Zarządzanie plikami cookies i prywatnością użytkowników stało się kluczowym elementem funkcjonowania stron internetowych. Wraz ze wzrostem świadomości konsumentów oraz regulacjami prawnymi (takimi jak RODO i ePrivacy), właściciele witryn coraz częściej wybierają takie narzędzia CMP jak Cookiebot. Rozwiązanie to pozwala na skuteczne zarządzanie zgodami użytkowników w sposób zgodny z przepisami. Mimo wielu zalet, przy wdrożeniu i konfiguracji Cookiebota mogą napotkać na różne wyzwania. W tym artykule omówimy najczęściej pojawiające się problemy, które napotkaliśmy u naszych klientów oraz sprawdzone sposoby na ich rozwiązanie.

1. Komunikat w konsoli przeglądarki o braku autoryzacji skryptu Cookiebota:
   W sytuacji pojawienia się komunikatu informującego o braku autoryzacji dla skryptu Cookiebota:
   Rozwiązanie:
   Sprawdź, czy Twoja domena została poprawnie dodana w panelu administracyjnym Cookiebota. Czy Twoje konto jest aktywne i opłacone oraz czy nie skończył się okres próbny. Upewnij się, że dane billingowe są aktualne. Warto również zaktualizować kod wdrożeniowy zgodnie z instrukcjami Cookiebota.
2. Problemy z wczytywaniem niektórych elementów strony przy braku akceptacji zgód:
   Jeśli użytkownik nie wyraził zgody na określone kategorie cookies, niektóre skrypty mogą zostać zablokowane. W rezultacie niektóre elementy strony (np. filmy, widgety, interaktywne komponenty) mogą się nie ładować.
   Rozwiązanie:
   Przeanalizuj, które skrypty są blokowane i w jakiej kategorii cookies zostały umieszczone. Następnie rozważ zmianę kategoryzacji lub poinformuj użytkowników o konsekwencjach braku zgody, tak aby mieli jasność, co tracą, nie akceptując pewnych kategorii. Pomocna może być tutaj konsola przeglądarki, w której będzie widać komunikaty o zablokowanych skryptach.
3. Blokowanie wysyłania formularzy po wdrożeniu CMP:
   Czasem formularze mogą nie działać poprawnie, ponieważ skrypty obsługujące ich wysyłkę są blokowane, gdy użytkownik nie udzielił zgody.
   Rozwiązanie:
   Upewnij się, że skrypty obsługujące formularze zostały poprawnie sklasyfikowane w Cookiebocie. Możesz rozważyć przeniesienie ich do kategorii wymaganych lub poinformować użytkowników o potrzebie wyrażenia zgody na konieczne skrypty, aby móc wypełnić i wysłać formularz.
   Dobrą praktyką będzie sprawdzenie wszystkich formularzy oraz powtórzenie testów za kilka dni.
4. Wpływ włączonego autoblockingu i brak możliwości użycia Consent Mode v2 w wersji advanced:
   Autoblocking blokuje wszystkie skrypty w tym Google Tag Manager do czasu wyrażenia zgody. To może ograniczyć elastyczność stosowania zaawansowanego trybu zgód – Consent Mode v2.
   Rozwiązanie:
   Przy standardowym wdrożeniu warto zastanowić się, czy konieczne jest wdrożenie autoblockingu lub czy można zastosować bardziej selektywną konfigurację w poprzez wbudowane reguły tagów w GTMie. Jeśli zależy Ci na zaawansowanej konfiguracji Consent Mode, rozważ rezygnację z autoblockingu lub dostosuj konfigurację w panelu Cookiebota i GTM.
5. Brak “zapamiętywania” zgód między subdomenami:
   Brak możliwości przenoszenia udzielonych zgód na inne subdomeny może utrudniać pracę na większych serwisach podzielonych na wiele adresów.
   Rozwiązanie:
   Sprawdź ustawienia w panelu Cookiebota. Ustawienia pozwalają na stosowanie „cross-domain consent sharing”. Jeżeli to się nie sprawdza, rozważ wdrożenie niestandardowego rozwiązania, np. Przekazywanie dodatkowym skryptem informacji o zgodach pomiędzy subdomenami czyli kopiowanie zgód Cookiebota z jednej domeny na drugą.
6. Niepoprawna kategoryzacja ciasteczek:
   Źle przypisane ciasteczka do kategorii w panelu Cookiebota utrudniają zachowanie spójności pomiędzy wyrażoną zgodą, a ładowaniem odpowiednich skryptów.
   Rozwiązanie:
   Dokładnie przejrzyj listę cookies w panelu Cookiebota i przypisz je do odpowiednich kategorii (funkcjonalne, analityczne, marketingowe). Dzięki temu użytkownik będzie mieć pełną kontrolę nad tym, na co się godzi, a Ty zyskasz pewność, że strona działa zgodnie z zamysłem.
7. Brak możliwości „przeskanowania” strony przez skaner Cookiebota:
   Czasem skaner Cookiebota może nie być w stanie zidentyfikować wszystkich elementów, np. z powodu skryptów zabezpieczających.
   Rozwiązanie:
   Sprawdź, czy Twoje zabezpieczenia lub mechanizmy antybotowe nie blokują adresów IP skanera Cookiebota. W razie potrzeby dodaj wyjątki w konfiguracji firewall lub skryptów bezpieczeństwa, by umożliwić pełne skanowanie strony.
8. Anomalie w danych analitycznych (np. w GA4) spowodowane przez IP skanera Cookiebota
   Ruch generowany przez skaner może zniekształcać dane o ruchu.
   Rozwiązanie:
   Wyklucz IP skanera Cookiebota z raportów analitycznych. Szczegółowe instrukcje wyłączenia go z GA4 znajdziesz w oficjalnych materiałach Cookiebota. Dzięki temu raporty będą prezentowały rzeczywiste zachowania użytkowników.

Więcej informacji: https://support.cookiebot.com/hc/en-us/articles/9729853686428-Exclude-Cookiebot-from-Google-Analytics-data

9. Brak wywołania tagów “niegooglowskich” w trybie advanced po akceptacji zgód:
   Po wyrażeniu zgód niektóre tagi “niegooglowskie” mogą się nie uruchamiać prawidłowo.
   Rozwiązanie:
   W GTM dodaj dodatkowe reguły, aby wywoływać tagi po akceptacji zgód. Możesz wykorzystać zmienną „click element” lub inne triggery reagujące na zmiany stanu zgody. Dlatego warto dodać regułę “Click” na “Wszystkie elementy”.
10. Brak “gtag consent default” w kodzie strony lub w GTM:
    Brak tego elementu wpływa na przekazywanie parametrów GCD i GCS, które są kluczowe dla poprawnej pracy trybu consent mode.
    Rozwiązanie:
    Dodaj „gtag consent default” do kodu strony lub skonfiguruj go w GTM za pomocą szablonu Consent Mode (Google tags) od Simo Ahava.
    Dokładne instrukcje znajdują się w dokumentacji Cookiebota oraz w poradnikach dotyczących Google Consent Mode.

Więcej informacji:
https://support.cookiebot.com/hc/en-us/articles/360016047000-Cookiebot-and-Google-Consent-Mode

11. Zbyt późne wysłanie “consent update” w hierarchii wywołań tagów w GTM oraz nieporwane parametry GCS i GCD w zdarzeniach:
    Jeśli „consent update” jest wysyłany za późno, parametry GCS i GCD nie będą poprawnie rejestrowane i wysyłane do GA4.
    Rozwiązanie:
    Skorzystaj z szablonu Consent Mode (Google tags) autorstwa Simo Ahavy lub podobnych rozwiązań. Upewnij się, że aktualizacja stanu zgody odbywa się odpowiednio wcześnie, tak aby wszystkie tagi mogły działać z poprawnymi parametrami.
12. Zmniejszenie danych w Google Ads i Performance Max z powodu “ads_data_redaction”:
    Jeżeli w „gtag consent default” lub „gtag consent update” parametr „ads_data_redaction” jest ustawiony na „true”, dane z Google Ads mogą być ograniczone.
    Rozwiązanie:
    Zmień wartość „ads_data_redaction” na „false” lub usuń ten parametr, jeśli chcesz zachować dane. Oczywiście pamiętaj, by dostosować to do polityki prywatności i zgód użytkowników.
13. Dodanie do adresu URL dodatkowych parametrów:
    Ustawienie „url_passthrough” na „true” może spowodować dodanie do adresów URL dodatkowych parametrów, co może wpłynąć na estetykę i analizę danych.
    Rozwiązanie:
    Jeśli nie jest to konieczne, wyłącz tę opcję lub usuń ten parametr.

Podsumowanie
Wdrożenie i utrzymanie Cookiebota może być dużym wyzwaniem. Kluczowe jest skrupulatne zaplanowanie procesu, właściwa konfiguracja i stały monitoring działania narzędzia. Dzięki temu zapewnisz użytkownikom komfort korzystania ze strony, zgodność z przepisami oraz pełne, jakościowe dane analityczne. Pamiętaj, aby:

• Dokładnie skonfigurować domeny i subdomeny w panelu Cookiebota. 
• Przemyśleć kategoryzację ciasteczek i ich wpływ na działanie witryny.
• Monitorować skutki autoblockingu i rozważyć użycie zaawansowanych trybów zgód w sposób, który nie blokuje kluczowych skryptów. 
• Regularnie sprawdzać dane w GA4, Google Ads i innych narzędziach analitycznych, by wyłapać ewentualne anomalie i szybko reagować.

Dzięki odpowiednim działaniom i stałej kontroli, Cookiebot stanie się nie tylko narzędziem zapewniającym zgodność z przepisami, ale także wsparciem w efektywnym zarządzaniu doświadczeniem użytkownika i jakością danych analitycznych.

Spis treści:

1. Czym są narzędzia Business Intelligence do wizualizacji danych?
2. Czym jest wizualizacja danych?
3. Jak wizualizować dane?
4. Cechy narzędzi Business Intelligence do wizualizacji danych 
5. Porównanie 4 platform do wizualizacji danych 
6. #1 Looker Studio 
7. #2 Power BI 
8. #3 Tableau  
9. #4 Qlik Sense 
10. Porównanie funkcjonalności analizowanych narzędzi: 
11. Podsumowanie 

Narzędzia BI ułatwiają gromadzenie właściwych danych oraz ich wizualizację w sposób, który pozwala nam zrozumieć co one oznaczają. Dlatego ważne jest, aby dokładnie przeanalizować potrzeby organizacji i wybrać te, które najlepiej odpowiada tym potrzebom. 

Czym są narzędzia Business Intelligence do wizualizacji danych?

 
Narzędzia Business Intelligence (BI) to rodzaj oprogramowania, które gromadzi i przetwarza duże ilości danych. Dzięki nim możemy tworzyć raporty, panele i wizualizacje danych, które mają za zadanie: 

• przyspieszyć i usprawnić podejmowanie decyzji,
• zoptymalizować wewnętrzne procesy biznesowe, 
• zwiększyć wydajność operacyjną i produktywność,
• dostrzegać problemy biznesowe, którymi należy się zająć,
• identyfikować pojawiające się trendy rynkowe,
• rozwijać lepsze strategie biznesowe,
• szukać możliwości przychodowe,
• zdobyć przewagę konkurencyjną.

Czym jest wizualizacja danych? 

Wizualizacja danych w analityce to proces przedstawiania danych w formie graficznej na przykład wykresów, map czy diagramów, aby ułatwić ich interpretacje i zrozumienie. Wizualizacje znacznie ułatwiają i przyspieszają, analizę oferując możliwość dostrzeżenia, co jest ważne. Pozwalają zobaczyć, zrozumieć wzorce i relacje oraz dostrzec pojawiające się trendy, co często jest utrudnione analizując “surowe” dane zawarte w tabelach i bazach danych.  

W przypadku analizy biznesowej mogą to być wnioski dotyczące wyników w postaci kluczowych wskaźników. Analiza taka na przykład może dotyczyć oceny skuteczności kampanii reklamowej prowadzonej dla klienta, gdzie możemy porównywać różne dane okresowe. Możliwości są nieograniczone.  

Co wykorzystać do wizualizacji danych? 

Istnieje wiele rodzajów wizualizacji danych. Najczęściej wykorzystywane w analityce to wykresy słupkowe, kołowe i liniowe, mapy geograficzne, diagramy, wskaźniki, listy oraz tabele.  

Na rynku jest coraz więcej narzędzi, posiadają podobne funkcjonalności, takie jak tworzenie interaktywnych raportów i wizualizacji, jednak każde z nich ma swoje unikalne cechy i funkcje, które mogą sprawić, że będzie bardziej odpowiednie dla indywidualnych potrzeb i celów organizacji.  

Cechy narzędzi Business Intelligence do wizualizacji danych

Najważniejszymi czynnikami, które należy wziąć pod uwagę przy wyborze narzędzia do wizualizacji danych, są:  

• łatwość nauki i obsługi,  
• integracje z różnymi źródłami danych,  
• posiadanie funkcji analitycznych opartych na “machine learning”.  

Narzędzie musi działać stabilnie, pozwalać łatwo i szybko dodawać dane, wprowadzać zmiany w celu jeszcze lepszego zrozumienia analiz.  

Porównanie 4 platform do wizualizacji danych 

W naszej codziennej pracy korzystamy najczęściej z Looker Studio (dawniej Data Studio) i Microsoft Power BI. Do porównania wybraliśmy też dwie inne platformy: Tableau oraz Qlik Sense. 

#1 Looker Studio 

Looker Studio, znane wcześniej jako Google Data Studio, to darmowe narzędzie, które potrafi przekształcić dane w łatwe do odczytania, w pełni konfigurowalne raporty z wykorzystaniem wielu rożnych źródeł danych. Między innymi takich jak Google Analytics, Google Sheets, plików CSV, bazy danych MySQL czy Google BigQuery. Pozwala to skrócić czas dostępu do danych i zaoszczędzić na procesach raportowania.  

Looker Studio Pro to płatna wersja Looker Studio. Ale dzięki Looker Studio Pro uzyskujemy dostęp do wszystkich funkcji Looker Studio, a także ulepszone i rozszerzone możliwości wykorzystania w organizacji oraz wsparcie techniczne. 

Narzędzie to nie wymaga instalacji dodatkowego oprogramowania, działa jako aplikacja online z poziomu przeglądarki.  

Funkcjonalności: 

• Łączenie z wieloma źródłami danych za pomocą Google Connectors oraz Partner Connectors np. Supermetrics, Semrush, Ahrefs czy Funnel,
• Udostępnianie raportów,
• Opcja prezentacji raportów,
• Duża dostępność przykładowych szablonów raportów,
• W pełni konfigurowalne pulpity nawigacyjne i raporty,
• Zaawansowane możliwości filtrowania,
• Metoda modelowania (LookML),
• Aktualizowanie danych w czasie rzeczywistym,
• Bezpieczeństwo i prywatność danych.

Trail: 

• Nie dotyczy 

Cena: 

• Darmowa wersja Looker Studio,
• Ustalane indywidualne dla Looker Studio Pro,
• Płatne wersje niektórych konektorów.

Przykładowy raport stworzony w Looker Studio

#2 Power BI 

Power BI firmy Microsoft to rozwiązanie, które pomaga szybciej eksplorować dane biznesowe i podejmować bardziej świadome decyzje. Początkowo było dodatkiem do klasycznego Excela, jednak z czasem zostało rozwinięte w pełnoprawne narzędzie. Umożliwia szybkie i łatwe przygotowanie danych do analiz oraz łączenie się z ponad 100 źródłami danych, wspomaga organizowanie ogromnych ilości danych zgodnie z potrzebami oraz tworzenie niestandardowych modeli do analizy. Narzędzie oferuje wizualizacje wspomagane przez sztuczną inteligencję oraz oferuje dostęp do ponad stu stworzonych przez społeczność szablonów. 

Power BI jest narzędziem typu self-service, co oznacza, że każdy jej użytkownik powinien być w stanie samodzielnie połączyć się z danymi i zbudować raport. Utworzone raporty są dostępne przez przeglądarkę oraz aplikację na urządzeniach mobilnych. 

Funkcjonalności:  

• Programu Power BI Desktop,.
• Wizualizacje z wykorzystaniem sztucznej inteligencji, 
• Zaawansowana sztuczna inteligencja,
• Dostęp poprzez aplikacje mobilną,
• Udostępnianie raportów,
• Raport podzielone na strony, 
• Możliwość łączenia się z ponad 100 źródłami danych, 
• Bezpieczeństwo i szyfrowanie danych,
• Metryki dotyczące tworzenia, wykorzystywania i publikowania treści, 
• Dostępność dodatku automatycznego skalowania,
• Wielkość przechowywania danych od 10GB na użytkownika do 100TB.

Trail:  

• 30 dni 

Cena: 

• Power BI Pro – 10$ miesięcznie na użytkownika 

Częstotliwość odświeżania – 8/dzień 

 Maksymalny rozmiar magazynu – 10 GB na użytkownika 

Łączenie ze 100 źródłami danych – Tak  

• Power BI Premium – 20$ miesięcznie na użytkownika 

Częstotliwość odświeżania – 48/dzień 

Maksymalny rozmiar magazynu – 100 TB  

Łączenie ze 100 źródłami danych – Tak  

• Power BI Premium – od $4,995 miesięcznie na organizację 

Częstotliwość odświeżania – 48/dzień 

Maksymalny rozmiar magazynu – 100 TB 

Łączenie ze 100 źródłami danych – Tak 

Przykładowy raport stworzony w Power BI 

#3 Tableau

Tableau to narzędzie raportowo-analityczne dedykowane dla wszystkich użytkowników: sprawdza się w zespołach, w organizacjach oraz dla indywidualnych analityków. Cechuje się bardzo dużymi możliwościami wizualizacji, ale nawet początkujący użytkownicy nie powinni mieć problemów z obsługą jego interfejsu. Tableau to solidne i niezawodne narzędzie. Działa z dużą wydajnością, nawet w przypadku dużych zbiorów danych. Oferuje aplikację mobilną dostępną na systemy IOS i Android, która zapewnia pełną funkcjonalność wersji Desktop i Online.  

Funkcjonalności: 

• Analiza trendów,
• Tworzenie zaawansowanych raportów,
• Zaawansowane funkcjonalności analityczne,
• Automatyzacja raportowania,
• Analiza danych z pomocą sztucznej inteligencji,
• Wielowarstwowe funkcje zarządzania uprawnieniami,
• Aplikacje na platformy iOS i Android,
• Dobrze prosperującą społeczność.

Trail:  

14 dni 

Cena: 

• Tableau Viewer – 14$ miesięcznie na użytkownika 
• Tableau Explorer – 42$ miesięcznie na użytkownika 
• Tableau Creator – 70$ miesięcznie na użytkownika 

Przykładowy raport stworzony w Tableau 

#4 Qlik Sense 

 
Qlik Sense to elastyczne i skalowalne narzędzie, które działa całkowicie w chmurze. Konfiguracja jego jest szybka i łatwa, a dzięki sztucznej inteligencji umożliwia użytkownikom nietechnicznym łatwe przeprowadzanie zaawansowanej analizy danych. Qlik Sense opiera się na modelu QIX Associative Data Indexing — technologii pozwalającej na eksplorowanie relacji zachodzących między danymi pochodzącymi z różnych źródeł. Wspiera inteligentne przeszukiwanie danych. Oferuje również dostęp do aplikacji z dowolnego urządzenia oraz możliwość przechowywania danych na serwerze, w chmurze, lub w modelu hybrydowym. 

Funkcjonalności: 

• Zaawansowany asystent sztucznej inteligencji,
• Interaktywne pulpity nawigacyjne,
• Inteligentne wizualizacje,
• Możliwość łączenia się za pomocą konektorów z wieloma źródłami danych,
• Dostęp z urządzeń mobilnych,
• Mapowanie wielowarstwowe do wizualizacji geograficznych,
• Współtworzenie treści,
• Eksportowanie danych i wizualizacji,
• Certyfikaty bezpieczeństwa,
• Integracje API.

Trail:  

• 30 dni 

Cena:   

• Qlik Sense® Business – $30 miesięcznie na użytkownika 

• Qlik Sense Enterprise SaaS – ustalane indywidualnie  

Porównanie funkcjonalności analizowanych narzędzi: 

Looker Studio jest dość prostym w obsłudze narzędziem z szeroką gamą dostępnych źródeł danych, dużymi możliwościami filtrowania oraz udostępniania raportów. Plusem jest również mnogość konektorów tych już wbudowanych, ale także tych tworzonych przez społeczność oraz łączenia z narzędziami takimi jak Supermetrics czy Funnel. 

Power BI jest idealne dla firm, które potrzebują łatwego i szybkiego dostępu do danych z wieloma opcjami wizualizacji oraz dostępnością dodatkowych funkcji. 

Tableau oferuje łatwy w użyciu interfejs, szerokie możliwości konfiguracji, duży wybór różnych źródeł danych oraz dostęp z urządzeń mobilnych. 

Qlik Sense oferuje elastyczne i zaawansowane możliwości analizy danych o dość intuicyjnym interfejsie, cechuje go duża wydajność oraz dostęp z urządzeń mobilnych. 

Podsumowanie 

Narzędzia analityczne klasy BI to niezwykle ważna klasa narzędzi w zasobniku każdego analityka.  Pomagają z morza danych wybrać te istotne i przedstawić je w sposób czytelny dla użytkownika. Wyciągnięcie danych z wielkich baz zawierających często miliony rekordów jest praktycznie niemożliwe. Zobrazowanie ich za pomocą wizualizacji pomaga lepiej zrozumieć trendy, liczby i zbliżać się do świętego grala każdej firmy – podejmowania decyzji opartych na danych a nie na przewidywaniach i intuicji. 

1. Wstęp do sekcji Eksplorowanie
2. Eksploracja oraz szablony raportów, czyli metody analiz
   a) Eksploracja swobodna
   b) Eksploracja ścieżki
   c) Eksploracja sekwencji ścieżki
   d) Pokrywanie się segmentów
   e) Eksplorator zachowania użytkownika
   f) Eksploracja Kohort
   g) Cykl życia użytkownika
3. Podsumowanie

Wstęp do sekcji Eksplorowanie

W Google Analytics 4 wyróżniamy dwa rodzaje raportów – raporty standardowe czyli już wcześniej zdefiniowane, na przykład “Czas rzeczywisty”, “Cykl życia” oraz “Użytkownik”, które znajdują się w sekcji “Raporty” oraz raporty niestandardowe znajdujące się w sekcji “Eksploracja”.

Przez niektórych Eksploracja uważana jest za samo sedno i serce GA4, ponieważ dostarcza bardziej zaawansowane podejście do analizy danych.

Nawiązując do poprzedniej wersji Google Analytics Universal najczęściej używanymi raportami do analizowania zachować użytkowników na stronie były te standardowe, a niestandardowe były wykorzystywane tylko w specyficznych przypadkach.  W nowej wersji w uproszczeniu, te pierwsze mają służyć tylko do wstępnej analizy, a sekcja Eksploracji ma dostarczać bardziej dokładne i użyteczne zestawy danych szyte na miarę dla prowadzonego przez klienta biznesu.

Eksploracja oraz szablony raportów, czyli metody analiz

Sekcja “Eksploracja” to zestaw bardziej zaawansowanych raportów niestandardowych, które umożliwią dostęp do danych. Na ich podstawie będziemy mogli tworzyć raporty z wybranych przez nas wymiarów i metryk.

Pierwszym elementem Eksploracji jest “Galeria szablonów”, która zawiera pięć metod tworzenia raportów. Dzielimy je na:

a) Eksploracja swobodna

Jest to metoda najbardziej uniwersalna w zakresie wykorzystywania metryk wymiarów. Można samodzielnie określić, jakie dane mają być wyświetlane oraz w jakiej formie będę prezentowane. Może to być tabela, wykres pierścieniowy, liniowy, rozproszony słupkowy oraz mapa geograficzna.

W przypadku „Eksploracji swobodnej” na wstępie „dostajemy” kilka wymiarów i metryk. Tak wstępnie zdefiniowany raport może nam posłużyć jako wzorzec do utworzenia własnego, optymalnego raportu w „Pustym szablonie”. „Pusty” i „Swobodna” różnią się tylko wstępnie dobranymi danymi i wymiarami. Sam sposób wizualizacji danych i dostępnych statystyk jest taki sam.

Aby utworzyć taki raport w kolumnie “Zmienne” (po lewej stronie) dodajemy elementy w sekcjach “Wymiary” i “Dane”, które możemy użyć w kolumnach i wierszach naszego raportu. W celu zawężenia zakresu danych, dodajemy segmenty i filtry.

Żeby raport był czytelniejszy, powinniśmy dobierać odpowiednią wizualizację do celu analizy i rodzaju danych. Na przykład, jeżeli chcemy zobaczyć zmiany przychodu w czasie to lepszym sposobem prezentacji będzie wykres niż tabela z danymi.

Trzeba pamiętać o zasadzie, że im prościej i czytelniej tym łatwiej wyciągnąć wnioski. Zbyt wiele danych może powodować, że raport będzie trudny do analizy.

Ciekawym elementem tego raportu jest wykrywanie anomalii. Pozwala identyfikować, a nawet przewidywać nieprawidłowe wzorce.  Dzięki wykresowi liniowemu można łatwo odczytywać te wartości.

Dodatkową korzyścią jest zmniejszanie i zwiększanie zakresu czasu objętego analizą danych. Wydłużenie okresów uczenia się systemu analitycznego może zwiększyć jego dokładność, zaś zwiększanie czułości wykrywania może powodować zgłaszanie większej liczby anomalii. Przykładem może być nagły wzrost aktywnych użytkowników w danym okresie.

Przykład użycia: Raport eksploracji swobodnej dotyczący stron docelowych, czyli pierwsza strona na jaką użytkownik trafia w naszej witrynie.

b) Eksploracja ścieżki    

Metoda ta pozwala analizować ścieżkę, którą zakładamy dla naszych użytkowników. Tworzymy taką “idealną” i możemy obserwować czy użytkownicy faktycznie poruszają się po stronie w taki sposób jak zakładaliśmy. Odpowiada na pytania: jak potencjalni klienci przechodzą od etapu rozważania zakupy do jego realizacji.

Analiza takiego raportu pozwoli nam wprowadzać zmiany na stronie, ograniczając w ten sposób liczbę wizyt użytkowników, które nie zakończyły się konwersją.

Ścieżka może być otwarta lub zamknięta. W przypadku zamkniętej, aby użytkownik został zliczony musi przejść przez wszystkie kroki w określonej kolejności, natomiast przy otwartej ścieżce może zacząć od dowolnego kroku.

Przykład użycia: Raport dotyczący lejka konwersji – dzięki niemu zobaczymy jak wiele osób wyświetliło przynajmniej jeden produkt na stronie sklepu, następnie, ile osób dodało do koszyka i na końcu, ile osób dokonało zakupu.

c) Eksploracja sekwencji ścieżki

Dzięki tej metodzie eksploracji w formie drzewka możemy odkrywać zachowania użytkowników. Możemy znajdować najpopularniejsze strony odwiedzane przez nich po otwarciu strony głównej, dowiedzieć się w jaki sposób klienci wykonują konkretne kroki, jakie sekwencje zachowań są najpopularniejsze oraz określić wpływ danego zdarzenia na kolejne działania.

Punktem początkowym analizy może być “session start”, “page view” lub inne zdarzenie. W kolejnym możemy wybrać tak zwany typ węzła, może to być jedna z czterech opcji: “nazwa wydarzenia”, “tytuł strony i nazwa” lub “klasa ekranu” oraz “ścieżka strony i klasa ekranu”.

Ścieżki mogą obejmować więcej niż jedną sesję i jeśli użytkownik powraca na stronę, kroki, które już przebył nie będą zliczane. Za to wszystkie nowe, które wykonał w kolejnej sesji już tak. Dobrą praktyką jest zaznaczanie opcji “wyświetlaj tylko unikalne węzły”, wyświetli ona tylko jeden węzeł dla każdego użytkownika, nawet jeśli wykonał wiele kolejnych zdarzeń na danej stronie lub ekranie.

Ciekawą opcją jest “zacznij od początku” gdzie wybieramy punkt początkowy lub końcowy. Punkt początkowy to ekran lub zdarzenie na początku ścieżki, którą chcesz przeanalizować, przykładem tego może być strona e-commerce z ofertą obuwia np. męskie, damskie, sportowe.

Z kolei punkt końcowy to ekran lub zdarzenie na końcu ścieżki, w którym dokonała się konwersja np. strona w stylu “Dziękujemy za zakup”. W ten sposób otworzy się raport dla ścieżki, która kończy się właśnie na tej stronie.

Eksploracja sekwencji ścieżki może zawierać punkt początkowy i końcowy, ale nie oba jednocześnie. Może również stosować filtry oparte na dostępnych wymiarach i danych.

Przykład użycia: Raport, dzięki któremu możemy dowiedzieć się jakie działania wykonywali użytkownicy, a dokładnie jakie odwiedzali podstrony zanim dokonali zakupu.

d) Pokrywanie się segmentów

Metoda analizy pokrywania się segmentów jest świetnym sposobem na łatwą wizualizację wzajemnych interakcji między różnymi grupami użytkowników.

Segmenty dzielimy na:

1. Segment użytkowników – są to np. użytkownicy, którzy już wcześniej coś kupili, czy też Ci, którzy tylko dodali produkt do koszyka, ale nie sfinalizowali zakupu.
2. Segmenty zdarzeń – np. wszystkie zakupy dokonane w określonej lokalizacji czy też zdarzenia, które wystąpiły w danym systemie operacyjnym.
3. Segmenty sesji – np. wszystkie sesje, których źródłem była konkretna kampania reklamowa.

Z utworzonych już wcześniej segmentów można korzystać w innych metodach eksploracji. Jednoczenie możemy porównać trzy segmenty.

Przykład użycia: Raport dotyczący na przykład użytkowników oraz powiazania między nimi, którzy używają telefonów komórkowych lub tabletów oraz są w wieku 25-54 lata.

e) Eksplorator zachowania użytkownika

Raport skupia się na analizie zachowania użytkownika. Podaje listę użytkowników wchodzących w skład utworzonych przez Ciebie lub zaimportowanych segmentów (np. tych, którzy korzystają z Twojej usługi zarówno w aplikacji, jak i w witrynie). Identyfikatory użytkowników są zanonimizowane w taki sposób, aby nie można było rozpoznać konkretnego użytkownika strony czy aplikacji.

Możemy na tej liście wybrać danego użytkownika i poznać szczegółowe informacje na jego temat m.in. kiedy i jak trafił do nas na stronę, jakie zdarzenia wykonywał i jak długo przebywał. Na podstawie takich danych tego użytkownika możemy utworzyć segment, aby przekonać się, czy inni też będą podejmować podobne działania.

Przykład użycia: Raport ten może być przydatny wtedy, gdy będziemy chcieli przeanalizować potencjalne problemy konkretnego użytkownika, na drodze do realizacji danej konwersji.

f) Eksploracja Kohort

Analizy kohorty pomagają nam odseparować metryki dotyczące wzrostu zaangażowania od metryk pokazujących jakość zaangażowania użytkowników. Bywa, że dynamiczny wzrost ilości użytkowników potrafi ukryć problem z brakiem zaangażowania już istniejących klientów.

Dobra kohorta może pomóc zespołowi marketingowemu określić, jakie segmenty klientów reagują na daną kampanię. Np. Ilu użytkowników po zainteresowaniu się reklamą trafiło na naszą stronę, ilu z nich kupiło dany produkt czy usługę w pierwszym tygodniu, drugim, trzecim i kolejnych od jej uruchomienia.

Tabela z danymi pokazuje, ilu użytkowników należy do każdej kohorty w okresie objętym eksploracją, a każda komórka w tabeli pokazuje liczbę użytkowników, którzy spełnili kryteria od daty rozpoczęcia analizy.

Określając, którzy użytkownicy mają być uwzględnieni w kohorcie musimy określić warunek:

• pierwsza wizyta: czyli data pozyskania: użytkownik pierwszy raz odwiedził aplikację lub witrynę,
• dowolne zdarzenie: pierwsze zdarzenie użytkownika w okresie objętym     eksploracji,
• dowolna transakcja: pierwsza transakcja użytkownika w okresie objętym eksploracji,
• dowolna konwersja: pierwsza zdarzenie konwersji użytkownika w okresie objętym eksploracji, – inne: określone zdarzenie wywołane przez użytkownika.

Drugim elementem jest “kryterium pozostania”. Określa to drugi warunek, który użytkownik musi spełnić, żeby być uwzględniony w kohorcie.

• dowolne zdarzenie: użytkownik ma co najmniej 1 zdarzenie w okresie objętym eksploracją.
• dowolna transakcja: użytkownik ma co najmniej 1 zdarzenie transakcji w okresie objętym eksploracją.
• dowolna konwersja: użytkownik ma co najmniej 1 zdarzenie konwersji w okresie objętym eksploracją.
• inne: określone zdarzenie wywołane przez użytkownika w okresie objętym eksploracją.

Szczegółowość pozostania jest taka sama jak szczegółowość kohorty, czyli: codziennie, co tydzień oraz co miesiąc.

Musimy pamiętać, że naszym głównym celem jest pozyskanie wartościowych użytkowników oraz utrzymanie ich jak najdłużej. Dzięki temu będziemy mogli tworzyć bardziej efektywne strategie nie tylko to przedłużania relacji, ale również do zwiększania ich wartości.

Przykład użycia: Raport mówiący nam, że między 4 a 10 grudnia 2022 serwis sklepu X pozyskał 40 355 użytkowników. Tych 40 355 nowo pozyskanych użytkowników zrealizowało 839 transakcji w tym samym tygodniu, a następnie 65 w następnym tygodniu oraz 39 w kolejnym.

g) Cykl życia użytkownika

W tej sekcji możemy śledzić zachowania użytkowników od początku ich śledzenia. Google mocno postawiło na metryki prowadzące do sprzedaży i maksymalizujące LTV (Live Time Value), czyli cykl życia klienta.

Metoda „Cykl życia użytkownika” przedstawia zbiorcze dane o użytkownikach. Może również wyświetlać następujące informacje: wstępne i ostatnie interakcje, interakcje w cyklu życia oraz dane prognozowane, czyli dane generowane przez systemu uczące się tak aby przewidywać zachowanie użytkowników takie jak: prawdopodobieństwo zakupu, zakupy w aplikacji.

Drugim elementem sekcji są stworzone przez nas raporty. Możemy je tworzyć za pomocą “tworzenie nowej eksploracji” lub modyfikować te z “galerii szablonów”.

Ważną kwestią jest przechowywanie danych. Google Analytics umożliwia ustawienie czasu, po którym upływie dane na poziomie użytkownika i na poziomie zdarzenia zostaną automatycznie usunięte z serwerów Analytics. W przypadku usług GA4 (poza wersją Analytics 360) przechowywanie danych na poziomie użytkownika można ustawić maksymalnie 14 miesięcy. Dla pozostałych danych o zdarzeniach mamy do wyboru 2 lub 14 miesięcy i zmieniamy to w zakładce: Administracja > Usługa > Przechowywanie danych. Okres przechowywania danych ustawiany we wspomnianej zakładce dotyczy tylko Eksploracji.

Podsumowanie

Sekcja Eksploracji jest jedną z najważniejszych w Google Analytics 4, dzięki temu możemy tworzyć szyte na miarę zestawy raportów, które dużo jaśniej pokazują obszary do optymalizacji w biznesie klienta. Na ich podstawie jesteśmy w stanie wyciągać wnioski, dużo bardziej dokładniejsze niż tylko bazując na raportach standardowych.