Co vám Ecommerce v Google Analytics neřekne

V přechozím článku Jak přesný je Ecommerce v Google Analytics jsem se pokusil vysvětlit, že 100% shoda prodejů dle Google Analytics a vašeho interního systému je nereálná (komentáře pod článkem to jen potvrzují), a z toho důvodu asi nikdo nepoužívá GA k primárnímu reportování online prodejů. Hlavní přínos Ecommerce v Google Analytics nicméně spočívá v tom, že dokáže propojit data o prodejích s kampaněmi a chováním zákazníků na vašem webu. Na základě tohoto propojení pak lze jednoduše zjistit, jaké kampaně generují nejvyšší obrat, které stránky na webu přesvědčí návštěvníky k nákupu, a u kterých naopak dochází ke ztrátě a odchodu z webu.

Pokud jste to ještě nikdy nezkoušeli, vytvořte si jeden vlastní segment pro návštěvníky, kteří na vašem webu nakoupili a druhý pro návštěvníky, kteří  odešli s prázdnou. Na oba segmenty se pak podívejte v reportech kampaní (Traffic Sources) a navigace po webu (Top Content, Top Exit Pages apod.). Pokud najdete zásadní rozdíly, můžete okamžitě začít formulovat změny, které povedou ke zvýšení obratu vašeho eshopu.

V předchozím článku doporučuji nasadit Ecommerce modul na každý web, který něco prodává. Je ale dobré mít na paměti i to, co všechno vám Ecommerce v Google Analytics neřekne, nebo kde vám dokonce bude tak trochu lhát.

Nákupní proces není lineární

Předně je nutné si uvědomit, že u mnoha produktů (typicky v B2B, v retailu pak finanční služby jako např. pojištění nebo hypotéky) neprobíhá nákupní proces lineárně. Na výběru a rozhodování se podílí více osob v delším časovém úseku, součástí je průzkum trhu a srovnávání nabídek, dochází k interakci s různými distribučními kanály.

Pohledem webové analytiky to znamená, že nákup není otázkou jedné návštěvy, nýbrž výsledkem několika opakovaných návštěv, které jsou ovlivněny různými kampaněmi jako je bannerová reklama nebo PPC reklama ve vyhledávačích, ale také odkazy, které vznikají spontánně jako např. hodnocení na nezávislých diskusních fórech. Pokud chcete zvýšit prodeje na vašem webu, musíte znát typický nákupní cyklus v jednotlivých segmentech vašich zákazníků, a také to, jak v rámci tohoto procesu vstupují zákazníci do interakce s jednotlivými akvizičními i distribučními kanály. Tyto informace vám z velké části může zprostředkovat nástroj webové analytiky.

Google Analytics: Visits to Purchase a Days to Purchase

Pro lepší pochopení nákupního cyklu na vašem webu poskytuje Google Analytics v rámci Ecommerce modulu 2 reporty: Visits to Purchase, který by měl říkat, kolik návštěv potřebují zákazníci k nákupu a obdobně Days to Purchase, který by měl říkat, kolik dní. Záměrně říkám “by měl”, protože z vlastní praxe vím, že mi uvedené reporty nikdy nedávaly moc velký smysl, a proto jsem je sabotoval, protože jsem se nechtěl nechat přesvědčit, že 70% lidí si může sjednat pojistku během své 1. návštěvy na webu pojišťovny.

Vysvětlení našel teprve nedávno Avinash Kaushik (otázka č. 5), který došel k závěru, že uvedené reporty jsou špatně, respektive, že to, co dané reporty uvádějí, je počet návštěv/dní od příchodu z poslední kampaně a Google Analytics považuje za kampaň v podstatě všechno mimo přímé přístupy (tj. vyťukání URL adresy do prohlížeče). Tím se tyto reporty stávají absolutně nepoužitelnými, protože nedávají reálný obrázek o všech návštěvách, které předcházely nákupu.

Atribuční model Google Analytics

Jakmile zmapujete nákupní cyklus na vašem webu, potřebujete také vědět, jak tento cyklus ovlivňují jednotlivá média a kampaně, do kterých investujete svůj mediální rozpočet. Klíčem pro pochopení vlivu kampaní na prodeje je atribuční model (více informací o tom, co je atribuční model, najdete v článku Vyhodnocování výkonu mediálních investic v multikanálovém prostředí). Nejlépe vysvětlím fungování atribučního modelu na příkladu.

Řekněme, že prodáváte digitální fotoaparáty na webu a máte méně známý eshop. Karel Blesk by si rád koupil zrcadlovku pro začátečníky, ale není si jistý, zda Canon, Nikon, Sony, Pentax, Panasonic a také přemýšlí, jestli by nebylo lepší přihodit pár tisíc a koupit si něco o třídu výš. Není si ani jistý, jaký objektiv by byl nejlepší. Někdo říká, že nejlepší je jeden objektiv na všechno, někdo zase chválí pevná ohniska kvůli jejich dokonalé kresbě. Paní Blesková hudruje, že rok starý superzoom je pořád ještě super a je zbytečné dávat tolik peněz do něčeho, co nepotřebují. (Všimněte si prosím, že tento nákupní proces vůbec není lineární :-)). Karel si nicméně pročítá recenze fotoaparátů na internetu a u recenze na Nikon D5000 na něj bliká váš banner. Karel ho proklikne a na vašem webu zjistí, za kolik prodáváte Nikon D5000 v setu s objektivem a kolik by stála základní “padesátka”. Podobně si obejde ještě několik dalších eshopů a hledá nejlepší cenu při dostatečné míře důvěryhodnosti eshopu kvůli pozdějším reklamacím apod. Po měsíci, kdy i paní Blesková už to nevydržela a dala pokoj, se Karel konečně rozhodne, že si koupí svůj nový D5000 u vás, na Seznamu proto vyťuká www.vasweb.cz a nákup zrealizuje.

V uvedeném příkladě Karel uskutečnil 2 návštěvy:

Tak a teď kvízová otázka: ke které kampani přiřadí Google Analytics daný nákup? Správná odpověď je SEO / PPC, tj. vyhledávači, zatímco u bannerové reklamy zůstane 0. Pokud tedy budete optimalizovat svoje akviziční náklady a investice do médií na základě reportu z Google Analytics, může vás to vést k tomu, že posílíte výdaje do SEO / PPC na úkor bannerů. V uvedeném příkladě by ovšem bez banneru byla šance na to, že si Karel koupí svůj nový Nikon právě u vás, mnohem menší. Vyhledávač hrál pouze malou úlohu v nasměrování již rozhodnutého zákazníka na to správné místo.

Závěr

Mediální plánování na základě reportů Ecommerce v Google Analytics je lepší než nic, nicméně není to ani optimální řešení. Bez znalosti nákupního cyklu vašich zákazníků, sofistikovanějších analytických nástrojů a pokročilého atribučního modelu, nemůžete maximalizovat online prodej. V dalším pokračování této série proto popíšu konkrétní postup a případovou studii, jak lze hodnocení a optimalizaci akvizičních kanálů dělat lépe (a radostněji).

Jiří Brázda
twitter.com/jiribrazda