Επιστρέφουμε στην κουβέντα μας για τα Google Analytics και συνεχίζουμε από εκεί που την αφήσαμε. Αν δεν θυμάστε τι και πως (ή δεν διαβάσατε το πρώτο μέρος), τότε μπορείτε να βρείτε περισσότερα κάνοντας κλικ εδώ.
Απλά οφείλω να γράψω και εδώ, ότι οι πιο κάτω σκέψεις επικεντρώνουν κυρίως στα Google Analytics, και είναι λίγο τεχνικές. Προσπάθησα να τις κάνω όσο πιο απλές γίνονται, για να μην κουράσω, αλλά αν δεν ανήκετε στο οικοσύστημα του eCommerce, ίσως να σας φανούν λίγο αδιάφορες. Αυτά στα πολύ γρήγορα.
Φορέστε ζώνη. Ξεκινάμε…
Τελείωσα το προηγούμενο άρθρο λέγοντας πως πρέπει να ανοίξουμε λίγο το εύρος της σκέψης μας και να προσπαθήσουμε να αναλύσουμε τον χρήστη μας και τη συμπεριφορά του, όχι χρησιμοποιώντας fixed δείκτες που έχουν τα Google Analytics, αλλά προσπαθώντας να δημιουργήσουμε νέους δείκτες που έχουν μεγαλύτερη αξία.
Και έκανα μια μικρή ανάλυση ενός νέου δείκτη που δεν υπάρχει στα GA, του Engagement Rate.
Αυτός όμως δεν είναι ο μόνος δείκτης που θα μπορούσαμε να φτιάξουμε.
Δεν θα μας ενδιέφερε, για παράδειγμα, να έχουμε ένα δείκτη που να μας λέει κατά πόσο αυτοί που μπαίνουν στο eshop μας βρίσκουν τελικά κάτι να αγοράσουν. Έναν δείκτη, ας του πούμε, ‘Finding Rate‘?
Όπως επίσης, δεν θα είχε ενδιαφέρον ένας δείκτης που θα μας δείχνει πόσο αποδοτική είναι η σελίδα προϊόντος μας (ας τον πούμε ‘Product Page Effectiveness Page’) ή ένας δείκτης που θα μας έδειχνε τι ποσοστό των συνολικών επισκεπτών βάζει κάτι στο καλάθι του (πχ. ‘Add to Cart Rate‘) και όχι απλά ο δείκτης ‘Sessions with Add to cart’ που έχουν τώρα τα GA και είναι ξερό absolute νούμερο (π.χ. 232123) ?
Αν ακούγονται ενδιαφέροντα όλα αυτά, τότε κάνε παύση…
Πήγαινε πάρε καφέ (αν είσαι δουλειά), ή κρασί (αν είσαι σπίτι), πάρε και μια τζούρα (αν καπνίζεις), για να ταξιδέψουν οι ταλαίπωρες σκέψεις στην ευχή του Θεού, μαζί με τον καπνό… και ξεκινάμε.
Ότι ακολουθεί είναι πολύ εύκολα υλοποιήσιμο, αρκεί να υπάρχει ένα απλό account GA.
Το Funnel Αποδοτικότητας eCοmmerce
Το… what??
ΟΚ, ΟΚ, ήμουν απότομος. Πάμε πάλι…
Αυτό είναι το funnel αποδοτικότητας, και στην ουσία χρησιμοποιεί τους δείκτες που αναφέραμε πιο πάνω, για να ερμηνεύσει τη συμπεριφορά των χρηστών, μέσα στο eshop σου.
Ρίξτου μια πιο προσεκτική ματιά, για να το καταλάβεις.
Τώρα, αν είσαι και άνθρωπος του Marketing, τότε ίσως να μπορούσε να σε βοηθήσει καλύτερα το ακόλουθο image:
Όπου αν τα βάλουμε κάτω, τι θα δούμε…;
Πως κερδίσαμε την προσοχή (Attention) του καταναλωτή; Με επίσκεψη (session)
Πως μετρήσαμε το ενδιαφέρον (Interest) του, για εμάς; Αν έμεινε και αλληλεπίδρασε με το eshop μας (engagement)
Πως μετρήσαμε την επιθυμία (desire) του να αγοράσει; Αν ξεκίνησε να ψάχνει και να βλέπει προϊόντα (Finding)
Πως μετρήσαμε την ενέργεια (action) του; Με την προσθήκη του προϊόντος στο καλάθι και με την αγορά.
Έτσι δεν είναι;
Αν ναι, πάμε να το φτιάξουμε… (αν διαφωνείς, τότε μέχρι εδώ που έφτασες είσαι καλά. Πιο κάτω, γίνεται βαρετό το σεντονάκι 😎)
Στο πιο πάνω Link θα βρεις ένα μοντέλο που χρησιμοποιώ εδώ και χρόνια, και με βοηθούσε πάντα να καταλάβω πως τρέχουν τα eshops που δούλευα/συνεργαζόμουν. Πόσο αποδοτικό ήταν κάθε βήμα, και που είχα πρόβλημα που έπρεπε να κοιτάξω πιο βαθιά για να το αναλύσω.
Το μόνο που χρειάζεται αυτό το μοντέλο είναι να συμπληρωθούν 6 τιμές που υπάρχουν ήδη μέσα στο GA, όπου θα δημιουργήσουν τους νέους δείκτες, που αναφέραμε πιο πάνω.
Ας το δούμε όμως λίγο πιο αναλύτικα.
Αρχικά, μπορείς να πας στο ‘File’ (πάνω αριστερά στο Google Sheets) και να επιλέξεις ‘Make a Copy’ για να το πάρεις στο drive σου, και να αρχίζεις να δουλεύεις πάνω του. Είναι 100% free.
Κατά δεύτερον, έχω ακόμα 3 tabs. Ένα που περιγράφει πως χρησιμοποιείται το εργαλείο, ένα που περιγράφει που θα βρεις τις τιμές που πρέπει να συμπληρωθούν, και ένα τελευταίο που με αποθεώνει και περιγράφει πόσο γοητευτικός πρίγκηπας είμαι (όχι εντάξει, υπερβάλλω) 🙂
Και κατά τρίτον, αν το χρησιμοποιήσεις (είναι πολύ απλό), σου δουλέψει σωστά, και βρεις ότι τελικά έχει κάποια αξία, έλα να αφήσεις ένα σχόλιο είτε εδώ, είτε στο Linkedin, και να μας πεις τη γνώση σου ή προτάσεις για βελτίωση του.
Επιστρέφουμε στο μοντέλο και ας δούμε πως δουλεύει.
Η λογική του είναι πολύ απλή.
Δημιουργούμε ένα funnel, προσπαθώντας να κατανοήσουμε πως αλληλεπίδρασαν οι επισκέπτες μας σε κάθε βήμα. Με την διαφορά πως αντί για absolute values (που έχουν τα GA), δηλαδή στεγνά νούμερα, εμείς θα τα μετατρέψουμε σε relative values (ποσοστά), για να καταλαβαίνουμε καλύτερα τι γίνεται σε κάθε ενότητα.
Έτσι το εργαλείο – funnel ακολουθεί την ακόλουθη σκέψη:
α. Πόσοι μας επισκέφθηκαν?
β. Από αυτούς που μας επισκέφθηκαν, πόσοι τελικά αλληλεπίδρασαν με κάτι που τους δείξαμε? (Engagement Rate)
γ. Από αυτούς που αλληλεπίδρασαν, πόσοι τελικά είδαν κάποιο προϊόν που πουλάμε? (Finding Rate)
δ. Από αυτούς που είδαν κάποιο προϊόν, πόσους τελικά πείσαμε να το αγοράσουν; (Product Page Effectiveness Rate)
ε. Πόσοι ήταν τελικά αυτοί που ξεκίνησαν να αγοράζουν κάποιο προϊόν μας; (checkout start rate)
στ. Και πόσοι από αυτούς ολοκλήρωσαν αυτή τη διαδικασία; (checkout completion rate).
Στην ουσία δηλαδή, είναι οι δείκτες με το πράσινο χρώμα, στην αριστερή πλευρά.
Και επειδή είμαστε και αριθμολάγνοι, φτιάχνουμε και ακόμα 3 δείκτες στα δεξιά. Γιατί μπορούμε! 🤟🙂
Αυτό είναι όλο.
Πλέον δεν υπάρχουν τιμές χωρίς νόημα, π.χ. 121,345 sessions with add to cart. Πλέον βλέπουμε με ποσοστά πόσο αποδοτική είναι η κάθε ενότητα του eshop μας, και ξέρουμε που πρέπει να επικεντρώσουμε περισσότερο και να επέμβουμε.
Δεν είναι πολύ πιο χρήσιμο; 😉
Οι πηγές
Καταρχάς, στα γρήγορα να πω, ότι οι πιο κάτω πληροφορίες έγιναν τεστ και δούλεψαν μια χαρά σε μια απλή εγκατάσταση GA πάνω σε Magento. Η λογική είναι ακριβώς η ίδια και για όλα τα υπόλοιπα open carts (Presta, OpenCart, Shopify, κτλ), αλλά και για custom υλοποιήσεις.
Στο Magento, θα βρείτε μια τεράστια συλλογή με extensions για analytics κάνοντας κλικ εδώ. Για χάρη αυτού του τεστ, έφτιαξα νέο container στο GTM για να μην χαλάσω την εγκατάσταση μου (αγνοήστε το αυτό, δεν σας ενδιαφέρει, το πέταξα για πουλμουρ 🙄) και πειραματίστηκα με την free έκδοση αυτού του extension, αλλά θα πλήρωνα πολύ ευχάριστα τα 250 δολαριάκια που έχει, αν δεν είχα σετάρει τα πιο πολλά ήδη.
Αυτά με τα software. Και δεν ξεχνάμε να ενεργοποίησουμε το Enhanced Ecommerce Reporting, μέσα στα GA (Admin -> View -> Ecommerce Settings).
Δεδομένου ότι είμαστε ΟΚ, με τα πιο πάνω, πάμε να δούμε τώρα που θα βρούμε τα values στα GA, που πρέπει να συμπληρώσουμε στο μοντέλο μας.
Sessions και Bounce Rate
Πηγαίνουμε με σειρά Acquisition -> All Traffic -> Channels και παίρνουμε τις τιμές που υπάρχουν στο Sessions και στο Bounce Rate
Sessions with Product Views
Πηγαίνουμε με σειρά Conversions -> Ecommerce -> Shopping Behavior και επιλέγουμε την τιμή ‘Sessions with Product Views‘
Sessions with Add to Cart
Αντίστοιχα, παραμένουμε στην ίδια καρτέλα, και παίρνουμε την τιμή από το ‘Sessions with Add to Cart‘
Four down… two more to go!
Checkout Visited
Εδώ θα πρέπει να κάνουμε λίγη δουλίτσα, για να μην έχουμε λανθασμένη πληροφορία στην ανάλυση μας.
Το πρώτο που πρέπει να κάνουμε είναι να βρούμε όλες τις σελίδες που περιλαμβάνουν μέσα το ‘checkout’. Οπότε για αρχή, πάμε στο Behavior -> Site Content -> All Pages.
Εκεί, όπως θα δείτε πιο κάτω, υπάρχουν όλες οι σελίδες και κάποιες που αναφέρουν μέσα το checkout. Αυτές μας ενδιαφέρουν.
Αν στο search γράψουμε απλά ‘checkout’ τότε θα δούμε τα πιο κάτω αποτελέσματα:
Όπως θα παρατηρήσετε όμως, υπάρχουν δυο προβληματάκια.
Για αρχή, το Magento έχει μια αρχιτεκτονική όπου βάζει το cart μέσα στη διαδικασία του checkout (πχ δείτε τα υπογραμμισμένα links. Δεν υπάρχει σκέτη σελίδα /cart, αλλά είναι κάτω από το /checkout/cart).
Εμάς όμως μας ενδιαφέρουν πόσοι χρήστες ξεκινάνε την αγοραστική διαδικασία του checkout. Άρα θα πρέπει να εξαιρέσουμε ότι έχει μέσα το λεκτικό cart.
Επίσης, αν παρατηρήσετε στο τρίτο αποτέλεσμα, η τελευταία λέξη είναι ‘success’. Άρα αυτή είναι η σελίδα επιβεβαίωσης της παραγγελίας, που δεν την θέλουμε επίσης, σε αυτόν τον υπολογισμό.
Οπότε τι πρέπει να κάνουμε; Να βάλουμε δυο φιλτράκια που θα εξαιρέσουν αυτές τις σελίδες (την Cart και την Success).
Κάνουμε click στο ‘Advanced Search’, όπου θα βάλουμε τα πιο κάτω φίλτρα:
Στην ουσία λέμε στα GA “φέρε μας όλες τις σελίδες που έχουν το ‘checkout’ μέσα, αλλά απέκλεισε αυτές που έχουν μέσα το ‘cart’ και το ‘success”.
(εσύ που ξέρεις λίγο πιο advanced τα GA, παρατηρείς ότι προσπαθώ να μην χρησιμοποιώ regex, για να το κάνω όσο πιο απλό γίνεται, ε; Μην με κράξεις…)
Έτσι, θα πάρουμε σαν τελικό αποτέλεσμα το ακόλουθο:
Αυτή είναι η πληροφορία που μας λέει πόσοι επισκέπτες φτάνουν στο checkout για να ξεκινήσουν τη διαδικασία ολοκλήρωσης της παραγγελίας, Αυτό το νούμερο θα χρησιμοποιήσουμε και στο μοντέλο μας, στο πεδίο ‘Checkout visited’.
Checkout Complete
Τέλος, θα πρέπει να βρούμε πόσοι χρήστες ολοκληρώνουν την παραγγελία τους. Ακολουθώντας την πιο πάνω λογική, στην ουσία πρέπει να βρούμε απλά, πόσες φορές εμφανίζεται η success page.
Άρα πηγαίνοντας Behavior -> Site Content -> All Pages, θα πρέπει να βάλουμε το ακόλουθο φίλτρο:
Tip: Αν και στο παράδειγμα πιο πάνω μας δούλεψε σωστά, θα πρέπει να γνωρίζετε πως αν βάλετε σκέτο το ‘success’, ενδεχομένως να φέρετε και άλλες σελίδες που περιλαμβάνουν το success μέσα, όπως πχ. την Logout Success.
Γι’ αυτό, το πιο σωστό είναι να ξεκινήσετε να κάνετε type και να επιλέξετε τη σωστή σελίδα που θα σας φέρει το autocomplete των GA (όπως πιο κάτω):
Εφαρμόζουμε το φίλτρο, και παίρνουμε την τιμή που θα εμφανιστεί στον πίνακα:
Είναι η τελευταία τιμή που χρειάζεται.
Την βάζουμε στο μοντέλο… και voila! Είναι έτοιμο!
(για να επιβεβαιώσετε ότι τα νούμερα που έχετε βάλει είναι σωστά, τότε το Conversion Rate που εμφανίζει το μοντέλο θα πρέπει να είναι ίδιο (ή σχεδόν ίδιο με ελάχιστη διαφορά στο δεύτερο δεκαδικό), με το Conversion Rate που δείχνουν τα GA σας. Αλλιώς κάπου έχετε κάνει κάποιο λάθος στους υπολογισμούς).
Αυτό ήταν όλο.
Πλέον έχετε μια ανάλυση της αποδοτικότητας του eshop σας, στις βασικές του ενότητες.
Και αν ξεκινήσετε να καταγράφετε αυτούς τους δείκτες, πχ μια φορά την εβδομάδα, θα μπορείτε να βλέπετε πως μεταβάλλονται, κάτι που θα σας επιτρέψει να αποκωδικοποιήσετε πολύ πιο εύκολα ποιες ενότητες του eshop σας, είναι αυτές που χρειάζονται επέμβαση για να βελτιωθούν, ώστε να βελτιώσουν και τα συνολικά KPIs σας.
Και καταλήγω με το ερωτησάκι που ήθελα να κάνω από την αρχή του πρώτου post για τα Analytics…
Είδατε τελικά, πόσο απλά και χρήσιμα μπορούν να γίνουν τα GA, αρκεί να κάνετε εσείς τις ερωτήσεις, που πρέπει να απαντηθούν; 😎
(ή σας κούρασα τόσο πολύ, που παραμιλάτε και μου ρίχνετε μπινελίκια…?)
Κλείνω με ένα σύντομο, αλλά πολύ απαραίτητο disclaimer.
– Το Bounce Rate είναι ένας πολύ χρήσιμος δείκτης. Το ότι έκανα μια σχετική πλάκα, στο πρώτο κείμενο δεν αναιρεί καθόλου την αξία του, στις αναλύσεις. Απλά, εξελλισόμαστε και εμείς μαζί με τους δείκτες μας, και έχουμε μάθει να ζητάμε περισσότερη ακρίβεια και ποιότητα.
– Πάντα θα παρακολουθώ φανατικά τον Avinash, ακόμα και όταν λέει ότι το Bounce rate είναι το ‘sexiest metric ever’. Όλοι οι μεγάλοι διδάσκαλοι δικαιούνται να έχουν και τις αδυναμίες τους. 🙂
– Τα Google Analytics είναι ένα διαμάντι ακατέργαστο, που δυστυχώς πολύ λίγοι ασχολούνται. Την επόμενη φορά που θα αποφασίσετε να δείτε κάποιο video στο Youtube για μαγειρική ή για Social Media και Digital Marketing, κάντε μια μικρή παράκαμψη, και δείτε ένα video για GA (ή ακόμα καλύτερα για Google Tag Manager). Είναι εργαλεία σύνθετα μεν, αλλά με τεράστια αξία ως τελικό αποτέλεσμα.
Αυτά, και σας ευχαριστώ πολύ για το χρόνο που αφιερώσατε να διαβάσετε και τα δυο άρθρα.
F.
– –
υ.γ.: Η τεχνολογία έχει την εξής ιδιοτροπία. Η’ δουλεύει ή δεν δουλεύει. Δεν έχει ενδιάμεσο στάδιο.
1 και 0.
Αυτή είναι η βάση της.
Που σημαίνει πολύ απλά, πως αν σε εμένα δούλεψε, και σε εσένα όχι… τότε κάτι κάνεις λάθος.
Η πιο εύκολη λύση είναι να μου στείλεις email και να μου γράψεις ‘Φώτη, δεν μου δούλεψε το μοντέλο, και δεν ξέρω γιατί’. Που σημαίνει ότι θα αρχίσουμε τα emails πήγαινε-έλα, να σε ρωτάω και να μου απαντάς, για να βρούμε τι μπορει να φταίει, για να σε βοηθήσω να το φτιάξεις, κτλ. Και θα χάνουμε και οι δυο το χρόνο μας, χωρίς να μαθαίνουμε κάτι καινούργιο (που αν είναι και αρκετός… μπορεί να σου πω ότι χρεώνω τριψήφια την ώρα, για να τρομάξεις 😈).
Και δεν το θέλουμε αυτό.
Γι’ αυτό λοιπόν, το πιο πάνω μοντέλο στο δίνω για να ασχοληθείς περισσότερο και να αποκτήσεις εξοικείωση με τα δυο βασικότερα εργαλεία ενός eCommerce Manager. Τα Google Analytics και τον Tag Manager. Οπότε, κάντο για εσένα και αφιέρωσε λίγο παραπάνω χρόνο, ξαναδες τα βήματα και διάβασε τις οδηγίες (και τις δικές μου και του extension που ενδεχομένως χρησιμοποιήσεις), και πίστεψε με, θα τα καταφέρεις.
Δεν είμαι πιο έξυπνος από εσένα.
Και θα είναι ειλικρινής η χαρά μου, όταν θα μου στείλεις email και θα μου γράψεις “Ήθελα να σου στείλω email για κάτι που δεν μου δούλευε, αλλά έκατσα τελικά και βρήκα τη λύση. Τώρα δουλεύουν όλα”. 😉
υ.γ.2: Έχω ξεκινήσει να φτιάχνω όλο το Funnel Αποδοτικότητας και σε Data Studio, όπου τα πεδία θα συμπληρώνονται από μόνα τους. Αν τα καταφέρω (γιατί θέλει αρκετή δουλίτσα με κάποια custom fields), θα το ανεβάσω μέσα στο Google Sheets, σαν link.
υ.γ3: Πιο κάτω και ένα video από το eBusiness World, που συζητάμε όλα τα πιο πάνω, και κάνουμε και μια λίγο πιο φιλοσοφική (!) προσέγγιση των Google Analytics.
Comentarios