W Google Analytics mierzymy czynnik konwersji za pomocą analizy dwóch ścieżek. Pierwsza wynika z bezpośredniego kliknięcia odbywającego się w trakcie jednej sesji. Druga jest wytyczana za pomocą kilku różnych kanałów. O ile mierzenie konwersji z pozycji tej pierwszej drogi nie zawsze daje precyzyjne wyniki, o tyle wielokanałowość już owszem. Jak zatem dokonywać pomiarów konwersji za pomocą ścieżek wielokanałowych w Google Analytics?
Wielokanałowość w Google Analytics
Bardzo często do konwersji dochodzi właśnie poprzez wielokanałowość. Z poziomu Google Analytics możemy ustawić specjalne raporty ścieżek wielokanałowych, które wykazują, jakimi ścieżkami poruszał się użytkownik, zanim dokonał konwersji. Przedtem musimy jednak sprawdzić, czy to zjawisko w ogóle zachodzi na naszej stronie. Aby się o tym przekonać, będziemy potrzebowali raportów „Długość ścieżki” oraz „Upływ czasu”.
Konfiguracja raportowania
W „Długości ścieżki” mamy dostępne trzy opcje do ustawienia:
-
Konwersja – każda musi być analizowana oddzielnie, by nie spowodować zaburzenia dokładności wyników. Wybieramy więc transakcje e-commerce lub jeden z dostępnych celów.
-
Typ konwersji – musimy zdecydować, co dokładnie chcemy przeanalizować. Do wyboru mamy Google Ads lub wszystkie kanały.
-
Okres ważności – chodzi tu o ustalenie interesującego nas czasu, w jakim mierzona jest konwersja. Możemy ustawić dowolną liczbę w przedziale od 30 do 90 dni przed konwersją i właśnie tyle czasu zostanie uwzględnione w raporcie. W przypadku branż o wyjątkowo długim procesie decyzyjnym, warto wybierać najdłuższy okres ważności, czyli 90 dni
W identyczny sposób konfigurujemy raport „Upływ czasu”.
Jeśli rzeczywiście okaże się, że nasi internauci stosują wielokanałowość przy dokonywaniu konwersji, możemy przejść do właściwych raportów, które pozwolą nam ją prześledzić.
Raporty ścieżek wielokanałowych
Ogólnych danych o konwersjach wielokanałowych dostarcza raport „Przegląd”. Pokazuje on również, jak bardzo użytkowane kanały pokrywają się nawzajem. Raport „Konwersje wspomagane” daje z kolei bardziej szczegółowe wyniki. W przypadku konwersji wspomaganej odnosimy się do sytuacji, w której dany kanał znajdował się na drodze prowadzącej do konwersji, lecz nie stanowił ostatniej finalnej interakcji użytkownika ze stroną, lecz jedynie asystował. Raport jest podzielony na 6 kolumn:
-
Domyślne grupowanie kanałów – czyli zestawienie wszystkich dostępnych kanałów konwersji;
-
Konwersje wspomagane – wskazuje liczbę konwersji dla każdego kanału i jego procentowy odpowiednik;
-
Wartość wspomaganych konwersji – informacja o generowanych przychodach;
-
Konwersje po ostatnim kliknięciu lub bezpośrednie – to domyślnie ustawiony model atrybucji konwersji. Im większa ich wartość, tym ważniejszą rolę odgrywa dany kanał w generowaniu sprzedaży i przychodów.
-
Wartość konwersji po ostatnim kliknięciu lub bezpośrednich – informacja o generowanych przychodach;
-
Konwersje wspomagane/po ostatnim kliknięciu lub bezpośrednie – tutaj zestawiane są dane uzyskane z analizy dwóch wspomnianych wyżej typów konwersji. Wykazują one, w jakim stopniu dany kanał generuje, a w jakim wspomaga konwersję.
Odpowiedź kryje się w wielkościach każdej z uzyskanych wartości:
-
Wartość bliska 0 – kanał bardziej generuje, niż wspomaga;
-
Wartość na poziomie 1 – kanał w takim samym stopniu generuje, co wspomaga konwersję;
-
Wartość większa, niż 1 – kanał bardziej wspomaga, niż generuje, a zatem przyczynia się do rozpoczęcia, a nie zakończenia, procesu decyzyjnego.
Raport „Konwersje wspomagane” pozwala więc ustalić, jakie ścieżki najczęściej prowadzą internautów do konwersji i które kanały najlepiej ze sobą współgrają.
Ograniczenia raportów ścieżek wielokanałowych
Trzeba pamiętać, że opisywane raporty Google Analytics nie działają tak precyzyjnie i intuicyjnie, jak byśmy chcieli. Przede wszystkim musimy mieć na uwadze, że nie informują one, czy dany kanał, pojawiający się na ścieżce zakupowej, ma jakikolwiek wpływ na konwersję. Poza tym przy dokonywaniu analizy nie biorą pod uwagę wyświetleń reklam, w które nie kliknięto. Raporty pomijają również często spotykaną konsumencką praktykę migracji pomiędzy urządzeniami oraz możliwość wystąpienia efektu ROPO i odwróconego ROPO.