11 wskazówek korzystania z Google Analytics, które warto zapamiętać – przykłady dla analityków WWW

Google Analytics to obecnie już potężne narzędzie analityczne, które nie przestaje mnie zadziwiać. Z jednej strony od kilku lat już na nim pracuję i poznałem liczne przykłady jego wykorzystania w różnych firmach, z drugiej strony natomiast czuję się jakbym cały czas się go uczył.

Liczba jego funkcji oraz informacji jakich może dostarczyć jest naprawdę oszałamiająca. Nie dziwi mnie zatem fakt, że GA jest najpopularniejszym narzędziem do śledzenia statystyk oraz analizowania zachowania użytkowników na stronie internetowej. I nie wynika to wyłącznie z faktu, że jest ono darmowe w swojej podstawowej wersji – jest po prostu bardzo dobre.

W sklepach e-commerce wykorzystanie Google Analytics jest niemal powszechne. Firmy, które decydują się na inne, płatne rozwiązania, zwykle cały czas pozostawiają kody GA wpięte w stronę, aby korzystać z różnych narzędzi równolegle. W bardziej rozwiniętych organizacjach Analytics podpinany jest nawet pod hurtownie danych – tzn.  jego dane integrowane są z innymi systemami, aby dokonywać bardziej pogłębionych analiz.

Ale Google Analytics jest tak naprawdę narzędziem bardzo prostym. Domyślnie ustawione dashboardy są w stanie w parę minut dostarczyć podstawowych informacji na temat użytkowników witryny. A sam panel GA jest dosyć intuicyjny. Jedynym wymogiem na start, aby poprawnie interpretować dane, jest poznanie głównych pojęć (np.: użytkownik, sesja, odsłona, konwersja, współczynnik odrzuceń, średni czas trwania sesji, itd.) oraz sposobu dokonywanych wyliczeń.

Google Analytics – wyjaśnienia i wskazówki

Wszystkie definicje i zwroty używane w Analyticsie są już szeroko opisywane w internecie, zatem nie będę ich tutaj powtarzał. W niniejszym wpisie chciałbym bardziej skoncentrować się na podaniu paru przykładów bardziej zaawansowanego wykorzystania tego narzędzia. A także chciałbym wskazać te jego elementy, które są nieco mniej znane, a przez to niekoniecznie poprawnie interpretowane.

1. Przybliżenia. Dane podawane przez Google Analytics nie są zawsze dokładne. Po pierwsze, w przypadku większego ruchu na stronie, standardowe konto GA pokazuje statystyki na podstawie pewnej próbki użytkowników. Dopiero posiadanie konta w wersji Premium umożliwia dokładne zliczanie każdego wejścia na stronę. Po drugie istnieje szereg czynników, które powodują, że niektóre sesje są źle przypisywane. Można wśród nich wymienić m.in.: korzystanie przez użytkowników z adblocka, błędy w skryptach, złe otagowanie linków. Dlatego należy liczyć się z tym, że będą występować wyniki w GA, które są całkowicie nielogiczne oraz niezrozumiałe. I dopóki te rozbieżności nie przyjmą większych rozmiarów, można je całkowicie pominąć.

2. Segmentacja. Kluczem do większości pogłębionych analiz w GA jest utworzenie własnych segmentów użytkowników. Wynika to z prostego powodu – zachowanie użytkowników jest w dużej mierze zależne od źródła, z którego zostali pozyskani, strony docelowej, na którą trafili lub też z typu urządzeń, z których korzystają podczas sesji. Tych czynników zmienności jest oczywiście o wiele więcej. Patrzenie na łączne wyniki oraz średnią ze średniej uniemożliwia znalezienie prawdziwych zależności. Utworzenie własnych segmentów jest bardzo proste – wystarczy tylko poprawnie zdefiniować warunki ograniczające.

3. Ruch bezpośredni – Direct. Ruch definiowany w Analyticsie jako bezpośredni (Direct) jest dosyć często błędne interpretowany. Wiele osób zapomina o tym, że w tą kategorię, oprócz użytkowników, którzy samodzielnie wpisali adres strony lub przykładowo skorzystali z zakładki „ulubione”, zaliczane są także wszystkie inne sesje, których nie udało się przypisać do żadnego innego źródła. Według różnych szacunków i testów, do których udało mi się dotrzeć, nawet kilkadziesiąt procent ruchu rejestrowanego jako „bezpośredni” może być w rzeczywistości ruchem organicznym (organic – tzn. z wyszukiwarek). A powodem, który powoduje te błędy w przypisaniu do kanału są, wspomniane wcześniej, adblockery i antywirusy wykorzystywane przez użytkowników, które wpływają na poprawność funkcjonowania skryptów GA.

4. Domyślna atrybucja “Last Non-Direct Click”. Jeśli mowa już o ruchu Direct to nie można pominąć innej bardzo istotnej kwestii. Otóż przy włączonym module e-commerce w GA, domyślny sposób przypisywania (inaczej atrybucji) przychodów do kanału działa na następującej zasadzie – przypisz przychody do ostatniego kliknięcia, za wyjątkiem wejścia bezpośredniego. Skomplikowane? Zatem wytłumaczę to na przykładzie. Jeżeli użytkownik wchodzi na stronę bezpośrednio poprzez wpisanie adresu i jest to jego pierwsza sesja widziana przez Analytics, wtedy kwota jego zakupów jest przypisywana do kanału Direct. Natomiast jeżeli Analytics widzi, że to jest już druga sesja tego użytkownika na stronie, a poprzednia została rozpoczęta poprzez przeklik z innego kanału (np. social mediów, adwords/ cpc, ruch organiczny) wtedy przychody z ostatniej sesji zostaną przypisane do poprzedniego kanału, a nie do ruchu bezpośredniego. Więcej szczegółów na stronach google.

5. Wymiary dodatkowe. To jeden z najszybszych sposób na wzbogacenie domyślnych danych wyświetlanych na dashboardach GA. Wystarczy wybrać z opcji „wymiary dodatkowe” drugą zmienną do tabeli, a podstawowe dane zostaną rozszerzone o kolejne. Przykładowo liczbę odsłon na poszczególnych podstronach można za pomocą kilku kliknięć rozszerzyć o źródło/ medium, skąd pozyskani zostali użytkownicy.

6. Porównywanie okresów. Google Analytics umożliwia dowolne sterowanie zakresem dat, dla których pokazywane są statystyki. Oprócz tego pozwala na zestawienie danych dla dwóch różnych okresów. Możemy wtedy przeanalizować, co się wtedy zmieniło i dlaczego. Warto przy tym zwrócić uwagę na zmienność ruchu w zależności od dnia tygodnia. Jeżeli porównujemy ruch na przykład za ostatnie 2 tygodnie to warto ustawić w opcjach okres „niestandardowy” dwie daty zaczynające się tego samego dnia tygodnia – poniedziałku lub soboty. W innym przypadku możemy zniekształcić nieco wyniki dla któregoś z okresów.

7. Adnotacje. Jeżeli jesteśmy już przy porównywaniu poszczególnych okresów, warto mieć w jednym miejscu spisane najważniejsze wydarzenie, które mogły mieć wpływ na zachowanie i ruch użytkowników. Służą do tego tzw. adnotacje. Warto tam zapisywać m.in.: daty prowadzonych kampanii reklamowych, awarie na stronie, wysyłki newsletterów, itp.

8. Wizualizacja danych. Analytics jest doskonałym narzędziem analitycznym samym w sobie. Za jego pomocą możemy samodzielnie dobierać sposób prezentacji oraz układ danych. Nie wszystkie wykresy da się tam utworzyć i niektóre dane trzeba najpierw pobrać do Excela i tam poddać odpowiedniej obróbce, ale zakres możliwości jest i tak w GA dosyć szeroki – tylko nieco ukryty z boku. Na poszczególnych dashboardach należy poszukać w prawym górnym rogu nad tabelami dodatkowych możliwości prezentacji danych (zaznaczone na grafice powyżej). Znajdziemy tam zarówno inne układy tabel, jak również możliwość tworzenia animacji pokazujących zmiany w czasie.

9. Analiza kohortowa. To jeden z nowszych modułów, który pojawił się w Analyticsie, ale jeden z praktyczniejszych w zastosowaniu. Wybieramy wcześniej ustawiony segment, przechodzimy do zakładki z analizą kohortową i jesteśmy w ciągu paru sekund ocenić zachowanie i wartość danej grupy użytkowników w kolejnych okresach począwszy od momentu ich pozyskania. Bogactwo informacji w jednym miejscu.

10. Jak wyeksportować więcej niż 5 tysięcy rekordów z Analyticsa do Excela? Niestety Analytics pozwala za jednym razem pobrać nie więcej niż 5 tysięcy rekordów. Dla większych witryn z setkami podstron, które dodatkowo są tagowane, to zdecydowanie za mało. Niektóre firmy radzą sobie z tym poprzez dedykowane aplikacje pobierające dane. Lecz istnieje jeszcze jeden, prostszy sposób – skorzystanie z Google Analytics Spreadsheet Add-on. Działanie jego można opisać następująco: uruchamiamy arkusz kalkulacyjny Google, pobieramy dodatek, a następnie tworzymy raport, dobierając sobie poszczególne miary i wymiary. Za jednym razem możemy wygenerować nawet kilka raportów po 10 tysięcy rekordów. Pozostaje tylko wtedy dodać kolejny arkusz, który agreguje te pojedyncze raporty w jeden i gotowe. Pobranie 50 lub 100 tys. rekordów do Excela nie zajmuje później dłużej niż 5 min. Kolejnym narzędziem, które można wykorzystać to Data Studio – aplikację webową, która umożliwia połączenie się z kontem GA i pobieranie z niego danych.

11. Proces sprzedaży i konwersja. Na koniec warto podkreślić, że Google Analytics to przede wszystkim narzędzie służące do poprawy sposobu, w jaki firma zarabia pieniądze. Ale aby przejść z poziomu ciekawych „wykresików” do prawdziwej analizy należy poczynić na koncie GA parę dodatkowych ustawień. W pierwszej kolejności zdefiniować kluczowe zdarzenia, wyznaczyć cele, a w przypadku działalności e-commercowej należy także zintegrować sklep z GA. W rezultacie otrzymamy możliwości śledzenia zajścia kluczowych dla firmy zdarzeń na stronie, będziemy mogli analizować wartość, jaką wnoszą, a także lepiej poznać cały proces sprzedaży od dodawania produktu przez klienta do koszyka po końcową konwersję.