Analiza danych statystycznych w sklepach internetowych – część II

0 napisany przez Paweł Kubik, , 20 kwietnia 2017

Potrzeba matką wynalazku, nadzieja matką głupich, a analiza matką konwersji. Przeczytaj drugą część artykułu o tym, jak interpretować dane i na ich podstawie sprzedawać więcej w sieci.

Analiza danych statystycznych w sklepach internetowych

W pierwszej części swojego artykułu o analizie danych statystycznych przedstawiłem, w jaki sposób analizować współczynniki e-commerce’owe i na których z nich warto opierać strategiczne decyzje o optymalizacji działań marketingowych. Pokazałem, jak analizować zachowanie na podstronach i wybierać zakładki, które wymagają optymalizacji w pierwszej kolejności. Na końcu wyjaśniłem, dlaczego współczynnik ROAS w kampaniach AdWords jest cennym wskaźnikiem skuteczności. Dziś pora na drugą odsłonę artykułu i przyjrzenie się analizie sprzedaży produktów, ścieżkom wielokanałowym i modelom atrybucji.

Skuteczność sprzedaży produktów

Zasada Pareto opisuje wiele zjawisk z obszaru ekonomii. Często ma też odniesienie do świata e-commerce. Zgodnie z nią, 20% obiektów odpowiada za 80% zjawisk. Przekładając na płaszczyznę wirtualnego handlu, bardzo często 20% produktów znajdujących się w ofercie e-sklepu generuje 80% sprzedaży całego serwisu (proporcje mogą się czasem trochę różnić np. 30% na 70%).
Nie zawsze sprzedają się więc produkty, na których obrocie zależy najbardziej właścicielowi sklepu. Przyczyn trzeba szukać w wielu czynnikach, a pierwszy krok to zdiagnozowanie, czy rzeczone produkty są w ogóle oglądane w sklepie. Inaczej mówiąc, trzeba sprawdzić, jak wiele odsłon generują interesujące nas strony artykułów.
Analiza skuteczności sprzedaży produktów sprawdza się dobrze przy optymalizacji kampanii reklamowych. Wykorzystując informacje o tym, jakie towary sprzedają się w danym okresie najlepiej, możemy np. maksymalnie wzmocnić ich widoczność w kampanii Google Zakupy.

Rys. 1.

Dane o sprzedaży produktów możemy znaleźć w Google Analytics w zakładce Konwersje-> Ecommerce-> Skuteczność produktu (przykład na rys.1). Dzięki odpowiedniemu ustawieniu zakresu dat, możemy również zbadać, jakie produkty najlepiej sprzedawały się w poprzednich latach i w ten sposób przygotować się do prowadzenia działań marketingowych w nadchodzącym czasie.

Przenikanie się wzajemne źródeł ruchu

Bardzo często użytkownicy internetu, zanim dokonają zakupu w e-sklepie, robią rozeznanie w ofercie. Przemierzają różne serwisy (wyszukiwarkę, porównywarki, portale branżowe itp.) w poszukiwaniu okazji. Zadaniem sprzedającego jest więc jedynie trafnie pokazać się potencjalnemu klientowi w tych miejscach i “zaprosić” do naszego sklepu. Odbiciem tego są dane statystyczne informujące o ścieżkach wielokanałowych w Google Analytics, które pokazują, że użytkownik potrzebuje niejednokrotnie wielu wizyt w sklepie przychodząc z różnych źródeł zanim dokona konwersji.

Rys. 2.

Mówimy więc, że użytkownik dokonał konwersji z danego źródła ruchu lub źródło ruchu wspierało konwersje innego źródła ruchu – obrazują to dane statystyczne przedstawione na rys.2.

W jaki sposób wykorzystać takie dane? Kiedy np. weryfikujemy skuteczność sprzedaży w zakładce Ecommerce w Google Analytics danego źródła ruchu i stwierdzamy, że wygenerował on w interesującym nas okresie niewielką sprzedaż. Wtedy należy właśnie sprawdzić, jaką sprzedaż wygenerowały inne źródła ruchu, dzięki wspomaganiu ich przez analizowane źródło ruchu. O tym właśnie powie nam kwota w kolumnie Wartość wspomaganych konwersji. Dla przykładu, na rys. 2 kanał pozyskania ruchu na 6. pozycji bezpośrednio wygenerował tylko 7 transakcji, ale przyczynił się aż do 29 transakcji z innych źródeł ruchu.

Analiza takich statystyk daje dokładniejszy pogląd na skuteczność kanałów ruchu, a mając taką wiedzę możemy podejmować trafniejsze decyzje.

Porównanie modeli konwersji

Trzeba nam wiedzieć, iż wszystkie statystyki konwersji w Google Analytics oparte są o domyślny model, w którym konwersja przypisywana jest zawsze do ostatniego kliknięcia niebezpośredniego – więcej o typach modeli w artykule Aleksandra.

Takie domyślne ustawienie ma swoją dobrą i złą stronę. Dobra – w każdym zakresie czasu analizujemy dane zagregowane wg tego samego modelu, a zła – domyślny model odbiega prawdą od modelu biznesowego naszego realnego e-sklepu.

Rys. 3.

Analizując więc dane z zakładki Konwersje->Atrybucja->Porównanie modeli konwersji, wybierzmy porównania różnych modeli ze sobą, a liczba interakcji wskaże nam skuteczność danego kanału w wybranym modelu atrybucji. W powyższym przykładzie widać, że Wejścia bezpośrednie w modelu przypisania konwersji do ostatniej interakcji generują prawie dwukrotnie więcej konwersji niż w modelu Pierwsza interakcja.

Dowiedz się jak, wdrożyć nową wersję GA4 i zarządzać jej ustawieniami.

Podsumowanie

Trafna analiza danych z pewnością jest pierwszym krokiem do wykonania odpowiednich kroków szeroko pojętej optymalizacji działań marketingowych. Przedstawione zagadnienia są jedynie elementami układanki, w której znaczenie ma także wiele innych szczegółów, takich jak np. dobór zakresu dat, segmentacja lub filtrowanie po wymiarach dodatkowych. Jeśli nie czujesz się na siłach w zmaganiach ze statystyką i analizami, powierz to specjalistom, którzy sprawdzą, jak i dlaczego konwertuje Twój biznes.

Rate this post

Historie sukcesu naszych klientów:

  • o 35% wzrósł przychód
  • o 17% wzrosła liczba transakcji
  • o 17% wzrósł współczynnik konwersji
  • 2000% ROASu z kampanii Google Ads
  • 4% współczynnika konwersji
Reklama w Internecie nie musi być droga!

Reklama w Internecie nie musi być droga!

Umów się na konsultację i poznaj propozycję naszych działań wraz z ich wyceną.

Marketing dla ludzi
Zapisz się do newslettera!
Zdobywaj wiedzę! Co dwa tygodnie otrzymasz najciekawsze artykuły na swoją skrzynkę e-mail!
...i dołącz do ponad 600 subskrybentów!