Start up - moje doświadczenia w USA i w Polsce | Arek Skuza | Blog

Spędzając sporo czasu z analityką webową, rozmawiając z ludźmi, czytając fora i newslettery zauważyłem, iż analityka webowa (najczęściej w Polsce kojarzona z Google Analytics) postrzegana jest zbytnio, jako zestaw statystyk. Produkowanie kolejnych numerków do raportu jest z pewnością ważnym i istotnym zadaniem, ale jeszcze ważniejszym jest wnioskowanie, projektowanie akcji i wdrażanie zmian.
Narzędzia do analityki webowej dostarczają wyłącznie liczb (statystyk).  Liczby zawarte w np. Google Analytics pozwolą obiektywnie ocenić, to, że dany layout graficzny jest praktyczny lub nie. Liczby pozwolą obiektywnie powiedzieć “ten layout jest piękny i ładny, wszystkim nam się podoba, ale jest niepraktyczny. Użytkownicy z niego nie korzystają ponieważ…….(zestaw liczb pokazujących funkcjonalność layoutu graficznego)”. Natomiast to, jak zmienić dany layout, jak go optymalizować i w jaki sposób rozmieścić na nim elementy zależy już od umiejętności wnioskowania i umiejętności / możliwości wdrożenia zmian.

Oparcie zmian o analitykę webową jest fantastyczne ponieważ analityka webowa dostarcza solidnych dowodów na to, że coś (landing page, layout, formularz itp.) działa lub nie, że jest funkcjonalne czyli dobre dla użytkownika. Do zadań specjalistów analityki webowej, w mojej ocenie, powinno należeć przede wszystkim projektowanie zmian. Zatem nie tylko analiza liczb, ale przede wszystkim projektowanie kierunku zmian.

Warto przy tym pamiętać o wsparciu analiz ilościowych, analizami jakościowymi. Analiza jakościowa to nic innego jak zbliżenie się do punktu widzenia użytkownika, wejście w “jego buty”. Jeśli analizujemy liczby w Google Analytics, zorganizujmy np. konkurs na Facebook’u pod tytułem “Powiedz nam co sądzisz na temat naszego serwisu internetowego a dostaniesz od nas koszulkę”. Z sukcesem przeprowadzony konkurs pozwoli na pozyskanie opinii użytkowników, które pogrupowane, przeanalizowane, skondensowane pozwolą potwierdzić / osłabić wnioski wyciągnięte na podstawie analityki webowej.

Reasumując moje spostrzeżenia:
1. Analizuj liczby - każdą analizę zakończ sformułowaniem wniosków
2. Pamiętaj - liczby to nie wszystko, liczy się wnioskowanie i wdrożona zmiana
3. Wesprzyj analizy ilościowe (web analityka) analizami jakościowymi (feedback od użytkowników)

Mam nadzieję, że moje spostrzeżenia przydadzą się w Twojej pracy.

Miłego i fantastycznego dnia (Właśnie popijam kawę W Biegu Cafe na ul. Puławskiej w Warszawie, skąd pozdrawiam)
Arek

Sporo czasu w ostatnich dniach pracowałem z analityką webową konstruując ścieżki konwersji dla naszego www.totutam.pl.

Pracując nad rozliczaniem dotychczasowych kampanii i nad ścieżkami konwersji użytkowników (sales funnel) skonstruowałem kilka pomysłów na automatyzację powiadomień w Google Analytics.

1. Słowo kluczowe vs Bounce Rate

Z pewnością Wasze aplikacje webowe, blogi, strony firmowe posiadają w statystykach kilka słów kluczowych, które przynoszą największą “liczbę” ruchu. Warto zawsze analizować, jaki współczynnik odbicia powiązany jest z tymi słowami. Korzystając z opcji Alerts w panelu Google Analytics można z łatwością skonstruować powiadomienia, które będą informować o tym, że dane słowo kluczowe ma niepokojący poziom współczynnika odbicia. Takie rozwiązanie może przydać się w sytuacji, kiedy prowadzona jest online kampania marketingowa oparta o słowa kluczowe. Wówczas automatyczne powiadomienie poinformuje nas o tym, czy ruch, jaki płynie ze słów kluczowych jest wartościowy (w tej konkretnej kampanii).

2. Przychód z klientów obecnych

Automatyzacja alertów w Google Analytics pozwala na monitorowanie wzrostu przychodów na klientach powracających. Dzięki konfiguracji w panelu analitycznym GA możemy uzyskać informację o tym, że obecni klienci naszego biznesu wydają np. 30% więcej pieniędzy na produkty w naszym sklepie w porównaniu do ubiegłego miesiąca. Taka informacja pomoże nam przeanalizować realną wartość naszej oferty. W przypadku www.totutam.pl takim czynnikiem może być sprzedaż biletów na imprezy, seanse, przedstawienia w modelu afiliacji.

3. Monitorowanie automatyczne wskaźnika źródło odwiedzin / czas na stronie

Inaczej rzecz ujmując, analiza wartości źródła odwiedzin. Użytkownicy z pewnych źródeł np. facebook.com są bardziej wartościowi (z punktu widzenia czasu spędzonego na stronie) aniżeli użytkownicy z np. bebo.com. Wydając pieniądze na kampanie warto mieć informację o atrakcyjności danego źródła odwiedzin. Google Analytics pozwala na automatyzację powiadomień w tym obszarze.

i ostatni wskaźnik, który uważam, że warto zautomatyzować (w sensie powiadomień)

4. Miasto vs. wskaźnik odrzuceń vs. liczba wizyt

W przypadku warszawa.totutam.pl, istotna jest wartość wskaźnika dla użytkowników z Warszawy. Dzięki automatycznym alert’om mogę uzyskać informację zawsze wtedy, gdy wskaźnik odrzuceń wzrośnie powyżej 70% dla użytkowników z Warszawy. Uwzględniając wówczas także liczbę wizyt, jestem w stanie ocenić jaka jest liczba użytkowników, którzy “nie lubią” mojego biznesu.

To pierwszy post w języku polskim - jak miło tu wrócić.

Fantastycznego dnia

Arek

Kilka ostatnich artykułów na znanych polskich portalach zainspirowało mnie do napisania tego krótkiego postu.

12 godzin, 14 godzin, 18 godzin na stronach serwisów społecznościowych, 5 godzin na serwisach prasowych itd. Wspaniałe wyniki - hm….?

Zgodnie z moim przekonaniem, które przemycam na tym blogu - segmentuj, segmentuj, segmentuj dane, a zbliżymy się do prawdy.

Czy 2 godziny na stronie gazety wyborczej można jednoznacznie ocenić  jako zaangażowanie na wysokim poziomie? Co jeśli użytkownik poszukiwał informacji na onet.pl i nie mógł jej znaleźć? Jeśli spędziłem 30 minut na stronie logitech’a w poszukiwaniu sterowników, czy to oznacza moje zaangażowanie i ekscytację zawartością strony internetowej?

Prawdziwe wyzwanie dla “żonglujących” analityką web’ową (web analytics) to pozyskanie umiejętności głębokiej, biznesowej analizy wskaźnika czas na stronie (zapraszam przy okazji do mojego postu poświęconego zagadnieniu web analytics w serwisach społecznościowych). Warto pamiętać, że analizy wskaźników www (web metrics) są tym bardziej rzetelne im mocniej oddzielają dane ilościowe od jakościowych. Innymi słowy warto pamiętać, że dane ilościowe  (web metrics) wpisane mają w swoje “DNA” ograniczenie polegające na tym, że mierzą stopień zaangażowania (czas na stronie), ale nie potrafią mierzyć rodzaju zaangażowania (pozytywne, negatywne doświadczenie). W tej kwestii potrzebna jest solidna analiza i wnioskowanie.

Warto zatem zderzyć czas na stronie choćby z:

- głębokością wizyt,

- liczbą subskrypcji RSS,

- liczbą subskrypcji newsletter’ów.

Wciąż jednak należy pamiętać, że mierzymy poziom zaangażowania a nie jego rodzaj. Nadal nie jesteśmy w stanie powiedzieć czy w związku z wizytą na naszej www użytkownik odszedł usatysfakcjonowany czy też nie, czy nasza www dostarczyła pozytywnych wrażeń czy też uprzedziła i zapisała się w pamięci jako np. trudna w nawigacji.

Narzędzia, które mogą okazać się pomocne w procesie rozpoznania rodzaju zaangażowania to:

- ankiety online (nie myślę tutaj jednak o pop up’ach czy innych utrudniających życie elementach :),

- narzędzia śledzące “szepczących” czyli wszelkie pomoce, które pozwolą poznać opinię innych o nas,

- analizy długoterminowe (kilku letnie) pozwalające mierzyć w długim okresie czasu rozkład wskaźników lojalności (np. liczba powracających użytkowników).

Aby wygrać trzeba grać…..

Powodzenia

Arek

blog @ arekskuza.pl

Analityka webowa jest zagadnieniem szalenie interesującym i bardzo głębokim w swoim zakresie i możliwościach wnioskowania. Często spotykam się jednak z sytuacją, kiedy analitykę webową traktuje się tak (rysunek):

Większość firm, przedsięwzięć i projektów, które korzystają z web analytics traktują web analytics, jako proces gromadzenia danych i kolekcjonowania wskaźników. Sytuację można porównać do obrazka (po lewej stronie), gdzie większy prostokąt symbolizuje liczbę danych, jakie są dostępne podczas korzystania z narzędzi analitycznych (np. google analytics, omniture, woopra) a mniejszy symbolizuje ilość wniosków poczynionych na mocy tychże danych.

Najczęściej fakty są takie: dużo danych a mało analiz i wnioskowania. Innymi słowy, bardziej przywiązujemy wagę do “co?” niż do “dlaczego?” W ten sposób tracimy możliwość podejmowania akcji usprawniających, które pozwolą pójść w kierunku wartościowych zmian. Koncentracja na “co?” (ilość wejść na stronę, ilość kliknięć, godziny wejść na stronę itp.) uniemożliwia nam dojście do etapu “i co z tego wynika”. Bazując na prowadzonych projektach w Europie i USA, chciałbym przedstawić kilka elementów, które w procesie korzystania z web analytics, z pewnością okażą się pomocne:

1. Analiza kliknięć.

Analiza kliknięć odpowiada naszemu “co?”. Dostarcza informacji wprost o tym ile jest wizyt, ile jest unikalnych odwiedzin, jaki jest poziom współczynnika odrzuceń itp. Mając analizę kliknięć, mamy mnóstwo “co?”, czyli poruszamy się w obszarze żółtego prostokąta.

2. Analiza opinii użytkowników (radar nasłuchuje).

Analiza opinii użytkowników dostarcza przejrzystej wiedzy o “dlaczego?”. Nasłuchując Internet, śledząc blogi, korzystając z narzędzi typu technorati.com, google wonderwheel itp., mamy możliwość nasłuchiwać tego, dlaczego użytkownicy podjęli na danej stronie www pewne akcje a dlaczego nie podjęli innych kroków. Należy pamiętać, że narzędzia analityczne typu google analytics dostarczą nam jedynie “nagrania” i “rejestr” tego co użytkownicy zrobili na stronie www. Analizując opinie użytkowników a dodatkowo łącząc je z ankietami online, testami użyteczności, analizami heatmap otrzymujemy prawdziwie pełny obraz “dlaczego?”.

3. Spinam analitykę www (web analytics) z celami mojego biznesu.

Analizując “co?” często zerkamy na 100, 150, 200 różnych danych zebranych w raporty (web analytics dashboards) i rzadko zastanawiamy się, jak te dane łączą się z celami biznesowymi. Każda strona internetowa ma swoje cele np. ilość pobrań oprogramowania, ilość użytkowników, ilość obejrzanego video, które w efekcie wpływają na sprzedaż i pozyskiwanie użytkowników (proszę nie mylić z lojalnością :)). Zatem analiza “co?” połączona z wnioskowaniem “dlaczego?” powinna być łączona z celami biznesowymi strony internetowej.

4. Analiza konkurencji, czyli klasyka i web metrics.

Porównujmy się - tak najprościej można rozwinąć ten punkt. Poszukujmy wiedzy o wskaźnikach www naszej konkurencji. Analizujmy wskaźniki www tych, którzy budują wartość na naszym polu, którzy szukają sukcesu w tej samej grupie docelowej. Dla przykładu, mając na uwadze wskaźnik średniej ilości sekund spędzonej na naszej stronie www, porównujmy go ze średnią branży (np. raporty IAB), średnią konkurencji (np. raporty Gemiusa). Wówczas nasze wnioskowanie nabierze zupełnie nowego rozmiaru.

Powodzenia. I jak zwykle piszcie do mnie blog @ arekskuza.pl