Uważaj na pułapki! Czyli jak unikać błędów przy interpretowaniu danych w Google Analytics

Wskaźnik odrzuceń

Pojęcie to, oznacza taką interakcję z serwisem internetowym, która nie wiąże się z żadną inną interakcją użytkownika ze stroną. Zgodnie z Google Analytics odrzuceniem będą wizyty, które wiązały się z pojedynczym wywołaniem żądania do serwera Google Analytics – czyli wejście na stronę i wyjście z niej bez przejścia na inną podstronę.

Wskaźnik ten narażony jest na ryzyko wielu błędów. Przykładowo, jeśli na stronie jest powielony kod Google Analytics, to podczas ładowania strony zostanie on wywołany podwójnie i tym samym współczynnik odrzuceń wyniesie 0.

Współczynnik odrzuceń będzie się różnił w zależności od branży, charakteru odwiedzanej podstrony i źródła wejścia użytkownika, a także złożoności mierzonych interakcji ze stroną. Dla przykładu – jeśli w ramach śledzenia interakcji użytkownika ze stroną ustalisz reguły, które będą mierzyć wyświetlenie konkretnego elementu na podstronie (np. zdjęcia), albo przewijania strony (np. do 50/100%), to każde spełnienie ustalonego scenariusza będzie wywoływać zapytanie do Google Analytics i tym samym obniżać wskaźnik odrzuceń.

Nie zawsze wysoki wskaźnik odrzuceń będzie negatywny, np. odwiedzana podstrona może mieć charakter czysto informacyjny i nie wywoływać potrzeby interakcji. Agresywnie prowadzone kampanie Google Ads również mogą charakteryzować się wysokim wskaźnikiem odrzuceń dla pozyskiwanego ruchu, natomiast nie oznacza to jeszcze, że są złe.

1. Sprawdzić poprawność wdrożenia kodu śledzącego
2. Sprawdzić, jakie interakcje ze stroną są mierzone i czy wpływają na wskaźnik odrzuceń
3. Zweryfikować podstrony, które charakteryzują się najwyższym wskaźnikiem odrzuceń
4. Zweryfikować źródła ruchu, pod kątem tego wskaźnika

Na podstawie zebranych informacji, możliwe będzie podjęcie działań pod kątem poprawy współczynnika (zarówno pod względem poprawności mierzenia jak również przez zmiany UX na stronie).

Czas trwania sesji

Czas trwania sesji to informacja o tym, jak długo użytkownik przebywał na Twojej stronie internetowej. Niestety miernik ten jest bardzo nieprecyzyjny, ponieważ podobnie jak współczynnik odrzuceń, jest on uzależniony od wywoływania zapytań do serwera Google Analytics. Jeśli użytkownik wejdzie na Twoją stronę o 8:00 i w ramach sesji obejrzy tylko jedną podstronę serwisu,  wychodząc z niego bez przejścia na inną podstronę, to Google Analytics nie będzie w stanie zmierzyć czasu trwania tych odwiedzin (czas trwania wyniesie 0). Jeśli ten sam użytkownik spędzi na podstronie 2 minuty i przejdzie na drugą podstronę, gdzie spędzi kolejne 2 minuty, to czas trwania sesji wyniesie 2 minuty.  Wynika to z tego, że wyjście ze strony nie jest interakcją przesyłającą żądanie do serwera Google Analytics – tym samym nie daje ono punktu odniesienia do mierzenia czasu trwania sesji.

Oczywiście są sposoby na to, aby zarówno wskaźnik odrzuceń jak też średni czas trwania sesji bardziej urealnić, niemniej dalej może być odniesienie ich do branży, intencji odwiedzającego, czy strategii pozyskania ruchu.

Źródło: Google Analytics

Wskaźnik konwersji

Wskaźnik konwersji jest jednym z moich ulubionych wskaźników i wokół niego skupiam swoją codzienną pracę. Jak sama nazwa wskazuje, wskaźnik ten będzie mierzył konwersje, czyli oczekiwane interakcje ze stroną. Konwersją może być zakup produktu, ale też wypełnienie formularza lub inne, zdefiniowane zachowanie użytkownika.

Podstawowym problemem jest określenie, co właściwie nazywamy konwersją – ogromny odsetek właścicieli stron internetowych nie potrafi poprawnie wskazać, co nią jest. Równie wielu użytkowników zbyt szeroko podchodzi do mierzenia konwersji. Ostatnia grupa to Ci, którzy wiedzą, co chcą mierzyć, ale nie robią tego z powodów technicznych.

W efekcie często wskaźnik konwersji przedstawiany na koncie Google Analytics nijak ma się do realnej konwersji.

Wyznaję zasadę, że warto szczegółowo mierzyć dane, ale jednocześnie należy mierzyć tylko to, co jest niezbędne. Przykładowo warto jest mierzyć wysłanie formularza, ale już niekoniecznie przejście do zakładki kontakt (ten element można zbadać bez konieczności dodatkowego oznaczania). Oczywiście, każdy scenariusz jest inny i zawsze należy indywidualnie analizować potrzeby i możliwości techniczne.

Dodatkowo ważnym elementem jest odniesienie wskaźnika konwersji do branży, wielkości i źródła ruchu, dynamiki działań marketingowych, sezonu, działań konkurencji.

Przykładowo:

1. Strona znanej marki, która generuje tzw. „Ruch brandowy” będzie charakteryzowała się wyższym wskaźnikiem konwersji, niż witryna z tym samym asortymentem, ale bez rozpoznawalnej marki.
2. Sklep posiadający w ofercie agregaty prądotwórcze, najpewniej będzie miał wyższy wskaźnik konwersji w okresie jesienno-zimowym, aniżeli w okresie letnim.
3. Strona z konkurencyjną polityką cenową, umiejętnym komunikowaniem promocji i przewag transakcyjnych (np. darmowa dostawa) uzyska wyższą konwersję, niż konkurencja.
4. Sklep generujący agresywną kampanię Google ADS może mieć niższy wskaźnik konwersji, z uwagi na duży, nisko konwertujący ruch.

Ciekawym przykładem zaburzenia wskaźnika konwersji może być efekt viralowości. Swojego czasu jeden z obsługiwanych przeze mnie sklepów zanotował nagły, punktowy wzrost ruchu i jednocześnie brak sprzedaży z tych wejść. Okazało się, że ruch wynikał z pytania w jednym z popularnych teleturniejów telewizyjnych. Widzowie szukając odpowiedzi na to pytanie trafiali na zajmujący wysokie pozycje w Google artykuł na blogu. Ruch ten nie był związany z intencją zakupową przez co obniżył ogólny wskaźnik konwersji.

Uważam, że warto monitorować wskaźnik konwersji, natomiast należy wspierać go dodatkowymi metrykami, które w lepszy sposób odnoszą się do efektywności biznesowej:

1. Średnia wartość koszyka
2. Średnia wartość sesji
3. Liczba konwersji (transakcje)
4. Łączna wartość konwersji (przychody)

Źródło: Google Analytics

Wysoki współczynnik konwersji to dobra informacja, o ile konwersje te nie są zbyt niskiej wartości. W ostatnim czasie analizowałem statystyki jednego ze sklepów internetowych, który zgłosił problem niskiego wskaźnika z ruchu Organic Search (pozycjonowanie) względem ruchu z reklamy PPC. Okazało się, że pomimo iż kampania Google ADS generowała 70% wszystkich transakcji, to jednocześnie generowała ona mniej niż 30% przychodów. Średnia wartość koszyka była około 5-krotnie niższa niż transakcje z pozostałych źródeł ruchu.

1. Uruchomił zautomatyzowaną kampanię na cały asortyment – która skupiła się na tanich produktach, które miały dużą szansę konwersji
2. Kampania była ustawiona na maksymalizację liczby konwersji (nie miała ustalonego oczekiwanego ROAS)
3. Właściciel nie monitorował średniej wartości sesji (koszt kliknięcia z Google ADS był niewiele niższy od średniej wartości sesji) – kampania działała na granicy rentowności.

Co więcej, właściciel wyrażał zaniepokojenie niską efektywnością działań skupionych wokół SEO, chociaż średnia wartość ruchu z tego źródła była blisko 10-krotnie wyższa niż z ADS. Dopiero analiza danych wskazała rzeczywiste źródło problemu (ustawienia kampanii ADS).

Atrybucja

Google Analytics domyślnie przypisuje konwersje do ostatniego rozpoznanego źródła ruchu (atrybucja last click). Oznacza to, że zakup dokonany wskutek wejścia z kampanii Google ADS zostanie przypisany do tej kampanii.

Problem pojawia się, gdy do transakcji prowadzi kilka różnych odwiedzin. W zależności od branży, do zakupu może prowadzić od kilku do nawet kilkudziesięciu kontaktów ze stroną internetową. Im droższy produkt, tym dłużej może trwać proces decyzyjny prowadzący do zakupu. W tym scenariuszu transakcje są przypisywane do wejść bezpośrednich (direct).

Innym problemem może być przypisanie transakcji do bramek płatniczych – częstym scenariuszem na etapie realizacji transakcji jest przekierowywanie użytkownika do serwisu bankowego podczas dokonywania płatności i powrót na stronę po opłaceniu zakupu. Transakcje te są zwykle przypisywane do źródła pozyskania „referral”, czyli do serwisu bankowego. Analogicznie sytuacja wygląda w przypadku rejestracji w sklepie – często podczas rejestracji musimy zaakceptować link, wysłany ma e-mail. Google Analytics rozpozna wówczas źródło ruchu jako przekierowanie z serwisu pocztowego.

Google Analytics udostępnia możliwość wykluczania witryn odsyłających – w efekcie, przekierowania te nie będą uwzględniane w raportach. Źródło: Google Analytics

Oprócz tego Google Analytics oferuje kilka modeli atrybucji, czyli mierzenia przypisania transakcji do różnych źródeł ruchu na ścieżce zakupu – przykładowo pierwsze źródło pozyskania, ostatnie wejście niebezpośrednie, rozkład w czasie. Więcej informacji na ten temat możesz znaleźć pod Support Google.

Źródło: Google Analytics

Co to oznacza dla Ciebie? Nie powinieneś przywiązywać 100% uwagi domyślnemu przypisaniu transakcji do źródeł ruchu, ponieważ zazwyczaj transakcja ta jest efektem różnych punktów styku klienta z Twoimi działaniami marketingowymi. Warto mieć świadomość różnych modeli atrybucji, ale też trzeba pamiętać, że nie są one w pełni precyzyjne (to temat na osobny, dłuższy artykuł). Pomocne mogą być własne projekty atrybucji, czy też podejście matematyczne (Łańcuch Markova).

Z drugiej strony nowy Google Analytics wymaga często skomplikowanego wdrożenia, a zrozumienie nowej logiki danych może być problematyczne dla osób, które są zakorzenione w starszym narzędziu. To jeden z wielu powodów, które powinny skłaniać właścicieli biznesów do powierzenia analizy danych specjalistom.

Bartłomiej – jego ścieżka zawodowa jest równie bogata jak droga klienta od zobaczenia baneru reklamowego na stronie z memami do zakupu drogiego zegarka na stronie reklamodawcy. Analizuje dane, szuka rozwiązań i doradza klientom. Pływa w tematach SEM jak tuńczyk w Atlantyku, a pomysły UX rosną w jego głowie jak grzyby po jesiennej ulewie. Prywatnie współtworzy największy polski portal o historii piłki nożnej i aktywnie kibicuje Manchesterowi United. O czym pisze? To zależy, co go zainspiruje.