Kако правилно посматрати податке да бисте разумели своје посетиоце

Ако имате веб-сајт, велике су шансе да користите Гугл аналитику. Можда је отварате сваког јутра да проверите колико људи је посетило сајт, одакле су дошли и да ли су обавили куповину, послали упит или посетили специфичну страницу коју промовишете путем бројних канала за оглашавање.

И заиста, мало који алат је променио начин на који имамо увид у понашање корисника и доносимо пословне одлуке као што је то урадила веб-аналитика. Оно што је некада било пуко нагађање данас можемо да меримо готово у реалном времену: знамо укупну посету на сајту, најпопуларније странице, време задржавања корисника или где посетиоци одустају од куповине.

Међутим, ту постоји замка у коју је веома лако упасти. Гугл аналитика може у сваком моменту да нам каже шта се догодило, када и у ком обиму, али веома ретко може да нам „објасни” зашто се то догодило. Управо зато се дешава да власници сајтова виде пад конверзија, промену у саобраћају или лошије резултате кампања и одмах крену да траже решење, иако заправо још увек нису разумели прави узрок проблема.

Стога, да бисмо правилно користили аналитику и податке које нам пружа, прво морамо да разумемо њена ограничења.

Шта Гугл аналитика ради одлично?

Гугл аналитика је алат за квантитативну анализу података. То, у преводу, значи да мери оно што корисници раде на вашем сајту и претвара њихово понашање у бројке, графиконе и извештаје које касније можемо да испратимо и анализирамо.

Веб-аналитика свакако није нова дисциплина. Још од раних дана интернета власници сајтова покушавали су да схвате своје посетиоце. Временом су алати за аналитику постајали све софистициранији, а Гугл аналитика је постала својеврсни индустријски стандард који данас користе милиони сајтова широм света, од малих локалних бизниса и блогова до највећих светских е-комерц платформи.

Према подацима сајта W3Techs, овај алат користи око 46% свих сајтова на интернету. Када посматрамо само сајтове који имају имплементиран неки алат за аналитику, његов тржишни удео прелази 80%, што га, дакле, чини далеко најраспрострањенијим решењем за праћење и анализу понашања посетилаца.

Разлог популарности лежи пре свега у томе што овај алат долази из Гугл екосистема, са последично снажном интеграцијом са Гугл алатима које већина фирми већ користи у свакодневном раду. Наравно, предност је и у томе што је широко доступан и бесплатан за коришћење.

Захваљујући свом одличном темељу, Гугл аналитика у својим извештајима веома добро одговара на питања попут:

• Колико људи је посетило сајт?
• Одакле су дошли?
• Које странице највише посећују?
• Где напуштају процес куповине?
• Који маркетиншки канали доносе највише конверзија?
• Колико времена проводе на сајту?

У секцији Acquisition можемо да видимо одакле долазе посетиоци, да ли су стигли преко Гугл претраге, друштвених мрежа, плаћених огласа, мејлова или директним уносом адресе сајта.

У оквиру секције Engagement налазе се извештаји попут Pages and screens, где видимо перформансе појединачних страница и екрана, Landing page, који показује прве странице на које корисници улазе на сајт, као и Events, извештај који прати врсту интеракције коју корисници имају током сесије (кликови, скроловање, слање форми, конверзија и сл.).

Monetization извештаји фокусирани су на куповине, приходе и понашање корисника током процеса куповине, док Advertising извештаји помажу да разумемо како различити маркетиншки канали доприносе конверзијама и приходима.

Поред стандардних извештаја, Гугл аналитика нуди и секцију Explore, која омогућава креирање напредних анализа попут фанел (funnel) извештаја, анализа путања корисника, сегментације публике и различитих прилагођених извештаја.

Све наведено Гугл аналитку чини изузетно моћним алатом за разумевање онога што се догађа на сајту. Међутим, подаци нису исто што и одговори на питање „зашто?”.

Замислите да имате физичку продавницу и да једног дана приметите да много људи улази унутра, разгледа производе и излази без куповине. То је податак сам по себи, који не говори да ли су цене превисоке, да ли запослени нису довољно љубазни, да ли купци нису пронашли оно што траже или је једноставно био лош дан. Иста ситуација постоји и на интернету.

Гугл аналитика може да вам покаже да људи напуштају одређену страницу, да не завршавају куповину или да не попуњавају контакт форму кроз своје већ дефинисане или извештаје које сте сами направили. Оно што не може да уради јесте да објасни специфичне мотиве посетилаца, њихове недоумице и разлоге због којих су одустали. Другим речима, аналитика мери понашање корисника у бројкама, али нема могућност да измери њихово размишљање.

Грешка у доношењу брзих закључака

Када виде одређени тренд у аналитици, многи власници сајтова одмах покушавају да пронађу кривца.

• Ако је органски саобраћај пао, сигурно је SEO проблем.
• Ако је број конверзија мањи, оглашавање не ради.
• Ако је порастао Direct саобраћај, људи сигурно све више препознају бренд.

Ствари ретко функционишу тако једноставно и ту је посебно занимљив пример директног саобраћаја.

Када у извештају о посети погледате бројке за Direct канал, лако је претпоставити да људи куцају адресу сајта јер већ знају за ваш бренд. Некада је то заиста и случај. Међутим, врло често Direct саобраћај значи само да аналитика није успела да идентификује прави извор посете, па се тако у ове посете могу убројити кликови из мејлова без UTM параметара, линкови из мобилних апликација, ПДФ докумената или других извора који нису правилно означени.

Из тог разлога, висок проценат Direct саобраћаја није нужно знак да је свест о бренду порасла, већ може значити да нешто није добро подешено у праћењу линкова.

Корисници напуштају процес поручивања. Шта сада?

Следећи случај односи се на процес поручивања. Приметили сте, рецимо, да корисници масовно напуштају корпу за куповину. Уколико на свом сајту имате имплементирано праћење конверзија и процеса поручивања, овај проблем можете релативно лако да уочите у Monetization извештајима или кроз анализу Funnel exploration у секцији Explore.

На пример, можете видети да су током одређеног периода 192 корисника додала производ у корпу, тек 52 прешла на чекаут страницу, али и да је само њих 25 завршило куповину.

На фанел графикону то би изгледало као јасан пад између корака Add to Cart, Checkout и Purchase. У једном тренутку имате кориснике који су показали интересовање, додали производ у корпу и закорачили ка куповини, а већ у следећем кораку знатан део њих једноставно нестаје из процеса. И ту аналитика стаје. Видите где се људи „губе”, да се нешто дешава на чекаут страни, али не видите шта их је тачно у том тренутку зауставило, нити шта су они заправо доживели док су били ту.

Разлози за то могу бити различити. Корисници се често предомисле када тек на крају виде трошкове доставе, док неке одбије форма за наручивање која захтева превише података. Проблем може бити и недостатак жељеног начина плаћања, али и само искуство куповине − споро учитавање странице или компликовано коришћење на телефону понекад су довољни да корисник одустане свега неколико корака пре завршетка куповине.

Аналитика не улази у тај ниво искуства, већ остаје на нивоу бројева и показује вам где је дошло до прекида, али не и шта је у том тренутку пролазило кроз главу корисника.

Узрок у већини случајева морамо да пронађемо другим методама.

Где пронаћи „зашто”?

Управо овде долазимо до највећег ограничења аналитике, јер ако желимо да разумемо кориснике, морамо да изађемо из оквира самих бројки.

Разговор са корисницима

Један разговор са стварним купцем често може да открије проблем који месецима не бисте приметили кроз извештаје. Корисници ће вам врло директно рећи шта их је збунило, шта нису пронашли или због чега су одустали од куповине.

Користите анкете

Кратке анкете након куповине или напуштања сајта могу пружити изузетно корисне увиде. Питање попут „Шта вас је спречило да завршите куповину?” често даје конкретније одговоре од десетина различитих графикона.

Посматрајте понашање корисника

Heatmap алати омогућавају да видите како се људи заиста понашају на сајту. Некада ћете открити да корисници покушавају да кликну на елемент који није кликабилан, да не примећују важно дугме или да не могу да пронађу информације које траже.

Разговарајте са корисничком подршком

Ако имате тим за подршку, они често поседују информације које ниједан аналитички алат нема, јер су у свакодневном контакту са корисницима. Питања која корисници најчешће постављају могу указивати на проблеме у навигацији, процесу куповине или самој понуди производа.

Чак ни подаци нису потпуни

Постоји још једна важна ствар коју треба имати на уму када радите са подацима из Гугл аналитике − они никада не представљају потпуну слику стварности и постоје бројни разлози због којих одређени део корисничког пута остаје ван његовог домета.

Корисници могу користити блокаторе огласа или колачића, могу променити уређај између прве посете и куповине, истраживати производ на телефону, а саму куповину завршити касније на лаптопу. Такође, одлука о куповини често није резултат само онога што се дешава на самом сајту − корисник може претходно видети билборд, чути за бренд у подкасту, прочитати препоруку на друштвеним мрежама или добити препоруку од пријатеља а да ниједан од тих утицаја не буде поуздано повезан са конверзијом у аналитици.

Поред тога, савремени захтеви за заштиту приватности корисника додатно утичу на начин на који се подаци приказују. У ситуацијама када број корисника или догађаја није довољно велики, неки подаци могу бити агрегирани, моделовани или у потпуности сакривени како би се заштитила приватност појединаца.

Због свега наведеног, извештаје у Гугл аналтици не треба посматрати као апсолутну и неупитну истину, већ као веома добру процену онога што се дешава на сајту и у маркетиншким каналима. То, међутим, никако не значи да су подаци непоуздани или бескорисни. Напротив, они пружају изузетно вредне увиде за доношење пословних одлука, али их је увек потребно тумачити са разумевањем њихових ограничења и са одређеном дозом опреза.

Како правилно посматрати и користити податке из Гугл аналитике?

Највећа вредност Гугл аналитике није у томе да вам аутоматски каже зашто се нешто догодило, већ да вам помогне да уочите да се нешто променило и да ту промену даље истражите. Због тога је корисно овај алат посматрати као савезника у откривању симптома, а не као алат који увек даје коначне одговоре.

Ако приметите да је стопа конверзије пала, да корисници напуштају одређену страницу или да је саобраћај из неког канала опао, немојте одмах доносити закључке. Уместо тога, поставите додатна питања:

• Шта се променило на сајту?
• Да ли постоји технички проблем?
• Да ли се понашање корисника променило?
• Да ли је конкуренција покренула агресивнију кампању?
• Да ли садржај више не одговара потребама публике?

Тек када спојите податке из аналитике са повратним информацијама корисника, истраживањима и посматрањем стварног понашања, можете да сагледате ситуацију из више углова и дођете до много потпуније слике.

Уместо закључка

Гугл аналитика је одличан алат за разумевање онога што се дешава на сајту. Међутим, као и сваки аналитички алат, она веома успешно мери последице и обрасце понашања корисника, али не може увек да објасни њихове узроке.

Зато, када следећи пут отворите овај алат и угледате забрињавајући графикон, немојте одмах тражити решење у још једном извештају. Одговор се најчешће не налази само у бројевима, већ у људима који користе ваш сајт − њиховим потребама, очекивањима, искуствима и разлозима због којих доносе одлуке.