Dzięki analizie ścieżek wielokanałowych wiemy dokładnie, które źródła przyczyniły się do nakłonienia użytkownika do ostatecznej konwersji. Niestety, większość z nas wciąż nie ma jeszcze dostępu do tej funkcjonalności.

Ze starych raportów Google Analytics wiemy za to, że dobrze sprecyzowane słowa kluczowe przynoszą nam 3/4 sprzedaży. W czasie analizy pozostałych źródeł odesłania zauważyliśmy również, że ruch z niektórych witryn konwertuje na naszych stronach znacznie lepiej w porównaniu z innymi.

Czujemy też intuicyjnie, że ogólne słowa kluczowe, pomimo tego, że nie przekonwertowały użytkowników to musiały wpłynąć pośrednio na wynik sprzedażowy.

Na jaką liczbę transakcji miały one wpływ? Próżno szukać takich informacji w Google Analytics.

Poszukiwanie odpowiedzi

Na pewno zaczęliśmy zadawać sobie podobne do tych pytania:

• Dlaczego użytkownicy korzystający z dokładnych słów kluczowych np. określających dokładnie model słuchawek – Sony MDR RF810RK konwertują znacznie lepiej niż użytkownicy, którzy wykorzystują ogólne słowa kluczowe jak np. słuchawki?
• Dlaczego użytkownicy lądujący na stronach naszego sklepu internetowego z Ceneo konwertują znacznie lepiej niż odesłani z reklam AdWords na forum tematycznym elektroda.pl?

Na pewno bardzo wielu z nas miało problem z uzasadnieniem samemu sobie (albo klientowi) dlaczego opłaca się pozycjonowania na ogólne frazy. Zazwyczaj przynoszą one bardzo dużo ruchu, ale małą liczbę konwersji. Podobnie jest z kampaniami displayowymi czy działaniami na forach internetowych.

Mogliśmy się jedynie domyślać, że użytkownik przed zakupem może potrzebować kilku odwiedzin. Domyślaliśmy się również, że na początku poszukiwania produktu do zakupu użytkownik rozpoczyna poszukiwania od ogólnych słów kluczowych, by później przejść do dokładnych słów kluczowych zawierających nazwy marek lub dokładne modele.

Czy te domysły były słuszne?

Nie dawaliśmy się zwieść takim analizom, jak poniżej w których porównanie słów zawierających brand sklepu z resztą daje prosty „wniosek”, że w ogólne słowa kluczowe nie warto w ogóle inwestować:

Kliknij na zdjęcie, aby je powiększyć

Poszukiwaliśmy odpowiedzi w raportach e-commerce Google Analaytics przedstawiających liczbę dni do zakupu oraz liczbę odwiedzin do zakupu. Jeżeli nasze przypuszczenia o tym, że użytkownicy potrzebują czasu do namysłu (a zatem i kilku odwiedzin) miały być słuszne, to te raporty powinny to odzwierciedlać.

Niestety zazwyczaj nie widzieliśmy tam tego, czego się spodziewaliśmy, tylko coś na wzór poniższego raportu:

Kliknij na zdjęcie, aby je powiększyć

Rzadko podejrzewaliśmy, że Google Analytics nas w tym miejscu oszukuje (też się dałem nabrać ;)) i raporty te pokazują liczbę odwiedzin do zakupu ale od ostatniej kampanii.

Oznacz to tak naprawdę, że pokazują liczbę wejść bezpośrednich od wejścia z jakiegokolwiek innego źródła odesłania i medium. Jeżeli użytkownik wszedł w poniedziałek ze słowa kluczowego słuchawki, a we wtorek z porównywarki Ceneo i wtedy przekonwertował to niestety ten raport pokaże nam 0 dni i 1 odwiedziny przed zakupem.

Na szczęście w raportach ścieżek wielokanałowych zostało to poprawione (poniższy screen pochodzi z tego samego sklepu za ten sam okres co screen wyżej!):

Kliknij na zdjęcie, aby je powiększyć

Jednak pomimo tego, że ciężko było nam udowodnić, że ogólne słowa kluczowe również wpływają pozytywnie na sprzedaż, to mieliśmy rację.

I bynajmniej nie dlatego, że obecnie udostępniane ścieżki wielokanałowe to potwierdzają ;)

Trzy etapy procesu zakupowego

Prawdą jest, że można zidentyfikować przynajmniej trzy etapy procesu zakupowego użytkowników, które stanowią swoistą ścieżkę do podjęcia decyzji o zakupie:

• Wczesny etap procesu zakupowego – na wczesnym stadium procesu zakupowego użytkownicy zazwyczaj już podjęli decyzję, że czegoś poszukują, ale nie wiedzą dokładnie czego potrzebują. Oznacza to, że znają swoją potrzebę, ale nie wiedzą co ją zrealizuje w najlepszym stopniu. Na tym etapie użytkownicy chcą sprawdzić i zobaczyć wszystkie rodzaje dostępnych rozwiązań oraz poznać wady i zalety każdego z nich. Potrzebują tak dużo informacji na temat możliwego wyboru i dostępnych opcji ile tylko możliwe, by tylko czuć się pewnie podejmując decyzję o zakupie. To tego typu użytkownicy zareagują na kampanie displayową oraz wpiszą w wyszukiwarkę ogólne słowo kluczowe takie jak np. odkurzacz.
• Środkowy etap procesu zakupowego – w środkowym stadium procesu zakupowego użytkownicy wiedzą już jaki rodzaj produktu / usługi poszukują, ale nie wiedzą jeszcze dokładnie którego / której. Na tym etapie wciąż potrzebują informacji o opcjach, ale w miarę postępu ich poszukiwania będą zawężać jego kryteria. Tego typu użytkownicy używają takich słów jak np. odkurzacz z turboszczotką lub odkurzacz o mocy 2000W.
• Późny etap procesu zakupowego – użytkownicy znajdujący się na tym stadium procesu zakupowego wiedzą dokładnie co spełni ich oczekiwania. Będą poszukiwali specyfikacji technicznych i porównań pomiędzy poszczególnymi markami, producentami i modelami. Tego typu użytkownicy mają bardzo zawężone pole wyszukiwania i chcą przede wszystkim znaleźć dostawcę, któremu można zaufać. To oni wpiszą jako słowo kluczowy markę naszego sklepu lub przejdą z porównywarki cen po upatrzeniu najniższej ceny.

W trakcie projektów optymalizacji konwersji z powodzeniem segmentujemy użytkowników analizowanych witryn na wyżej wymienione trzy etapy procesu zakupowego. Dla każdego z nich powinniśmy zwracać uwagę na inne metryki:

• wczesny etap procesu zakupowego – warto zwracać uwagę na współczynnik odrzuceń oraz strony, które przeglądają nasi użytkownicy (chcemy ich poinformować jak ich problem może zostać rozwiązany!)
• środkowy etap procesu zakupowego – warto zwracać uwagę na współczynnik odrzuceń, średni czas na stronie oraz strony, które przeglądają nasi użytkownicy (chcemy dać im możliwość wyszukania opcji i łatwego porównania rozwiązań),
• późny etap procesu zakupowego – to tutaj zwracajmy uwagę na współczynnik konwersji oraz na strony, które ci użytkownicy przeglądają (chcemy komunikować korzyści oraz budować zaufanie i przekonać, że pieniądze warto zostawić właśnie u nas).

Podsumowując

Wiemy, że mamy przynajmniej 3 etapy procesu zakupowego. Wiemy także, czym charakteryzują się użytkownicy odwiedzający nasz serwis na każdym z nich. Wiemy też, jakie słowa kluczowe / źródła odesłania mogą ich charakteryzować oraz jakich metryk użyć do oceny wydajności na każdym z tych etapów.

Nie czekajmy więc na ścieżki wielokanałowe. Zabierzmy się do tworzenia segmentów zaawansowanych w obrębie naszych kont Google Analytics i poprawiajmy nasze witryny na każdym etapie procesu zakupowego!

Co sądzicie o przedstawionym wyżej, trzy-etapowym procesie zakupowym? Czy po analizie danych udało się Wam wyciągnąć ciekawe wnioski?

Jeżeli dobrze zaplanowaliśmy swoje testy A/B lub wielowymiarowe z dużym prawdopodobieństwem uda nam się uniknąć większości popełnianych zazwyczaj błędów.

Największą uwagę powinniśmy jednak zwrócić na cztery, najczęściej popełniane, błędy:

1. „Testowanie jest kompletnie darmowe! Nie trzeba nad nim myśleć – trzeba działać”

We wszystkich naszych postach, tak na temat danych jakościowych jak i również testów online piszemy, że nie ma wymówek przed ich wykorzystywaniem, ponieważ można to robić praktycznie za darmo.

Praktycznie, nie oznacza jednak, że w pełni. Oczywiście, znajdziemy świetne narzędzia, które są darmowe i poświęcimy swój czas, aby przeanalizować dane i przygotować nowe propozycje. Nasz czas jednak kosztuje. I nie jest on bynajmniej jedynym elementem, za który przyjdzie nam zapłacić.

Nie wszystkie propozycje dadzą pozytywny efekt.

Testy online pomagają nam w szybszym popełnianiu błędów i wyciąganiu z tego konstruktywnych wniosków. Powoduje to jednak, że przez pewien okres – zanim poprawimy konwersję – będziemy tak naprawdę zarabiać mniej.

Wyobraźmy sobie sytuację w której testujesz propozycje A (oryginalna), B i C. Po dwóch tygodniach otrzymujemy następujące wyniki: A – 2,5% B – 3% C – 1,1%

Jeśli każda z wersji otrzymała 33% ruchu, to średni współczynnik konwersji przez okres dwóch tygodni jest równy 2,2% (średnia z trzech liczb: 2,5%, 3%, 1,1%). Gdyby testów nie było ten współczynnik równałby się 2,5%. Oznacza to 12% gorszy współczynnik konwersji niż gdybyśmy testów nie przeprowadzali!

W długim okresie na pewno wygramy. Nie odbędzie się to jednak zerowym kosztem.

W gorszej sytuacji znajdujemy się, jeśli testowane przez nas kombinacje mają wynik słabszy niż wersja oryginalna. Oznacza to nie tylko, że naraziliśmy się na niższy dochód ze swojej witryny internetowej przez okres testu, ale również poniekąd straciliśmy zainwestowany do tej pory czas, ponieważ wnioski z analizy okazały się niepoprawne. Tak czasem się zdarza – nie powinniśmy się jednak załamywać. W takich wypadkach trzeba przeanalizować co nie odpowiadało naszym użytkownikom i wystartować z nowym testem, który będzie wolny od tych błędów.

Należy sobie również odpowiedzieć na pytanie, czy testy są w tym momencie priorytetem? Koszt alternatywny innych działań może przewyższyć przychód z ich przeprowadzenia. Powinniśmy pamiętać o priorytyzacji.

Z powyższych powodów nie należy traktować testów, jako kompletnie darmowego rozwiązania.

2. „Zróbmy szybsze testy A/B. Po co testować interakcje pomiędzy elementami i tracić czas? Czuję, że ich nie ma!”

Testy A/B i wieloczynnikowe porównujące skuteczność jedynie wybranych kombinacji zakładają, że nie ma interakcji pomiędzy poszczególnymi zmiennymi. W Internecie bardzo często nie jest to prawdą.

Aby łatwiej było wyobrazić sobie interakcje pomiędzy zmiennymi zerknijmy na poniższy przykład.

Mamy dwie zmienne. Obrazek oraz nagłówek.

Nagłówek ma tylko jedną odmianę: Samochody Ferrari są najszybsze

Obrazek ma natomiast dwie odmiany:

Źródło: http://www.sportscarcup.com/; http://www.lotustalk.com/

W obu przypadkach z tym samym nagłówkiem będziemy mieli zupełnie różne przekazy.

Jak to może wpłynąć na przeprowadzane przez nas testy? Jeżeli przykładowo założymy, że pomiędzy elementem X i Y nie ma interakcji możemy przeprowadzić testy A/B w których zmienimy połączenie tych dwóch elementów (traktujemy je jako jedna zmienna). Testy dają pozytywny wynik wzrostu konwersji o 12,5% – świętujemy sukces.

Tak naprawdę, nie wiemy w tym momencie, czemu zawdzięczasz sukces. Może być tak, że w zwycięskiej wersji zmiana elementu X zwiększała konwersję o 50%, natomiast zmiana elementu Y obniżała ją o 25% i stąd wziął się wynik 12,5%. Jak widzimy nie jest to wynik optymalny, ponieważ nie zmieniając elementu Y konwersja zostałaby poprawiona o 50% (a nie liche 12,5% ;) ).

Oznacza to, że należy mocno przyglądać się możliwym interakcjom pomiędzy zmiennymi i je monitorować, ponieważ zakładając z góry, że tych interakcji nie ma – można narazić się na niepełne wykorzystanie potencjału testowanych elementów.

3. „Po dwóch dniach mam statystycznie istotne wyniki! Mamy zwycięzcę, więc startujemy z kolejnym testem.”

Zbyt krótki okres zbierania danych może prowadzić do przesadnego hurraoptymizmu. Przy zbieraniu danych będziemy obserwowali fluktuacje i nic na to nie poradzimy.

Zbyt częste sprawdzanie wyników testu na początku jego trwania może nas doprowadzić do błędnych wniosków. Na początku możemy święcić triumfy, a po kilku dniach okaże się, że jednak poprawa była mniejsza niż wskazywały na to wstępne dane.

Dzięki statystyce, zebranie coraz większej liczby danych powinno ustabilizować nam szacowane współczynniki konwersji na rzeczywistym poziomie. Zmniejszą się wtedy zakresy błędu szacunkowego, który zawsze powinniśmy brać pod uwagę analizując dane z testu.

Patrząc na powierzchownie na powyższe dane widzimy, że wersja próbna daje o 33% gorsze wyniki – jej wynik to współczynnik konwersji na poziomie 12,5%, natomiast wersja oryginalna zanotowała wynik rzędu 18,9%. Różnica wynosi 6,4 punkta procentowego!

Jeśli jednak weźmiemy pod uwagę błąd szacunkowy, może okazać się że różnica ta jest jednak znacznie mniejsza. Minimalny wynik współczynnika konwersji dla wersji oryginalnej to 15,7% (18,9% – 3,2%), natomiast maksymalny wynik dla wersji próbnej to 15,2% (12,5% + 2,7%). Różnica to 0,5 p.p. Różnica w poziomie konwersji już nie jest tak jednoznaczna i powalająca, prawda?

Z powyższych powodów powinniśmy zawsze czekać aż uda nam się uzbierać większą ilość danych. Test, który będzie dla nas podstawą do wdrożenia zmiany nanaszej witrynie, powinien trwać ok. 2 tygodnie. Do tego czasu zakres błędu mocno się ograniczy, a prezentowanym wynikom będzie można uwierzyć.

4. „Przecież moje testy trwają tylko 2 tygodnie. Po co mam brać pod uwagę sezonowość?”

Najgorszym możliwym typem testowania jest prezentowanie przez np. tydzień wersji strony A, a przez kolejny tydzień wersji strony B. Możemy mieć pewność, że z porównania takich danych nic dobrego nie wyjdzie, ponieważ zbyt wiele czynników jest zmiennych.

Niektóre z nich mają również bardzo poważny wpływ przy przeprowadzaniu testów równoległych. Nawet ci sami ludzie odwiedzając nasza witrynę w różnych okresach mogą zachowywać się różnie. Maja na to wpływ takie czynniki jak np. znajomość naszego produktu czy działania konkurencji.

W związku z tym powinniśmy pamiętać o tym, aby testy:

• przeprowadzać na stabilnych źródłach ruchu – nie zmieniać ich zestawu w trakcie prowadzonego testu (segmentujmy ruch),
• starać się ominąć sezony sprzedażowe – np. święta (chyba, że testujemy specjalnie pod nie).

A co Wy dopisalibyście do powyższej listy 4 najczęściej popełnianych błędów? Czy nie zgadzacie się z którymś punktem? Zapraszam do komentowania.

Ciekawym dopełnieniem powyższej listy 4 najczęstszych błędów, związanych z testowaniem, jest post Mateusza na temat tego, jaki model współpracy w ramach projektu optymalizacji konwersji należy wybrać.

W wielu naszych artykułach poruszaliśmy temat segmentacji w Google Analytics. Paweł pisał m.in. o segmentacji ścieżek w Google Analytics. Ja również niejednokrotnie podkreślałem konieczność jej wykorzystania, zwłaszcza przy opracowywaniu kluczowych wskaźników wydajności (ang. key performance indicators). W literaturze i w branży równie często podkreśla się jej znaczenie – wielkim entuzjastą i orędownikiem segmentacji jest jeden z największych autorytetów w dziedzinie analityki internetowej na świecie Avinash Kaushik. Jego opinie na ten temat można znaleźć m.in. na blogu w artykule o bardzo wymownie brzmiącym tytule: Web Analytics Segmentation: Do Or Die, There Is No Try!.

Przed tygodniem pisałem o zastosowaniu filtrów w Google Analytics jako sposobie lepszego zrozumienia Twoich użytkowników – zaznaczyłem przy tym, że substytucyjną funkcjonalnością Google Analytics są segmenty zaawansowane. Google Analytics daje w rzeczywistości trzy możliwośći segmentacji użytkowników serwisu internetowego:

• drążenie danych poprzez eksplorację raportów,
• segmenty zaawansowane,
• filtry w ramach profili.

Abstrahując od pierwszego, a zarazem najbardziej oczywistego z nich (w zasadzie, to na pewno używasz tego rodzaju segmentacji bez zastanowienia – nieświadomie), dzisiaj chciałbym opisać bardziej szczegółowo segmenty zaawansowane. Najpierw jednak zastanówmy się jaka jest różnica pomiędzy nimi a filtrami w ramach profili i kiedy, którą funkcjonalność lepiej jest zastosować.

Filtry vs. segmenty zaawansowane

Filtry należy używać do segmentacji „długoterminowej” (wizyty jedynie z określonego regionu geograficznego). Są one pomocne również w usuwaniu tzw. szumów informacyjnych – danych, które mogą zakłócić wyniki analiz np. ruch z komputerów właścicieli serwisu. W końcu wykorzystuje się (o czym sobie teraz uświadomiłem, a czego nie napisałem w poprzednim artykule) do nadawania uprawnień różnym użytkownikom w ramach Twojego konta Google Analytics (np. dla agencji zewnętrznej, która zajmuje się ruchem płatnym Twojej witryny) tzn. daje się uprawnienia poszczególnym użytkownikom do różnych profili.

Z drugiej strony, segmenty zaawansowane znacznie lepiej sprawdzają się przy analizach krótkoterminowych (ad hoc). Z pewnością powinieneś wykorzystać je do porównania wydajności Twojej kampanii marketingowej w ramach dwóch mediów itp. Co więcej, dzięki nim możesz sprawdzać, jak zachowują się „niestandardowi” użytkownicy Twojego serwisu np. spędzający średnio więcej niż 3 min itd.

Myślę jednak, że najlepiej jest podsumować oba sposoby segmentacji przy pomocy tabeli.

Jak stworzyć segment zaawansowany

W związku z tym, że w Internecie jest sporo artykułów na ten temat, nie chciałbym powielać ich treści. Poniżej proponuję kilka, które od podstaw wytłumaczą Wam, jak stworzyć segment zaawansowanych. W razie problemów, oczywiście służę pomocą.

Szczególnie godne uwagi artykuły o tworzeniu segmentów zaawansowanych:

• Podstawą jest oczywiście strona pomocy Google Analytics. Tutaj znajdziecie jak tworzyć segmenty zaawansowane i ich używać.
• Jak zawsze nieoceniony blog Mariusza Gąsiewskiego. Tym razem artykuł właśnie stricte o istocie i tworzeniu segmentów zaawansowanych.

Przykłady segmentów zaawansowanych

Pisząc o raportach niestandardowych w Google Analytics zaznaczyłem, że nie jest to produkt standardowy i nie można (nie powinno się) mówić o dobrych praktykach w tworzeniu takich raportów. Podobnie jest z segmentami zaawansowanymi. Ich konfiguracja powinna być uzależniona od charakteru i specyfiki użytkowników serwisu np. na blogu będziesz chciał wiedzieć jak zachowują się najbardziej zaangażowani użytkownicy Twojego serwisu (ich średni czas spędzony na stronie będzie dłuższy niż średnia wszystkich użytkowników), czy poznać lepiej użytkowników Twojego regionu, jeżeli prowadzisz sklep off-line. W drugim przypadku należy się zastanowić, czy nie lepiej wykorzystać filtr. Jeżeli jednak chcesz porównać użytkowników z różnych regionów (bo prowadzisz sklep o zasięgu ogólnopolskim) lepszym rozwiązaniem będzie segment zaawansowany. Poniżej prezentuje kilka segmentów zaawansowanych, z którymi się do tej pory zetknąłem i które mnie zainteresowały. Może to będzie jakąś inspiracją dla Was:)

• Ścieżki dojścia do celu dla danych historycznych

O wykorzystaniu ścieżek do optymalizacji konwersji pisał Paweł w jednym ze swoich artykułów. Jednak w rzeczywistości po konfiguracji ścieżki informacje, które ona przedstawia prezentowane są dla użytkowników, którzy skorzystali z Twojego serwisu od momentu jej implementacji. Aby mieć możliwość oglądania ścieżki w dla danych historycznych można stworzyć segment zaawansowany, który to umożliwi. Na ten temat również znalazłem artykuł na blogu Mariusza, dlatego odsyłam Was do niego:)

Natomiast o segmentacji samych ścieżek możecie przeczytać w innym artykule Pawła.

• Śledzenie nieprawidłowych linków w Twoim serwisie

Problem ślepych linków przychodzących do strony internetowej to dzisiaj problem niemalże każdego serwisu. To oczywiste, że Twoja strona się zmienia, ewoluuje z biegiem czasu, natomiast nie jesteś w stanie kontrolować wszystkich linków, które do niej prowadzą. Często nawet nie wiesz, gdzie takie linki są osadzone. Ma to znaczenie przede wszystkim dla dużych serwisów, które często są aktualizowane. Przez takie uszkodzone linki możesz nie tylko stracić potencjalnych użytkowników (klientów), ale co gorsze nastawić ich anty do Twojej domeny. Jak śledzić takie linki, a przez to je eliminować w szybkim czasie reagując na pojawiających się użytkowników, którzy nie dotarli do Twojego serwisu z pomocą linka odsyłającego z innej strony internetowej?

Częścią wspólną wszystkich tego typu linków jest tytuł strony, a więc jego użyjemy w konfiguracji raportu niestandardowego. W pierwszej kolejności musisz sprawdzić, jak wygląda tytuł strony błędu. Najprościej zrobić to poprzez wpisanie adresu, który nie istnieje. Dla naszego bloga może to być np. http://www.conversion.pl/blog/test. Sprawdzając źródło takiej strony zobaczysz jaki jest jej tytuł – dla każdej strony błędu w Twoim serwisie będzie on taki sam (u nas jest to „Niestety nie znaleziono strony – Blog Test” dla tej szczególnej strony). Następnie implementujesz segment zaawansowany.
Konfiguracja takiego segmentu wygląda następująco.

Kliknij na zdjęcie, aby je powiększyć

Pamiętaj, że możesz sprawdzić błędne linki prowadzące na Twoją domenę również dla danych historycznych!

• Sprzedaż wg kategorii produktu w e-commerce

Ciekawe studium przypadku przedstawione jest na stronie Google Analytics Blog. Autorzy podają przykład segmentu, który pozwala pokazać sprzedaż produktów męskich versus damskich w sklepie z odzieżą. Po rozpoznaniu kategorii produktów na podstawie adresu w pasku adresu możemy stworzyć segment, który pozwoli nam analizować w e-commerce sprzedaż dwóch rodzajów produktów. Więcej na temat tego segmentu przeczytasz pod tym linkiem.

Oczywiście przykład jest jednym z wielu możliwych przykładów segmentacji ruchu. W zależności od tego, czym handlujesz możesz swoje produkty podzielić według wielu różnych kategorii i analizować Twoich użytkowników w ich ramach.

• Ruch według pory dnia

Jest to bardzo dobry segment do zbierania informacji dotyczących czasu, w którym najlepiej jest puścić reklamę TV, radiową oraz oczywiście internetową. Pomoże Ci również dostosować okres, w którym najlepiej wykazać się zwiększoną aktywnością w social media. Szczególnie pomocny jest dla firm, które mają rozciągniętą działalność w różnych strefach czasowych.

Połącz ten segment z dniem tygodnia, aby przekonać się, kiedy najlepiej konwertują Twoi użytkownicy, aby w tym czasie więcej wzmożyć swoją aktywność reklamową.

Kliknij w ten link, aby utworzyć taki segment zaawansowany. Jeżeli jesteś zalogowany na swoim koncie Google Analytics, możesz go od razu zaimplementować do swoich analiz:)

• Ruch wg słów kluczowych

Dzięki segmentom zaawansowanym możesz również „spakować” wszystkie słowa kluczowe, na których ci zależy (dowolny ich zestaw) w celu przekonania się, jak wygląda ruch użytkowników, którzy za ich pomocą trafili na Twoją stronę. Dzięki temu możesz przekonać się jak dużo ruchu dany zestaw słów kluczowych sprowadza na Twoją witrynę. Przekonasz się również, czy użytkownicy, którzy dzięki tym słowom trafili na Twoją stronę konwertują w sposób, jakiego od nich oczekujesz. Jeżeli pozycjonujesz się na dane słowa w AdWords z pewnością będziesz chciał ten ruch podzielić jeszcze na ruch płatny i organiczny. w powyższym filtrze wyrażenie regularne „KW1|KW2|KW3” oznacza 3 słowa kluczowe. Możesz stosować dowolną ich ilość zawsze oddzielając je znakiem „|”, który oznacza operator logiczny „lub”.

• Śledzenie zapisanych w RSS

Dowiedz się, jak zachowują się użytkownicy, którzy zapisali się do Twojego źródła RSS.

• Czy jest jakaś różnica pomiędzy nimi, a pozostałymi powracającymi użytkownikami?
• Co ich odróżnia?
• W których miejscach należy poprawić stronę, aby angażowała bardziej?

To tylko kilka pytań, na które można odpowiedzieć wykorzystując ten filtr. Aby przekonać się, jak to wygląda na Twojej stronie – zainstaluj odpowiedni segment zaawansowany.

Podsumowanie

To jest kilka segmentów zaawansowanych, z tych z którymi do tej pory się zetknąłem. Chętnie posłucham, jak Wy segmentujecie swoich użytkowników. Pomysłów może być wiele i jak już zaznaczyłem na wstępie – żaden z nich na pewno nie jest uniwersalny, bo tak jak nie ma dwóch identycznych ludzi na świecie, tak każdy strona internetowa jest inna…