Poradnik dotyczy szkodliwego dla firm i konsultantów zjawiska – połowicznych analiz. Pracownicy branży marketingu internetowego zdają sobie sprawę ze znaczenia odpowiednio zebranych danych, ale ciągle korzystają ze zbyt ogólnych informacji i domyślnych szablonów raportów.

Artykuł opisuje proces poprawnej analizy danych w pięciu krokach. 3 koleje tematy to:

  1. Zadawanie poprawnych pytań
  2. Określanie co jest nie tak
  3. Włączanie danych do akcji.

Przemyślenie pytań.

Pierwszym krokiem jest przemyślenie pytań które są punktem wyjściowym do pozyskiwania i analizy danych. Zawsze istotna jest odpowiedź na pytanie „Jak wzrósł ruch?”, ale to nie jest prawdziwa analiza danych. Analityk musi zagłębiać się w dane i wyłapywać potencjalne problemy, zanim staną się poważnymi kłopotami. Do niego należy również określanie możliwości i wyzwań dla firmy.

Punktem wyjścia do kompleksowej analizy danych mogą być następujące pytania:

  1. Co serwis próbuje osiągnąć? Do czego dąży?
  2. Jeśli jeden lub dwa wskaźniki mogłyby identyfikować odniesienie sukcesu lub porażkę, to które ze wskaźników powinny nimi być?
  3. Co jest największym zagrożeniem na drodze do sukcesu i jak monitorować to zagrożenie?

Pytania mogą wydawać się zbyt ogólne, ale rzeczowe i szczegółowe odpowiedzi na nie mogą być bardzo dobrym początkiem analizy danych, pokazującym na jakie wskaźniki należy zwrócić szczególną uwagę.

Zacznij od makro i przejdź do mikroanalizy

Makroanaliza oznacza zrozumienie specyfiki sekcji witryny, różnych grup użytkowników i wskaźników najwyższego poziomu.  Oprócz znajomości aktualnych liczb powinno orientować się we wskaźnikach częstotliwości ich zmian, skalach zmian i relacjach między poszczególnymi miarami. Makroanaliza może obejmować ruch, stosunek stron do odwiedzin, czas spędzany na stronie, wskaźniki odrzuceń, itp. z podziałem na najważniejsze sekcje serwisu. Taka analiza pozwala na wyizolowanie obszaru powodującego problemy i szybką reakcję.

Mikroanaliza jest najczęściej pomijanym elementem rzetelnej analizy danych. W skrócie, mikroanaliza jest spojrzeniem na drugorzędne dane, którymi można łatwiej manipulować. Na tym etapie przydają się bardziej zaawansowane funkcje pakietu analitycznego, takie jak chociażby  śledzenie zdarzeń w Google Analytics. Dobrym punktem startowym mikroanalizy jest zidentyfikowanie obszarów, które przynoszą sukces (w postaci pobrań, subskrypcji, rejestracji, konwersji, itp.) i próba określenia ich cech wspólnych. Wyodrębnienie charakterystycznych cech ze stron odnoszących sukces umożliwia rozpoczęcie testowania tych właściwości w innych sekcjach witryny, tak aby poprawić współczynniki konwersji całego serwisu.

Przedefiniowana analiza

Prawda jest taka że większość marketingowców internetowych nie analizuje właściwych danych. Mnogość narzędzi analitycznych sprawia, że zostają przytłoczeni nadmiarem informacji.

Nieprawidłowości mają pierwszeństwo

Od czego zacząć? Od podejrzanych danych. Większość czasu należy poświęcić danym, które zaskakują, które nas dotyczą oraz rzeczom, które powodują zmiany w działaniu witryny. Jeżeli w tym celu używane jest Google Analytics, można zacząć od sekcji „Analiza„, która umożliwia ustawienie automatycznych alertów dla wskaźników które przekroczą określone zakresy. Pozwoli, to na natychmiastową reakcję, kiedy któryś ze wskaźników przyjmie nieoczekiwaną wartość.

Inną funkcjonalnością umożliwiającą szybkie identyfikowanie problemów jest funkcja porównywania danych. W GA możliwe jest porównywanie danych z dwóch zakresów dat, co pozwala na dostrzeżenie rozbieżności. W ten sposób można porównywać istotne wskaźniki z różnych sekcji serwisu.

Te dwie funkcjonalności Google Analytics pozwalają na dostrzeżenie anomalii w trakcie, a nie post factum.

Porównaj analizy z bieżącymi celami

W kolejnym kroku należy skupić się na  statystykach, które pozwalają ocenić czy firma (serwis) realizuje swoje cele. Narzędziem GA, która ułatwia analizę tych kluczowych danych jest zaawansowana segmentacja. Umożliwia ona porównywanie i przełączanie się pomiędzy różnymi wskaźnikami, rodzajami użytkowników i zmiennymi. Segmenty można zapisywać i stosować do różnych profili.

Często pomijana wizualizacja wskaźników pozwala na wyświetlanie tych samych danych na różne sposoby, co z kolei umożliwia dostrzeżenie związków między metrykami oraz trendów danych.

Natomiast dodane niedawno do GA sortowanie ważone pozwala na analizowanie danych o największym znaczeniu.

Nie wszystkie dane są dobre, wiedz kiedy się wycofać.

Czasami nie warto spędzać kolejnych godzin poszukując związków i wniosków, których nie ma. Liczby są liczbami, nie można ich zmienić.

Najtrudniejszą rzeczą w pakietach analitycznych jak Google Analytics jest to, że dają one praktycznie nieograniczony dostęp do danych. Poprzez wykorzystanie celów firmy do określenia priorytetów analiz z wykorzystanie wszystkich funkcjonalności można zobaczyć jak ogrom danych nabiera kształtów.

Przypisywanie wartości do danych

Pracą analityka jest spojrzenie na wszystkie dane i określenie jak wiele osiągnięto (lub nie) z dotychczasowych wysiłków. Można zacząć tworzenie scenariuszy w oparciu o dane, aby pomóc skierować firmę na bardziej opłacalną ścieżkę, a poprzez przypisanie wartości do danych można zacząć mówić językiem zrozumiałym dla wszystkich – pieniądze.

Warto wytłumaczyć obecną sytuację w złotówkach. Zbyt często analitycy posiadają wartościowe dane, ale tłumaczą je za pomocą tygodniowych spadków lub wzrostów. Zamiast tego warto przetłumaczyć dane na realne złotówki. Miara „wartość na wizytę” (VPV – value per visit) jest jedną z najbardziej przydatnych dla analityków kalkulacji.

Powiedzmy, że chcemy wiedzieć czy powinniśmy alokować więcej zasobów do pewnej sekcji serwisu. Chcemy wiedzieć jaki średni zysk przynosi jedna wizyta. Jak obliczyć wartość wizyty? Należy pobrać informację ile osób odwiedziło daną sekcję w ostatnim miesiącu i ile konwersji miało miejsce. Następnie należy pomnożyć liczbę konwersji przez jej wartość i w ten sposób uzyskać wartość pieniężną jaką przyniosła sekcja w ostatnim miesiącu. Wartość tą należy następnie podzielić przez liczbę odwiedzin sekcji i w ten sposób uzyskać realną daną do raportu. Obliczenia mogą wyglądać tak jak w przykładzie:

Zaraportowanie dobrych danych z dołączoną wartością jest tylko połową sukcesu. Innym etapem jest uczynienie tych liczb przekonywującymi. Powiedzmy, że dział marketingu potrzebuje informacji, na której sekcji serwisu powinien skupić swoje wysiłki CRO (Conversion Rate Optimization – optymalizacja współczynnika konwersji). Możesz być skłonny przekazać te dane w arkuszu kalkulacyjnym, ale dlaczego nie na wykresie kołowym?

Raportując wartości danych, warto opierać się o takie elementy jak wykresy słupkowe, wykresy kołowe i zakres sukcesu, gdyż pomagają lepiej zobaczyć dane, które są potrzebne.

Ostatni, ale nie najmniej ważny… Podejmij działania!

Kiedy znane są już powiązane wartości można przystąpić do dalszych działań. Prezentując dane warto dodawać bieżące wskazówki. Zebrane dane ułatwiają, sugerowanie możliwych działań. Dzięki nim, można mieć pewność, że proponowane są mądre posunięcia dla danej firmy.

Zdaniem analityków jest bowiem nie tylko upewnianie się, że wszystko jest w porządku, ale również szukanie sposobów na poprawę.

Dla osób, które nie mają doświadczenia w korzystaniu z narzędzia Google Analytics pomocne mogą być wcześniejsze wpisy:

(Źródło: http://www.seomoz.org/blog/so-you-call-yourself-an-analyst-part-1-asking-the-right-questions)