty (w tzw. trybie – Consent Mode; Tryb uzyskiwania zgody) Google nie przechowuje identyfikatora użytkownika. Sam Tryb uzyskiwania zgody to bardzo interesujące rozwiązanie.  Jest kompatybilny z platformami do zarządzania zgodami użytkowników i  innymi niestandardowymi wdrożeniami do pozyskiwania akceptacji Internautów na wykorzystanie ich danych. Consent Mode jest w stanie na podstawie decyzji użytkownika dostosować działanie tagów Google Analytics, Google Ads a nawet tagów firm zewnętrznych. Jeżeli użytkownik nie wyrazi zgody w jego urządzeniu nie zostaną zapisane pliki cookie a jedynie sygnały (pingi) wskazujące np., czy nastąpiła konwersja, jaka była sygnatura czasowa zdarzeń, jak wygląda losowy numer przydzielany podczas każdego wczytania strony, z jakiej strony pochodziło odesłanie.  ⁹  

Piwik Pro stosuje trzy metody gromadzenia danych: 

1. Anonimowe śledzenie za pomocą plików cookie i danych sesji 

Metoda wykorzystująca tzw. anonimowe dane.  Zanim użytkownik wyrazi zgodę na śledzenie lub gdy odmówi informacje o jego wizycie są ograniczone w następujący sposób: 

• brak geolokalizacji lub ograniczenie do kraju 
• nie jest wykorzystywany tzw. odcisk palca urządzenia (device fingerprinting / canvas fingerprinting /  browser fingerprinting / machine fingerprinting). Rozumiany jako proces identyfikowania urządzenia (przeglądarki) w oparciu o specyficzną konfigurację.  ¹⁰ 
• po wejściu na stronę w przeglądarce użytkownika jest przechowywany plik cookie: Visitor ID, który po 30 minutach zostaje skasowany.    ¹¹ 

2.  Anonimowe śledzenie bez plików cookie, ale z danymi sesji 

W tym przypadku Piwik Pro stosuje już fingerprinting. Platforma gromadzi wyłącznie dane sesyjne, bez danych osobowych. Potencjalnym zagrożeniem metody jest duplikacja sesji a tym samym zmniejszona jakość danych.  

3. Anonimowe śledzenie bez plików cookie lub danych sesji 

Trzeci sposób (najbardziej restrykcyjny) pozwala jedynie na identyfikację samych zdarzeń, bez informacji o sesjach i użytkownikach. Niesie ze sobą najmniej informacji spośród wszystkich wymienionych. Ta metoda nie pozwala zidentyfikować osoby i nie można jej użyć do wskazania pojedynczej sesji. Nie śledzi czasu spędzonego na stronie, współczynnika odrzuceń, przepływów użytkowników, lejków ani atrybucji kanału. ¹² 

Wizualizacja dobrze oddaje zakresy i informacje dla poszczególnych metod: 

Jeszcze wyższa jakość danych  

Funkcjonowanie narzędzi w ramach obecnych regulacji to jeden z aspektów, który należy wziąć pod uwagę decydując się na implantację Piwik-a Pro lub GA4. Równie jest są rozwiązania technologiczne, które pozwalają na pozyskanie maksymalnie wartościowych i kompleksowych informacji.   

1. Modelowanie konwersji 

Nie tylko adblocki i stopniowy zanik użyteczności third-party cookies są przeszkodą w śledzeniu efektów działań online. Przeszkodę może stanowić także skracanie okien konwersji przez przeglądarki.  ¹³ Wg Google rozwiązaniem w takiej sytuacji mają być modelowane konwersje, polegające na wyszukiwaniu trendów pomiędzy konwersjami odnotowanymi i nieodnotowanymi. “Jeśli na przykład przypisane konwersje z jednej przeglądarki są podobne do nieprzypisanych konwersji z innej przeglądarki, model systemów uczących się przewidzi ogólną atrybucję. Na podstawie tej prognozy konwersje zostaną następnie zagregowane, aby można było uwzględnić zarówno konwersje modelowane, jak i rejestrowane “ ¹⁴ 

Piwik Pro nie posiada podobnej funkcjonalności.    

2. Model atrybucji 

Właściciele witryn internetowych (ze szczególnym naciskiem na strony e-commerce) jako kluczową postrzegają odpowiedź na pytanie – które z naszych działań najlepiej przyczyniają się do realizacji naszych celów. Takich informacji możemy szukać w modelowaniu atrybucji rozumianej jako reguła albo zbiór reguł, “(..)które określają sposób przypisywania sprzedaży i konwersji do punktów styczności na ścieżkach konwersji”. ¹⁵  

GA4 wyróżnia model oparty o dane (nie jest to jednak jedyny model dostępny w narzędziu). Przypisuje wagi w pozyskiwaniu konwersji wszystkim źródłom na ścieżce użytkownika. Bierze pod uwagę drogi zakończone sukcesem i takie, które nie zostały pomyślnie sfinalizowane. “Model uwzględnia takie czynniki, jak czas, który upłynął od konwersji, rodzaj urządzenia, liczbę interakcji z reklamą, kolejność ekspozycji na reklamy czy typ komponentów kreacji. “  

Model atrybucji oparty o dane nie jest standardowo dostępny w usłudze Piwik Pro. Istnieje natomiast możliwość dodania własnego modelu.  

3. Integracje z innymi systemami i zasilanie w dodatkowe dane 

Integracja z innymi narzędziami w rzeczywistości bez ciastek to dobry kierunek, aby dodać zdarzeniom dodatkowy kontekst, doprecyzować informacje czy przenalizować i zaprezentować wyniki w przejrzystej wizualizacji.  

GA4 możemy wzbogacić o połączenia z: 

• Google Ads 
• Firebase 
• Big Query 

• Display & Video 360 
• Google Ad Manager 
• Google Merchant Center 
• Google Search Console 
• Google Optimize 

• Google Play 
• Search Ads 360 ¹⁶ 

Dodatkowo za pośrednictwem importu pliku użytkownicy narzędzia są w stanie poszerzyć statystyki o dane o kosztach, dane produktów, dane użytkowników, zdarzenia offline. ¹⁷ 

Piwik Pro oferuje integracje z: 

• Google Search Console 

• Tableau 
• Microsoft Power BI 
• Google Sheets 
• Looker Studio 
• Supermetrics 

• AWS S3 
• Azure Blob Storage 
• Big Query 
• Android SDK 
• IOs SDK 

• React Native SDK 
• Flutter SDK 
• React 
• Angular 
• Gatsby 
• NextJS 
• PWAs 
• AMP (Accelerated Mobile Pages) 
• Confluence 
• Microsoft SharePoint Online 
• Microsoft SharePoint On-premises ¹⁸ 

4. Serwery 

Piwik Pro umożliwia przechowywanie danych na własnych serwerach / prywatnej chmurze.  ¹⁹ W przypadku GA 4 zbieranie danych pomiarowych z urządzeń znajdujących się w UE odbywa się na serwerach (a także domenach) znajdujących się w Unii Europejskiej. W drugim kroku następuje przekierowanie do serwerów przetwarzania Google Analytics.  

Kontrowersyjny adres IP (wg RODO pozwalający na identyfikację tożsamości) nie zostaje zapisany. Zgodnie z treściami w centrum pomocy narzędzia:” Google Analytics 4 nie rejestruje ani nie przechowuje adresów IP osób fizycznych. 

Analytics udostępnia przybliżone dane geolokalizacyjne, pobierając z adresów IP te metadane: miasto (oraz szerokość i długość geograficzną miasta), kontynent, kraj, region, subkontynent (oraz odpowiedniki oparte na identyfikatorze). W przypadku ruchu w Unii Europejskiej dane o adresie IP są używane wyłącznie do pobierania danych geolokalizacyjnych, a następnie natychmiast odrzucane. Dane te nie są rejestrowane, dostępne ani używane do żadnych innych celów.” ²⁰ 

Kilka słów na koniec 

Rozstrzygnięcie zgodności obu narzędzi z obecnymi systemami prawnymi jest zadaniem bardzo karkołomnym. Wymaga prawniczej wiedzy połączonej z dogłębną znajomością technologii stojącej za Google Analytics 4 i Piwik Pro. Do tego idealnego scenariusza na rozstrzygnięcie sporu należy dodać jeszcze realia ewentualnych sądowych batalii. Skoro o niewinności O.J. Simsona przesądzili krasomówczy, drodzy obrońcy ewentualne spory o legalność narzędzi potencjalnie będą zależały od zasobności firm.  

Oczywiście prawdopodobieństwo tak radykalnego rozwiązania jak batalie sądowe jest stosunkowo małe, więc właściciele stron internetowych powinni skupić się na wyborze narzędzia analitycznego, które najlepiej odpowiada ich zapotrzebowaniu biznesowemu. Następnie przyjrzeć się aspektom prywatności danych, aby móc rzetelnie poinformować każdą wchodzącą na stronę osobę – jakie informacje są zbierane, jak będą wykorzystane i dać jemu / jej możliwość wyboru. Ostatecznie być w zgodzie z wyborami Internautów.   

Źródła:

[1] https://www.pewresearch.org/internet/2019/11/15/americans-and-privacy-concerned-confused-and-feeling-lack-of-control-over-their-personal-information/

[2] https://www.whitehouse.gov/briefing-room/statements-releases/2022/10/07/fact-sheet-president-biden-signs-executive-order-to-implement-the-european-union-u-s-data-privacy-framework/

[3] https://nowymarketing.pl/a/18115,piwik-pro-pierwsza-polska-firma-dolacza-do-akceleratora-eit-digital

[4] https://nowymarketing.pl/a/18115,piwik-pro-pierwsza-polska-firma-dolacza-do-akceleratora-eit-digital [1] https://commission.europa.eu/law/law-topic/data-protection/reform/what-does-general-data-protection-regulation-gdpr-govern_pl

[5] https://commission.europa.eu/law/law-topic/data-protection/reform/what-does-general-data-protection-regulation-gdpr-govern_pl [1]

[6] https://commission.europa.eu/law/law-topic/data-protection/reform/what-personal-data_pl

[7] https://commission.europa.eu/law/law-topic/data-protection/reform/what-personal-data_pl

[8] https://support.google.com/analytics/answer/7686480

[9] https://support.google.com/analytics/answer/9976101 [1] https://clearcode.cc/blog/device-fingerprinting/

[10] https://clearcode.cc/blog/device-fingerprinting/

[11] https://piwik.pro/blog/the-ultimate-guide-to-data-anonymization-in-analytics/

[12] https://piwik.pro/blog/how-to-do-useful-analytics-without-personal-data/

[13] https://clearcode.cc/blog/intelligent-tracking-prevention-faq/

[14] https://support.google.com/analytics/answer/10710245?hl=pl

[15] https://support.google.com/analytics/answer/1662518?hl=pl

[16] https://support.google.com/analytics/topic/9306488?hl=pl&ref_topic=9143232

[17] https://support.google.com/analytics/answer/10071301?hl=pl

[18] https://piwik.pro/integrations/

[19] https://piwikpro.pl/

[20] https://support.google.com/analytics/answer/11598602

Product campaigns are one of the most effective sources of traffic for online stores. They provide users with detailed information about products (name, price, model, and reviews) before they even click on the ad. They can be displayed in response to all kinds of queries:

• general (e.g. washing machines, Samsung washing machines);
• product-related (names of specific products, e.g. Samsung washing machine wf70f5e0w2w);
• brand-related (e.g. using the store brand).

How much do product campaigns cost?

All depends on the budget that the company can spend on its advertising activities. However, from experience, I know that the funds invested in product campaigns return to companies and also generate additional profit. It is worth knowing that product campaigns have a conversion cost that is approximately 60% lower than other activities (without taking into account the campaign for the brand of the advertised store). This is certainly due to the fact that the user has a chance to become familiar with the product that awakes their interest.

What is the difference between product campaigns and other advertising activities?

Product campaigns differ from standard activities carried out within the search engine in many respects – through their appearance, their mode of creation, and lack of keywords. However, it is worth remembering that they also have things in common – all kinds of advertising campaigns should have specific objectives and structures suited to their implementation, e.g. increase of overall sales, or sale of discounted products.

How did our client benefit from the product campaigns?

One of our clients from the audio-video and household equipment industry was interested in promoting selected brands in the online store, achieving a return on its investment in advertising expenses (ROAS), as well as intensive advertising of products that are currently on special offer. How did we approach the implementation of these assumptions? We have developed a strategy for the promotion of activities which assumed the implementation of the chosen goals and also allowed for quick reporting of the results. On this basis, we decided to divide advertising activities into several campaigns to achieve the best results. How did we do it?

• All Products Campaign – this type of campaign is used to study trends, get inspiration for new campaigns/groups (e.g. if products from a given category start gaining popularity). Due to its function, the campaign received low priority and rates.

• All Products RLSA Campaign (Remarketing List for Search Ads) – it performs a similar function as the All Products Campaign, but only for people who have already interacted with the site.

• Campaigns for selected categories – they are created on the basis of the results achieved by categories in the All Products Campaign. The activities were structured on the basis of product categories, not brands, because there were diversified ranges of products with different levels of popularity and sales force within single brands. Only those parts of the product range which were noted for their remarkable profitability or popularity were included in new, separate campaigns for individual categories.

• RLSA campaigns for selected categories – remarketing lists with “bid only” options were added to all campaigns for each category. New campaigns were created on the basis of the results of particular groups of product and specific lists, targeting only the users of the most effective lists (“target and bid” option).

• Bestseller campaigns, with subdivisions:
  – store’s bestsellers: divided into products which sold best on a given day and products which sold best in a given month. The product range for the campaign was selected on the basis of documents sent by the client and Google Analytics data, e.g. bestsellers in product campaigns: products selected on the basis of their previous effectiveness in other product campaigns.

• Campaigns for specific offers – in this case, I focused on activities aimed at highlighting a specific product range or brand. Separation for new campaigns facilitated management (separate budget, priority, and rates) and reporting.

• Campaigns for categories with general keyword exclusions – exclusions of general phrases (e.g. fridge), brand names without product names (e.g. Bosch fridge), and such terms as “opinion” or “review” were added to activities for categories. The exclusion lists made it possible for the campaigns to be displayed mostly in response to specific name searches (e.g. Bosch fridge kgn39kl35).

Due to such a structure of activities, the ROAS indicator for product campaigns was higher by 25% than the results achieved in other campaigns (not including the brand). The actions generated about 46% of the total revenue from AdWords, with the budget expenditures at the level of about 41%.

The developed structure was the result of a division based on statistical data. Due to the changing popularity and diversification in sales, the configuration is constantly modified (e.g. new, separate campaigns for categories are added or the existing ones are suspended when required).

How about you? What are your experiences with running product campaigns? Let me know in the comments.

Kampanie produktowe są jednym z najbardziej efektywnych źródeł ruchu dla sklepów internetowych. Dostarczają użytkownikom szczegółowych informacji na temat produktów (nazwa, cena, model, opinie) zanim jeszcze klikną oni w reklamę. Mogą wyświetlane na wszystkie typy zapytań:

• ogólne (np. pralki, pralki Samsung);
• produktowe (nazwy konkretnych produktów, np. pralka Samsung wf70f5e0w2w);
• brandowe (np. brand sklepu).

Ile kosztują kampanie produktowe?

Wszystko zależy od budżetu, jaki firma może przeznaczyć na działania reklamowe. Z doświadczenia jednak wiem, że środki zainwestowane w kampanie produktowe zwracają się i dodatkowo generują zysk. Ważną informacją jest to, że odnotowują koszt konwersji średnio o ok. 60% niższy niż pozostałe działania (bez uwzględnienia kampanii dla marki reklamowanego sklepu). Jest to z pewnością spowodowane tym, że użytkownik ma szansę wstępnie zaznajomić się z produktem, który go interesuje.

Czym się różnią kampanie produktowe od innych działań reklamowych?

Kampanie produktowe pod wieloma względami różnią się od standardowych działań w wyszukiwarce np. wyglądem reklam, sposobem tworzenia, brakiem słów kluczowych. Jednak warto pamiętać o tym, co je łączy – oba typy kampanii powinny mieć określony cel i strukturę dopasowaną do jego realizacji, np. wzrost sprzedaży, wyprzedaż produktów przecenionych.

Jak skorzystał na kampaniach produktowych nasz Klient?

Jednemu z naszych Klientów z branży RTV/AGD zależało na promocji wybranych marek w sklepie internetowym, osiągnięciu zwrotu z inwestycji w wydatki reklamowe (ROAS) oraz intensywnym reklamowaniu produktów będących w danym czasie w promocji. Jak podeszliśmy do realizacji tych założeń? Opracowaliśmy strategię promocji działań, która zakładała realizację założonych celów, a ponadto pozwoliła na szybkie raportowanie wyników. Na tej podstawie postanowiliśmy podzielić działania reklamowe na kilka kampanii, by osiągnąć jak najlepsze wyniki. Jak to zrobiliśmy?

• Kampania Wszystkie Produkty – tego rodzaju kampania służy do badania trendów, czerpania inspiracji do nowych kampanii / grup (np. jeżeli produkty z określonej kategorii zyskiwały na popularności). Ze względu na swoją funkcję kampania uzyskała niski priorytet i stawki.

• Kampania Wszystkie Produkty RLSA (Remarketing List for Search Ads; remarketing w wyszukiwarce) – pełniąca podobną funkcję, co kampania Wszystkie Produkty, ale skierowana wyłącznie do osób, które miały już kontakt ze stroną.

• Kampanie dla wybranych kategorii – wyłaniane na podstawie wyników kategorii osiąganych w kampanii Wszystkie Produkty. Działania zostały ustrukturyzowane pod kątem kategorii produktów, nie marek, ponieważ w ramach jednego brandu występował bardzo zróżnicowany asortyment cieszący się nierównomierną popularnością i siłą sprzedażową. Do nowych, osobnych kampanii dla kategorii była kierowana tylko te części asortymentu, która odnotowywała wyróżniającą się rentowność lub popularność.

• Kampanie RLSA dla wybranych kategorii – do wszystkich kampanii dla poszczególnych kategorii dodawane były listy remarketingowe z ustawieniami „tylko stawka”. W oparciu o wyniki danej grupy asortymentu w zestawieniu z konkretnymi listami powstawały nowe kampanie skierowane już tylko do użytkowników najskuteczniejszych list (opcja – „kierowanie i stawka”.

• Kampanie dla Bestsellerów z podziałem:
  – bestsellery w sklepie: konfiguracja podzielona na – produkty, które najlepiej sprzedawały się danego dnia, produkty, które najlepiej sprzedawały się w danym miesiącu. Asortyment do kampanii był wyodrębniany na postawie dokumentów przesyłanych przez Klienta i danych z Google Analytics, np. bestsellery w kampaniach produktowych: produkty wyodrębniane na podstawie dotychczasowej skuteczności w kampaniach produktowych.

• Kampanie dla określonych promocji – tutaj skupiłam się na działaniach mających na celu wyróżnienie określonego asortymentu czy marki. Wydzielanie do nowych kampanii ułatwiało zarządzanie (osobny budżet, priorytet, stawki) i raportowanie.

• Kampanie dla kategorii z wykluczeniami fraz ogólnych – do działań dla kategorii były dodawane wykluczenia fraz ogólnych (np. lodówka), samych marek bez nazw produktów (np. lodówka Bosch), określeń typu: opinia, recenzja. Dzięki listom wykluczeń kampanie w założeniu miały wyświetlać się głównie na konkretne nazwy (np. lodówka bosch kgn39kl35).

Dzięki tak opracowanej strukturze działań wskaźnik ROAS dla kampanii produktowych był wyższy o 25% niż wyniki osiągane w pozostałych kampaniach (bez uwzględnienia brandu). Działania generowały ok. 46% całości przychodu z AdWords przy wydatkach budżetowych na poziomie ok. 41%.

Wypracowana struktura była wynikiem podziału opartego na statystykach. Ze względu na zmieniającą się popularność i zróżnicowanie w sprzedaży konfiguracja jest stale modyfikowana (np. dodawane były nowe, osobne kampanie dla kategorii lub wstrzymywane dotychczas działające).

A Wy, jakie macie doświadczenia z prowadzeniem kampanii produktowych? Dajcie znać w komentarzach.

Problemy współczesnego człowieka ze sprzętem RTV, AGD
Zakup sprzętu, który spełniałaby oczekiwania, jest często procesem bardzo żmudnym i czasochłonnym.  Jednak jego posiadanie też bywa problematyczne. Przed użytkownikami sprzętu RTV, AGD stoi mnóstwo wyzwań:
– jak odkamienić żelazko
– jak włączyć bluetooth w laptopie
– jak włączyć podświetlenie klawiatury w laptopie
– myjka ciśnieniowa karcher jak działa
– jak ustawić intrnet lte timobile w tablecie
– jak waga łazienkowa mierzy poziom tłuszczu
– jak podłączyć zmywarkę bosch do wody
– jak przedłużyć wąż odpływowy pralki / jak przedłużyć wąż odpływowy od pralki
– zmywarka siemens  jak wkładamy zawartość, jak uruchomić zmywarkę do naczyń, jak układać naczynia w zmywarce
– jak zostac jutuberem przes laptopa firmy lenowo
– jak wyjąć klawisz spacji z laptopa lenovo
– jak wymienić procek w lenovo g 50
– jak zmienic hasło w routerze
– jak uruchomić kamerę w laptopie lenovo

Co leczymy domowymi sposobami
Do najczęściej leczonych przypadłości sposobami domowymi zaliczamy:
– grzybica paznokci (domowe sposoby na grzybice paznokci)
– hemoroidy (hemoroidy domowe sposoby)
– biegunkę (biegunka leczenie domowe)
– żylaki nóg (żylaki nóg leczenie domowe)
– bolące stawy (domowe sposoby na bolące stawy)
– żylaki odbytu (żylaki odbytu leczenie domowe)
– ból brzucha (domowy lek na ból brzucha)
– rwę kulszową (domowe sposoby na rwę kulszową)

Dylematy 
Wyszukiwarka Google codziennie pomaga rozwiązać dylematy te małe i te całkiem duże . Wciąż wiele zapytań
Internautów ma charakter  – czy, jak, gdzie?
Internauci pytają:
– na hemoroidy czopki czy masc
– redblocker krem do skory naczynkowej czy do nog terz
– maść końska chłodząca czy rozgrzewająca
– wyciskarka do soków czy sokowirówka
– czy jest samolot z lego
– ekspres do kawy na saszetki czy kapsułki
– czy mozna założyć słuchawki marki sony do drugiego telefonu też marki sony
– czy krem venus na piegi działa
– kto leczy żylaki odbytu
– zmywarka beko od tyłu czy folie sie sciaga
– czy na laptopie lenovo bedzie dzialal weidzmin

Pięknym być
Poszukiwanie sposobu na piękny wygląd czasem obiera dość nieoczekiwany kierunek:
– buty do odchudzania
– czy mozna schudnac na tabletkach przeczyszczających
– czy od samych tabletek da sie schudnąć
– czy są preparaty na odchudzanie z włóknem ksantanowym
– masci na grube zylaki
– tabletki na schudniecie z brzucha do kupienia bez recepty
– balsamy na schudniecie w nogach
– chili tabletki na odchudzanie
– niebieskie tabletki na odchudzanie
– prochy na odchudzanie
– leki moczopędne dostępne bez recepty na odchudzanie
– napoje dla sportowców w proszku
– maść na hemoroidy zmarszczki

*zachowano oryginalną pisownię

1. Nazwa produktu vs rodzaj produktu w nagłówkach kampanii produktowych (Nike Air Max vs
Buty Sportowe Nike)

Tworząc reklamy produktowe stajemy przed trudnym wyborem odpowiedniego nagłówka. Zwykle umieszczana jest w nim nazwa produktu. Jednak w większości przypadków 25 znaków nie wystarczy, aby zawrzeć:  kategorię, markę, nazwę.  Musimy zdecydować, które elementy mają największe znacznie.

Nasza analiza
Z  badania przeprowadzonego przez nas na koncie jednego z Klientów wynika, że skuteczniejsze pod kątem wskaźnika CTR były reklamy produktowe, które w nagłówkach zawierały nazwę produktu bez jego rodzaju niż kreacje z kategorią + marką.

2. Język dostosowany do odbiorcy

Tworząc teksty reklamowe musimy brać pod uwagę szereg czynników, które mają znaczenie w zaskarbianiu sobie uwagi odbiorcy. Kreacje muszą być dostosowane do grupy docelowej, zatem stworzone pod kątem zainteresowań oraz językiem, który jest zrozumiały i stosowany przez daną grupę. Kierując reklamy do kobiet posługujemy się więc określeniami emocjonalnymi, pobudzającymi zmysły, w przeciwieństwie do komunikatów kierowanych do mężczyzn, w których podkreślamy praktyczne zastosowanie produktu. Tak wygląda teoria.

Nasza analiza
Przetestowaliśmy reklamy dostosowane do grup demograficznych  (emerytów, kobiet, mężczyzn) w kampaniach GDN. W każdej grupie znajdowały się reklamy napisane typowo dla danych odbiorców oraz kreacje ogólne (ewentualnie stworzone dla innej grupy).  Badaniu podlegały kampanie z kierowaniem remarketingowym i na określone zainteresowania. Skuteczność kreacji w kampaniach:

1. Zainteresowania
– Emeryci
Kreacje napisane typowo dla emerytów wykazywały CTR wyższy niż średni, ale nie osiągały najwyższego wskaźnika w grupie. Bounce Rate reklam dedykowanych odbiorcom był większy niż średni BR grupy.
– Mężczyźni
Kreacja, która została utworzona pod kątem mężczyzn osiągnęła CTR równy średniemu. Bounce Rate reklamy był jednym z najniższych na tle pozostałych tekstów.
– Kobiety
CTR kreacji dedykowanej kobietom był jednym z najwyższych w grupie (o 13% wyższy niż średnia). BR także był jednym z najwyższych w grupie.

2. Remarketing
– Emeryci
Spośród dwóch kreacji utworzonych pod kątem emerytów jedna miała najlepszy CTR na tle grupy, druga najgorszy.  BR najlepszej reklamy był wyższy niż średni. Jeszcze gorzej pod tym kątem wypadła druga dedykowana kreacja – jej BR był najwyższy spośród wszystkich analizowanych.
– Mężczyźni
CTR kreacji dedykowanej był nieco niższy od średniego, BR natomiast wyższy niż całościowy wskaźnik grupy.
– Kobiety
CTR  reklamy był nieco niższy niż średni. BR jeden z najwyższych w grupie.

3. Konkrety vs efektowność

Podczas pisania używać wyszukanych słów, porównań, a może postawić na prostotę przekazu?

Nasza analiza
W kampanii sklepu internetowego zastosowaliśmy dwa rodzaje kreacji – odwołujące się do zmysłów, mówiące o trendach, niepowtarzalnych cechach produktów („efektowność”) vs przedstawiające możliwość szybkiego zakupu online, rezerwacji towaru, mówiące o dużym wyborze produktów („konkrety”).  W kampaniach wyszukiwarkowych z asortymentem dla kobiet wyższy CTR osiągały reklamy z kategorii „konkrety”. W 70% przypadków wygrały z tekstami bardziej „efektownymi”. Skuteczniejsze sprzedażowo okazały się reklamy mówiące o trendach, odwołujące się do zmysłów. W kampaniach wyszukiwarkowych z asortymentem męskim w 86% przypadków kreacje przedstawiające możliwość szybkiego zakupu online, rezerwacji towaru były częściej klikane.

4. Liczby w reklamach vs przekaz słowny

Liczby pozwalają nam na przedstawienie wielu komunikatów przy stosunkowo małym wykorzystaniu powierzchni reklamowej, np. „darmowa dostawa w jeden dzień” to inaczej „dostawa za 0zł w 24h”. Jednak jaki przekaz ma większą skuteczność?

Nasza analiza
Z badania przeprowadzonego przez nas na kontach kilku Klientów wynika, że skuteczność przekazu wyrażonego przez liczby jest bardzo porównywalna do słownego. Analizowane fragmenty tekstu brzmiały: „Dostawa nawet w jeden dzień” vs „Dostawa nawet w 1 dzień” oraz „Zamawiaj produkty w Sieci 24/7” vs „Zamawiaj produkty w Sieci przez całą dobę” . Większą siłę sprzedażową miały kreacje z liczbami.

5. Marka + rodzaj vs rodzaj + marka
Niekiedy nawet niewielkie zmiany w tekście mogą pozytywnie bądź negatywnie wpłynąć na jego odbiór. Napisać Nike buty do biegania czy buty do biegania Nike?

Nasza analiza
Testowaliśmy kolejność umieszczenia marki i kategorii produktowej w nagłówkach reklam. Brane były pod uwagę wskaźniki jakościowe – CTR (współczynnik klikalności) oraz sprzedażowe – CR (współczynnik konwersji).  Pod kątem jakościowym nie odnowaliśmy większej  różnicy w przypadku nagłówków marka + rodzaj vs rodzaj + marka. W 44% procentach wyższy wskaźnik CTR miały reklamy rozpoczynające się od konstrukcji marka + rodzaj. Zdecydowanie skuteczniejsze sprzedażowo były kreacje rodzaj + marka, w ok. 93% odnotowały wyższy CR.

Nasze badania potwierdziły znaczenie testowania kreacji, zarówno całych komunikatów jak i elementów tekstów (np. nagłówków). Zachęcamy do eksperymentów ze słowami! W kontekście  oceny skuteczności reklam warto zwrócić uwagę na możliwości, które oferuje DoubleClick Search (DS). W DS  możemy analizować skuteczność każdego słowa kluczowego w zestawieniu z dowolną reklamą. Do tej pory, aby zweryfikować powiązania słowo – tekst reklamowy niezbędne było wydzielanie fraz i kreacji do osobnych grup. Więcej na temat narzędzia Double Click dowiecie się z naszego artykułu.