admin 
Daugeliu atvejų „Google Analytics 4“ projektai prasideda kaip techninė užklausa. Rinkodaros komanda, klientas arba suinteresuotoji šalis prašo nustatyti stebėjimą. Kažkas gauna prieigą prie nuosavybės ir mano, kad duomenys galiausiai papasakos istoriją, kurios verta pasiklausyti.
Galbūt kartais taip. Tačiau dažniausiai jis sukuria skaičių rinkinį, kuris jaučiasi tikslus, bet atsako į klausimus, kurių niekas iš tikrųjų neuždavė.
Pirmiausia turėtų būti matavimo sistema. Visa kita turėtų sekti iš to. Nes tai suteikia techninei sąrankai tikslą prieš pradedant matuoti.
Pagrindinė problema yra ta, kad yra per daug duomenų ir nepakanka veiksmų. Ir tai yra spraga, kurią matavimo sistema turi užpildyti.
Įrėmink kūrinį prieš stebėdamas darbą
1. Pirmiausia apibrėžkite sėkmę paprasta kalba
Prieš kurdami įvykį, reikalingą atsakyti į klausimą, apibrėžkite sėkmę. Sėkmę reikia apibūdinti taip, kad ją pamatę žmonės galėtų atpažinti.
Jei jūsų tikslas yra generuoti potencialius klientus, ar sėkmė reiškia daugiau bendrų užklausų, ar geriau kvalifikuotų užklausų?
Dėmesys turinio našumui? Tada apibrėžkite sėkmės metriką kaip didesnį natūralų srautą, sugrįžtančius lankytojus, daugiau apsilankymų komerciniuose puslapiuose arba daugiau pagalbinių konversijų.
Jei norite plėsti el. prekybą, ar sėkmė reiškia daugiau pirkimų, didesnę vidutinę užsakymo vertę, mažiau atsiskaitymų ar daugiau nuolatinių klientų?
Kiekvienas atsakymas veda į skirtingą matavimo planą.
Štai kodėl nemanau, kad analitinis planavimas gali būti atskirtas nuo verslo konteksto. Tie patys duomenys gali būti naudingi, nesvarbūs arba klaidinantys, atsižvelgiant į tai, ko įmonė bando pasiekti.
2. Pradėkite nuo klausimų, o ne nuo metrikos
Tai yra taškas, kai aš vis tiek atidėliojau ataskaitų rengimą, kol negausiu atsakymų į svarbius klausimus, kurie apibrėš matavimo sistemą. Apklauskite savo verslą, lyg tai būtų simpatija, ir gaukite tuos duomenis! Tačiau pirmiausia susidarykite aiškų klausimų sąrašą ir nesustokite, kol negausite atsakymų.
Na, o dabar galite pagalvoti, ką verslui reikia atsakyti užtikrinčiau?
Pavyzdžiui:
- Kodėl vartotojai atsisako prieš pateikdami užklausą?
- Kurie nukreipimo puslapiai generuoja vertingas užklausas?
- Kuo grįžtančio lankytojo elgesys skiriasi nuo pirmą kartą apsilankiusių lankytojų elgesio?
- Kokius produktų ar paslaugų puslapius reikia tobulinti?
Šiame etape tikslas yra formuoti matavimo sąranką. Nes prietaisų skydelis turėtų padėti žmonėms nuspręsti, ką daryti toliau.
Tai skamba akivaizdžiai, bet būtent čia daugelis ataskaitų teikimo sąrankų tampa netvarkingos. Jos apima metriką, nes jos yra prieinamos, o ne todėl, kad kas nors nusprendė, kokį veiksmą jie palaiko.
Pratimas čia yra paprastas, bet kartais praleidžiamas: užsirašykite kiekvieną klausimą, kurį jūsų vadovų komanda užduos, jei turėtų prieigą prie neribotų, visiškai švarių duomenų. Tada peržiūrėkite šį sąrašą ir nustatykite, į kuriuos klausimus galėtų atsakyti jūsų dabartinė sąranka.
Atotrūkis tarp šių dviejų sąrašų yra jūsų matavimo sistemos užduotis. Iškilus šiems klausimams, sistema gali pereiti prie apibrėžties, kaip iš tikrųjų atrodo rezultatas.
3. Išsiaiškinkite, kas galėtų padėti atsakyti į šiuos klausimus
Apibrėžus sėkmę, kyla kitas klausimas: kas gali nutikti svetainėje? Ką išgyvena vartotojas?
Gera matavimo sistema turėtų bandyti nustatyti elgesį, kuris rodo, kad kažkas artėja prie prasmingo veiksmo.
Pavyzdžiui, jei kyla klausimas: „Kodėl naudotojai atsisako prieš pateikdami užklausą?“, pirmiausia turėtume suprasti kelis dalykus.
Ar žmonės pasiekia raginimo veikti? Ar iškritimas blogesnis mobiliajame telefone? Ar tai dažniau nutinka iš konkretaus nukreipimo puslapio ar srauto šaltinio?
Tai elgesys, kuris slypi už klausimo.
Tas pats pasakytina apie tokį klausimą kaip „Kuriuose nukreipimo puslapiuose pateikiamos vertingos užklausos?“ Atsakymas tikriausiai yra ne tik seansų skaičius. Jums gali tekti pažiūrėti, ką vartotojai daro apsilankę puslapyje.
Jūsų klausimai tampa naudingesni matuojant, kai galite juos susieti su kažkuo stebimu.
4. Nelaikykite kiekvienos metrikos kaip KPI
Viena iš priežasčių, kodėl analizės ataskaitos tampa painios, yra ta, kad stebimi veiksmai traktuojami taip, lyg jie visi būtų vienodai svarbūs. Jie to nedaro. Pavyzdžiui, pirkimas, be abejo, nėra tas pats, kas produkto puslapio peržiūra.
Tai nereiškia, kad smulkesni veiksmai yra nenaudingi. Tačiau jie atlieka skirtingą vaidmenį.
Man patinka atskirti matavimus į tris sluoksnius:
Verslo rezultatai:
Tai yra rezultatai, kurie galiausiai rūpi įmonei: pajamos, kvalifikuoti potencialūs klientai, srautas, pirkimai, prenumeratos, išlaikymas arba klientų įgijimas.
Veikimo rodikliai:
Jie padeda parodyti, ar naudotojai siekia tokių rezultatų: demonstracinės užklausos rodiklis, atsiskaitymo užbaigimo rodiklis, bandomosios registracijos rodiklis, sugrįžtančių lankytojų konversijų rodiklis ar perėjimas iš turinio į komercinius puslapius.
Diagnostiniai signalai:
Tai padeda paaiškinti, kodėl kažkas gali įvykti: formos atsisakymas, atmetimas įrenginio lygiu, filtrų naudojimas, vidinės paieškos elgsena, raginimo veikti paspaudimai arba įtraukimas į konkrečių tipų puslapius.
Tai svarbu, nes ne kiekvienas skaičius priklauso tai pačiai ataskaitai. Suinteresuotosioms šalims reikia rezultatų ir kelių veiklos rodiklių. Rinkodaros komandoms gali prireikti kanalo, nukreipimo puslapio ir turinio lygio signalų.
Analitikams gali prireikti diagnostinių duomenų, kad ištirtų problemas. Kūrėjams gali prireikti įvykio lygio išsamios informacijos, kad patvirtintų, ar diegimas veikia.
→ Taip pat žiūrėkite: GA4 metrika, į kurią turėtų atkreipti dėmesį kiekvienas reklamuotojas
5. Nuspręskite, ko nematuoti
Tai gali būti labiausiai nepastebėta planavimo dalis. Tačiau gera matavimo sistema taip pat turėtų pasakyti, ko nereikia stebėti.
Tai gali jaustis nepatogiai, nes analizės įrankiai leidžia daug stebėti. Tačiau daugiau stebėjimo automatiškai nereiškia geresnio matavimo.
Kartais tai tiesiog reiškia daugiau priežiūros. Nes kiekvienas renginys turi savo kainą. Kažkas turi tai įgyvendinti, išbandyti, dokumentuoti, paaiškinti ir galiausiai nuspręsti, ar tai vis dar svarbu.
Jei niekas nesiruošia naudoti duomenų, greičiausiai jie nepriklauso pagrindinei sąrankai.
Šiuo metu gali padėti paprastas testas. Jei šis skaičius pasikeistų, ar kas nors darytų ką nors kitaip? Jei atsakymas yra neigiamas, galbūt dar neverta to stebėti.
6. Atminkite, kad GA4 nėra visa matavimo sistema
Prieš įdiegiant turi įvykti dar vienas svarbus pokalbis: į ką turėtų būti patikėta atsakyti GA4 ir kur kita sistema turi būti traktuojama kaip tiesos šaltinis?
Kadangi GA4 gali daug pasakyti apie skaitmeninį elgesį. Jis gali parodyti, iš kur atėjo vartotojai, kuriuose puslapiuose lankėsi, kokių veiksmų ėmėsi ir kur paliko. Tačiau tai ne visada turėtų būti traktuojama kaip galutinis atsakymas į viską.
Kaip teigė Rémi Kerhoas, vieno tiesos šaltinio pasirinkimas gali tapti priskyrimo spąstais, nes kiekviena sistema turi savo modelį, apribojimus ir akląsias vietas.
Todėl, pavyzdžiui, el. prekybos įmonėms el. prekybos platforma gali būti švaresnis užsakymų ir pajamų šaltinis. B2B įmonėms CRM sistema gali būti geresnis tiesos šaltinis apie švino kokybę.
Todėl rekomenduoju, kad svarstant matavimo sistemą nustatytumėte, į kuriuos klausimus GA4 gali atsakyti, į kuriuos klausimus reikia kitos sistemos ir kur reikia palyginti duomenis.
7. Paverskite sistemą įgyvendinimo trumpu
Kai žinai, ką verslui reiškia sėkmė, į kokius klausimus reikia atsakyti, koks elgesys gali padėti į juos atsakyti, techninis darbas tampa daug lengvesnis.
Tai yra taškas, kuriame GA4 priklauso procesui.
Dabar komanda gali nuspręsti:
- Kokius įvykius reikia sekti.
- Kurie įvykiai turėtų būti pažymėti kaip pagrindiniai įvykiai.
- Kokie parametrai reikalingi.
- Kurios auditorijos ar segmentai yra svarbūs.
- Kokias ataskaitas reikia kurti.
- Kokius duomenis reikia palyginti su CRM, el. prekybos, pardavimo ar produktų duomenimis.
- Kurios sąveikos dar neturėtų būti stebimos.
Tai daug švariau nei pirmiausia atidaryti GA4 ir bandyti priimti sprendimus įrankyje.
Struktūra tampa trumpa. Įgyvendinimas vis dar techninis, bet tai nebėra spėlionės.
8. Patvirtinkite, kol kas nors naudos duomenis
Net ir esant stipriai sistemai, duomenis vis tiek reikia patikrinti. Įvykis, rodomas GA4, automatiškai nereiškia, kad jis patikimas.
Jis gali užsidegti du kartus. Arba gali užsidegti per anksti. Tai gali turėti įtakos sutikimo nustatymai ir kt.
Štai kodėl patvirtinimas neturėtų būti traktuojamas kaip nedidelė techninė užduotis.
Tikslas nėra tobuli duomenys. Tobulų duomenų retai būna. Tikslas yra pakankamai aiškiai apibrėžti ir pakankamai patikimi duomenys, kad būtų galima priimti sprendimus.
Įrankis ateina po mąstymo
Visada manau, kad GA4 galimybės yra tikrai naudingos. Tačiau procesas turėtų prasidėti nuo sėkmės apibrėžimo ir verslo klausimų, į kuriuos reikia atsakyti. Kai komandos tai nustato pirmiausia, analizės sąranka tampa daug tikslesnė.
Įvykiai įgyja tikslą, prietaisų skydeliai atlieka tam tikrą funkciją, o ataskaitų paaiškinimas tampa lengvesnis.
Jei praleisite šiuos pirmuosius veiksmus, GA4 virsta dviprasmybių saugykla. Štai kodėl matavimo sistema yra pirmiausia.
Daugiau išteklių:
Teminis vaizdas: „ImageFlow“ / „Shutterstock“.
