houseofrezac.com Úvod do webové analytiky Webová analytika, VIKMB20 Vytvořeno 20. února 2018 Aktualizace 1. března 2018 Pavel Šabatka pavel@houseofrezac.com House of Řezáč, s.r.o. Údolní 222/5, 602 00 Brno O čem to bude dnes  Představení  Technické náležitosti  Co je webová analytika  Proč měřit  Zdroje dat  Základní pojmy Google Analytics  Praktická část 2 PRESENTATION TITLE Představení O nás Pavel Šabatka  Ex-Programátor  Webová analytika od roku 2010  Od roku 2017 vede WA na KISK 4 ÚVOD DO WEBOVÉ ANALYTIKY Adam Šilhan  Ex-Marketér  Spoluzakladatel MeasureCampu v České republice  Google Partners Trainer Průzkum • Kdo dělá do webů? • Marketing? Design? Řízení? • Očekávání od kurzu? 5 ÚVOD DO WEBOVÉ ANALYTIKY Technické náležitosti Průběh  4x blok po 5 hodinách  Na konci bloku vždy praktická část  Vlastní notebooky mohou být 7 ÚVOD DO WEBOVÉ ANALYTIKY Cíle a očekávání 1. Vyznat se v základních pojmech a zkratkách v oboru 2. Najít slabá místa byznysu 3. Umět vyhodnotit úspěšnost jednotlivých kanálů 4. Pochopit chování návštěvníků webu 5. Rozumět principům implementace a konfigurace GA a GTM 6. Ovládat GA na úrovni oficiální certifikace GAIQ 7. Nečekejte těžkou matematiku 8 ÚVOD DO WEBOVÉ ANALYTIKY Cíle a očekávání 9 ÚVOD DO WEBOVÉ ANALYTIKY Obsah hodin 1. Úvod do webové analytiky 2. Práce s Google Analytics 3. Technické řešení měření 4. Vybrané kapitolky z webové analytiky 10 ÚVOD DO WEBOVÉ ANALYTIKY Obsah hodin  Hodiny nejsou primárně zaměřeny na GAIQ  Říkejte, co si myslíte  Hodiny budou DLÓÓÓUHÉ  Ptejte se nás! Zápočet Získání certifikátu GA IQ  Bude odevzdáván v IS jako PDF  https://support.google.com/partners/answer/6089738?hl=cs  Možnost složit 1x týdně 11 ÚVOD DO WEBOVÉ ANALYTIKY Co je webová analytika „Webová analytika je měření, sběr, sledování a vyhodnocování internetových dat za účelem porozumění a optimalizace webu. “ 13 ÚVOD DO WEBOVÉ ANALYTIKY Wikipedia Offline 14 ÚVOD DO WEBOVÉ ANALYTIKY Je špatně měřitelný, dává ale jasné a srozumitelné informace • Pozorování zákazníků • Dotazování • Vyhodnocení prodejů Online 15 Velké množství dat, obtížněji interpretovatelné výstupy • Click Stream • Heatmapy a sroll mapy • Scroll mapy • Serverové logy • Databáze webů • Online chat • Dotazníky • … Cíle 16 Za vším jsou peníze • Větší podíl na trhu • Větší efektivita • Snížit náklady • Data pro řízení firmy Větší podíl na trhu Digitální marketing SEM Mobilní aplikace SEO Video Email marketing Obsah Sociální sítě Branding 17 18 Vytvoření vazby Radost z používání Důvěryhodnost Použitelnost Přístupnost Dostupnost Nalezitelnost Cíle: vyšší efektivita Cíle: snížení nákladů  Přesun akcí na web, např. klientský support  Snížení nákladů na marketing  Častěji vracející-se zákazníci 19 Kde končí webová analytika  WA se zabývá pouze daty z webu nebo z online kanálů, nicméně nemá transakční data z CRM, call centra apod.  Kampaň přivedla 10 000 návštěvníků, 100 z nich požádalo o demo. Kolik z nich ale nakonec zakoupilo licenci? Vrací se stále na web?  Lze vyřešit integrací s daty z dalších zdrojů 20 Přesahuje do více oborů  Webová analytika nemá smysl sama o sobě, vždy je to v kombinaci s dalšími obory  Design  Marketing  Řízení / Management  Je třeba rozumět i ostatním oborům 21 Budoucnost oboru „Víme, že data se v lidském životě stávají čím dál podstatnější. Zítra bude (s internetem věcí) propojeno vše.“ Jack Ma zakladatel Alibaba.com 22 http://www.forbes.cz/jack-ma-prace-budoucnosti/ Úlohy webové analytiky Úlohy  Reporting  Získává a zobrazuje data, neřeší ale souvislosti  Využití: rychlý manažerský přehled  Analýza  Popisuje jevy  Zjišťuje příčiny a souvislosti  Optimalizace  Řeší konkrétní kroky Měřicí plán Různá data různým lidem  Business owner  Markeťák  Designer  Programátor  Produktový specialista  Datový analytik 26 PRESENTATION TITLE TODO 1. Úvodní zmapování cesty zákazníka 1. projít s klientem celý proces - jak se dostanou lidé k produktu/službě, jak vypadá nákupní proces, jak se se zákazníkem pracuje po nákupu 2. celé si to zkusit projít sám, případně uživatelské testování 2. Vyznačení důležitých bodů na trase - co je pro klienta důležité, co vypadá příliš složitě, s čím měli největší potíž lidé při testování 3. Zaznačení cesty zákazníka do diagramu (zpočátku nízká úroveň detailu s komplexnějším zpracování důležitých bodů/oblastí) 4. Identifikace businessově nejdůležitějších částí 5. Detailnější rozpracování těchto částí 6. Sestavení priorit k nasazení/opravení měření 7. Výběr nástroje/nástrojů 8. Technická dokumentace 28 PRESENTATION TITLE Úkol 1 Filozofická fakulta MUNI Primárním cílem je nábor nových studentů, který je podpořen placenými kampaněmi. https://www.phil.muni.cz/ 30 Zpracujte měřicí plán pro jednu ze zvolených klientů Eshop s nábytkem, se sítí prodejen Chce prodat co nejvíce levného nábytku. https://www.sconto.cz/ Netflix Služba pro přehrávání filmů. https://www.netflix.com/cz/ Zamyslete se nad 1. Primární cíl 2. Důležité body na trase uživatele 3. Potenciální bolavá místa Byznys jako trychtýř aneb STDC a AARRR See-Think-Do-Care  Nákupní cyklus se skládá z více fází  See  Think  Do  Care  Pro každou fázi je třeba mít vlastní obsah, marketing a metriky 32 Každou fázi je třeba měřit jinak https://www.slideshare.net/ashmaurya/pirate-metrics-20-aarrr Příklady  Akvizice – nový uživatel na webu  Aktivace – zobrazí produkt  Zisk - nákup  Retence – opakovaný nákup  Doporučení - sdílení Příklady  Akvizice – nový uživatel na webu  Aktivace – zobrazí produkt  Zisk - nákup  Retence – opakovaný nákup  Doporučení - sdílení Příklady  Akvizice – zájemce o studium přijde na web  Aktivace – přijde na web podruhé  Zisk – podání přihlášky  Retence – pokračování v Mgr. programu  Doporučení – ? Lze i složitěji Lze i složitěji - retence Jak budovat byznys aneb Lean Analytics Popisuje metriky při budování firmy Idea / Empathy Stickyness Virality Revenue Scale Projekt postupně prochází fázemi, v každé má jiné cíle. Idea  Ověření nápadu Stickness  Použitelné MVP nebo MFS, které vydělává  Máme i failstory Virality  Šíření, marketing Revenue  Optimalizace Scale  Šíření do dalších zemí  Další produkty či služby 47 Úkol 2 Příjmy  Prodej zboží (např. specializovaná elektronika, průměrná hodnota objednávky je 8 000 Kč, marže na prodaném kusu je 20 %). Výdaje  Provoz webu, programování, plat zaměstnanců, pronájem skladu či kanceláří, služby – právní, účetní, odborné, konzultace, copywriting…, marketing, provozní náklady – kancelářské potřeby, materiál, cestovní náhrady,…  A další – co vás napadne Otázky  Zvolte si fázi, kde se nacházíte dle lean analytics. Co pro vás bude důležité?  Co je nejdůležitější fáze dle customer factory?  Při kolika objednávkách měsíčně budete na nule? Kolik objednávek je to denně (o víkendech je počet objednávek poloviční)  Jak na tom budu finančně, pokud budu mít o 1/3 objednávek méně a o 1/3 objednávek více? 49 Udělejte krátkou finanční rozvahu pro svůj (virtuální) eshop. Zboží si vyberte, případně můžete použít hodnoty níže Zdroje dat webové analytiky Heatmapy Dotazníky Databáze Screen recording Logy ClickStream 51 Heatmapy, scrollmapy, ankety, recording 52 Google Analytics Přístupy  Přihlaste se  https://analytics.google.com/analytics/web/  webova.analytika.kisk@gmail.com  VIKMB20+2019  Nápověda k rozhraní GA  https://goo.gl/E09h5R • Jsou zadarmo (provoz) • Jsou rozšířené • používá je přibližně 60 až 70 % webů na západě • Dobré možnosti reportování • Data vlastní Google • Neposkytují granulární data • Uložená data už nejde změnit • Neposkytují NDA nebo SLA • Omezené možnosti customizace Proč GA Vložení Google Analytics 56 Jak to funguje Jak to funguje Jak to funguje Co víme  František přišel na web poprvé  Použil vyhledávač Google  Vstoupil na titulní stranu  Dále zobrazil stránku o studiu a přehled oborů  Byl na web 5 minut (přibližně, viz dále)  Celkem viděl 3 stránky  Neodeslal přihlášku  60 Co víme  František přišel na web poprvé  František je z Brna  Použil vyhledávač Google  Vstoupil na titulní stranu  Dále zobrazil stránku o studiu a přehled oborů  Byl na web 5 minut (přibližně, viz dále)  Celkem viděl 3 stránky  Neodeslal přihlášku  61 Kdo je na webu Odkud na web přišel Chování na webu Konverze Menu v Google Analytics 62 Kdo Odkud na web přišel Chování na webu Konverze Základní pojmy 63 Dimenze a metriky  Dimenze  Kvalitativní hodnota množiny objektů (datum, zařízení, stránka, zdroj návštěvy, kampaň, země,…)  Metrika  Kvantitativní měření – např. počet (počet pageviews, nákupů, konverzní poměr, bounce rate,…) 64 METRIKY DIMENZE Základní pojmy  Návštěvy (Sessions) Doba interakce mezi prohlížečem a webovou stránkou, která končí:  pokud byl uživatel na webové stránce neaktivní po dobu 30 minut,  pokud uživatel přišel opětovně na stránku ze zdroje s UTM parametry (vyhledávače, PPC, kampaně),  na konci dne.  Návštěvníci (Users) Počet „skutečných lidí“, kteří navštívili web. Informace se v cookies uchovává 2 roky. Zobrazení stránky  Nová návštěva 65 Návštěvy a cookies  Nový návštěvník Přišel na web poprvé zapsanou cookie _ga  Vracející se návštěvník Při příchodu na web už cookie má 66 Návštěvy a cookies 67 PPC Nový návštěvník Vracející se návštěvník Nový návštěvník Vracející se návštěvník 15 minut 1 hodina 3 měsíce 1 návštěvník 1 návštěva 1 návštěvník 2 návštěvy 1 návštěvník 2 návštěvy 2 návštěvníci 3 návštěvy 2 návštěvníci 4 návštěvy Návštěvy a cookies  Návštěva není člověk, ale prohlížeč  Člověk používá více  Prohlížečů  Zařízení  Lidé mažou cookies  Blokování měření, blokování javascriptu nebo cookies 68 Zobrazení stránek  Zobrazení stránek (Pageviews)  Celkový počet zobrazení stránky včetně opětovného načtení: opakovaného zobrazení stránky apod.  Jedinečné zobrazení stránek (Unique Pageviews)  Počet návštěv, během kterých byla daná stránka alespoň jednou zobrazena. 69 Zobrazení stránek Kolik bylo pageviews? Kolik bylo unikátních pageviews? Zobrazení stránek Kolik bylo pageviews? 3 Kolik bylo unikátních pageviews? 2 Události  Událost  Nástroj pro měření akce negenerující pageview  Typicky stažení souboru, kliknutí na mailto odkaz, apod.  Provedení události (Events)  Celkový počet provedení dané události opakovaného provedení: kliknutí na tlačítko, stažení souboru apod.  Jedinečné provedení události (Unique Events)  Počet návštěv, během kterých byla daná událost alespoň jednou provedena. 72 Bounce, exit  Míra okamžitého opuštění (Bounce rate)  Míra okamžitého opuštění vyjadřuje procento návštěv, které opustily web po zobrazení jediné stránky.  Míra odchodu (Exit Rate)  Míra odchodu představuje procentuální podíl případů, kdy byla stránka poslední zobrazenou stránkou v návštěvy, vzhledem k celkovému počtu zobrazení této stránky. 73 Bounce, exit Bounce Rate A: ? % B: ? % C: ? % Exit Rate A: ? % B: ? % C: ? % Den Pondělí Stránka A -> Stránka B -> Stránka C Úterý Stránka A Středa Stránka B -> Stránka C -> Stránka A Čtvrtek Stránka C Pátek Stránka A -> Stránka C -> Stránka B Bounce, exit Bounce Rate A: 33 % B: 0 % C: 100 % Exit Rate A: 50 % B: 33 % C: 50 % Den Pondělí Stránka A -> Stránka B -> Stránka C Úterý Stránka A Středa Stránka B -> Stránka C -> Stránka A Čtvrtek Stránka C Pátek Stránka A -> Stránka C -> Stránka B Doba na webu 10:00 10:05 10:10 10:15 Celková doba na webu je 10 minut Doba na webu 10:00 10:05 10:10 10:15 Celková doba na webu je 10 minut Doba na webu Bounce -> 0 sekund Zdroje návštěv  Medium  Platební model  Source  Poskytovatel, platforma  Campaign  Identifikace kampaně  Term  Content 79 Zdroje návštěv Vyhledávání Banner Email Medium organic banner email Source seznam.cz idnes.cz newsletter Campaing 2017-studium 2017-02-23-unor Term varianta 1 Content modry logo 80 • Organic - vyhledávání • Direct – přímé návštěvy • Referral – odkazující weby Konverze  Cíl  Akce, kterou chceme, aby uživatel udělal. Např. registrace, odeslání kontaktního formuláře, sdílení článku  Ecommerce  Modul GA pro měření eshopu  Transakce  Dokončení objednávky, pouze pro modul ecommerce  Konverzní poměr  Podíl návštěv, které dokončí cíl nebo transakci 81 Funnely 82 Funnely v novém 83 Jak vyhodnocovat data Neřešit absolutní hodnoty Není jasné, jestli je dané číslo dobře nebo špatně Vyhodnocovat trendy Snižování počtu stránek za návštěvu Srovnávat Medium Sessions % New Sessions New Users Bounce Rate Pages / Session Avg. Session Duration Ecommerce Conversion Rate Transactions Revenue organic 32883 78,62% 25853 58,03% 2,97 132,77 0,55% 180 96044,93 mail 10091 32,34% 3263 42,11% 3,49 184,99 1,41% 142 62092,02 direct 5478 74,37% 4074 54,13% 3,04 139,98 1,11% 61 29022,00 referral 4309 60,50% 2607 46,00% 3,79 207,12 0,97% 42 20514,41 social 701 42,51% 298 45,79% 3,53 168,49 0,86% 6 2268,00 ppd 115 40,00% 46 22,61% 6,53 287,60 5,22% 6 915,00 product 81 56,79% 46 1,23% 4,52 160,07 4,94% 4 2440,00 roznos 38 0,00% 0 18,42% 24,61 2087,68 0,00% 0 0,00 Metriky často „chodí po dvou“  Počet stránek za návštěvu + doba na webu  Počet sdílení + střední doba mezi sdíleními  Konverzní poměr + průměrná hodnota objednávky 88 Pozor na průměry Každý Američan vypije průměrně za týden 9,8 drinku (pivo nebo panák) Pozor na průměry Pozor na průměry Praktická část Přístupy  Přihlaste se  https://analytics.google.com/analytics/web/  webova.analytika.kisk@gmail.com  VIKMB20+2019  Nápověda k rozhraní GA  https://goo.gl/E09h5R Úkoly 1  Jaká byla celková návštěvnost za rok 2017?  O kolik procent % vzrostla oproti předchozímu roku?  Kolik návštěv bylo z mobilních zařízení?  Který smartphone (výrobce) měl nejvíce návštěv?  Kolik procent návštěv bylo přes Internet Explorer?  Za měsíc leden 2018, najděte:  Kolik bylo vracejících se uživatelů?  Jaká byla průměrná doba návštěvy?  Jaká byla celková bounce rate ve srovnávní s prosincem 2017?  Který kanál přivedl nejvíce návštěv? Úkoly 2  Která stránka byla nejčastější vstupní stránkou?  Liší se bounce rate napříč browsery?  Designovat pro landscape anebo portrait?  Jak často k vám chodí opakované návštěvy?  Rostou více mobilní návštěvy anebo tablet?  Chodí k vám uživatelů z levných smartphonů?  Kolik návštěv je potřeba k dokončení konverze?  Ve kterých místech objednávky návštěvníci nejvíce odpadávají?  Která značka produktů má nejvíce přidání do košíku? Příště Příště  Analýza dat Google analytics – pro design i pro marketing Zdroje Zdroje  KAUSHIK, Avinash. Webová analytika 2.0: kompletní průvodce analýzami návštěvnosti.  Akademie Google Analytics https://analyticsacademy.withgoogle.com/  Průvodce studiem pro GA IQ https://support.google.com/analytics/answer/6370549