Analityka internetowa w e-commerce

Jednym z największych plusów prowadzenia sprzedaży online jest możliwość mierzenia wyników prowadzonych działań. Nowoczesne systemy analityki internetowej sprawiają, że często bez dodatkowej optymalizacji czy konfiguracji jesteśmy w stanie bez problemu połączyć statystyki naszych akcji promocyjnych i marketingowych z efektami w postaci sprzedaży lub ruchu na naszej stronie. Jak jednak poradzić sobie w sytuacji kiedy mamy klika źródeł raportów lub metodologia samego badania sprawiają, że pojawiają się wątpliwości co do wyciągniętych wniosków lub statystyki pochodzące od różnych dostawców się nie zgadzają? Na co warto zwrócić szczególną uwagę podczas analizy wyników naszego sklepu internetowego?W tym artykule postaramy się odpowiedzieć na te pytania, bazując na danych dotyczących ruchu pochodzącego z porównywarek cen.

Systemy analityczne

Należy pamiętać że w tzw. „analityce web” ze względu na znaczne różnice technologiczne, wyróżniamy dwa główne źródła pochodzenia danych:

  1. Wewnętrzne statystyki, pochodzące z własnej bazy danych lub wewnętrznych logów (zbierane po stronie serwera, własne rozwiązania IT lub gotowe CMSy) – np. raport sklepowy Ceneo, raport o zakupach we własnej platformie sklepowej itp.
  2. Statystyki firm trzecich, instalowane w źródle strony www (lub przekierowania linków jak Goo.gl), najczęściej w postaci kodu JavaScript (tzw. statystyki third party, wykonywane po stronie klienta czyli przeglądarki – np. Google Analytics, Gemius Prism, Piwik,). Są to również nasze statystyki, ale są podatne na błędy (np. ładowanie strony, zachowanie łącza) i łatwe do zablokowania (np. wtyczki typu Adblock lub usługa Google Analytics opt-out)

Bez wątpienia najpopularniejszych narzędziem do analityki internetowej w Polsce jest Google Analytics – narzędzie w swojej wersji podstawowej (wystarczającej dla ponad 90% jego użytkowników) jest całkowicie darmowe. Mimo tego, jest w pełni funkcjonalne i pozwala zarówno osobom mniej zaawansowanym, jak i ekspertom analizować dane ze swoich stron internetowych.
Należy pamiętać, że skrypty zewnętrzne (third party data) służą głównie do badania trendów gdyż ich dokładność zależy do wielu zewnętrznych czynników. Skrypty uruchamiane po stronie użytkownika mogą być blokowane za pomocą innych skryptów, zaś dane przez nie wysyłane – zmodyfikowane. Jakie narzędzia pozwolą zatem sprawdzić, jak wydajemy nasze pieniądze oraz jaki ruch udało się za nie pozyskać? Od każdego dostawcy ruchu otrzymujemy indywidualne raporty (np. panel Google Adwords). Korzystanie z takiego raportu (opartego na bezpośrednich danych źródłowych, tzw. „first party data”) to najlepsza metoda na weryfikację działań promocyjnych. W Panelu Sklepowym Ceneo również można generować raporty z bazy danych Ceneo. Narzędzie to jest odpowiednikiem systemu CRM jaki posiada większość sklepów internetowych.

Panel Sklepowy Ceneo.pl to miejsce gdzie właściciel e-commercowego biznesu może w łatwy sposób sprawdzić informacje o swoim koncie, zarządzać ofertą prezentowaną w serwisie Ceneo.pl, a także sprawdzać swój aktualny budżet, dostępne formy promocji i wyniki już prowadzonych działań. Raporty dostępne w ramach Narzędzi analitycznych to nie tylko informacja o wynikach własnych akcji sprzedażowych, ale również – co najważniejsze – ogromna dawka wiedzy o danej kategorii produktowej czy działaniach konkurencji.


Panel sklepowy Ceneo.pl oraz dane w nim zawarte są co roku kontrolowane i otrzymują – nie budząc zastrzeżeń – ocenę audytorczo-doradczą firmy konsultingowej PwC (dawniej Price Waterhouse i Coopers). Współpracujace z Ceneo.pl firmy mogą na życzenie uzyskać wgląd w tę część audytu serwisu. Zatem mimo iż są to dane firmy trzeciej (Ceneo), są one wiarygodne, zawierają także wiele szczegółów, których nie pokaże np. Google Analytics.

Sesje a kliki

Najczęstszym problemem z jakim spotykają się właściciele sklepów internetowych jest różnica między sesjami (np. w Google Analytics) a klikami (zwanymi także przejściami) dostępnymi np. w raportach Google AdWords lub panelu sklepowym Ceneo. Ciekawy artykuł na ten temat znaleźć można również na oficjalnej stronie pomocy Google. Aby lepiej zrozumieć skąd biorą się różnice między tymi dwoma pojęciami musimy odwołać się do ich podstawowej definicji.

Sesje to ciąg interakcji/działań (np. odsłon) wykonywanych przez danego użytkownika (zwykle z jednego urządzenia) na konkretnej stronie internetowej, zwykle ograniczonych czasowo – np. między poszczególnymi interakcjami nie może wystąpić przerwa dłuższa niż 30 minut.

 

 

Aby zrozumieć to jeszcze lepiej, warto wprowadzić pojęcie hit (od angielskiego słowa „uderzenie”) – które rozumiemy jako każdorazowe wywołanie skryptu (np. Google Analytics) na stronie internetowej i wysłanie informacji do serwera narzędzia analitycznego. „Hity” mogą przyjmować różne formy. W Google Analytics wyróżniamy min. hit typu odsłona (pageview), hit typu zdarzenia (event np. wypełnienie formularza) lub hit typu transakcja (transaction) czyli zakup w ramach naszej witryny. Oczywiście to, jak i kiedy będziemy dane informacje wysyłać, zależy stricte od naszej konfiguracji Google Analytics. Należy jednak pamiętać, że dla samej metodologii badania nie ma znaczenia, co działo się między poszczególnymi hitami – jeśli działo się to poza witryną na której był umieszczony skrypt.

 

 

Kliki to z kolei interakcje w jakie wszedł użytkownik z reklamą lub innym elementem promującym znajdującym się na innych stronach internetowych i kierującym do naszej witryny.
Jeśli zdarzy się tak, że z danego źródła np. Google AdWords lub Ceneo.pl użytkownik przejdzie więcej niż raz w ciągu założonych 30 minut (bo np. jest zainteresowany kupnem nowego odkurzacza i szuka o nim informacji w Google lub porównuje jego ceny i funkcjonalności na Ceneo.pl) nasz system analityczny odnotuje tylko jedną sesję (ograniczoną 30 minutami pomiędzy poszczególnymi hitami np. odsłonami) natomiast kliknięcia zostaną zliczone na stronie, która ruch wygenerowała w liczbie rzeczywistej.

Przykład

Jeśli w swojej ofercie mamy np. trzy odkurzacze i użytkownik dotarł do każdego z nich na Ceneo.pl, po czym przeszedł do naszego sklepu (w ciągu 30 minut) w Google Analytics odnotowana zostanie 1 sesja, natomiast w panelu sklepowym 3 przejścia (kliki).
Użytkownik może wielokrotnie kliknąć ofertę sklepu – a w jej ramach w jeden lub kilka różnych produktów. Gdy ta sama osoba w czasie jednej sesji klika kilka razy w tę samą reklamę, panel Ceneo.pl rejestruje kilka kliknięć (przejść), a Analytics rozpoznaje poszczególne odsłony jako jedną sesję. Oba wyniki są prawidłowe i odzwierciedlają standardowe zachowanie użytkowników, którzy przed podjęciem decyzji zakupowej porównują dostępne oferty.

Nadpisywanie źródła

Jeśli korzystamy z usług wielu dostawców ruchu, ważnym czynnikiem, który musi być brany pod uwagę podczas analiz jest kwestia nadpisywania źródła wizyty. Jeśli użytkownik trafił do nas np. z Ceneo.pl, ale opuścił naszą stronę np. w poszukiwaniu dodatkowych informacji o produkcie np. na blogach i tam zobaczył reklamę Display (banner, np. remarketing), w którą kliknął – to jego pierwotne źródło wizyty (Ceneo.pl) zostanie nadpisane np. przez Google. Można zapytać – przecież to ten sam użytkownik, skąd zatem ta zmiana? Parametry śledzenia kampanii – zwane też parametrami UTM – powodują każdorazowe nadpisanie kluczowych wymiarów w Google Analytics, co owocuje podzieleniem sesji. W przypadku analizy kluczowych źródeł konwersji okazać się zatem może, iż źródło które miało kluczową z punktu widzenia samego zakupu rolę – zostało zastąpione przez inne. Problem ten jest głównie zauważalny przy agresywnych działaniach reklamowych (wielu źródłach wizyt). Jak zatem analizować naszych kupujących? Są dwie możliwości, które pozwolą nam zobaczyć trochę więcej. Pierwszym z nich jest odejście od konwencji analizy sesji, w stronę analizy użytkowników. Drugim natomiast przejście z tradycyjnego modelu analizy konwersji do atrybucji konwersji.

Przykład

Użytkownik znajduje nasz produkt na Ceneo.pl, wybiera naszą ofertę z pośród wszystkich dostępnych i przechodzi do naszego sklepu. Tam dodaje produkt do koszyka, i rozpoczyna proces zakupowy. Przed sfinalizowaniem transakcji, przechodzi np. na stronę banku, by sprawdzić dostępne środki, szuka dostępnych kuponów rabatowych lub trafia na stronę firmy kurierskiej aby sprawdzić warunki dostawy. W tym czasie, widzi baner reklamowy naszego sklepu (np. remarketing) i klika wracając do naszego sklepu, gdzie dokonuje ostatecznie zakupu. W takim przypadku konwersja last click przypisana zostanie ostatniemu źródłu – kampanii banerowej.

Odsłony a Sesje

W sytuacji, kiedy użytkownik jest w momencie porównywania produktów, może się okazać, że trafi do naszego sklepu kilkukrotnie w ciągu bardzo krótkiego okresu czasu. Warto zbadać wówczas, ilość odsłon przypadających na jedną wizytę.
Korelacja pomiędzy ilością przejść (klików) z Ceneo.pl a ilością Sesji może się zmieniać:

 

analityka3

 

Jeśli jednak relacja pomiędzy sesjami a odsłonami pochodzącymi bezpośrednio z Ceneo.pl również się zmienia, oznacza to, iż użytkownicy chętnie porównują produkty dostępne w naszej ofercie i chętnie w nie klikają.

 

analityka4

 

Na powyższych wykresach widać relację między przejściami (klikami) z Ceneo.pl a Sesjami i Odsłonami w Analytics. O ile zmiana, która pojawiła się w maju w porównaniu do kwietnia tj.

  • szybciej rosnąca liczba przejść w porównaniu do sesji, przy zachowaniu stałej proporcji odsłon,
    oraz ta zanotowana w porównaniu czerwca do maja tj.
  • spadek różnicy w przejściach i sesjach, które pociągnęły za sobą spadek liczby odsłon,
    są naturalnym zjawiskiem, o tyle trend, który pojawił się w październiku w porównaniu do września tj.
  • wzrost różnicy między przejściami oraz sesjami i dodatkowo spadek liczby odsłon, może sugerować, że dzieje się coś niepokojącego.

Warto w takiej sytuacji, sprawdzić do jakich stron trafiają użytkownicy przychodzący właśnie z Ceneo.pl.
Jeśli okaże się, że liczba odsłon stron produktów (które promujemy na Ceneo.pl) pojawia się w ramach jednej sesji, może sugerować to, iż potencjalny klient przeklikał się (przeszedł) z Ceneo.pl klika razy.

Przykład

analityka5

W tym przypadku docieralność do produktu za pośrednictwem Ceneo.pl, może być informacją o tym, że użytkownik porównuje ze sobą wiele produktów, lub też nawigacja po naszej stronie nie jest dla niego do końca zrozumiała.

Na co jeszcze warto zwrócić uwagę

Użytkownik

Głównym problemem analityki internetowej ostatnich lat stał się problem wzrostu liczby urządzeń z dostępem do sieci. Jeszcze kilka lat temu, jeden użytkownik powiązany był zwykle z jednym urządzeniem (zwykle komputerem), które logowało się do sieci. Dziś jest zupełnie inaczej: dynamiczny rozwój urządzeń mobilnych sprawił, że korzystamy nie z dwóch, ale nawet z trzech czy czterech urządzeń, przez co proces zakupowy często dzieli się na mniejsze części realizowane na poszczególnych urządzeniach. Aby jeszcze trafniej analizować zachowania i trendy na stronach internetowych musiało zmienić się podejście do samej analityki internetowej. Pojęcie cross-device staje się coraz bardziej popularne. Pokazuje nam ono jak ważnym aspektem jest nadanie danym w analityce internetowej nowego wymiaru – wymiaru użytkownika.

Analizowanie danych z perspektywy sesji pokaże nam tylko to, co działo się w ramach jednej wizyty, trwającej średnio zaledwie kilka minut. Zmiana tego podejścia na bardziej „pro użytkownik”, pokazuje, czy klienci wracają do danego sklepu. Na poniższym screenie przedstawiono różnice w ilości wizyt z perspektywy sesji i użytkownika.

Przykład

Jeśli na stronie mamy wdrożony moduł userId, dane będą jeszcze dokładniejsze. Pozwolą bowiem na analizowanie zachowań danego użytkownika pomiędzy urządzeniami. Segmenty zaawansowane w Google Analytics pozwalają na przeglądanie danych przez pryzmat danych zbieranych na poziomie sesji (w przykładzie powyżej: ceneo: sesje), ale również przy wykorzystaniu wymiaru użytkownika (patrz ceneo: użytkownicy).

Atrybucja konwersji

Tak bardzo, jak zróżnicowany może być proces zakupowy, tak samo skomplikowana lub zróżnicowana może być jego analiza. Użytkownicy coraz częściej przesiadają się pomiędzy urządzeniami, a sam zakup składa się często z przynajmniej kilku wizyt. Analiza konwersji w modelu last click (ostatni klik – wizyta) coraz mniej pasuje do tak dynamicznie zmieniającego się świata. W Universal Analytics z pomocą przychodzą nam konwersje wspomagane i atrybucja konwersji, czyli próba odpowiedzi nie na pytanie, który kanał ma największy wpływ na finalny zysk przedsiębiorstwa, ale jakie schematy zachowań są tymi kluczowymi.
Model last click jest domyślnie stosowanym rozwiązaniem w Google Analytics do przypisywania zakupu do źródła ruchu. Nie odzwierciedla on jednak w większości przypadków złożoności samego procesu zakupowego, od pozyskania użytkownika, przed dodanie produktu do koszyka, aż po płatność i zakup (co i tak często bywa zbyt prostym modelem).

 

analityka8

 

Raport konwersji wspomaganych, który dostępny jest w Google Analytics, pokazuje w jakich konwersjach dane źródło występowało jako ostatni element, natomiast w jakich wspomagało zakup (tj. wystąpiło w ścieżce zakupowej użytkownika).
Na poniższym screenie można zobaczyć, jak rozkłada się udział w „konwersjach po ostatnim kliknięciu” oraz w „konwersjach wspomaganych” ruchu pochodzącego z Ceneo.pl (ceneo.pl / referral).

 

 

Mikrokonwersje

Idealnym uzupełnieniem modułu e-commerce na stronie byłoby więc dodanie dodatkowych zdarzeń i celów, które w Google Analytics dodatkowo opisywałyby nam ruch, który pozyskujemy do naszego serwisu. „Dodanie produktu do koszyka”, „Zapisanie się do newsletter’a” czy też spędzenie na stronie odpowiednio długiego czasu – takie zdarzenia mogłyby dodatkowo ułatwić proces zarządzania ruchem i jego optymalizację. W analityce internetowej występują dwa typy konwersji: mikro i makro, te drugie są ściśle związane z zakupem i transakcją, te pierwsze z kolei to właśnie (tak jak przed chwilą zostało wspomniane) zdarzenia, czy też kroki, które prowadzą do tejże transakcji.

Podsumowanie

Analityka internetowa w przypadku e-sklepów jest bardzo ważnym aspektem. Warto poświęcić trochę czasu aby zrozumieć analizy i poznać szczegóły używanych systemów. Nie warto zagłębiać się w różnice między różnymi dostawcami statystyk, każde z nich jest bowiem prawidłowe – w zakresie interpretacji i dokładności na jaki pozwala dana technologia. Celem analityki jest badanie trendów i wyciąganie poprawnych wniosków na bazie każdego z systemów.

W powyższym artykule zwrócono uwagę na najważniejsze kwestie, z jakimi spotka się osoba analizująca wyniki swojej strony e-commerce. Kwestie związane z pozyskiwaniem ruchu, jego jakością oraz atrybucją konwersji (głównie różnice między modelami last click i assisted conversions), to zagadnienia, których warto się uczyć. Poprawnie wdrożona analityka ale również raporty od naszych partnerów – generowane w oparciu o wysokiej jakości dane, certyfikowane przez firmy zewnętrzne – to podstawy podejmowania decyzji w tak dynamicznym środowisku.