A Google Analytics rendszerébe gyűjtött adatok rengeteg információt hordoznak, de a megfelelő struktúra hiányában az adatok könnyen átláthatatlanná válhatnak. Ennek elkerülése egy webáruház számára kiemelten fontos, de megfelelő hierarchikus rendszer kiépítésével, és a rendszer nyújtotta adatstrukturálási lehetőségek alkalmazásával a vállalkozást tökéletesen tükröző, jól elemezhető információ-rengeteghez juthatunk.

Hierarchikus nézetek készítése

Az adatok átláthatósága érdekeben, a Google Analytics hierarchikusan rendszerezi a nézeteket a következő struktúrában: Fiók –> Tulajdon –> Nézet

• Fiók: a Google Analytics legfelsőbb szintű pontja. Minden követni kívánt internetes tulajdon meghatározásához szükségünk van legalább egy fiókra!
• Tulajdon: lehet webhely vagy akár egy mobilalkalmazás is. Egy fiók akár több tulajdont is tartalmazhat.
• Nézet: a jelentések alapvető hozzáférési pontja. A szűrők segítségével meghatározhatjuk az adott nézet tartalmát, majd a megfelelő jogosultságok beállításával biztosíthatjuk adataink biztonságát. A felhasználók számára külön jogosultságokat adhatunk nézetek, de akár tulajdon és fiók szinten is!

Alapértelmezett esetben a Google Analytics létrehozza a tulajdon első nézetét: Minden webhelyadat (All website data) néven. Ezt a nyers nézetet szokták szűretlen, vagy „master” nézetnek nevezni, mert egyáltalán nem tartalmazz filtert, vagyis az adott tulajdon összes adatával rendelkezni fog. Nagyon fontos, hogy mindig legyen egy mester nézetünk, mert pl. egy rosszul beállított szűrő esetében visszamenőleg már nincs lehetőségünk a meglévő adatokon változtatni, és torzulva fogjuk látni a tényleges, valós számokat.

Ne feledjük, hogy miután készítettünk egy új nézetet, az ott található jelentésekben csak a létrehozás dátumától kezdve kérhetjük le a kívánt mutatókat!

Ha például április 1-jén készítünk egy nézetet, akkor a nézet április 1-jétől kezdve mutatja az adatokat, de az ezt megelőző időszakról nem fogunk információval rendelkezni. Ezért is fontos a nyers nézet, melynek adatait minden esetben alapul tudjuk venni!

Egyéb, ajánlott nézetek:

• Production Profil: a cégen belüli analitikai szakember számára érdemes változatlanul biztosítani, hogy a szükséges adatok minden esetben a rendelkezésére álljanak.
• Staging Profil: egyfajta teszt nézet; itt kipróbálhatóak, valamint értékelhetőek a szűrők, mielőtt azokat a „nyers” nézetben alkalmazzuk
• Raw Profil (Master): biztonsági „mentésként” szolgál, ha valami problémával szembesülünk bármelyik másik nézetben

Nézet létrehozására két lehetőségünk is van: az alapértelmezett beállításokat használva, vagy egy másik nézetből átmásoljuk a meglévő beállításokat. Mivel a nézet visszamenőleg nem fog adatokat tartalmazni, így a fentebb leírtak alapján hozzuk létre a hierarchikus struktúránkat!

Tipp: a Nézet szinten található beállítások mindig csak az adott nézetre vonatkoznak, magyarán, ha egy új nézetben egy harmadik féllel szeretnénk adatokat megosztani, akkor a szűrők beállításán kívül az egyéb módosításokat se felejtsük el alkalmazni (pl. e-kereskedelmi mérés aktiválása), hogy biztosan azokat, és csak azokat a mutatókat lássák, amelyeket feltétlenül meg szeretnénk velük osztani.

Kiegészítő adatok beállítása

Az e-kereskedelmi mutatók rögzítéséhez kötelező megadni bizonyos adatokat, mint pl. a termék neve vagy a tranzakció azonosítója. Ahhoz azonban, hogy a lehető legeredményesebben használjuk fel az analitikai tudásunkat, hasznos lehet további, kiegészítő adatok beállítása is.

Érdemes fontolóra venni a következő három extra funkciót, amelyek további értékes adatokba nyújthatnak betekintést. A Google Analytics részéről nem kötelező elemekről van szó, viszont a felhasználói viselkedés értelmezéséhez rendkívül hasznosak.

User ID azonosító

Minden felhasználóhoz rendeljünk hozzá egy egyedi azonosítót. Fontos, hogy ezen azonosítók semmilyen személyes felhasználói adatot nem tartalmazhatnak, máskülönben megsértjük a felhasználási feltételeket. Azonosítót rendelni egy userhez rengeteg előnnyel járhat, például segíthet megérteni a felhasználók viselkedését desktop és mobil eszközök között.

Ennél fontosabb, hogy a kohorszok segítségével megvizsgálhatjuk a közös attribútumokkal rendelkező felhasználók csoportjainak viselkedését és teljesítményét (bővebb információ Justin Cutroni webanalitikai szakértő posztjában olvasható).

Vásárló vs. látogató

Egy User ID implementálása nehéz feladat lehet, ha figyelembe vesszük, hogy a felhasználói azonosítók elküldéséhez megbízható backend konfigurációra van szükség.

Egy egyszerűbb megvalósítás, hogy a honlap látogatóit vásárlóként, azaz ügyfélként címkézzük meg. Ezt abban az esetben végezheted el, ha a látogató egy tranzakciót hajtott végre, vagy visszatér az oldalra egy címkézett kampánynak köszönhetően.

A szűrők segítségével, így már könnyedén el tudjuk szeparálni a nem vásárló ügyfeleinket annak érdekében, hogy megértsük viselkedésüket és növeljük azok konverziós arányát.

Tartalmi csoportosítás

A tartalmi csoportosítás egy speciális funkció a Google Analytics felületén, amely lehetővé teszi a felhasználóknak, hogy elemezzék és összehasonlítsák az oldalak teljesítményét.

Vegyünk például egy kiskereskedőt, aki kabátokat értékesít férfiak, nők és gyerekek számára. A termékek tartalmi csoportosításának köszönhetően kategorizálva vizsgálhatjuk a termékeket, és az analitikai elemzéseket specifikusabban tudjuk végrehajtani (bővebb információ Justin Cutroni webanalitikai szakértő blog posztjában olvasható).

Tiszta adatok kerüljenek be a Google Analytics rendszerébe

Korábban már beszéltünk a filterek fontosságáról; mielőtt azok tárolásra kerülnének a rendszer lehetőséget biztosít az adatok testreszabására is. A szűrők segítségével relevánsabb és sokkal szegmentáltabb adatokra koncentrálhatunk, de soha ne feledjük: ha egyszer bekerültek a rendszerbe, onnantól kezdve már nincs lehetőségünk az utólagos módosításukra!

Íme négy kulcsfontosságú szűrő:

• Kisbetűk ereje: a Google Analytics érzékeny az URL-ben szereplő nagybetűkre, ezért érdemes az összes URL-t, és a további kampány paramétereket is kisbetűvel rögzíteni.

• Spammy refferals: a spam forgalom torzító hatásása végre eltűnt az analyticsből, így a következő szűrő csak példaként értendő:

• Többszörös URL: gondot okozhat az azonos tartalmú oldalak kezelése is, ha azok egyszerre több URL-en keresztül is elérhetőek. Például http://www.weboldalam.hu/termek/ vs. http://www.weboldalam.hu/termek/index.html. Az ilyen esetekben az oldalmegtekintések száma kettéoszlik a két URL között, ahhoz, hogy a rendszer csak egyetlen URL-t mérjen, el kell távolítani a “index.html” részt az URL tárolás előtt. Ezt egy keresés és csere szűrő segítségével tehetjük meg.

• Felesleges paraméterek eltávolítása: nem árt, ha eltávolítjuk a felesleges lekérdezési karaktersorozatok paramétereit is, mert ezek is oldal duplikálást eredményezhetnek.

Például http://www.weboldalam.hu/index.html&trk_module=xkd9201kx és http://www.weboldalam.com/index.html két különböző URL ként fogja a rendszer rögzíteni. Ugyan az Analytics is használ ilyen jellegű címkézést, de azok a forgalom kategorizálására szolgálnak (pl.: “utm_source”). A duplikáció elkerülése érdekében hozzunk létre egy listát az összes lekérdezési paraméterrel, a szükségtelen követéssekkel, és frissítsük a beállításokat.

Implementáljuk a domainek közötti követést

Amennyiben webáruházunk több domain forgalmat is használ, érdemes elemeznünk tevékenységüket, hogy tényleges képet kapjunk a forgalmakat illetően. Mivel a felhasználók mindkét tartományt látogathatják ugyanabban a munkamenetben, így a megoldás sokkal bonyolultabb, minthogy összeadjuk a domainek forgalmát.

Szerencsére a GA erre is nyújt megoldást, a domain követés (Cross-domain tracking) beállítása során figyeljünk arra, hogy a domain név szerepeljen az URL-ben, hogy különbséget lehessen tenni a két változat között.

Bővebb információ: https://support.google.com/analytics/answer/1034342?hl=hu

Harmadik féltől származó tranzakciók mérése

Gyakori eset, hogy egy vezető e-kereskedelmi platform tranzakciói egy kliens címről érkezik (pl Shopify). Az esetek többségében a platform szolgáltatója tesz lépéseket a domainek közötti követésre, hogy egy biztosabb és teljesebb képet nyújtson az ügyfelei számára, de néhány esetben (pl. PayPal feldolgozás) sajnos nem ez a helyzet.

Bizonyos esetekben elegendőek a megfelelően címkézett URL címek is, de egyes esetekben muszáj extra időt és energiát fordítani a beállításokra, hogy teljes képet kapjunk ügyfeleink aktivitásáról.

A Google Analytics egy igazán összetett webanalitikai eszköz, de a fenti javaslatokat alkalmazva egy lépéssel közelebb kerülhetünk a valósághoz. A mélyebb rétegek elemzése, és a forgalmi adatok ellenőrzése nélkül csak egy irreleváns adathalmazt kapunk, amelyek akár rossz irányba is vihetik vállalkozásunk történetét.