Szkolenia z Google Analytics, Google Tag Managera i Optymalizacji Konwersji 5-8 czerwca 2017, WARSZAWA

Zarejestruj się już dziś »


Atrybucja konwersji w Google Analytics – jak wybrać odpowiedni model?

Przy planowaniu budżetów marketingowych i tworzeniu planu działań na kolejny rok, pytaniem, które pojawia się najczęściej jest: który z wykorzystywanych kanałów ruchu jest najbardziej efektywny?

Aby odpowiedzieć na powyższe pytanie nie wystarczy już analizowanie pojedynczych źródeł ruchu, ani wykorzystanie domyślnego modelu atrybucji, który przypisuje wartość konwersji jedynie do ostatniego niebezpośredniego kanału ruchu. Jeżeli użytkownicy Waszego serwisu, tak jak na poniższym raporcie, potrzebują więcej niż 2 interakcji, aby skonwertować, przy ocenianiu efektywności kanałów ruchu powinniście sięgnąć po analizę ścieżek wielokanałowych.

Raport długości ścieżki
Raport długość ścieżki pokazuje nam, w ile interakcji z naszym serwisem wchodzi użytkownik zanim skonwertuje. W powyższym przykładzie w prawie 70% przypadków użytkownicy potrzebują więcej niż 2 interakcji z serwisem – oznacza to, że przy ocenianiu źródeł ruchu należy sięgnąć po analizę ścieżek wielokanałowych.

Analiza ta umożliwia identyfikację najczęstszych ścieżek konwersji, jakie przebywają nasi użytkownicy na drodze do konwersji. Ścieżka konwersji jest to sekwencja interakcji użytkownika ze stroną, która poprzedza każdą konwersję. Jednak, aby odpowiedzieć na pytanie, które z kolejnych interakcji użytkownika w największym stopniu odpowiadają za konwersję, musimy sięgnąć do raportów modeli atrybucji.

Czym są modele atrybucji?

Model atrybucji jest zbiorem reguł, który określa do którego punktu kontaktu na ścieżce konwersji będzie przypisana konwersja. Raporty porównujące modele atrybucji możemy znaleźć w raportach Konwersji, w Atrybucji konwersji.

Raporty modeli atrybucji
Raporty porównujące modele atrybucji możemy znaleźć w raportach Konwersji, w Atrybucji konwersji.

Te punkty kontaktu na ścieżce konwersji to kanały ścieżek wielokanałowych, które określają źródła ruchu, poprzez które użytkownicy trafili na nasz serwis: przykładowo poprzez odesłanie z innych witryn albo poprzez płatne wyniki wyszukiwania (np. AdWords). W raportach modeli atrybucji znajdziecie domyślne pogrupowanie kanałów, które zawierają:

  • Wejścia bezpośrednie
  • Bezpłatne wyniki wyszukiwania
  • Odesłania
  • Płatne wyniki wyszukiwania
  • Sieci społecznościowe
  • Emaile
  • Reklamy displayowe

W modelach atrybucji jako wartość konwersji możemy uwzględnić zarówno konwersje ecommercowe, jak również konwersje celów. W tym drugim przypadku, aby modele atrybucji działały poprawnie i zbierały dane, warto pamiętać o ustawieniu wartości celów.

W ustawieniach raportu możemy określić zakres czasowy raportu od 1 do 90 dni – określa on czas przed każdą konwersją, w którym będą zliczane kliknięcia z kanałów ruchu prowadzące do danej konwersji. Wybrany okres ważności powinien zależeć od długości ścieżki konwersji – w przypadku tanich produktów, takich jak drobna elektronika, będzie on krótki. Natomiast dla drogich produktów, takich jak samochody, gdy użytkownicy potrzebują dużo czasu i interakcji z serwisem, aby podjąć decyzję o zakupie, wybrany okres ważności raportu powinien być również dłuższy.

Zbyt krótki okres ważności spowoduje, że modele nie będą zawierały wszystkich punktów interakcji użytkownika z serwisem. Zbyt długi (szczególnie, gdy chcemy analizować konkretne kampanie) może powodować, że w naszej analizie znajdą się również punkty styczności użytkownika z serwisem, które miały miejsce zanim kampania ruszyła.

Wskazówki, ile dni wynosi długość ścieżki konwersji dla naszego serwisu, możemy poszukać między innymi w raporcie Konwersje -> Ścieżki wielokanałowe -> Upływ czasu.

Możemy również tworzyć własne grupy kanałów. Jest to bardzo przydatna opcja, szczególnie jeżeli prowadzimy działania marketingowe nakierowane na konkretne źródła pozyskiwania ruchu. Przykładowo, gdy duże kwoty z naszego budżetu marketingowego przeznaczamy na promocję w porównywarkach cenowych, możemy stworzyć z nich oddzielną grupę kanałów, co pozwoli nam na analizę ich udziału w ścieżce zakupowej.

Dostępne w Google Analytics modele atrybucji

Jak poszczególne modele atrybucji wpływają na ocenę kanałów, którymi przychodzą użytkownicy, zilustruję na przykładzie: użytkownik szuka butów na zimę.

  1. Rozpoczyna poszukiwanie w wyszukiwarce Google, gdzie zauważa reklamę AdWords butów zimowych i klika na nią przechodząc na serwis www.butyzimowe.pl.
  2. W trakcie wizyty nie decyduje się na zakup żadnego produktu na stronie.
  3. Kolejnego dnia widzi reklamę tego samego serwisu na Facebooku i decyduje się kliknąć i ponownie zobaczyć ofertę sklepu www.butyzimowe.pl, ale wciąż nie decyduje się na zakup.
  4. W kolejnym tygodniu użytkownik ponownie odwiedza serwis, najpierw poprzez link w porównywarce cenowej Ceneo, a następnie poprzez link w emailu, który zawiera bony rabatowe.
  5. Następnie użytkownik wchodzi bezpośrednio na serwis wpisując nazwę serwisu w przeglądarce i dokonuje zakupu butów na zimę.

Ścieżka konwersji naszego przykładowego użytkownika wygląda następująco:

Przykładowa ścieżka konwersji
Przykładowa ścieżka konwersji użytkownika, który poszukuje w Internecie butów na zimę. Początkowo trafia na stronę www.butyzimowe.pl poprzez reklamę AdWords. Następnie poprzez Facebooka, odesłania z porównywarki cen, ofertę emailową i na końcu przychodzi na stronę poprzez wejście bezpośrednie i kupuje jeden z ofertowanych produktów na stronie.

Pojawia się pytanie: w przypadku tak złożonej ścieżki, do którego kanału ruchu powinniśmy przypisać największy udział w konwersji? Który kanał powinien być uważany za najbardziej efektywny w procesie zakupowym użytkownika?

Modele atrybucji stanowią odpowiedź na powyższe pytania i pomagają nam w ocenie poszczególnych źródeł ruchu. W zależności od przyjętych reguł, przypisują udział w konwersji całościowo do jednego kanału ruchu, bądź rozdzielają go na kilka kanałów.

Aby przeprowadzać efektywne analizy ścieżek wielokanałowych, na samym początku musimy znaleźć odpowiedź na pytanie: które z proponowanych modeli najlepiej pasują do specyfiki naszego serwisu? Rzadko zdarza się, że pasuje nam jedynie jeden model atrybucji. Najlepszym podejściem jest wybór paru modeli, które najbardziej odpowiadają specyfice prowadzonych przez nas działań i porównanie wyników oraz wniosków z nich płynących. W Google Analytics możecie wybrać pomiędzy siedmioma domyślnymi modelami.

Model ostatniej interakcji

Model ostatniej interkacji
Model ostatniej interakcji przypisuje 100% wpływu na konwersję do ostatniego kanału ruchu.

Model ostatniej interakcji przypisuje 100% wpływu na konwersję do ostatniego kanału ruchu. W powyższym przykładzie wartość konwersji w całości zostałaby przypisana do wejścia bezpośredniego.

Model ten sprawdzi się jedynie dla serwisów, gdzie w raporcie „Długości ścieżki konwersji” — 70% konwersji dzieje się przy pierwszych bądź drugich odwiedzinach użytkownika. Przykładowo model ostatniej interakcji może zostać wykorzystany przy analizowaniu ścieżki zakupowej produktów grupy FMCG, gdzie decyzja zakupowa jest podejmowana przez użytkownika szybko, najczęściej w ciągu tego samego dnia i gdy jedna lub dwie interakcje z serwisem wystarczą do podjęcia decyzji zakupowej. Dla większości serwisów będzie on jednak nieodpowiedni.

Model ostatniego kliknięcia niebezpośredniego

Model ostatniego kliknięcia niebezpośredniego
W tym modelu 100% udziału w konwersji zostanie przypisany do ostatniego kanału, który nie był wejściem bezpośrednim, a który użytkownik wykorzystał, aby przyjść na stronę serwisu.

Model ostatniego kliknięcia niebezpośredniego jest domyślnym modelem we wszystkich raportach, które możemy znaleźć w GA (oprócz raportów ścieżek wielokanałowych i modeli atrybucji).

W tym modelu 100% udziału w konwersji zostanie przypisane do ostatniego kanału, który nie był wejściem bezpośrednim, a który użytkownik wykorzystał, aby przyjść na stronę serwisu przed konwersją (wyjątek stanowi przypadek, gdy użytkownik skorzystał jedynie z wejścia bezpośredniego, aby znaleźć się na stronie, wtedy udział w konwersji zostanie przypisany w całości do wejścia bezpośredniego).

W omawianym przykładzie konwersja zostanie przypisane do wiadomości email.

Ten model motywowany jest założeniem, że użytkownicy, którzy przychodzą na serwis bezpośrednio, znają nasz serwis, zatem na ich zachowanie wpłynęły poprzednie kanały i działania marketingowe, z którymi mieli styczność. Założenie to jest nie do końca prawdziwe, gdyż przypisuje całą wartość konwersji tylko do ostatniego niebezpośredniego kanału wejścia użytkownika, całkowicie pomijając wpływ innych wcześniejszych kanałów ruchu. Model pomija także możliwość, że użytkownik może wejść bezpośrednio na nasz serwis i dokonać zakupu, będąc pod wpływem innych działań marketingowych czy informacji (przykładowo informacji z kanałów offline).

Model pierwszej interakcji

Model pierwszej interackji
W modelu pierwszej interakcji cały udział w konwersji zostanie przypisany do pierwszego źródła, które stanowiło pierwszy punkt kontaktu użytkownika z serwisem.

W tym modelu cała wartość konwersji zostanie przypisana do pierwszego źródła, które stanowiło pierwszy punkt kontaktu użytkownika z serwisem.

W omawianym przypadku będzie to płatne wyszukiwanie w AdWords.

Ten model atrybucji może być wykorzystany przez serwisy, które dopiero pojawiły się na rynku. Dla tych serwisów istotną kwestią jest budowanie świadomości marki wśród użytkowników i na ten cel mogą przeznaczać zdecydowaną część swojego budżetu marketingowego. W takiej sytuacji przypisanie 100% wartości konwersji do pierwszego punktu kontaktu użytkownika z serwisem pomaga im w znalezieniu kanałów, które najlepiej spełniają założony cel.
Pozostałe serwisy nie powinny korzystać z tego modelu, chyba że chcą poznać media, w których użytkownicy spotykają się z nimi po raz pierwszy (a dzięki temu zaplanować odpowiednią komunikację).

Model ostatniego kliknięcia AdWords

Ten model przypisuje konwersję do ostatniego przyjścia użytkownika do serwisu poprzez reklamę AdWords. W powyższym przypadku konwersja zostałaby przypisana jedynie pierwszemu kanałowi ścieżki.

Model ostatniego kliknięcia AdWords nie ma większego zastosowania w analizach ścieżek wielokanałowych. Jego jedynym celem wydaje się uzasadnienie potrzeby ponoszenia większych wydatków na działania w AdWords, na czym zależy Google :)

Model liniowy

Model liniowy
Model liniowy przypisuje po równo udział w konwersji każdemu punktowi kontaktu użytkownika z serwisem.

Model liniowy przypisuje po równo udział w konwersji każdemu punktowi kontaktu użytkownika z serwisem.

W naszym przykładzie każdy z kanałów otrzymałby 20% udziału w konwersji.

Ten model zakłada, że każdy kanał, poprzez który użytkownik przychodzi do serwisu, w takim samym stopniu wpływa na zachowanie użytkownika. Model ten możemy stosować, gdy w prowadzonych przez nas kampaniach każda styczność użytkownika z naszym serwisem jest tak samo ważna i zależy nam na ciągłym podtrzymaniu kontaktu z użytkownikiem.

Przykładowo prowadzimy ciągłą kampanię serwisu z opiniami o kosmetykach. Naszym celem jest pozyskanie jak największej bazy użytkowników (w celu ciągłego rozszerzania bazy opinii) oraz aby użytkownicy stale nas odwiedzali i nie zapomnieli o naszym serwisie. Wtedy każda styczność użytkownika z serwisem jest dla nas taka samo istotna i planujemy budżet tak, aby osiągnąć jak najszerszy zakres naszych kampanii w Internecie.

Model rozkładu czasowego

Model rozkładu czasowego
W modelu rozkładu czasowego największy udział w konwersji otrzymują ostatnie kanały, którymi użytkownik trafił na serwis przed konwersją. Pierwszy kanał natomiast otrzymuje najmniejszy udział w konwersji.

W modelu rozkładu czasowego największy udział w konwersji otrzymują ostatnie kanały, którymi użytkownik trafił na serwis przed konwersją. Pierwszy kanał natomiast otrzymuje najmniejszy udział w konwersji.

W podanym przykładzie najmniejszy udział otrzyma płatne wyszukiwanie, każdy kolejny kanał będzie otrzymywał wyższy udział w konwersji. Największy udział będzie miało wejście bezpośrednie, jako ostatni punkt kontaktu użytkownika przed konwersją.

Model ten zakłada, że każda kolejna interakcja użytkownika z serwisem poprzez kolejne kanały, coraz bardziej przybliża go do spełnienia celu strony, czyli konwersji.

Przykładowo model rozkładu czasowego moglibyśmy wykorzystać w kampaniach, które w zależności od etapu kampanii wykorzystują różne kanały promocji i ich zadaniem jest stopniowe budowanie zaangażowanie użytkownika na stronie.

Model ten warto wykorzystać również, gdy prowadzimy krótkie kampanie nakierowane na szybką konwersję użytkownika. Wtedy kanały, dzięki którym użytkownik trafił na naszą stronę w trakcie trwania kampanii są dla nas dużo więcej warte niż kanały, poprzez które użytkownicy przychodzili na stronę, kiedy kampania jeszcze nie działała. Te wcześniejsze wejścia mają również przypisany udział w konwersji (chociaż zdecydowanie mniejszy) ze względu na funkcje budowanie wizerunku i świadomości marki.

Z domyślnie dostępnych modeli atrybucji w GA, jest to model najbardziej zbliżony do procesu budowania zaangażowania i znajomości marki w świadomości użytkownika, dlatego jest to najlepszy z dostępnych modeli, aby rozpocząć nasze pierwsze analizy ścieżek wielokanałowych.

Model uwzględnienia pozycji

Model uwzględnienia pozycji
Model uwzględnienia pozycji przypisuje po 40% udziału w konwersji do pierwszego i ostatniego punktu kontaktu na ścieżce konwersji. Pozostałe 20% udziału jest dzielone po równo pomiędzy pozostałe grupy kanałów.

Model uwzględnienia pozycji przypisuje po 40% udziału w konwersji do pierwszego i ostatniego punktu kontaktu na ścieżce konwersji. Pozostałe 20% udziału jest dzielone po równo pomiędzy pozostałe grupy kanałów.

W omawianym przykładzie płatne wyszukiwanie oraz wejście bezpośrednie otrzymały po 40% udziału w konwersji, natomiast sieć społecznościowa, odesłanie, email w sumie otrzymałyby pozostałe 20% udziału.

Model może być bardzo korzystny dla serwisów, które opierają swoje działania głównie dla remarketingu – pierwszy kontakt użytkownika z serwisem jest tutaj kluczowy, gdyż pozwala „oznaczyć” użytkownika. Kolejne działania marketingowe i kanały maja podtrzymać zainteresowanie użytkownika oferowanym produktem i usługą. Tak samo ważnym kanałem jak pierwszy, jest ostatni, który jest bezpośrednim źródłem konwersji. Przy tak dobranym modelu atrybucji, wiemy, w które kanały powinniśmy zainwestować najsilniej w przypadku wykorzystania remarketingu, aby (1) wpisać użytkownika na listę remarketingową (czyli de facto ściągnąć użytkownika po raz pierwszy kampanią namawiającą do sprawdzenia naszej strony / produktu / usługi / firmy) i (2) przekonać go do skonwertowania.

Porównywanie modeli atrybucji

Narzędzie porównywania modeli pozwala na porównywanie wpływu różnych kanałów na konwersję w zależności od wybranego modelu atrybucji. Do porównania możemy wybrać maksymalnie 3 modele.

Porównywanie modeli atrybucji
W raportach atrybucja konwersji możemy porównać miedzy sobą do trzech modeli atrybucji, dzięki czemu możemy analizować efektywność poszczególnych kanałów ścieżek wielokanałowych według różnych modeli atrybucji.

Ostatnia kolumna porównuje jak radzą sobie poszczególne kanały w wybranych modelach atrybucji. W zależności od wybranego modelu atrybucji, udział i zarazem znaczenie poszczególnych kanałów dla naszych działań marketingowych byłyby znacząco różne. Miałoby to wpływ na planowane działania marketingowe i rozdystrybuowanie budżetu.

I tak na powyższym przykładzie widzimy, że wejścia bezpośrednie według modelu pierwszej interakcji mają ponad 55% mniejszy udział w konwersji. Za to o ponad 15% większy udział w konwersji w modelu pierwszej interakcji w porównaniu z modelem ostatniej interakcji ma kanał płatnych wyników wyszukiwania.

Podejmując decyzję o tym, w które kanały ruchu powinniśmy zainwestować najwięcej budżetu, korzystając zarówno z modelu ostatniej interakcji, jak i pierwszej interakcji, wybralibyśmy odesłania. Na drugim miejscu pod względem wysokości budżetu znalazłyby się albo wejścia bezpośrednie albo płatne wyniki wyszukiwania w zależności od użytego modelu. Przykładowo, jeżeli do tej pory inwestowaliśmy duże nakłady na wejścia bezpośrednie, poprzez inwestycję w kanały offline, gdyż korzystaliśmy jedynie z modelu ostatniej interakcji, porównanie obydwu modeli zwróci naszą uwagę na duży potencjał płatnych wyszukiwań, np. AdWords. Dzięki takiemu porównaniu większa część budżetu zostanie zainwestowana w ten kanał, niż jakbyśmy korzystali jedynie z pierwszego modelu.

Modele niestandardowe

Google Analytics umożliwia nam również tworzenie modeli niestandardowych. Tworzenie modeli niestandardowych, które pozwolą efektywnie analizować oraz optymalizować ścieżki wielokanałowe, wymaga:

  • znajomości modelu biznesowego,
  • znajomość użytkowników serwisu i ich zachowania,
  • znajomości sektora, w którym działa serwis,
  • analizy biznesowej przeprowadzonej pod kątem modeli atrybucji.

Uzbrojeni w taką wiedzę jesteśmy w stanie stworzyć model, który będzie odpowiadał wymaganiom i specyfice naszego biznesu. Aby stworzyć własny model wystarczy na rozwijanej liście modeli wybrać opcję „Utwórz nowy niestandardowy model”.

Opcja utworzenia niestandardowego modelu atrybucji
Na rozwijanej liście modeli atrybucji do wyboru znajduje się opcja „Utwórz nowy niestandardowy model”, która pozwala na stworzenie modelu atrybucji dostosowanego do potrzeb naszego biznesu.

W kolejnych krokach wybieramy nazwę dla naszego modelu atrybucji i model, który będzie bazowym modelem, na podstawie którego będziemy tworzyć nasz własny.

Edycja niestandardowego modelu atrybucji
Przy tworzeniu niestandardowych modeli atrybucji mamy do wyboru trzy opcje: okres ważności, dostosowanie kredytu na podstawie zaangażowania użytkowników i niestandardowe reguły kredytowe, które nie są obowiązkowymi elementami w konfiguracji modelu, ale warto je wykorzystać.

Kolejne trzy opcje: okres ważności, dostosowanie kredytu na podstawie zaangażowania użytkowników i niestandardowe reguły kredytowe nie są obowiązkowymi elementami w konfiguracji modelu, ale warto je wykorzystać, aby stworzyć jak najbardziej zindywidualizowany model dla naszego biznesu.

Podziału udziału w konwersji pomiędzy poszczególne kanały możemy również dokonać na podstawie zaangażowania użytkowników przychodzących z poszczególnych kanałów. Google Analytics daje nam wybór między dwoma wskaźnikami zaangażowania: czasu spędzonego na stronie oraz głębokości wizyty.

Na przykład, jeżeli kanały stanowią poszczególne kampanie, które były przez Ciebie prowadzone w ostatnim czasie, przy wyborze opcji „głębokości wizyty” Google Analytics przypisze proporcjonalnie większy udział w konwersji do kampanii, która charakteryzuje się większą liczba stron odwiedzonych przez użytkowników.

Niestandardowe reguły kredytowe
Niestandardowe reguły kredytowe przy tworzeniu niestandardowych modeli atrybucji oferują szeroką możliwość dostosowania tworzonego modelu.

W niestandardowych regułach kredytowych możesz określić poszczególne punkty interakcji użytkownika z serwisem i następnie określić przydzielanie im udziału w konwersji w porównaniu z innymi punktami.

Zastosowanie niestandardowych reguł kredytowych
Po wyborze konkretnej pozycji na ścieżce konwersji możemy jej przydzielić większy udział w konwersji w tworzonym modelu atrybucji w porównaniu z pozostałymi kanałami ruchu.

Na przykład dla kanałów, które znajdują się na środku ścieżki konwersji, możemy ustawić regułę, że GA będzie im przydzielał 2 razy większy udział w konwersji w porównaniu z pozostałymi kanałami. Takie reguły możemy również wprowadzić dla konkretnych źródeł czy medium ruchu, dla konkretnych słów kluczowych czy formatu reklamy.

Dla jednego niestandardowego modelu atrybucji możemy dodać wiele niestandardowych reguł kredytowych, dzięki czemu modele niestandardowe dają nam niesamowite możliwości tworzenie indywidualnych modeli atrybucji dopasowanych do specyfiki i wymagań naszego biznesu.

Przykładowo niestandardowy model dla naszego przykładu mógłby prezentować się następująco:

Przykład niestandardowego modelu atrybucji
Przykład niestandardowego modelu atrybucji, gdzie użytkownik przed konwersją trafia na serwis poprzez pięć różnych grup kanałów ścieżek wielokanałowych.

W powyższym modelu największy udział w konwersji jest przypisany dla wiadomości emailowych, które stanowiły ostatni (nie będący wejściem bezpośrednim) punkt kontaktu użytkownika z serwisem. AdWords otrzymał drugi największy udział w konwersji, gdyż zainicjował pierwszy kontakt użytkownika z serwisem, budując u użytkownika świadomości marki www.butyzimowe.pl. Wejście bezpośrednie jako ostatni kanał na ścieżce otrzymał 15% udział w konwersji. Odesłanie oraz sieć społecznościowa otrzymały kolejno mniejsze udziały w konwersji, jako kanały wspomagające konwersję.

Podsumowanie

Modele atrybucji stanowią potężne narzędzie w analizie ścieżek wielokanałowych. Zrozumienie prowadzonego biznesu internetowego i jego użytkowników jest kluczem do stworzenia modelu, który pozwoli Ci na identyfikację kanałów ruchu, które w największym stopniu przyczyniają się do konwersji. Dzięki takiemu podejściu będziesz mógł efektywnie zarządzać dostępnymi zasobami i planować działania marketingowe, które zwiększą efektywność sprowadzanego na stronę ruchu.

Autor: Sylwia

Sylwia ukończyła Szkołę Główną Handlową w Warszawie kierunkach Zarządzanie i Marketing oraz Finanse i Bankowość. Po studiach zdobywała doświadczenie w branży internetowej na rynku malezyjskim. Dla Sylwii każdy projekt jest nowym wyzwaniem, dlatego stara się dla każdego klienta wypracować niepowtarzalne rozwiązanie, które będzie odpowiadało jego unikalnym potrzebom. Uwielbia dalekie podróże (może dlatego ostatnie trzy lata spędziła w Azji), kuchnię azjatycką i nurkowanie.





x

Pobierz najnowsze case study

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

Pobierz case study
Przeczytaj poprzedni wpis:
Jak przeprowadzić szybkie i tanie testy użyteczności przez przeglądarkę?

Dzisiaj na naszym blogu gościnny post Bartosza Mozyrko, CEO Usability Tools. Bartosz szczegółowo przedstawi ideę i sposób wykorzystania w praktyce...

Zamknij