7 szuperfontos Google Analytics funkció webshop tulajdonosoknak (de mások is tanulhatnak belőle)

A hamis tudás melegágya tud lenni a Google Analytics. A hamis tudás azt jelenti, hogy valamiről van információd, de igazából nem használod azt, ami abból az információból következne. Tehát tudod pl. hogy van Google Analytics, benne is van a webshopodban a mérőkód, és hébe-hóba be is lépkedsz a fiókba – de igazából nem használod érdemben a rendszert, és talán azt sem tudod, hogy még csak be sincs rendesen állítva. A “rendes” beállítás azért fontos, mert talán azért nem használod rendesen az Analyticset, mert nem kapsz belőle rendes információkat. Ez pedig talán azért van, mert be sincs állítva rendesen – és így nem is látsz egy csomó mindent, amit kellene. Ez nem egy olyan nagyon hosszú írás, de azért csináltunk neki tartalomjegyzéket, hogy könnyebben eligazodj benne:

1. E-kereskedelmi (vagy ecommerce) mérés
2. Célok követése (avagy konverziók mérése)
3. Kampányok címkézése (UTM paraméterekkel)
4. A honlap keresőjének mérése
5. A 3 “alap” nézet használata (biztonsági okból)
6. A 3 legfontosabb szűrő ill. beállítása
7. Az oldalak tartalmi csoportosítása

Ha felkészültél, akkor vágjunk is bele!

#1 E-kereskedelmi (avagy ecommerce) mérés

Az Analytics által nyújtott e-kereskedelmi mérés sokkal részletesebb elemzéseket tesz lehetővé, mint a “sima” konverzió mérés (ami a következő pont témája). Nem csak egy időszak teljes bevételét lehet elemezni, hanem az átlagos kosárértéket, az egyes termékekből rendelt mennyiséget. De olyanokat is megfejthetünk vele, hogy hány megvásárolt kosárban volt benne egy adott termék, ami persze nem ugyanaz, mint hogy hányat adtunk el egy termékből. (Például 10 eladott termék kijöhet úgy is, hogy 2 rendelő vett belőle 5-5 darabot, de úgy is, hogy 10 rendelő vett 1-1 darabot.) Inkább felsorolom, hogy többek között miket lehet kinyerni az e-kereskedelmi (avagy ecommerce) méréssel, amit máshogy nagyon macerás lenne:

• Hányat adtál el egy időszakban egy adott termékből?
• Hány kosárban volt benne egy adott termék?
• Átlagosan hányat rendeltek egy termékből azok, akiknek benne volt a kosarában?
• Mennyi volt a teljes rendelési érték egy időszakban?
• Mennyi volt az átlagos rendelési érték?
• Egy konkrét terméket átlagosan mennyiért adtunk el? (Lehetnek kedvezmények, stb.)
• Egy konkrét termék összesen mennyi bevételt generált?
• Mennyi bevételt termeltünk átlagosan egy látogatásnál? (10 látogatásból 1 db vásárlás 10.000 Ft értékben = 1.000 Ft egy átlagos látogatás értéke.)

E-kereskedelmi mérés áttekintő nézet (ez egy webshop 1 napi forgalma)

Ha webshopod van, és nincs beállítva az ecommerce mérés, vagy be van állítva, de nem figyeled, az… nem oké.

#2 Célok követése (avagy konverziók mérése)

Amíg az ecommerce mérés fiatalabb (de azért már sok-sok éves), addig a “sima” konverziókövetés egy ősrégi dolog, és már 10 éve is teljesen magától értetődőnek számított, hogy be van állítva és foglalkozunk vele. Ha van ecommerce mérés, akkor is “kell” a sima célok követése funkció, mert másra való, mint az ecommerce mérés. Például az alábbiakat tudja a normál konverziómérés:

• Mérhetjük vele az “egyéb” konverziós célokat, mint a hírlevél feliratkozás, regisztráció, tanulmány letöltés, kupon igénylés, és a többi.
• Mérhetjük a checkout (“vásárlás befejezése”) folyamat lépéseit, azaz hogy hányan lépnek tovább a kosárról a pénztárhoz, onnan a tényleges fizetéshez, és hányan fejezik be. Ezzel azt lehet (és kell is ) jól mérni, hogy az egyes lépéseknél hány embert veszítünk el – hiszen ők már majdnem vásárlók!
• Lehet mérni a konverziók értékét. Ez lehet fix érték is, de lehet dinamikus is. Ha egy konkrét termék, pl. egy könyv ára mindig 4000 Ft, akor fixen meg lehet adni, hogy ennyi legyen az érték, de ha mindig változó a dolog (mert pl. egy kosár értékét akarjuk mérni), akkor a honlap motor tudja beírni mindig a megfelelő értéket.

Egy egyszerű konverziós csatorna mérése (40%-os a konverziós arány!!)

Nem csak webshopoknál, hanem mindenféle honlapnál kötelező alap dolog a Google Analytics konverziók mérése. Ha még nem csinálod, azonnal kezdd el!

#3 Kampányok címkézése (UTM paraméterekkel)

Egy jó kis webanalitikai elemzés egyik fontos része, hogy “honnan jönnek a konverziók”. Azaz aki vásárol, feliratkozik, ajánlatot kér, az honnan jön? Avagy aki például a Facebookról jön vagy egy emailünkre kattintott, az végül vásárolt, feliratkozott, ajánlatot kért? Ha igen, milyen arányban csinálják ezt? Vagy egy-egy eszköz mennyire járul hozzá a sikerhez? Ezekre a kérdésekre nem nagyon tudsz érdemi választ adni, ha nem használod a linkek címkézését, avagy paraméterezését. Bizonyos ún. forgalmi forrásokat felismer a Google Analytics magától, de másokat kézzel fel kell paraméterezni. Azt például felismeri magától, hogy a Facebookról jött egy likk, és azt pedig magától értetődően felismeri, ha a Google-ből jött, de azt már senki nem fogja neked megmondani, hogy pontosan melyik Facebook posztra kattintott valaki – csak azt, hogy a Facebookról jött. És azt sem fogja senki kitalálni, hogy valaki egy olyan emailedre kattintott, amit tegnap küldtél el a 3000 feliratkozódnak. Vagy hogy abban a levélben pontosan melyik linkre kattintott. KIvéve, ha elkezded felparaméterezni azokat a linkeket, amiket használsz. Facebookon, emailben, egy honlapon elhelyezett bannernél, egy szórólapon, akárhol. Hogyan kell címkézni? A Google Analyticsnek van egy saját “nyelve”, amit értened kell, és persze használnod is, ha boldogulni akarsz ebben a világban. Az eredeti linkeket ki kell egészíteni ezekkel a pareméterekkel, amik “üzennek” a Google Analyticsnek. Ha jól csinálod a paraméterezést, akkor ezek a címkék meg fognak jelenni bizonyos jelentésekben.

Így néz ki egy paraméterezett link (avagy URL): https://www.klikkmarketing.hu/valami?utm_source=hirlevel&utm_medium=email&utm_campaign=bevezeto_akcio&utm_content=level_01_welcome

• https://www.klikkmarketing.hu/valami >>> Ez az eredeti link, egészen a kérdőjelig.
• ? >>> A kérdőjel jelzi, hogy itt indulnak a paraméterek.
• utm_source= >>> Ez jelzi, hogy itt a link “forrását” adhatjuk meg. Igazából azt írunk ide, amit akarunk, de a jelentésekben ez egy bizonyos helyen fog megjelenni (ez a többi ilyen paraméterre is igaz). Ízlés kérdése, hogy ide miket írsz, de lehetésges értékek: facebook, instagram, hírlevél (hirlevel), youtube, facebook_hirdetes, facebook_hirfolyam, stb. szóval bármi.
• utm_medium= >>> Ez jelzi, hogy itt a link “médium” értékét adhatjuk meg. Ide olyasmit szoktunk írni, ami jellemzi azt a “felületet”, ahol a link volt. Például “email” = ez egy email volt. Lehetnek például olyan párok, hogy az utm_source értéke “hírlevél”, az utm_medium értéke pedig “email” (hiszen a hírlevél egy email), de lehet olyan pár is, ahol az utm_source értéke “email_aláírás”, az utm_medium értéke pedig szintén “email” (hiszen az email aláírásomból jött mondjuk a link, ami nyilván egy emailben volt).
• utm_campaign= >>> Ez jelzi, hogy itt a link “kampány” értékét adhatjuk meg. Itt a kampányaidat azonosíthatod. Például lehet az érték “karácsonyi_akció”. Ez esetben majd az Analytics megfelelő jelentéseiben látni fogod, hogy hány kattintás, hány konverzió, stb. jött a karácsonyi kampányból. A karácsonyi kampányhoz tartozhat email küldés, külön hirdetés, Facebook poszt, tehát mindenféle aktivitást csoportosítani tudsz azzal, hogy az utm_campaign paramétere mindegyiknek ugyanaz.
• utm_content= >>> iIt pedig a link “tartalom” értéke jöhet. Ezzel azt szoktuk jelölni, hogy konkrétan mi volt az a tartalmi egység, ahol a link volt. Például melyik volt az a konkrét Facebook poszt, vagy melyik volt az a konkrét email, amiből átkattintottak.

https://www.klikkmarketing.hu/valami?utm_source=hirlevel&utm_medium=email&utm_campaign=bevezeto_akcio&utm_content=level_01_welcome

Ez a példa link jelentheti azt (mert ugye nincs önmagában semmilyen jelentése ezeknek, csak az, amivel mi felruházzuk), hogy ez a link egy hírlevélben van, ami természetesen egy email. A konkrét küldés a bevezető akció kampány része, és a konkrét levél pedig az 1-es számú welcome (“üdvözlő”) jellegű levél. De ha nagyon furmányosak vagyunk, és meg akarjuk téveszteni a leskelődő konkurenciát, akkor lehet teljesen más valódi jelentése ezeknek a paramétereknek. Vagy lehet az egyik paraméter az is, hogy “x7jdidtd589” – ha mi tudjuk a jelentését (mert felírtuk például egy Excel táblába).

#4 A honlap keresőjének mérése

Egy igazán jól működő kereső rendkívüli mértékben hozzá tud járulni egy webshop eredményeihez. De mitől jó vagy épp nem jó egy kereső? Ahogy a régi mondás tartja: “amit nem mérsz, azt nem tudod javítani”. Ha nem méred a kereső használatával kapcsolatos dolgokat, akkor javítani sem nagyon tudsz rajta. A legtöbb webhsopban pár kattintással aktiválni lehet a keresőt mérő Google Analytics funkciókat, mégis nagyon kevesen használják.

9%-os volt a konverziós arány akkor, amikor a felhasználók használták a honlap keresőjét. Ez 3x akkora, mint amikor nem használták.

Többek között az alábbi kérdésekre kaphatsz választ, ha használod a Google Analytics “webhelyről indított keresés” keresztnévre hallható funkcióját:

• Mely oldalakról indítottak keresést a felhasználók? (Ahonnan sokszor keresnek, ott lehet, hogy nem találják meg, amit keresnek, így lehetséges, hogy valami probléma van azzal az oldallal.)
• Milyen kifejezéseket használtak a keresőben?
• Milyen oldalakat néztek meg a webshop keresőjének használata után? Ez arra utal, hogy mely találatokat választották a felhasználók.
• Hányan, hányszor vásároltak a kereső használata után.

#5 – A 3 “alap” nézet használata (biztonsági okokból)

Bevallom, ez nem kritikus téma, de miért ne legyünk alaposak, ha már csinálunk valamit? A felvetés az, hogy nagyon fontos lenne, hogy soha ne veszítsünk adatot. Adatot veszíteni a Google Analyticsben alapvetően három módon lehet:

• Az adat már be sem megy a rendszerbe, így azt elveszítjük, mielőtt megszereztük volna. Ez nyilván a legdurvább szint, mert ezt valószínűleg észre sem vesszük. Itt maga a mérőkód, és a különféle mérőkódmanipulációk lehetnek a ludasak, és most ebbe itt nem megyünk bele jobban. Figyelni kell rá, hogy a mérőkódok rendben legyenek!
• A bekerülő adatot hibás szűrőkkel elrontjuk. Bejön az adat a mérőkódokból, amiket már bent az Analyticsben próbálunk manipulálni – csak hibát vétünk, így adatot vesztünk. Például szeretnénk minden URL-t (webcímet) kisbetűsként mérni, de egy rossz szűrő miatt bizonyos oldalletöltések elvesznek. Nagyon kell vigyázni, hogy jól állítsuk be a szűrőket!
• Bizonyos nézőpontok hiánya miatt nem veszünk észre fontos információkat. Ez nem is adatvesztés, de a vége ugyanaz: valamiről nem fogunk tudni, amiről tudnunk kellene. Például nem használunk konverziós csatornákat, mert nem állítottuk be ezeket a Google Analyticsben, így az amúgy meglévő adatokat nem tudjuk olyan formában látni, ami rávilágítana dolgokra. Tehát ez nem adatvesztés végülis, de információt azért veszítünk.

A kérdés az, hogy miként érhetjük el, hogy minden beállítás rendben legyen az Analyticsben, és ne fordulhasson elő, hogy egy rossz beállítás miatt visszacsinálhatatlanul elvesznek adatok? Kellő elővigyázatossággal ez könnyedén elérhető, de kétségtelen, hogy kicsit több macerával jár az óvatosság, mint az óvatlanság.
Mi az alábbi 3 nézet használatát javasoljuk mindenkinek, aki a Google Analytics használatát komolyan veszi:

1. Nyers nézet. Ezt a nézeted érintetlenül “kell” hagyni. Minden, ami a mérőkódok adataiból beérkezik a rendszerbe, azt úgy hagyjuk ebben a nézetben, ahogy bejött. Semmilyen szűrőt, semmilyen manipulációt nem hajtunk végre az adatokon ebben a nézetben. A manipuláció szó itt nem pejoratív, és egyszerűen csak azt jelenti, hogy feldolgozzuk, átalakítjuk az adatokat egy fogyaszthatóbb formába. De nem ebben a nézetben!
2. Teszt nézet. Elég beszédes a neve… merthogy arra szolgál, hogy ebben a nézetben próbáljuk ki először azokat a beállításokat, amik potenciálisan adatvesztést vagy problémát okozhatnak. Ha például ki akarjuk szűrni a saját forgalmat (tehát a saját látogatásainkat), akkor egy kis hiba is elég, hogy akár minden látogatást, vagy a látogatások egy a kívántnál nagyobb részét kizárjuk. Ez nem volna szerencsés az éles nézetben, amit ténylegesen használunk – ezért kell a tesz nézeten próbálkozni. Ami a teszt nézetben rendben volt, azt át lehet vinni az éles nézetre.
3. Éles nézet. Ez az “igazi” nézet, amit napi szinten a munkához használunk. Ha mindent jól csinálunk, akkor biztosak lehetünk benne, hogy az adatok rendben vannak, és mindent látunk, amit kell. Ezen a nézeten érdemes például a naplózást is csinálni. Persze, aki nagyon rutinos Analytics használó, annak nem muszáj minden apró változtatást először a teszt nézeten kipróbálni, de alapvetően az lenne a helyes eljárás, hogy az éles nézeten tényleg csak azt állítjuk be, amiben 100%-ig biztosak vagyunk.

#6 – A 3 legfontosabb szűrő ill. beállítás

A szűrők arra jók, hogy tudjunk bizonyos változtatásokat csinálni az adatokon annak érdekében, hogy pontosabb képet lássunk, és könnyebben fogyaszthatóvá tegyük a különféle jelentéseket. Alapesetben a Google Analytics mindent úgy mér, ahogyan az a honlapban (avagy a webshopban) elhelyezett mérőkód elküldi neki. A mérőkód pedig alapesetben mindig azt küldi, amit a böngészőből a felhasználó viselkedése és böngészőhasználata alapján “tapasztal”. Mivel a számítógépek, a szerverek, és így a Google Analytics is egy gép, ezért az emberek számára nyilvánvaló dolgokat nem mindig tart nyilvánvalónak, ezért meg kell “tanítanunk” dolgokra – és a szűrők ezt a tanítást tudják úgymond elvégezni.

1. URL-ek (webcímek) kisbetűsítése. A webszervernek (és az Analyticsnek) mindegy, hogy valaki a honlap.hu/oldal címet írta be a böngészőbe, vagy a honlap.hu/OLDAL címet. Valószínűleg ugyanúgy meg fog jelenni, tehát a felhasználónak fel sem tűnik a dolog. Csakhogy az Analytics fiókodban ez két külön oldalnak fog számítani, és külön fogod látni a /oldal megnyitásokat és a /OLDAL megnyitásokat. Ez ugye teljesen felesleges, hiszen ugyanazt az oldalt nézték, és kit érdekel, hogy kis- vagy nagybetűvel lett beírva a cím? (Lehet olyan eset, hogy ez nem mindegy, de általában mindegy.) A kisbetűsítő szűrő azt csinálja, hogy minden URL (webcím) adatot átalakít kisbetűsre, így eltűnnek a felhasználók által beírt betűméretek, és minden oldalletöltés “egy helyre fog menni”.

2. A beépített keresőben használt kifejezések kisbetűsítése. Ha érted az 1-es pontot, akkor ezt is fogod. Remélhetőleg be van állítva, hogy az Analytics mérje, hogy a webshop keresőjében milyen szavakra kerestek. Erre is igaz, hogy mindegy, hogy valaki a “mosógép” vagy a “Mosógép” vagy a “MOSÓGÉP” szóra keresett, nekünk ugyanazt jelenti – de az Analytics külön kereséseknek mutatná ezeket, ha nem állítanánk be rendesen. Szóval ezeket is kisbetűsíteni kell. (TIPP: bármi mást is kisbetűsíteni lehet nyilván, például az utm_source, utm_medium, stb. címkék értékeit, ha ezt akarjuk, de erről külön már nem csinálunk több kisbetűsítős tippet.)
3. Belső forgalom kizárása. Ha elég sokat babráltok például termékfeltöltéssel meg egyebekkel, akkor lehet, hogy egész sok látogatást összehoztok saját magatok, ami torzítani tudja az eredményeket. Ez nem egy kritikus téma, de érdemes kizárni ezeket a saját látogatásokat az éles eredményekből. A kizárás történhet IP cím alapján is, de más megoldások is vannak rá.

#7 – Az oldalak tartalmi csoportosítása

A felvetés az, hogy nem volna-e jó látni egyben, hogy mondjuk bizonyos termék kategóriák “hogyan viselkednek”? Például összességében a “vasalók” vagy “porszívók” kategóriához tartozó oldalakon hogyan viselkednek a látogatók? Vagy ahogyan az alábbi képen látszik, észrevehető, hogy a “könyvek” néven csoportosított oldal kategóriánál a visszapattanási arány magasabb a honlap átlagánál, a mobilról netezők körében. Ezt a jelenséget nagyon nehéz lenne másképp észrevenni, mint az oldalak csoportosításával.

A “könyvek” nevű oldalcsoportnál a mobilos felhasználók körében jelentősen nagyobb a visszapattanási arány, mint a honlap átlagát nézve. Ez okot adhat például arra, hogy jobban megvizsgáljuk a “könyves” oldalak mobilos működését. A Google Analytics korlátlan számú ilyen oldalcsoport létrehozását is lehetővé teszi, a túl sok csoport létrehozása mégsem mindig praktikus, mert az már zavarhatja a használatukat. A tartalmi csoportosítást, illetve magukat ezeket a csoportokat szinte minden jelentésnél használni tudjuk plusz dimenzióként.

Ennél a képnél például az látszik, hogy az organikus látogatottságot vizsgálva, egy bizonyos konverziós cél teljesülése az egész honlapot tekintve mindössze 0.23% (tehát ha “bárhol” a honlapon léptek be organikus találatból, akkor 0.23% a konverziós arány – legalábbis ezt az egyetlen célt nézve), de ha a könyvek néven csoportosított oldalakról van szó, akkor ezt az arány majdnem 20%. Nyilván egy olyan célt vizsgálunk éppen, ami a könyvek vásárlási konverzióját méri.

Ez arra világít rá, hogy igencsak nagy arányban szerez a honlap vevőt azokban az esetekben, amikor a könyves oldalakon landolnak a látogatók a Google organikus találataiból. Ezt lehetne tovább boncolgatni akár, hogy mi a helyzet, ha asztali gépről nézik, vagy ha mobil eszközről, vagy akár bele lehetne “nézni” a könyvek csoporton belül konkrét oldalakba is.

Azért jó ez a funkció, mert ha van például több (akár jó pár) termékcsoport, egyenként akár 100 termékkel, akkor szinte lehetetlen bizonyos tendenciákat észrevenni csoportosítás nélkül, csoportosítással viszont gyerekjáték, ha a beállítások jók, és tudjuk, hogy hová kell nézni.

—

Ha szeretnéd profikra bízni ezt a témát, akkor figyelmedbe ajánlom a Google Analytics beállítás nevű szolgáltatásunkat, amit pont neked találtunk ki.

—

Ha szeretnél ebben a stílusban még többet a Klikkmarketingből, és szereted a videós formátumot is, akkor feltétlen regisztrálj a jelenleg ingyenes, regisztrációért cserébe elérhető, 60 perces videós anyagunkért, amiben sok minden más mellett például a bástya posztok is szerepelnek témaként. A neve Online Marketing Iránytű, regisztrálj most, nem fogod megbánni!