E-commerce. Jak analizować wielokanałową ścieżkę konwersji?

Gdy ścieżki, którymi porusza się klient rzadko bywają linearne, to może być trudne.

Mierzenie konwersji w czasach, gdy ścieżki, którymi porusza się klient rzadko są linearne i uporządkowane, jest bardzo trudne i skomplikowane. Popularne modele, jak last czy first click, wszystkie zasługi przypisują tylko jednemu punktowi, podczas gdy klient w czasie swojej podróży (customer journey) styka się zwykle z co najmniej kilkoma. 

Jaką metodę przyjąć i jakich narzędzi użyć, by dokładnie wiedzieć, co decyduje o wyborach naszych potencjalnych klientów? O to zapytaliśmy ekspertów.

Tomasz Starzyński
prezes zarządu i managing partner
Up&More

Jesteśmy w momencie, w którym decyzja o zakupie jest w większości przypadków poprzedzona wieloma punktami styku, a diagnoza i analityka tych ścieżek staje się dość dużym wyzwaniem. I nie mowa tutaj o narzędziach, ale o analityce biznesowej, zrozumieniu danych i wyciąganiu wniosków. Wydawałoby się proste pytanie - skąd pochodzi klient czy z jakiego źródła mamy największy zwrot, staje się historią, na którą odpowiedź przynoszą właśnie ścieżki wielokanałowe.

Już pierwsza analiza daje odpowiedź na pytania jak długa jest ścieżka klienta, ile zawiera interakcji, jak dużo kanałów w niej uczestniczy, jakie źródła częściej zaczynają, a jakie kończą proces. I dopiero atrybucja, czy też modelowanie atrybucji powinno dać wynik w postaci analizy źródeł ruchu w taki sposób, aby najlepiej odzwierciedlić wpływ na końcową wartość sprzedaży. A wpływ na nią mają zarówno kanały, które rozpoczynają sprzedaż, jak również te którę pozwalają przypomnieć się o marce, i ostatecznie te które najczęściej kończą sprzedaż.

Co ważne, nie ma idealnego modelu atrybucji i żaden nie będzie "prawidłowy". Ten osiągnęlibyśmy tylko w sytuacji testowania wyłączając dany kanał całkowicie i obserwując w długim terminie jaką stratę odnieśliśmy (przy zachowaniu stałości pozostałych czynników!). Jak więc wybrać najlepszy model dla własnego biznesu? Rozpocząć od testowania standardowych modeli i obserwacji jak zmieniają się wyniki w zależności od zgrupowanych kanałów. 

W bardziej zaawansowanym podejściu atrybucji stosuje się modelowanie z wykorzystaniem łańcuchów Markowa (analizuje się tylko poprzednie zdarzenie i jego wpływ na konwersję) czy wartości Shapley'a (analizuje usunięcie danego punktu stykowego na ścieżce). Ostatni sposób jest wykorzystywany przez Google w atrybucji opartej o dane. Jest ona dostępna w Google Ads, Analytics 360 i integruje dane bezpośrednio z Campaign Managera.

Google Analytics 360 umożliwia uwzględnienie wyświetleń. Dostępne są wyświetlenia reklam Google Ads oraz dane z Campaign Managera w Google Marketing Platform (dawniej DoubleClick Campaign Manager). Również Facebook z narzędzie Attirbution mocno się rozwinął w ostatnich miesiącach. Duża przewagą FB jest śledzenie oparte o konta użytkowników, a nie o cookies, dodatkowo wsparte o testy conversion lift.

 

Piotr Kociszewski
Business Intelligence Manager
K2 Precise        

Kluczową kwestią w tym temacie (podobnie jak w wielu obecnie istotnych zagadnieniach) jest dostęp do danych. Dane o ścieżce i konwersji powinny być w zgromadzone w jednym systemie śledzącym. Po to, abyśmy mogli połączyć je za pomocą identyfikatora użytkownika, najczęściej niestety jest to cały czas cookie. Istnieją na rynku systemy, które w podstawowym zakresie służą do innych celów, ale przy okazji pokazują wielokanałowe ścieżki konwersji. Są to np. 

• Google Analytics - tutaj należy jednak pamiętać, że nie mierzymy wyświetleń kampanii.
• Google Campaign Manager - ograniczeniem jest brak dostępu do tzw. danych surowych. Zatem jesteśmy uzależnieni od modeli atrybucji konwersji predefiniowanych przez Google 
• Facebook Attribution - stosunkowo nowe narzędzie na rynku. Ponownie, model atrybucji jest swojego rodzaju black-boxem.

Najlepszym rozwiązaniem według mnie jest własna platforma DMP, która integruje w jednym miejscu dane z aktywności mediowych oraz zachowania użytkownika na serwisie. Przy wyborze dostawców DMP należy wybierać tych, którzy są wpisani na listę partnerów technologicznych Google i Facebook. Dzięki temu unikniemy problemów z kodami śledzącymi, które mogą być blokowane. Dodatkowo dobrze byłoby, aby taki dostawca podjął próbę łączenia cookie z różnych urządzeń w jeden identyfikator użytkownika. Wtedy mamy szansę na zebranie pełnej ścieżki prowadzącej do konwersji. Po zintegrowaniu tej ścieżki pojawia się nowy problem, jaki model atrybucji wybrać aby realnie ocenić wpływ wszystkich kanałów na konwersję. Polski rynek w dalszym ciągu rozlicza się za last-click. Jest to podejście bardzo dalekie od rzeczywistego obrazu, w jaki sposób konsumenci poruszają się w sieci. Moim zdaniem najlepsze są modele data-driven i to takie, które nie są predefiniowane w platformach takich jak Campaign Manager, ale liczone przez naszego analityka na surówce danych.

Chciałbym jeszcze zwrócić uwagę na jedną rzecz. Po 25 maja 2018 roku, czyli po wprowadzeniu w życie RODO, w świecie mediów digitalowych powstało szereg obostrzeń jeśli chodzi o gromadzenie danych o tzw. użytkownikach końcowych. Nie będę zajmował się tutaj danymi, które możemy zbierać wewnątrz własnego serwisu, bo w tym przypadku ogranicza nas jedynie wyobraźnia i zgoda na przetwarzanie danych wyrażana przez konsumenta. Skupię się na poszczególnych kanałach mediów online i ograniczeniach jakie tam występują. 

Display - tutaj należy umówić się z wydawcą, który emituje reklamy. Z doświadczenia wiem, że nie zawsze są chętni na wklejanie kodów śledzących szczególnie od dostawców, którzy nie są znani.

• Programmatik - Najwięcej powierzchni programatycznych w Polsce jest w rękach Google. Jeżeli Display&Video 360 wyłapie w kreacji kod śledzący 3rd party (szczególnie od technologii, której nie zna) wtrzyma emisję kampanii.
• SEM - wyświetlenia z SEMu w zasadzie są niezbieralne. Oznacza to, że nie będziemy znali wszystkich wyszukiwań użytkownika, a jedynie te, w które kliknął.
• Social - Facebook od pewnego już czasu stał się tzw. "closed garden" zewnętrzne kody śledzące są w nim niemile widziane.

Podsumowując. Analiza wielokanałowych ścieżek konwersji jest tematem bardzo złożonym, głównie ze względu na trudności w gromadzeniu danych. Najskuteczniejszy sposób w mojej ocenie to własna platforma DMP. Dobry specjalista, który jest świadomy obostrzeń związanych ze zbieraniem danych w Internecie i wie jak je obejść. Trafnie dobrany i przeprowadzony model atrybucji, oparty na danych.

Patrycja Krakus
Marketing Specialist
Osom Studio

Postawiłabym na Google Analytics. Dlaczego? Po pierwsze, jest to narzędzie, które agreguje również innego rodzaju dane, tak więc analiza ścieżek wielokanałowych za jego pomocą jest po prostu wygodna. Po drugie, dobra konfiguracja gwarantuje miarodajne wyniki na temat wielokanałowości. Po trzecie, Google Analytics, w odróżnieniu do chociażby Yandex Metrica, nie obciąża znacznie strony (pamiętajmy, że każdy dodatkowy kod śledzący w witrynie wpływa na szybkość jej działania).

Tak, jak wspomniałam wyżej, miarodajne dane na temat ścieżek wielokanałowych uzależnione są od skonfigurowania narzędzia. Jeśli to zostanie zrobione w poprawny sposób, wówczas analiza staje się czystą przyjemnością.

Od czego zacząć? Jak to zwykle w marketingu bywa od strategii. To ona pomoże nam w konfiguracji Google Analytics. Pierwszy krok to ustalenie modelowego customer journey naszych odbiorców. Wiedząc, że nasza persona pierwszy kontakt z marką ma na Facebooku, na etapie rozważania zakupu odwiedza nas za pomocą wyszukiwarki, natomiast kupuje poprzez kliknięcie w wiadomość mailową, mamy gotowy scenariusz działania do grupowania kanałów. 

Pamiętajmy bowiem, że Google Analytics w standardowej konfiguracji posiada wbudowany system grupy kanałów, chociażby “Social media”, gdzie agregowane są wejścia z różnego rodzaju kanałów społecznościowych. Jeśli wiemy, że persona korzysta z innych social media na etapie awareness oraz consideration, stwórzmy własną grupę kanałów w Google Analytics, która będzie rozdzielać obie społecznościówki. Analogicznie w przypadku innych kanałów pozyskiwania - ruchu płatnego, organicznego, newsletterów etc. Dobre wyznaczenie kanałów powinno być więc poprzedzone strategią naszych działań. Powinniśmy być świadomi, jak działa nasza persona podczas zakupów, by móc identyfikować, czy nasze wysiłki marketingowe przynoszą oczekiwane rezultaty.

Samo grupowanie kanałów nie jest jednak wystarczające. Google Analytics musi umieć rozpoznać dany rodzaj ruchu. Nie obędziemy się więc bez dodawania parametrów UTM do każdego linka, który udostępniamy poza naszą domeną. Nie tyczy się to wyłącznie działań stricte reklamowych, ale właściwie wszystkich - kierujesz użytkowników do bloga z Facebooka?, powinieneś więc w udostępnionym linku dodać parametry, które Google Analytics z łatwością rozpozna jako przekierowanie z danego medium. Pomocne w tym kontekście jest więc stworzenie szablonu parametrów linków dedykowanych różnego rodzaju działaniom, jakie podejmujesz. Dzięki temu każdorazowo dla danego działania będzie używany dokładnie taki sam parametr, a finalnie ruch będzie poprawnie odczytywany przez Google Analytics.

Czas na analizę! Powinniśmy więc analizować nasze ścieżki zakupowe pod kątem celu danego kanału, który został ustalony w naszej strategii. Jeśli media społecznościowe odpowiadają za budowanie świadomości naszej marki, to nie oczekujmy, że będą one posiadały taką samą liczbę konwersji, jak na przykład działania Google Shopping odpowiedzialne za domykanie sprzedaży. W skrócie rzecz ujmując, rozważajmy kanał w ramach celu, jaki ma realizować. 

W kontekście ścieżek wielokanałowych bardzo istotne jest również analizowanie długości ścieżki - w przypadku niektórych marek ścieżka będzie średnio trwać 3 dni, w przypadku innych 30 dni. Każdy rodzaj produktu czy usługi charakteryzuje się nieco inną długością procesu zakupowego. Według tych danych badajmy, jak kanały się sprawdzają w kierowaniu użytkowników na kolejne etapy customer journey (czy na przykład dany kanał pomaga w przekierowaniu ich w ciągu 1 dnia, jaki założyliśmy?). I w tym kontekście równie istotne jest konfigurowanie okien konwersji - jeśli dany kanał powinien doprowadzić do zakupu w ciągu 5 dni, nie jest dobrym posunięciem otwieranie okna konwersji na 90 dni (oczywiście o ile posiadamy odpowiednich wielkości listy odbiorców ;)), bowiem to tylko wpłynie na niemały bałagan w naszych danych.

Tak, jak dawałam znać na wstępie, strategia to pierwszy krok do miarodajnej analizy. Nie jest jednak tak, że jej samej nie powinniśmy weryfikować. Wręcz przeciwnie! Analiza ścieżek wielokanałowych powinna nam również pomóc w wyłapaniu błędów naszej strategii, ocenie czasochłonności i opłacalności naszych działań i zauważeniu zmian w zachowaniu użytkowników. Nie obawiajmy się więc prowadzenia testów A/B, które będą pomocne w zweryfikowaniu, czy aby na pewno dany kanał powinien być odpowiedzialny za domykanie sprzedaży, może inny okaże się bardziej skuteczny?

Reasumując, stawiajmy na dokładność konfiguracji oraz holistyczną analizę, uwzględniającą zarówno nasze założenia, jak i samo zachowanie użytkowników (bo ono nie jest dane raz na zawsze i w środowisku online dynamicznie podlega zmianom), testujmy i - rzecz jasna - nie zapominajmy o najbardziej istotnej kwestii, czyli zwrocie z inwestycji! 

Robert Sosnowski,
CVO,
ReachAblogger

Nasz nieodzowny zestaw analityczny:

• Google Analytics (skonfigurowany w dedykowany sposób pod projekt)
• Google Tag Manager
• Google Data Studio
• Search Console
• Neil Patel App
• Google Speed Test 
• HotJar
• SEMrush
• Sitechcecker 
• AmazonAlexa
• SocialInsider

 

+ oczywiście systemy reklamowe adsów, które wykorzystujemy w projekcie: 

• Google Ads
• Facebook Ads
• Microsoft Ads
• Twitter Ads
• YouTube Ads
• LinkedIn Ads
• itp.

 

+ systemy mailingowe, najczęściej korzystamy z:

• MailerLite
• Zoho 

W działaniach posługujemy się linkami UTM, kodami rabatowymi. 

 

 

Pobierz ebook "Social media marketing dla firm i agencje się w nim specjalizujące"