Szkolenia z Google Analytics, Google Tag Managera i Optymalizacji Konwersji 13-16 marca 2017, WARSZAWA

Zarejestruj się już dziś »


Mierzenie i ocena efektywności źródeł ruchu w Google Analytics

Współcześnie, zdecydowana większość firm obecnych w internecie pozyskuje użytkowników na swoją stronę przy wykorzystaniu więcej niż jednego kanału, umożliwiającego dotarcie do odbiorcy. Naturalnie, nie ma w tym nic dziwnego – w końcu do dyspozycji mamy niezliczoną liczbę narzędzi, pozwalających dotrzeć z naszym przekazem do użytkownika – przykładowe źródła odwiedzin to kampanie bannerowe, mailingi, reklama w wyszukiwarkach, czy serwisy partnerskie. Pojawia się jednak w związku z tym jedno ważne pytanie:

Jak skutecznie mierzyć efektywność poszczególnych źródeł ruchu, wykorzystywanych przez daną firmę?

Od razu zaznaczę, że efektywne źródło to takie, które nie tyle przyciąga na naszą stronę duży ruch, ile przyciąga możliwie dużo wartościowych użytkowników, czyli takich, którzy wypełniają stawiane przed nimi cele, czyli konwertują. Decydująca przy porównywaniu poszczególnych kanałów marketingowych będzie zatem nie absolutna liczba odwiedzin, ale wartość współczynnika konwersji (liczba konwersji podzielona przez liczbę odwiedzin).

Wiemy, jak śledzić w Google Analytics prowadzone w internecie kampanie marketingowe – ponad rok temu pisał o tym Paweł. Wydaje się więc również, że stosunkowo łatwo jest mierzyć efektywność poszczególnych kanałów, które zostały wykorzystane w ramach kampanii – dla każdego źródła ruchu mamy przecież dostępny zestaw metryk, w tym także współczynnik konwersji. Co może być prostszego, niż porównanie kilku wskaźników ze sobą? Przykładowo, spójrzmy na poniższy obrazek – który z kanałów marketingowych jest najefektywniejszy?

Porównanie efektywności źródeł ruchu - przykład

Kliknij na zdjęcie, aby powiększyć

Naturalnie, odpowiedź może być tylko jedna – najefektywniejszym źródłem ruchu jest portal goldenline.pl :) warto w tym miejscu zauważyć, że przy tego rodzaju analizach konieczne jest stosowanie sortowania ważonego, aby zapewnić porównywalność współczynników konwersji, obliczonych dla poszczególnych kanałów.

Niestety, okazuje się, że nie wszystko jest tak proste i oczywiste, jak może się na początku wydawać – spójrzmy na poniższy diagram.

Przykładowe ścieżki prowadzące do konwersji

Kliknij na zdjęcie, aby powiększyć

Przedstawia on trzy ścieżki, prowadzące do zrealizowania ustalonego dla naszej witryny celu (konwersji). Ścieżka pierwsza to najprostszy przypadek. Internauta, korzystając z wyszukiwarki Google, widzi nasz link sponsorowany, klika w niego i przechodzi do naszej witryny. Okazuje się, że doskonale trafia ona w jego potrzeby, więc ten sam internauta od razu konwertuje, wypełniając postawiony przed nim cel – na naszym diagramie symbolizuje to znak $. W tym wypadku określenie efektywności danego kanału – przypomnijmy, że chodzi linki sponsorowane Google – rzeczywiście nie wydaje się kłopotliwe; wszystko, czego potrzebujemy, to wartość współczynnika konwersji plus odniesienie do pozostałych, stosowanych narzędzi marketingowych.

Nieco inaczej wygląda to w przypadku drugiej ścieżki. Użytkownik po raz pierwszy ma do czynienia z naszą firmą podczas przeglądania portalu gazeta.pl – na jednej z podstron wyświetlona zostaje nasza reklama w postaci banneru. Zainteresowany, klika w nią i przechodzi do naszej witryny – nie następuje jednak konwersja. Jednakże, po pewnym czasie ten sam internauta trafia na naszą witrynę za pośrednictwem wyszukiwarki Google i konwertuje. Jak w tym wypadku zmierzyć efektywność poszczególnych źródeł ruchu? A co byłoby, gdyby ścieżka naszego użytkownika wyglądała tak, jak proces trzeci, przedstawiony na naszym diagramie?

Mierzenie efektywności poszczególnych źródeł ruchu w kampaniach wielokanałowych w Google Analytics

Jeżeli do śledzenia naszych kampanii wykorzystujemy Google Analytics, to musimy zdawać sobie sprawę z tego, że przy standardowych ustawieniach konwersja przypisywana jest zawsze do ostatniego źródła ruchu, z którego skorzystał odwiedzający nas użytkownik. Wyjątkiem są wejścia bezpośrednie. Z oczywistych względów nie są one klasyfikowane jako osobny kanał i w związku z tym nie nadpisują poprzednich źródeł odwiedzin, za pośrednictwem których dany użytkownik do nas trafił. Konwersja zostaje przypisana do wejścia bezpośredniego tylko wtedy, jeżeli był to pierwszy i jedyny kanał, za pośrednictwem którego internauta do nas trafił. Warto w tym miejscu przypomnieć sobie, czym w Google Analytics są wejścia bezpośrednie i dlaczego nie zawsze ich standardowa definicja jest wystarczająca – pisał o tym jakiś czas temu Mariusz.

Standardowe ustawienia GA nie stanowią problemu, jeżeli ścieżka, którą przebył użytkownik, jest analogiczna do tej, która widnieje jako pierwsza na powyższym diagramie. W takim przypadku rzeczywiście za konwersję odpowiada jedno, konkretne źródło ruchu i to właśnie jemu zawdzięczamy 100% przychodu, wygenerowanego przez konwertującego internautę.

Problem pojawia się, jeżeli owa ścieżka miała bardziej złożoną postać i na konwersję „złożyło się” kilka różnych narzędzi, z których korzystamy. Jakkolwiek przypisanie sukcesu (konwersji) do ostatniego źródła ruchu, z którego skorzystał użytkownik, wydaje się w pełni uzasadnione, to musimy pamiętać, że takie podejście może zniekształcać obraz sytuacji – doskonale widać to na poniższym diagramie.

Błędna ocena źródeł ruchu - przykład

Kliknij na zdjęcie, aby powiększyć

Sukces jest przypisywany do ostatniego źródła ruchu, z którego skorzystał internauta – ale czy to oznacza, że pozostałe kanały rzeczywiście stanowiły jedynie generatory kosztów? Moim zdaniem nie.

Jeżeli domyślne ustawienia GA nas nie satysfakcjonują, zawsze możemy rozważyć zastosowanie alternatywnego modelu atrybucji, czyli alternatywnej metody przypisywania osiągniętego sukcesu (konwersji) do źródła ruchu – oprócz tzw. last-click credit mamy do dyspozycji jeszcze między innymi:

  • first-click credit (konwersja zostaje przypisana do pierwszego źródła, z którego dotarł do nas internauta)
  • even-click credit (konwersja zostaje przypisana do wszystkich źródeł ruchu, z którymi internauta miał styczność, przy czym każdemu narzędziu nadana zostaje jednakowa waga)
  • custom credit (konwersja zostaje przypisana do wszystkich narzędzi, z którymi zetknął się internauta, ale każdemu z nich nadana zostaje inna, odgórnie ustalona waga)

Przykładowo, załóżmy, że pojedynczą konwersję wyceniliśmy na 100 PLN. Poniższy diagram przedstawia udział poszczególnych źródeł ruchu w wygenerowanym z tytułu konwersji przychodzie dla poszczególnych modelów atrybucji.

Przegląd modeli atrybucji

Kliknij na zdjęcie, aby powiększyć

Jeżeli zagadnienia związane z modelami atrybucji Was zainteresowały, zachęcamy do obejrzenia prezentacji na temat poszczególnych sposobów przypisywania konwersji do konkretnego źródła odwiedzin – prezentacja jest autorstwa Pawła i była omawiana podczas piątej edycji Silesia SEM. Każdy z wymienionych modeli atrybucji da się mniejszym lub większym nakładem pracy zaimplementować w GA – w treści prezentacji znajdziecie na ten temat więcej informacji.

Niestety, każdy z wyżej wymienionych sposobów przypisywania konwersji do konkretnego źródła ruchu ma zasadniczą wadę – decyzja odnośnie tego, jaki wpływ na zaistniałą konwersję ma każde z zastosowanych narzędzi, podejmowana jest odgórnie. Wymaga to albo rozległej wiedzy na temat branży, w której działamy albo solidnych danych, pozwalających na możliwie obiektywne ustalenie istotności poszczególnych źródeł odwiedzin. Osobiście preferuję podejście drugie, do czego mocno przyczyniła się udostępniona w kwietniu bieżącego roku nowa funkcjonalność Google Analytics, tzw. ścieżki wielokanałowe (ang. multi-channel funnels). Jak dotąd Google nie zdecydowało się na udostępnienie jej szerokiej publiczności. Na szczęście kilku z naszych Klientów zalicza się do grona szczęśliwych wybrańców, więc mamy możliwość własnoręcznego przetestowania tego narzędzia – możecie być pewni, że niebawem na naszym blogu pojawi się wpis, poświęcony w całości tylko i wyłącznie tej jednej funkcjonalności GA :)

Update:

Czy stosowanie alternatywnych modeli atrybucji naprawdę jest konieczne?

Na koniec należy odpowiedzieć na jedno ważne pytanie – czy wychodzenie poza standardowe ustawienia GA, dotyczące modelu atrybucji, rzeczywiście jest niezbędne? Tradycyjnie, odpowiedź na to pytanie zależy od konkretnej sytuacji. Jeżeli zdecydowanie najczęściej spotykaną ścieżką, prowadzącą do konwersji w przypadku naszej witryny, jest ścieżka analogiczna do pierwszego z opisywanych na początku posta procesów – wychodzenie poza domyślny model atrybucji nie jest konieczne. W przeciwnym wypadku – wydaje się być warte rozważenia. Jak sprawdzić to w praktyce? Jeżeli dla naszej witryny zostało skonfigurowane śledzenie e-commerce, wystarczy zapoznać się z jednym z domyślnych raportów, generowanych na podstawie danych, pochodzących z modułu e-commerce.

Liczba odwiedzin przed zakupem - przykładowy raport

Kliknij na zdjęcie, aby powiększyć

Możemy przyjąć, że jeżeli liczba konwersji, która została wykonana na podstawie tylko jednej lub dwóch wizyt w serwisie, jest niższa niż 65% ogólnej liczby zaistniałych konwersji, warto zastanowić się nad alternatywnym modelem atrybucji. W przeciwnym wypadku możemy uznać, że zdecydowana większość użytkowników, odwiedzających naszą witrynę i wypełniających stawiany przed nimi cel, podąża najprostszą z możliwych ścieżek do konwersji. Patrząc na powyższy, przykładowy raport – zastosowanie alternatywnego modelu atrybucji mogłoby mieć sens.

Podsumowanie

Mam nadzieję, że tym postem przybliżyłem Wam nieco problematykę pomiaru efektywności poszczególnych źródeł ruchu. Temat ten jest na tyle ciekawy, że na pewno wrócimy do niego jeszcze na łamach tego bloga. Tymczasem, gdybyście mieli jakiekolwiek pytania odnośnie tego, czy model atrybucji, który stosujecie w odniesieniu do własnej witryny, jest właściwy – zapraszamy do kontaktu. Postaramy się pomóc :)

Autor: Mateusz

Mateusz codziennie pracuje nad tym, aby współczynnik konwersji na stronach naszych klientów był jak największy. Ukończył Metody Ilościowe w Ekonomii i Systemy Informacyjne w Szkole Głównej Handlowej. Interesuje się nowoczesnymi metodami gromadzenia i przetwarzania danych marketingowych oraz tym, jak powstałe w ten sposób informacje można wykorzystać w działalności firmy. Swoimi przemyśleniami chętnie dzieli się na naszym blogu ☺





  • Joanna Jeske

    swietny blog post! w pewnym momencie zadaje Pan pytanie: "Jak w tym wypadku zmierzyć efektywność poszczególnych źródeł ruchu?" – Ma pan racje, nie jest latwo ocenic, w jaki sposob dokladnie dane zrodlo ruchu przyczynia sie do konwersji. Byc moze pierwsza wizyta poprzez dane zrodlo ruchu miala jedynie cel informacyjny, ktory przyczynil sie do kolejnej wizyty?
    Natomiast trzeba pamietac o tym, ze bardzo wazne jest to, jak bardzo rozpoznawalny jest brand w sieci. I czy sama strona posiada takie elementy jak: social proof, authority and trust building i odpowiedni CTA (call to action) – te elementy miedzy innymi przyczyniaja sie do konwersji na stronie przy pierwszej wizycie. Pozdrawiam

    • Mateusz Dałek

      Dziękuję za komentarz :) w rzeczy samej – mierzenie efektywności poszczególnych źródeł ruchu to jedno, natomiast ustalenie dlaczego użytkownicy, trafiający do nas z danego źródła odesłania nie konwertują, to drugie.

      Z jednej strony mogą się oni znajdować na różnych etapach procesu zakupowego – pisał o tym jakiś czas temu Paweł: http://bit.ly/nJOI1B

      Z drugiej natomiast strony, każdy z nas inaczej podejmuje decyzje – osoby spontaniczne, kierujące się emocjami to zdecydowanie większa szansa na zaistnienie konwersji, niezależnie od tego, jakie źródło odesłania bierzemy pod uwagę. Tutaj mogę polecić dzisiejszy post Mateusza: http://bit.ly/qvdL4Q

      • http://www.altkomakademia.pl Dariusz Romanowski

        Świetny artykuł Mateusz, chciałbym mieć chociaż w 3/4 taką wiedzę jak Ty masz:) Musze się zgłosić do Was na szkolenie, jednak październikowe odpada ze względu na nawał pracy. Mam nadzieje, że będą jeszcze szkolenia w tym roku lub na początku następnego:)

        • Mateusz Dałek

          @Dariusz, dziękuję za opinię :) zachęcamy do wejścia na http://www.conversion.pl/szkolenia/ i dopisania się do naszego newslettera – wyślemy Ci powiadomienie o terminie kolejnych szkoleń prosto na skrzynkę ;)

  • http://www.studiowizjo.pl Bartłomiej

    Jak zwykle świetny artykuł. Nie mam jednak kompletnie pojęcia jakie dane nt rynku mogłyby pomóc nam ustalić wagę poszczególnych źródeł ruchu w modelu custom credit. Jakieś wskazówki?

  • Mateusz Dałek

    Dziękuję za opinię :) osoba znająca daną branżę i dany rynek ma zdecydowanie większą szansę na poprawne określenie ról, odgrywanych przez poszczególne kanały marketingowe, niż osoba nie posiadająca takiej wiedzy. Osoba taka z własnego doświadczenia wie, które kanały pozyskiwania użytkowników mają kluczowe znaczenie, jeżeli chodzi o generowanie sprzedaży, a które mają charakter marginalny. Dzięki tej wiedzy osoba ta może z dużą pewnością dobrać odpowiednia wagi dla poszczególnych źródeł ruchu w modelu custom credit. Mam nadzieję, że odpowiedziałem na pytanie? :)

  • Gosia

    Dzień dobry,

    mam kilka pytań odnośnie gogle analytics. Jestem na początku swojej przygody z tym narzędziem, dlatego proszę wybaczyć jeśli pytam o rzeczy oczywiste.

    Jak mogę znaleźć adresy stron, z których wchodzili klienci na moją stronę. Chodzi o to, że klient twierdzi, że analytic pokazuje wejścia na stronę z allegro (z aukcji) natomiast nie ma takiej możliwości, ponieważ na aukcji nie było podlinkowania do strony… Zatem gdzie znajdują się miejsca w analyticsach, gdzie mogę śledzić adresy, z których no zrobione były np. zamówienia w sklepie?
    Będę wdzięczna za odpowiedź.

    Pozdrawiam

  • Mateusz Dałek

    Gosia, adresy URL, z których użytkownicy wchodzą na Twoją witrynę, i które nie są kwalifikowane jako osobne źródło ruchu (czyli np. jako wejścia z wyników bezpłatnych lub płatnych wyszukiwarek), znajdziesz po zalogowaniu się do Google Analytics, w raporcie Pozyskiwanie > Wszystkie odesłania.

x

Pobierz najnowsze case study

Przeczytaj jak Limango Polska wykorzystuje potencjał analityki internetowej w swojej organizacji.

Pobierz case study