Wyobraźmy sobie, że właśnie zaczynamy pracę jako analityk internetowy w nowej firmie. Pełni entuzjazmu i energii zabieramy się za przeglądanie raportów w Google Analytics i zauważamy dziwne, nieregularne skoki w liczbie odwiedzin i transakcji. Najpierw sami zachodzimy w głowę, co też mogło się wtedy wydarzyć, potem pytamy nowych kolegów, ale nikt nie pamięta nic szczególnego. Ktoś sugeruje kontakt z poprzednim analitykiem… ale okazuje się, że pojechał w podróż dookoła świata i nie ma szans na kontakt z nim.

A wystarczyłoby, żeby nasz poprzednik skorzystał z bardzo prostej funkcjonalności Google Analytics – adnotacji. Adnotacje bowiem pozwalają na prowadzenie przypisanych do dat notatek w obrębie narzędzia. Idąc naszym przykładem, nasz poprzednik mógł dodać informację, że 25/03/2012 był start kampanii promocyjnej (3% zniżki), albo 06/04/2013 wypadały Święta Wielkiejnocy, a 16/05/2013 konkurencja rozdawała produkty za darmo. Ponieważ adnotacje są bardzo dobrze widoczne na osi czasu raportów, a po kliknięciu w nie można przeczytać całą ich treść, już po kilku minutach dowiedzielibyśmy się tego wszystkiego. Na „żywym organizmie” adnotacje mogą wyglądać tak:

Adnotacje w Google Analytics pozwalają zapisywać informacje o niespodziewanych czynnikach zewnętrznych np. świętach lub po prostu prowadzonych kampaniach marketingowych

W zależności od tego, jakie mamy uprawnienia w ramach danego konta, możemy tworzyć adnotacje o różnym stopniu wglądu dla innych. Jeżeli jesteśmy administratorem, możemy tworzyć zarówno adnotacje publiczne (dostępne dla wszystkich użytkowników) i prywatne (do wglądu tylko dla waszego adresu e-mail). Jeżeli mamy status „użytkownika”, wówczas możliwe jest utworzenie tylko adnotacji prywatnych.

Pola dostępne dla administratorów danego konta. Dla tych o statusie użytkownika pole „Publiczne” będzie nieaktywne

Adnotacje najlepiej jest wykorzystywać do tworzenia krótkich, zwięzłych opisów zdarzeń, które mogą mocno wpłynąć na zachowanie użytkowników np. rozpoczętych/zakończonych kampanii marketingowych/promocyjnych, niespodziewanych zdarzeń na naszej witrynie (np. błąd kodu śledzącego Google Analytics) czy świąt.

Adnotacje tworzy się w ramach danego profilu, a może się okazać, że wybrane adnotacje (np. informację o świętach) czy też cały ich zbiór chcemy umieścić na wszystkich profilach. Niestety w GA nie ma możliwości kopiowania adnotacji, więc, każdą informację musimy zwyczajnie wpisać od nowa. Kłopot z adnotacjami pojawi się też przy eksporcie danych z Google Analytics. O ile dane z samych raportów można łatwo i szybko wyeksportować do plików o różnym formacie, np. csv, pdf, xls, to adnotacje nie mają takiej opcji. Szczęśliwie kilku sprytnych programistów opracowało proste lekarstwo na te bolączki. Dla jednej z wtyczek przeglądarki Firefox opracowali prosty fragment kodu, który pozwala na różne manewry z adnotacjami, m.in. kopiowanie ich między profilami, eksportowanie z GA. Wtyczką, o której mowa jest Greasemonkey.

Jak kopiować adnotacje w Google Analytics?

Krok 1. Zainstalowanie Greasemonkey

Ze strony https://addons.mozilla.org/pl/firefox/addon/greasemonkey/ pobieramy odpowiedni dodatek:

W efekcie obok paska wyszukiwarki dodaje się sympatyczna ikonka:

Krok 2. Dodanie odpowiedniego skryptu i danych do wtyczki

Skrypty dla Greasemonkey tworzą sami użytkownicy, dlatego są dostępne w bardzo wielu zakamarkach internetu. Dobrze jest jednak korzystać z tych portali open sourcowych, które dopuszczają do obiegu sprawdzone rozwiązania. Skrypt dla Greasemonkey pozwalający zarządzać adnotacjami nazywa się Google Analytics Annotations Manager i można np. ściągnąć z https://github.com/gierschv/GoogleAnalytics-AnnotationsManager/blob/master/GA-AnnotationsManager.user.js (stamtąd pobrałam swój ;)). Skoro skrypt już pobrany, teraz zobaczymy jak go dodać do samej wtyczki.

Po kliknięciu strzałki przy ikonce wtyczki pojawia się rozwijana lista. Po pierwsze zwracamy uwagę na pole „Włącz”, czy jest zaznaczone, potem klikamy na opcję „Nowy skrypt”:

Pojawia się okno do uzupełnienia:

W polu „Nazwa” wpisujemy dowolną nazwę, jaką chcemy nadać skryptowi W pasku zatytułowanym „Lokalizacja” dodajemy ścieżkę dostępu do zapisanego na naszym komputerze pliku ze skryptem. Natomiast w polu „Witryny, na których skrypt będzie uruchamiany (…)” wpisujemy https://www.google.com/analytics/*. Gwiazdka na końcu umożliwia działanie skryptu, gdy po ostatnim slashu występuje dowolny ciąg znaków – czyli w praktyce, gdy działamy na dowolnym koncie, profilu, raporcie Google Analytics.
Po kliknięciu „ok” pojawia się kolejne okno:

U niektórych konsola może budzić lekki niepokój, ale tutaj nie ma się czego bać. W miejsce widocznego fragmentu kodu wklejamy cały skrypt wcześniej pobrany z github.com -> klikamy „Plik” -> „Zapisz” -> Gotowe! Aby dla pewności zobaczyć, czy wszystko działa jak należy, warto w liście rozwijanej ikonki kliknąć opcję „Zarządzaj skryptami”. Otworzy się nowa karta przeglądarki z dodatkami, tam w obrębie Greasemonkey klikamy „Preferencje”. Pojawi się okno:

W polu „Witryny, na których skrypt jest uruchamiany” widnieje wcześniej wprowadzony adres (z gwiazdką). Gdy klikniemy w „Edytuj ten skrypt” otworzy się ponownie pole konsoli. Jeżeli jest w nim wklejony w poprzednim kroku kod dla Google Analytics Annotations Managera, to wszystko powinno grać. Teraz zamkniemy całą przeglądarkę, włączymy ją ponownie i zalogujemy się na swoje konto Google Analytics.

Jak działa skrypt?

Bez dodatku Greasemonkey pole adnotacji wygląda tak:

Przy działającym dodatku mamy dużo więcej możliwości m.in. eksport w formacie csv:

Wystarczy, ze zaznaczymy kratki przy tych adnotacjach, które chcemy wyeksportować, klikniemy „Export annotation(s) as CSV” … i już :)

Jeżeli nie chcemy nic eksportować tylko skopiować wybrane adnotacje do innego profilu, należy kliknąć „Copy annotation(s)”. Następnie przechodzimy do profilu, w którym chcemy dodać skopiowane dane i klikamy w pasku adnotacji „Paste annotation (s)”… i już :)

O ile cel kopiowania adnotacji między profilami jest dość oczywisty, to można się zastanowić nad tym, po co bawić się w eksport notatek, do czego mogą przydać się adnotacje w postaci pliku csv? Mam nadzieję, ze poniższy przykład przekona Was, że jest to jednak całkiem użyteczne :)

Eksport adnotacji – przykład wykorzystania

Załóżmy, że czeka nas ważne spotkanie, na które musimy przygotować miesięczny raport (wraz z tabelkami, wykresami) z działań online firmy i ich efektów. Bazą pod taki raport będą dane z narzędzia agregującego potrzebne liczby – Gogle Analytics. Szybko i bezboleśnie, przy pomocy 2 kliknięć eksportujemy dane z raportu GA do pliku np. o formacie csv czy xlsx:

Jednak standardowe możliwości GA nie pozwalają na wyciągnięcie też adnotacji, w związku z czym, w nowym pliku z danymi nie ma po nich śladu. Pytanie, czy to problem? Czy naprawdę potrzebujemy tych notatek do stworzenia dobrego raportu? Cóż, z pewnością sam raport stanie się bardziej zrozumiały i czytelny dla jego odbiorców. Jednak najważniejsze jest to, że adnotacje uwzględnione w raportach wspomogą analizę pozostałych danych, a więc formułowanie wniosków i rekomendacji. Oczywiście informacje z adnotacji można ręcznie nanieść do pliku z danymi z raportów, ale po pierwsze może być to czasochłonne, po drugie, łatwo o pomyłkę. Z tych oto powodów wtyczka Greasemonkey może okazać się bardzo pomocna. Korzystamy więc z możliwości eksportu adnotacji, tak jak opisałam wyżej w instrukcji i o to mamy dwa pliki: jeden z danymi z raportu, drugi z adnotacjami. Kopiujemy więc dane tak, żeby mieć wszystko w jednym pliku. Wykorzystując funkcję „wyszukaj pionowo” przyporządkowujemy datom odwiedzin adnotacje:

Dalej robimy wykres odwiedzin w czasie i nanosimy etykiety z adnotacjami, można też wyróżnić te elementy, na które chcemy zwrócić uwagę i voilà! Mamy taki oto wykres:

Podsumowanie

Gorąco zachęcam do prowadzenia adnotacji w raportach Google Analytics – pomoże to na pewno Wam (odciążając pamięć) i każdej innej, niewtajemniczonej osobie zaglądającej do raportów.

Zdaje sobie sprawę z tego, że nie wszyscy mają potrzebę eksportu/przenoszenia adnotacji, ale pewnie wiele osób odczuwa różne inne niedostatki w związku z Google Analytics. Jest sporo dodatków/wtyczek (np. Greasemonkey), które starają się dopełnić to narzędzie o dodatkowe możliwości, tak aby tych niedostatków było mniej. Być może istnieje skrypt, który rozwiąże jeden z Waszych kłopotów? Warto poszukać Również, jeżeli czarowanie za pomocą JavaScriptu nie jest Wam obce, możecie spróbować stworzyć swój własny skrypt… i może nawet podzielić się innymi ;)

Obecnie na rynku dostępne są dziesiątki lub nawet setki narzędzi służących do gromadzenia danych z kanału online. Ich stosunkowo prosta implementacja, która została znacząco ułatwiona dzięki wykorzystaniu podejścia SaaS (Software-as-a-Service) oraz kodów JavaScript, przekłada się na ich powszechne wykorzystanie. Większość podmiotów obecnych na polskiej scenie e-commerce ma więc wdrożoną przynajmniej podstawową instalację Google Analytics oraz korzysta doraźnie z kilku dodatkowych narzędzi do badań jakościowych (np. ankiet).

Dlaczego w takim razie tak niewiele firm odnosi sukces dzięki analityce internetowej? Wynika to w dużej mierze ze złego rozumienia pojęcia analizy i mylenia go z gromadzeniem i raportowaniem danych, a co za tym idzie nieefektywnej alokacji pieniędzy i zasobów.

Nieefektywna alokacja zasobów

Aktualnie obserwujemy w firmach silne skupienie wokół gromadzenia i raportowania dużych ilości danych, podczas gdy główne korzyści, które osiągamy z analityki internetowej płyną z przeprowadzanych później analiz. W mojej opinii sytuacja ta wynika z przestarzałego przekonania, że „kto ma dane ma przewagę”. Biorąc pod uwagę łatwość dostępu oraz bardzo szeroki zakres danych płynących z kanału online, w porównaniu do specyfiki prowadzonych w przeszłości biznesów, samo ich posiadanie nie stawia nas w uprzywilejowanej pozycji względem konkurencji. Dopiero odpowiednia analiza, wyciągnięcie wniosków, przygotowanie rekomendacji, a w końcu wprowadzanie i ocena zmian na podstawie danych pozwala na ciągłe poprawianie efektywności prowadzonych działań i osiąganie celów biznesowych. To właśnie za to chcą płacić managerowie – za lepsze wyniki przekładające się na wzrost zysku, czy to poprzez wzrost przychodów, czy przez ograniczenie kosztów. Nie zaś za dodatkową tabelę ze statystykami.

Niekorzystna sytuacja, kiedy bardziej pracochłonne raportowanie zajmuje większość zasobów, przez co niemożliwe jest osiąganie wymiernych korzyści płynących z analizy.

Definicje

Aby być w stanie odróżnić raportowanie od analizy, a następnie odpowiednio rozdysponować pomiędzy nie posiadane zasoby niezbędne jest ustalenie co tak naprawdę rozumiemy pod omawianymi pojęciami. Podejmując próbę tłumaczenia opisów zawartych przez Brenta Dykesa w książce „Web Analytics Action Hero” (której to lekturę podczas letnich wyjazdów każdemu szczerze polecam) możemy przyjąć następujące definicje:

• Raportowanie – proces organizowania danych w informacyjne raporty w celu monitorowania efektywności różnych obszarów biznesu.
• Analiza – proces eksplorowania danych i raportów w celu wyciągnięcia wartościowych wniosków, które mogą być użyte do lepszego zrozumienia biznesu i poprawy jego efektywności.

Dla lepszego zrozumienia różnic pomiędzy analizą i raportowaniem, a także umożliwienia oceny Twojej organizacji/pracy wydzielić można pięć kluczowych obszarów, które różnicują te dwie czynności.

I. Cel

Technicznie rzecz ujmując raportowanie przetwarza surowe dane w łatwiej przyswajalne zestawy informacji. Dzięki regularnym raportom, tworzonym ze wspomnianych zestawów, pozwala na monitorowanie sytuacji oraz alarmowanie, kiedy dane zaczynają zachowywać się niestandardowo. Raportowanie odpowiada więc na pytanie „co?” (np. co wydarzyło się w segmencie ruchu płatnego w ostatnim miesiącu?).

Cel raportowania to odpowiedź na pytanie „co?”

Z drugiej strony, analiza ma na celu odpowiedź na pytanie „dlaczego?” (np. dlaczego użytkownicy coraz szybciej opuszczają nasz serwis?) . Realizowane jest to poprzez zagłębienie się w dostarczane informacje, ich dokładną interpretację i wypracowanie rekomendacji, na podstawie których można podjąć konkretne działania mające na celu poprawę sytuacji.

Cel analizy to odpowiedź na pytanie „dlaczego?”

Współpracując z firmami podczas projektów wdrożenia analityki internetowej zauważamy regularnie, że im bardziej organizacja rozwija się w tym zakresie tym większe zapotrzebowanie istnieje właśnie na odpowiedź na pytania związane z tym dlaczego pewne zachowania użytkowników, zmiany w danych występują. Wynika to w dużej mierze z osiąganych realnych efektów, które tak jak wspominałem wcześniej płyną głownie z etapu analizy danych.

II. Realizowane zadania

Jeżeli praca, którą wykonują osoby pracujące z danymi obejmuje czynności takie jak: konfigurowanie, organizowanie, formatowanie, podsumowywanie, możesz być pewny, że jest to raportowanie. Elementy te można (a nawet należy) zautomatyzować, aby więcej czasu przeznaczyć na zadania, które przynoszą firmie większe korzyści. Są one jak zapewne się domyślasz związane z analizą i obejmują: stawianie pytań biznesowych, badanie, interpretowanie, porównywanie, potwierdzanie lub odrzucanie hipotez.

W wielu przypadkach realizowanie zadań związanych z raportowaniem jest po prostu mniej wymagające, dlatego też znacznie łatwiej znaleźć na rynku osoby, które będą dobrze je realizowały. Prawdziwy analityk internetowy powinien mieć doświadczenie zarówno w zakresie zaawansowanej analizy różnych rodzajów danych, znać specyfikę branży e-commerce, lecz także motywować całą organizację do wykorzystania danych i rekomendacji przez niego wytwarzanych. Pozyskanie lub wykształcenie takich kompetencji w zespole wymaga więc dużej pracy i jest jednym z kluczowych etapów, które przechodzimy z naszymi klientami wdrażając u nich analitykę internetową. W tym samym czasie, samo raportowanie jest odpowiednio automatyzowane (m.in. za pomocą kokpitów menedżerskich) aby móc przesunąć zasoby ludzkie do generującej większe korzyści analizy.

III. Rezultat

Nawiązując do automatyzacji o której pisałem we wcześniejszym punkcie, generowanie i wykorzystanie raportów zazwyczaj nie wiąże się z aktywnym podejściem osób związanych z biznesem. Dostarczane regularnie zbiory danych, które są wynikiem procesu raportowania, można więc podzielić na:

a) standardowe raporty generowane przez narzędzie analityczne – zawierają standardowy zestaw metryk, które są okresowo monitorowane przez odbiorców,
b) dashboardy (kokpity menedżerskie) – raporty dostosowane do indywidualnych potrzeb odbiorców, zawierające Kluczowe Wskaźniki Sukcesu (KPI) pochodzące często z różnych źródeł,
d) alerty (ostrzeżenia) – warunkowe raporty, które wysyłane są do odbiorców w momencie wystąpienia określonych kryteriów.

Przykład alertów skonfigurowanych w Google Analytics.

Z drugiej strony, analiza oparta jest na aktywnym wykorzystaniu osób biznesowych. To od nich wychodzą pytania, na które analitycy starają się znaleźć odpowiedź. Następnie wypracowane rekomendacje wracają do pytającego, który na ich podstawie może podjąć odpowiednie decyzje wpływające na poprawę efektywności prowadzonych działań. Rezultatem analizy mogą być więc:

• bieżące odpowiedzi na zapytania – tego rodzaju zadania są najczęściej związane z krótkim terminem wykonania, dlatego też przeprowadzane analizy nie są dogłębne, a ich wynikiem jest zwięzłe podsumowanie zawierające jedynie wskazówki odnośnie możliwych działań,
• prezentacje analityczne – dotyczą pytań biznesowych, które wymagają szerszego omówienia i przeprowadzenia dodatkowych badań. Dzięki możliwości głębszego zagłębienia się w dane rezultatem są konkretne rekomendacje, odpowiednio poparte wnioskami z analiz.

U jednego z naszych klientów wdrożyliśmy w związku z tym aspektem m.in. proces regularnych spotkań poszczególnych działów i analityków. Osoby biznesowe na podstawie automatycznych dashboardów (rozwiązanie kwestii dużej ilości bieżących zapytań o dane) przygotowują zestawy pytań, aby następnie po dokładnym ich przeanalizowaniu przez analityków zaprezentować na regularnym spotkaniu wyniki (prezentacja analityczna) i na ich podstawie podjąć odpowiednie decyzje odnośnie poprawy aktualnej sytuacji.

Głównymi czynnikami odróżniającymi analizę od raportowania w tym wymiarze są więc: kontekst (analiza oparta jest na pytaniach, które aktualnie nurtują dany dział) oraz wypracowywane rekomendacje, na podstawie których podejmowane są decyzje.

IV. Dostarczenie rezultatu

Z racji, że raportowanie jest zadaniem realizowanym głównie za pośrednictwem różnego rodzaju zautomatyzowanych narzędzi, również forma dostarczania raportów jest od nich zależna. Obejmuje ona wiele rozwiązań od arkuszy Excel, przez dostęp do systemu za pośrednictwem serwisu www, po powiadomienia mailowe czy SMS. Szczególnie efektywną formą dostarczania danych są spersonalizowane kokpity menedżerskie (dashboardy), o których wspominałem już kilkukrotnie w tym wpisie i które wykorzystujemy współpracując z klientami.

Analiza jest jednak domeną ludzi, więc sama forma dostarczania rekomendacji ma również bardziej ludzki wymiar. Znacznie efektywniej wyniki analiz prezentuje się na bezpośrednich spotkaniach, na których zainteresowane osoby mają również możliwość zadania dodatkowych pytań, a analitycy szansę na ostateczne przekonanie strony biznesowej, dzięki czemu ostatecznie podejmowane są decyzje bazujące na rzetelnych danych.

V. Wartość

Zarówno analiza, jak i raportowanie bezsprzecznie wypracowują znaczącą wartość dla firmy. Znajdują się one jednak na innych etapach tworzenia owej wartości i są niejako zależne od siebie.

Obróbka surowych danych i raportowanie informacji dla kluczowych osób jest podstawą do rozpoczęcia kreowania wartości. Na tym etapie szczególnie zadbać należy o rzetelność gromadzonych danych – nawet najlepsze analizy przeprowadzone na niepoprawnych danych nie pozwolą na wystawienie dobrych rekomendacji, a co za tym idzie na poprawienie efektywności biznesu. Zmiany zauważane w raportach powinny być światłem ostrzegawczym, bodźcem do postawienia pytań, a następnie przejścia do analizy w celu znalezienia na nie odpowiedzi. Do ostatecznej korzyści dla organizacji potrzebne są już wtedy jedynie dwa kroki, które wspierane są przez rzetelną analizę: podjęcie decyzji i wdrożenie wypracowanych rekomendacji.

Schemat tworzenia wartości dzięki analityce internetowej.

Raportujesz czy analizujesz?

Jak widać pojęcia raportowania i analizy nie są tożsame i na pewno nie powinny być ze sobą mieszane. Zapomnienie zarówno o jednym jak i o drugim uniemożliwia organizacji czerpanie korzyści z analityki internetowej, natomiast należy być świadomym, iż to właśnie w procesie analizy drzemie największy potencjał i jemu powinna być poświęcana szczególna uwaga i zasoby (odwrotnie niż jest to w dużej firm).

A jak sytuacja wygląda w Twoim przypadku? Czy Twoja firma skupia się na raportowaniu, czy może dużą wagę przykłada do procesu analizy? Daj znać w komentarzach ☺.

Strona docelowa to pierwsza strona, na jaką trafia użytkownik w naszej witrynie. Może to być prosta strona docelowa (ang. landing page), która ma poprowadzić użytkownika do wykonania jednej akcji np. ściągnięcia PDF. Mogą to być strony tworzone pod konkretne kampanie marketingowe, ale również mogą to być zwykłe strony w serwisie, które stały się „naturalnie” stronami docelowymi w np. link do tej konkretnej strony znalazł się w artykule na innym serwisie.

Powszechna mądrość, że pierwsze wrażenie jest najważniejsze, bardzo dobrze sprawdza się również w tym przypadku. Dlatego też, stronom docelowym warto poświęcić trochę uwagi. Pamiętajmy jednak przy tym, że
wygląd to nie wszystko (a w szczególności praca nad optymalizacją konwersji to nie tylko poprawa użyteczności strony) i przed wizytą u grafika konieczne jest przeanalizowanie co i dlaczego u nas nie działa. Naszym pierwszym krokiem powinno być zidentyfikowanie najpopularniejszych stron docelowych w witrynie, a kolejnym wybranie z nich tych, które nie pełnią dobrze swojej roli. Następnie identyfikujemy jakie wiążą się z nimi problemy i wtedy już możemy zająć się ich poprawą.

Gdzie szukać stron docelowych?

Nasze pierwsze zadanie polega na zidentyfikowaniu stron docelowych w serwisie. Znajdziemy je w raporcie Treść > Zawartość Witryny > Strony docelowe.

W raporcie stron docelowych korzystamy z widoku sortowania po liczbie odwiedzin – dzięki temu widzimy te z nich, które są najpopularniejsze

Po zidentyfikowaniu tych stron, kolejnym krokiem jest przejście do ich oceny.

Na co w pierwszej kolejności zwrócić uwagę?

Najważniejszą metryką, na którą musimy zwracać uwagę przy ocenie stron docelowych jest współczynnik odrzuceń. Najbardziej wartościowa jest dla nas informacja o skuteczności stron docelowych względem odwiedzin. Sortowanie widoku po współczynniku odrzuceń pokaże nam strony, dla których jego wartość wyniesie nawet 100%, ale taka wartość będzie najczęściej dotyczyć pojedynczych odwiedzin. Dlatego warto skorzystać z sortowania ważonego – taki widok pokaże nam strony, dla których wypadkowa liczby odsłon i wysokości współczynnika odrzuceń jest najwyższa.

Sortowanie ważone dla współczynnika odrzuceń pozwoli nam na szybkie zidentyfikowanie stron, którymi trzeba się zająć w piewszej kolejności

Drugi sposób analizy tego raportu to widok porównania względem współczynnika odrzuceń.

Dzięki widokowi porównania możemy łatwo zobaczyć, czy te najczęściej odwiedzane strony docelowe mają wyższy, czy niższy współczynnik odrzuceń niż średnia.

W kontekście poprawy najważniejsze są dla nas właśnie takie strony – o dużej liczbie odwiedzin i wysokim współczynniku odrzuceń. Ich poprawienie będzie miało największy wpływ na efektywność naszej witryny.

Współczynnik odrzuceń jest prosty w interpretacji, trzeba jednak mieć na uwadze wyjątki. Jego wysoka wartość nie zawsze oznacza źle dopasowaną stronę – niektóre typy stron mają naturalnie wysoki współczynnik odrzuceń np. strona bloga lub strona, na której znajdują się te konkretne informacje, w poszukiwaniu których użytkownik trafił na stronę. W takim przypadku wejdzie, przeczyta i zadowolony opuści serwis. Z drugiej strony istnieją strony, które pomimo niskiego współczynnika odrzuceń nie są dobrze dopasowane do tego, czego szukają użytkownicy. Takie strony identyfikujemy w raporcie stron docelowych w zakładce “Ścieżki wejścia”.

W zakładce „ścieżki wyjścia” widzimy na jakie strony kierowali się użytkownicy, którzy rozpoczęli swoją wizytę od danej strony docelowej.

Możemy sprawdzić, czy użytkownicy faktycznie kierowali się tam, gdzie zakładaliśmy, że będą – np. na stronę naszego sklepu. Jeśli zamiast tego wielu z nich kierowało się na stronę pomocy, albo faq, to nie jest to informacja świadcząca o dobrze działającej stronie docelowej.

Jeśli chcemy, aby współczynnik odrzuceń informował nas o użytkownikach którzy faktycznie „odbijają” się od naszej witryny, to warto dokonać pewnych modyfikacji w kodzie. Pierwszą z nich jest zmiana sposobu, w który jest zliczany współczynnik odrzuceń – po takiej zmianie w kodzie wizyta zostanie zakwalifikowana jako bounce, tylko wtedy, kiedy użytkownik spędzi na danej stronie docelowej mniej czasu niż określiliśmy w ramach kodu (np. 10 sekund). Pozwoli to na odfiltrowanie tych użytkowników, którzy obejrzeli tylko jedną stronę, jednak byli na niej wystarczająco długo, żeby coś na niej przeczytać. Dodatkowo, jeśli zależy nam na tym, żeby czas odnotowywany w Google Analytics jak najdokładniej odzwierciedlał czas, który użytkownicy spędzają w naszej witrynie, to warto zastosować modyfikację, dzięki której zlicza się również czas spędzony na ostatniej z odwiedzonych stron

Kiedy mamy już zidentyfikowane najgorzej działające strony docelowe, to możemy zająć się ich poprawą. Teraz przyszła pora na znalezienie powodów dla których nasze strony docelowe nie działają tak dobrze, jakbyśmy sobie tego życzyli. Kwestie, na które na pewno warto zwrócić uwagę to dopasowanie ruchu, technikalia i wygląd stron docelowych.

Dopasowanie ruchu

Użytkownik, który klika na link do naszej strony lub wynik wyszukiwania, ma pewne wyobrażenie o tym, co chciałby tam zobaczyć. Im bardziej strona docelowa odbiega od tego wyobrażenia, tym większa szansa, że taka osoba nie pozostanie w witrynie (odbije się). Złe dopasowanie ruchu sprowadza się do dwóch kwestii: złego dopasowania przekazu reklamowego do intencji użytkownika lub złego dopasowania strony docelowej do treści reklamy. Temat spójności komunikatu reklamowego i treści strony obszernie opisaliśmy w artykule o podnoszeniu współczynnika konwersji.

Dopasowanie ruchu możemy sprawdzić w raporcie stron docelowych: Treść > Zawartość Witryny > Strony docelowe. Jako wymiar dodatkowy wybieramy źródło lub słowo kluczowe.

Wyższy od średniej współczynnik odrzuceń w przypadku słów kluczowych dotyczących „3 sigma” informuje nas o złym dopasowaniu ruchu do naszego artykułu. Reguła 3 sigm to powszechnie wykorzystywana reguła statystyczna i zapewne mały odsetek użytkowników, którzy wpisali takie hasło do wyszukiwarki chciało się dowiedzieć o jej stosowaniu w Google Analytics.

Po wyszukaniu hasła „reguła 3 sigm” w wyszukiwarce Google odnośnik do naszego artykułu znajduje się na wysokiej, drugiej pozycji, co w dużej mierze tłumaczy znacznie wyższy od średniej współczynnik odrzuceń dla tego posta.

W początkowym fragmencie artykułu dotyczącego reguły 3 sigm – tym, który widać na ekranie po otwarciu strony – nie ma informacji o samej tej regule. Odpowiedni akapit znajduje się dopiero daleko poniżej zwinięcia ekranu (ang. fold), gdzie osoba, która poszukuje informacji o tej regule statystycznej, a nie analityce internetowej pewnie nie dotrze.

Problemy techniczne

Jeśli nasza strona będzie się użytkownikowi źle wyświetlać, albo nawet w ogóle się nie załaduje, to raczej nie zachęci go to do dalszego przeglądania serwisu. Problemy natury technicznej można zidentyfikować w raporcie Odbiorcy > Technologia > Przeglądarka | System operacyjny.

Ten raport daje nam ogólny pogląd, dzięki któremu możemy zidentyfikować najbardziej alarmujące kwestie– warto tutaj sprawdzić takie wymiary jak: typ przeglądarki, system operacyjny i rozdzielczość ekranu.

Następnie możemy przejść do bardziej szczegółowego widoku, i zobaczyć jak kwestie techniczne wyglądają w przypadku najczęstszych stron docelowych. W raporcie stron docelowych jako drugi wymiar ustawimy interesującą nas kwestię techniczną, np. rozdzielczość ekranu. W ten sposób możemy zidentyfikować konkretne strony docelowe, które gorzej radzą sobie na pewnych typach ekranu. Może to wynikać z tego, że niektóre elementy strony będą niewidoczne, bo znajdą się poniżej zwinięcia, czyli dolnego krańca ekranu.

Użyteczność i wygląd strony

Oczywiście nie ma uniwersalnej recepty na to, jak powinna wyglądać strona docelowa, jest jednak parę zasad, których przestrzeganie powinno polepszyć skuteczność naszych stron docelowych.

Wezwanie do działania

Na stronie docelowej zawsze powinno się znajdować „Wezwanie do działania” (ang. call to action – CTA), czyli wyróżniający się odnośnik, który poprowadzi użytkownika do osiągnięcia celu, w jakim odwiedził naszą stronę. Zakładając, że dobra strona docelowa jest dopasowana do tego, czego szuka użytkownik, taki CTA pozwala mu nie zastanawiać się co dalej robić i przeszukiwać całej strony, żeby znaleźć możliwość przejścia dalej, tylko od razu przejść do pożądanej przez niego akcji. Ważne jest aby wezwanie do działania znajdowało się w widocznym miejscu na stronie. W zależności od rozdzielczości ekranu, typu przeglądarki czy systemu operacyjnego użytkownikom rożnie wyświetla się dana strona, dlatego warto upewnić się, że większość z odwiedzających zobaczy przygotowane przez nas CTA. Z pomocą przychodzi tutaj raport Treść > Analytics w treści strony, na którym możemy zobaczyć jaki obszar strony zobaczy wybrany przez nas odsetek odwiedzających

W przypadku tej strony 95% użytkowników bez przewijania zobaczy obszar niezacieniowany

Nagłówek

Nagłówek powinien być zgodny z intencją użytkownika, który wylądował na stronie docelowej. Jeśli ktoś trafił na naszą witrynę poszukując Butów marki Y z kolekcji 2013 będzie zaskoczony jeśli w nagłówku zobaczy „Buty marki X”, „Stroje kąpielowe marki Y” albo nic mu niemówiący slogan naszego sklepu „Mydło i Powidło – wszystko dla Ciebie” i może pomyśleć, że nie znajdzie na tej stronie tego, czego szuka.

Klarowność

Na stronie docelowej powinno się znajdować jak najmniej elementów, które nie są związane z jej głównym celem. Strona docelowa powinna mieć jeden, klarowny cel i im mniej informacji z nim niezwiązanych będzie się na tej stronie znajdowało, tym większa szansa, że ten główny cel zostanie zrealizowany. Trzeba szczególnie uważać na linki do innych stron, innych części serwisu, czy jakichkolwiek elementów wymagających od użytkownika aktywnego uczestnictwa – np. podanie e-maila.

Podsumowanie

Dobre rady jak polepszyć stronę docelową można mnożyć i mnożyć. Na Unbounce możecie zobaczyć porady dotyczące wizualizacji – kolorów i elementów, a na blogu KISSmetrics podstawowe zasady projektowania stron docelowych.

Najważniejsze jest jednak poprawne zidentyfikowanie stron docelowych, które nie spełniają swoich funkcji, a następnie określenie dlaczego tak się dzieje. Na podstawie danych z Google Analytics dowiemy się które ze stron docelowych są naszym słabym punktem. Niestety w określeniu co dokładnie w nich nie działa tak, jak powinno, to narzędzie już nam niewiele pomoże. Warto zatem skorzystać z narzędzi, które umożliwiają sprawdzenie jak użytkownicy poruszają się po konkretnej stronie. Tutaj dobrym przykładem jest ClickTale, które oferuje możliwość stworzenia map cieplnych przewijania strony.

(źródło: www.clicktale.com)

Na obraz strony zostaje nałożony gradient, który swoją intensywnością i barwą informuje o tym jaki odsetek użytkowników dojeżdża do różnych treści w witrynie. Dzięki tym informacjom będziemy mogli zdecydować o przesunięciu istotnych informacji wyżej i usunięciu tych, których użytkownicy nie czytają. Tego typu narzędzia pozwalają nam lepiej zrozumieć nasze strony docelowe i zapewnić wiedzę, dzięki której możemy zabrać się za przemyślane zmiany projektowe.

Jakie są wasze standardowe sposoby sprawdzania, czy strona docelowa dobrze pełni swoją rolę? Podzielcie się nimi w komentarzach!