Twoja wiadomość już do nas leci - napiszemy bądź zadzwonimy do Ciebie tak szybko, jak to możliwe.
Tymczasem, zajrzyj na nasze social media:
Zajrzyj na swoją pocztę, aby poznać szczegóły oferty ;)
Tymczasem, sprawdź nowości na naszym blogu semahead.agency/blog/
Zespół Semahead
Na Twoją skrzynkę wysłaliśmy wiadomość potwierdzającą subskrypcję.
Tymczasem, zajrzyj na nasze social media:
'
Twój formularz już do nas leci - za chwilę otrzymasz informację zwrotną na podany w zgłoszeniu email.
Tymczasem, możesz zajrzeć na nasze social media:
Obecnie ogrom uwagi poświęca się zadbaniu o dobre SEO. Jednak w cieniu wyszukiwarek internetowych pozostaje być może najczęściej pomijana szansa na optymalizację strony – wyszukiwarka wewnętrzna. Z tego rozpoczynającego cykl UX artykułu dowiesz się, jakich metod użyć, by wykorzystać ten potencjał.
Z tego artykułu dowiesz się między innymi:
Analizę wyszukiwarki rozpocząć możesz od przyjrzenia się danym, które z niej pochodzą. Ten etap sam w sobie prowadzić może do ciekawych obserwacji i odkryć.
Możesz analizować dane przechowywane w Google Analytics. Jeśli takich danych nie gromadzisz, to niestety ten etap analiz musisz odłożyć na parę miesięcy – informację o tym, jak skonfigurować raportowanie wyszukiwania w witrynie w GA znajdziesz tutaj.
Dane GA o swojej wyszukiwarce możesz znaleźć w sekcji raportów Zachowania, w Wyszukiwanie w witrynie. Skorzystać możesz z raportu Wyszukiwane hasła. Tutaj znajdziesz metryki dotyczące Korzystania z witryny oraz E-commerce, takie jak łączna liczba unikalnych wyszukiwań hasła, przychody i transakcje z nim powiązane lub wartość jednego wyszukiwania.
Zgromadzone w Analytics dane możesz wyeksportować i użyć w narzędziach, w których łatwiej je analizować, takich jak Excel, Tableau lub język R (więcej o eksportowaniu danych z Google Analytics przeczytaj w naszym artykule). Możesz analizować np.:
Podczas takich analiz powstają cenne hipotezy, które sprawdzisz możesz w następnym etapie – analizy eksperckiej UX. Mówiąc wprost, możesz wpisywać w wyszukiwarkę hasła, które w wyniku analiz zwróciły twoją uwagę i przekonać się, co naprawdę widzi użytkownik.
Prócz danych z Google Analytics możesz także wykorzystać dane o wyszukiwarce z własnych baz danych, jeśli takie zbierasz. Inne przykłady analiz możesz znaleźć m.in. w artykule na Nielsen Norman Group (NN/g).
Następnym krokiem w analizie wyszukiwarki może być przyjrzenie się jej bezpośrednio pod kątem zastosowanych rozwiązań UX.
Niezależnie od tego, czy analiza UX to dla ciebie nowość, czy też audytowałeś już pod tym kątem niejedną stronę – warto korzystać z informacji o dobrych praktykach UX. Są to zbiory zalecanych rozwiązań, często oparte na wynikach wielu testów i/lub na wiedzy o funkcjonowaniu człowieka. Z ich pomocą, nierzadko w krótkim czasie, można zidentyfikować wiele niewłaściwych rozwiązań na stronie.
Rzecz jasna nie wszystkie elementy można łatwo sklasyfikować jako jednoznacznie dobre albo złe. Zdarzyć się też może, że rozwiązanie łamiące dobrą praktykę UX w wypadku danej strony jest lepsze. Na szczęście dobre opracowania zawierają również listę powodów, dlaczego dane rozwiązanie uznawane jest za dobre, a także warunków, które muszą być do tego spełnione.
Oto kilka przykładów dobrych praktyk UX dotyczących wyszukiwarki wewnętrznej:
Zdecydowanie polecamy opracowania, które znaleźć można w artykułach Nielsen Norman Group. Innym cennym źródłem informacji na temat najlepszych praktyk UX mogą być materiały od Google: playbooki UX (np. UX Playbook for Retail) lub webinary organizowane co jakiś czas (np. zeszłoroczny Mobile UX Marathon, lub obecnie trwający Mobile on Air).
Co jednak zrobić z elementami strony, które nie dają się jednoznacznie sklasyfikować jako dobre lub złe? Albo jak przekonać się, czym zastąpić element, który nie spełnia wymogów dobrych praktyk?
Cennym uzupełnieniem analiz może być zebranie informacji o zachowaniach użytkowników w postaci map cieplnych kliknięć i scrollowań. Mapy te pozwalają na zebranie dodatkowych danych jakościowych – możemy zobaczyć w jaki obszar elementu użytkownicy klikają, nie tylko ilość kliknięć. Często zaobserwować można też kliknięcia w miejsca, w których interakcji użytkowników się nie spodziewamy. Mapy mogą pomóc w odpowiedzi na przykład na takie pytania:
W celu jeszcze dokładniejszego przyjrzenia się zachowaniom użytkowników skorzystać można także z nagrań sesji. Nie zawsze warto ich używać, ponieważ analiza kilkudziesięciu nagrań może być bardzo czasochłonna. Takie analizy warto wprowadzić, jeżeli masz już pewne przypuszczenia, jak mogą zachowywać się twoi użytkownicy. Mogą okazać się także cenne, kiedy interesuje cię konkretny moment w trakcie wizyty użytkownika. Na przykład:
W przypadku dwóch pierwszych analiz, kolejność wykonywania jest dowolna i można, a nawet powinno się powtarzać je wielokrotnie, iteracyjnie. Obie analizy uzupełniają się wzajemnie. Na pytania postawione w jednej odpowiedź znajdziesz często w drugiej. Inaczej jest w przypadku ostatniej sekcji analiz – testów.
W przeciwieństwie do analizy danych oraz analizy UX, które są nieinwazyjne, ponieważ bazują na informacjach już zebranych (zgromadzone dane oraz dostępna wersja strony) – testy angażują użytkowników bezpośrednio, np. przez wprowadzenie zmian na stronie lub dołączenie do niej ankiety. Z tego powodu badania na użytkownikach warto wdrożyć dopiero po przeanalizowaniu informacji, które już są nam dostępne. Dzięki postawionym wcześniej hipotezom możesz przygotować bardziej precyzyjne testy, które odpowiedzą na twoje wątpliwości.
Dużą zaletą testów jest to, że zbierają dane zupełnie nowe, przez co pozwalają pogłębić dotychczasowe analizy oraz przekonać się, jak twoi użytkownicy zareagują na zmiany w wyszukiwarce. To jakie testy zastosujesz powinno być uzależnione od informacji, które zebrałeś w toku poprzednich analiz. Poniżej przedstawiamy kilka możliwości:
Na zakończenie warto wspomnieć, że mnogość metod badawczych nie pociąga za sobą konieczności wykorzystania ich wszystkich. Analizy danych, dobrych praktyk UX, map cieplnych, czy w końcu testy – wszystkie uzupełniają się i wspierają na drodze do lepszego poznania użytkownika. W rzeczywistości nie zawsze możesz pozwolić sobie na przeznaczenie tak wielu zasobów, w szczególności czasu, na analizę jednego aspektu strony. Dlatego warto podkreślić, że nawet pojedyncza analiza może ujawnić kluczowe obszary, których usprawnienie przyniesie znaczną poprawę doświadczeń użytkowników, a w konsekwencji – jakości ruchu na stronie.
Aby przekonać się, jak te i inne narzędzia do analiz można wykorzystać do badania innych kluczowych elementów strony – śledź nasz blog. W następnym artykule z cyklu UX omówimy koszyk.
Oto kolejna dawka nowości ze świata analityki internetowej. Wśród nich znajdziesz między innymi: dalszy ciąg sprytnych rozwiązań w Google Data Studio, najlepszą wersję listy wyboru na Twoją stronę oraz #StayAtHome – czyli ciekawe darmowe lub promocyjne szkolenia, dzięki którym produktywnie spędzisz czas w domu.
Czy nie wspaniale byłoby móc zamieszczać w raportach GDS informacje z adnotacji, które tworzymy w GA? Tak się składa, że ta cenna możliwość Google Data Studio, została niedawno zapowiedziana. W oczekiwaniu na jej wdrożenie pojawiły się już „ręczne” rozwiązania pozwalające dodawać adnotacje. Na blogu Medium znajdziesz artykuł, który opisuje trzy takie możliwości: z wykorzystaniem pól obliczeniowych, adnotacji w pliku csv lub z wykorzystaniem Arkuszy Google. Na blogu Mehdi Oudjida również znajdziesz opisane krok po kroku rozwiązanie oparte na wykorzystaniu Arkuszy.
W ubiegłym tygodniu na blogu Nielsen Norman Group pojawił się artykuł omawiający różne formy prezentowania użytkownikom najbardziej typowych list elementów. Dotyczy on tych, które znaleźć możemy przy filtrowaniu, sortowaniu, wybieraniu różnych opcji itp.
We wpisie znaleźć można klasyfikację list, z podziałem na m.in. listy jedno- i wielokrotnego wyboru, statyczne i przewijane. Prócz tego omówione są mocne i słabe strony każdej z opcji, a na samym końcu znajdziemy podsumowanie w formie tabeli.
Od początku kwietnia coraz więcej platform decydowało się nie tylko na specjalne promocje, ale wręcz na nadawanie darmowych dostępów do swoich płatnych szkoleń. To doskonała okazja, by rozwinąć swoje umiejętności.
Jedną z takich platform jest Pluralsight, który nadał dostęp do swoich płatnych filmów szkoleniowych za darmo dla każdego konta do końca kwietnia. Znaleźć tam możemy kursy, dzięki którym rozwiniemy swoje umiejętności w analizie danych, np. przez naukę języka R lub Python. Inną możliwością jest rozwinięcie umiejętności w posługiwaniu się HTML i CSS – które nie tylko pomogą zrozumieć lepiej strony internetowe w ogóle, ale wzmocnią Twoje możliwości tworzenia bardziej wyszukanych testów A/B.
Jeżeli chcesz rozwijać swoje kompetencje analityczne, to na polecenie zdecydowanie zasługuje platforma DataCamp. Nie jest to opcja darmowa – jednak od kilku tygodni trwa tam promocja -75%. Na platformie możesz uczyć się R, Pythona, ale także SQL, arkuszy, a nawet Tableau.
No i oczywiście, nie należy zapominać o kursach Analytics Academy, gdzie rozwijać możemy umiejętności w korzystaniu z tak podstawowych narzędzi, jak Google Analytics, Google Tag Manager czy Google Data Studio. Te szkolenia na szczęście zawsze są dla nas darmowe.
Czas pandemii koronawirusa – i z pewnością okres bezpośrednio po niej – wymagają korzystania z precyzyjnych danych i szybkiego podejmowania decyzji. W tym celu świetnie sprawdzą się narzędzia analityczne, wykorzystywane w szerokim zakresie. Jak korzystać z rzetelnych danych w czasach zarazy?
Wbrew tytułowi zacznę przekornie od najpopularniejszego narzędzia analitycznego na świecie. Działając w czasach niepewności rynkowej, możemy przynajmniej opierać nasze decyzje na pewnych danych. Warto przeprowadzić audyt Google Analytics, żeby sprawdzić, czy dane nie odbiegają od tego, co znajduje się w CRMie albo czy połowa transakcji nie jest zawłaszczona przez bramki płatności, które wszak nie są źródłem pozyskania ruch, a jedynie etapem na ścieżce zakupowej.
Jeśli już mamy pewność, że dane zbierają się poprawnie, wyjdźmy poza standardowe raporty. Ciekawym, choć niedocenionym raportem są Ścieżki wielokanałowe (Konwersje > Ścieżki wielokanałowe). Każdy na pewno słyszał o lejku zakupowym i customer journey. Dlaczego więc opieramy swoje decyzje na danych dotyczących ostatniej interakcji użytkownika ze stroną, a nie bierzemy pod uwagę kanałów, które wystąpiły na początku lejka? Z raportu Ścieżek wielokanałowych dowiesz się, jakie źródła ruchu posiadają rolę wspomagającą na ścieżce zakupowej. Wyniki mogą Cię zaskoczyć. Więcej na ten temat dowiesz się z artykułu https://semahead.agency/analiza-sciezek-wielokanalowych/
Nie każdy ma smykałkę do zagłębiania się w setki raportów w poszukiwaniu wartościowego insightu. Osobom, które muszą podejmować szybkie decyzje i codziennie oczekują aktualnych danych o najważniejszych KPI, polecamy nasz dashboard antykryzysowy https://semahead.agency/raport-antykryzysowy/ Raport jest interaktywny, a dodatkowo codziennie wysyłany na skrzynkę mailową, żebyś już nigdy nie przegapił żadnych ważnych zmian w ruchu i konwersjach.
Dashboard w Google Data Studio ułatwia częste sprawdzanie najważniejszych metryk
Ściśle rzecz biorąc, nie jest to narzędzie analityczne, jednak często wykorzystywane przez analityków do implementacji najróżniejszych kodów – od Google Analytics, przez Hotjar czy Optimize, po tagi remarketingowe Google Ads lub Facebooka (I wiele innych!). Opanowanie GTM na podstawowym poziomie naprawdę się opłaca, bo oszczędzimy nie tylko na czasie, ale także na zasobach programistycznych.
To tylko niektóre z tagów analitycznych i marketingowych dostępnych w Google Tag Managerze.
Znane wielu narzędzie do przeprowadzania testów A/B może się przydać w czasach takie jak te do szybkiej implementacji zmian na stronie. Wystarczy skorzystać z opcji Personalizacja, aby dostosować stronę do potrzeb użytkowników. Jest to istotne zwłaszcza w szybko zmieniających się realiach, kiedy modyfikacja elementu na stronie powinna być niemal natychmiastowa.
Jakie elementy dodać? Warto podkreślić atuty sklepu, np. możliwość zwrotu towaru w ciągu 90 dni, szybka wysyłka towarów czy polski producent.
Personalizację znajdziesz w panelu tworzenia nowego doświadczenia
Więcej porad jak sobie radzić z marketingiem w dzisiejszych czasach znajdziesz w ebooku https://semahead.agency/marketing-w-contrze/
Porównywanie dwóch lub więcej średnich wartości to jedna z najczęstszych analiz wykonywanych przy pracy z danymi. Na przystępnym przykładzie dowiesz się, w jaki sposób wykorzystać statystykę, by upewnić się, że przewaga jednej marki nad drugą nie jest kwestią przypadku. Znajdziesz też kilka linków, dzięki którym możesz poszerzyć swoją wiedzę.
Może zadajesz sobie pytanie: „Po co mówić o testach statystycznych w przypadku porównywania dwóch średnich?”. Robisz to zapewne bardzo często. Gołym okiem widać, która średnia jest większa, a która mniejsza.
Użyjmy jednak następującego przykładu. Wyobraź sobie, że sprzedajesz sportowe buty. Dwie marki (A i B) przynoszą ci wyjątkowo dobry przychód i planujesz poszerzyć ich asortyment. Nie wiesz jednak, czy korzystniej będzie zainwestować w oba produkty po równo, czy może w jeden z nich nieco bardziej – a jeśli tak, to w który?
Google Analytics: Porównanie średniej ceny dla produktów dwóch kategorii z wykorzystaniem segmentacji.
W Google Analytics sprawdzasz, jak wyglądała sprzedaż obu marek dla ostatniego miesiąca. Marka B przyniosła średnio o 2,8%więcej przychodów – na każdy zakup. Może się to wydawać niewielką różnicą, ale przy utrzymywaniu się przez dłuższy czas takich wyników, oznacza to ponad 13 tys. zł przychodu więcej – na każde tysiąc zamówień.
Zatem marka B wydaje się bardziej atrakcyjną opcją. Pytanie jednak brzmi: „Na ile różnica między tymi średnimi jest istotna? Jaką możesz mieć pewność, że to nie kwestia przypadku?”. W tym celu pod uwagę musimy wziąć średnie ceny dla poszczególnych produktów z danej marki.
Na potrzeby tego artykułu wygenerowaliśmy po 40 takich cen. Na poniższych histogramach zobaczyć można, że za jednoznacznie różniącymi się średnimi cenami marek stoją już nie tak jednoznacznie różne rozkłady średnich cen produktów.
Rozkład średnich cen produktów marki A i B wraz ze średnią dla marki (linia pionowa).
W tej sytuacji wykorzystać możemy test t-Studenta (o którego piwnej genezie wspominaliśmy w artykule o 5 krokach statystycznej analizy danych w Google Analytics). Wymaga on jednak spełnienia kilku założeń, o których przeczytać możesz na przykład tutaj. W przypadku ich nie spełnienia wykonać należy odpowiedni test nieparametryczny – w tym przypadku test U Manna-Whitney’a.
Test t pozwala na porównywanie średnich dla dwóch grup (niezależnych, tj. takich, których elementy są względem siebie niezależne) i obliczenie istotności statystycznej różnicy między nimi, z uwzględnieniem każdej pojedynczej obserwacji (w naszym przypadku: wyników poszczególnych produktów). Pozwala to na znacznie głębsze i pewniejsze porównanie wyników dwóch interesujących cię grup niż proste zestawienie ze sobą ich średnich wyników.
Wynikiem testu jest wartość p, która w dużym uproszczeniu informuje o tym, czy porównywane grupy istotnie się od siebie różnią. Wniosek o istotności tej różnicy możemy wyciągnąć, gdy wartość p będzie mniejsza niż 0,05, czyli powszechnie przyjmowany poziom istotności. W omawianym przypadku wartość p w teście t-Studenta wyniosła 0,046. Niewiele poniżej progu, ale wystarczająco by dać nam statystyczną pewność przewagi marki B nad marką A.
Porównywać średnie możemy także np. przy porównywania różnych wariantów kolorowych produktów. W takim przypadku skorzystać możesz z testu t dla prób zależnych, to jest takich, których poszczególne obserwacje (tutaj: produkty) można połączyć w jednoznaczne pary (np. dwa produkty różniące się wyłącznie wersją kolorystyczną). Podobnie jak w przypadku testu dla prób niezależnych, gdy nie spełnia założeń testu t, należy skorzystać z wersji nieparametrycznej: Testu Wilcoxon’a.
Często jednak możesz chcieć porównać więcej niż tylko dwie grupy produktów, użytkowników itp. W takim przypadku również masz do dyspozycji odpowiedni test – analizę wariancji (ANOVA). Można ją wykorzystać zarówno w próbach niezależnych jak i zależnych.
Więcej o teście t, a także jego nieparametrycznych odpowiednikach, które należy stosować przy niespełnieniu jego założeń znajdziesz m.in. tutaj. Z kolei kalkulatory pozwalające obliczyć wynik testu znajdziesz np. na Social Science Statistics lub w Excel’u. Wystarczy podać wartości porównywanych grup, a kalkulator obliczy dla nas wartość p!
Poniżej znaleźć można średnie ceny, które zostały wykorzystane w powyższym przykładzie. Jeśli temat cię zainteresował i przeczytałeś już, jakie założenia muszą spełnić dane, zachęcamy do eksperymentowania z nimi! Drobna podpowiedź: jednym z testów na normalność rozkładu jest test Kołmogorowa-Smirnowa.
|
Marka A |
Marka B |
|
428.06 430.17 447.22 449.84 452.05 452.58 464.05 465.36 471.98 472.30 472.90 473.28 473.59 473.83 475.03 477.14 478.69 478.81 479.44 479.87 483.66 483.69 490.03 490.80 490.81 490.90 493.24 493.81 497.06 501.15 505.10 511.64 512.27 512.65 527.09 530.43 533.09 538.87 540.20 545.91 |
447.44 450.53 456.31 466.02 469.43 471.75 473.56 473.68 475.90 479.31 479.54 481.24 481.30 483.87 484.81 489.49 491.69 494.17 494.27 494.84 495.12 497.54 503.84 505.28 505.74 505.97 506.16 509.39 509.67 511.86 512.81 512.83 517.31 518.00 525.11 527.83 533.15 536.91 538.41 570.46 |
Ponieważ we właściwych analizach bierze się pod uwagę często znaczną liczbę zmiennych i wykonuje różnorodne testy i inne operacje na danych, w omawianych przykładach wykorzystano konieczne uproszczenia.
W Semahead bardzo dobrze rozumiemy potrzebę realizowania testów porównawczych i z chęcią Ci w tym pomożemy. Zgłoś się do nas!
Google Optimize to potężne narzędzie do testów A/B, z którego mamy możliwość korzystać bez opłat. Niestety – jego twórcy nie uniknęli wad i błędów, które czasem mogą doprowadzić testera do nieprawidłowych wniosków. W tym artykule omawiamy dwa częste komunikaty, które mogą nas zmylić, a także – ku przestrodze – jedną sytuację anegdotyczną.
Kiedy wdrożymy na stronę eksperyment, zdarzyć się może, że już następnego dnia w Optimize naszym oczom ukaże się następujący komunikat:
W pierwszej chwili możemy odczytać go jako porażkę – symbol przypominający zakaz wjazdu lub impas, a także główny komunikat w formie stwierdzenia zdają się mówić o tym dobitnie. Jednak dalej informacja mówi „tylko” o małym prawdopodobieństwie znalezienia zwycięskiej odmiany, co nie brzmi już tak stanowczo.
Na taki komunikat trafić możemy w przypadku, gdy liczba sesji w eksperymencie jest niewielka. Jeżeli utrzyma się ona na takim poziomie, znalezienie zwycięskiej odmiany istotnie może nie być możliwe. Zdarzyć się może jednak, że – na przykład – eksperyment został włączony przed weekendem, a specyfika strony sprawia, że znaczna większość ruchu na niej ma miejsce w dni robocze. W takim wypadku następnego dnia komunikat może się zmienić.
Okazuje się więc, że Optimize już dzień po zaleceniu zakończenia eksperymentu może nakazywać Ci nieprzerywanie go. Warto więc zachować zasadę ograniczonego zaufania wobec komunikatów Google Optimize.
Podobno Albert Einstain w swojej pierwszej pracy w urzędzie patentowym nie wzbudzał zbyt wielkiej sympatii wśród koleżanek, ponieważ tak zarządzał swoim czasem, że wyrabiał dzień pracy już po 2-3 godzinach (źródło: Historia Bez Cenzury)
Zdarzyć się może, że jako podobny brak życzliwości ze strony Google Optimize odebrać możemy poniższy komunikat.
Szare tło, symbol zakazu lub skreślenia, wczesne zakończenie i zdawać by się mogło, krótka i chłodna informacja. Taki komunikat z pewnością odebrać można jako niepowodzenie lub przynajmniej powód do uzasadnionych wątpliwości w rzetelność testu. Co jednak w sytuacji, gdy test trwa 12 z oczekiwanych przez Google 14 dni?
Na powyższym screenie zobaczyć można wyniki testu, który polegał na przeniesieniu przycisku z desktopowej wersji strony na wersję mobilną, gdzie wcześniej był nieobecny. Test miał sprawdzić, czy użytkownicy będą chętnie korzystać z nowego przycisku. Dał on miażdżący wynik ~100% prawdopodobieństwa najlepszej kombinacji. Jednak nawet w tak oczywistej sytuacji nie otrzymamy upragnionej informacji o zwycięskiej wersji, jeżeli test nie trwał przynajmniej 2 tygodnie.
Dwie powyższe sytuacje mogą zdarzać Ci się często lub przynajmniej od czasu do czasu, w zależności od tego, jakie testy wykonujesz i na jakiej stronie. Na koniec zostawiliśmy jeszcze jedną bardziej nietypową sytuację.
Każdy użytkownik Google Optimize, który ma już za sobą przynajmniej parę testów, zna dobrze jedną z niewielu rzeczy, które na stronę musi wdrożyć developer – kod zapobiegający migotaniu. Jego zadaniem jest przeciwdziałanie sytuacji, w której w przeglądarce użytkownika załadowana jest najpierw oryginalna wersja strony, a dopiero potem nałożony na nią test.
Na powyższym screenie przeczytać można ostrzeżenie, pojawiające się w sytuacji, kiedy Optimize wdrożone zostało za pomocą Tag Managera, a w kodzie antymigawkowym podano id kontenera GO. Zgodnie z instrukcją od Google w takim przypadku powinniśmy wykorzystać id kontenera GTM.
Podczas przygotowania do prowadzenia testów na pewnej stronie zdarzyło nam się zobaczyć taki właśnie komunikat. Przekazaliśmy więc klientowi, aby podmienił we fragmencie kodu id kontenera Optimize, na id Tag Managera.
Okazało się jednak, że po tym wdrożeniu kod, który dotychczas dobrze spełniał swoją funkcję, przestał właściwie działać, a miganie zaczęło występować. Trzeba więc było powrócić do poprzedniego, skutecznego wdrożenia i pogodzić się z kolejnym mylącym komunikatem.
Warto więc korzystać z Google Optimize. Nie zapominajmy jednak, że – jak w przypadku większości narzędzi – trzeba pamiętać o sprawdzaniu otrzymanych wyników. Wówczas zdecydowanie zwiększamy szansę uniknięcia wpadek.
Jak do tej pory nowości analityczne z sierpnia w całości należą do Google. Z artykułu dowiesz się między innymi jakie kolejne kroki stawia przedsiębiorstwo z Mountain View w kierunku śledzenia ruchu użytkowników między różnymi urządzeniami, jak „wykiwać” ograniczenia Google Data Studio, jakie nowości czekają nas w związku ze śledzeniem ruchu w czasie rzeczywistym, a także jakie są nowe możliwości prowadzenia testów A/B w Google Optimize. Zapraszam do lektury.
Potentat z Doliny Krzemowej zapowiada nowy rodzaj usługi w Google Analytics, która połączy informacje o ruchu w aplikacji oraz na stronie. Usługa ta, obecnie dostępna w wersji beta dla użytkowników 360, pozwoli na zbieranie wszystkich danych o ruchu w aplikacji i na stronie w jednym miejscu, analizować ścieżki konwersji między urządzeniami, a także na zbieranie informacji o zdarzeniach z różnych urządzeń. Na tę chwilę można zapoznać się z instrukcją założenia tej usługi, którą opublikowała na swojej stronie Krista Seiden.
Pod koniec ubiegłego tygodnia w Medium ukazał się artykuł Davida Remy, w którym autor zdradza kilka przydatnych sztuczek jak „oszukać” Google Data Studio, gdy narzędzie utrudnia nam pracę swoimi ograniczeniami. Z artykułu dowiesz się jak wprowadzić różne kolory do jednowymiarowych wykresów, a także jak wprowadzić na nim linię wyznaczającą cel biznesowy, jak dowolnie powiększyć mapę lub – to nasz faworyt – jak dowolnemu elementowi przypisać funkcję linku.
Na początku miesiąca na swojej stronie znana z kursów w Akademii Analytics Krista Seiden opublikowała artykuł o nadchodzących nowościach w raporcie GA „Czas rzeczywisty”. Zmiany są już obecne w Google Analytics dla Firebase. Wśród nowych możliwości raportu znajdziemy możliwość sprawdzenia ilu użytkowników odwiedziło naszą stronę w ciągu ostatnich 30 minut, a także sprawdzić m.in. jakie zdarzenia wywołują lub z jakich wyszukiwarek korzystają, a także filtrować np. ze względu na miasto. Co więcej można będzie także prześledzić indywidualną ścieżkę na stronie pojedynczego użytkownika.
W Google Optimize pojawiła się możliwość dodawania do eksperymentu kolejnych stron. Zgodnie z instrukcją, którą znaleźć możemy na stronie wsparcia Google, nowa opcja pozwala testować między innymi wprowadzenie zmiany na jednej ze stron na ścieżce użytkownika. Dzięki temu możemy się dowiedzieć m.in. na jakiej głębokości strony najlepiej wyświetlić użytkownikowi okienko pop-up z ofertą lub na jakim kroku koszyka wprowadzić informację o darmowej wysyłce.
Jak do tej pory nowości analityczne z sierpnia w całości należą do Google. Z artykułu dowiesz się między innymi jakie kolejne kroki stawia przedsiębiorstwo z Mountain View w kierunku śledzenia ruchu użytkowników między różnymi urządzeniami, jak „wykiwać” ograniczenia Google Data Studio, jakie nowości czekają nas w związku ze śledzeniem ruchu w czasie rzeczywistym, a także jakie są nowe możliwości prowadzenia testów A/B w Google Optimize. Zapraszam do lektury.
Potentat z Doliny Krzemowej zapowiada nowy rodzaj usługi w Google Analytics, która połączy informacje o ruchu w aplikacji oraz na stronie. Usługa ta, obecnie dostępna w wersji beta dla użytkowników 360, pozwoli na zbieranie wszystkich danych o ruchu w aplikacji i na stronie w jednym miejscu, analizować ścieżki konwersji między urządzeniami, a także na zbieranie informacji o zdarzeniach z różnych urządzeń. Na tę chwilę można zapoznać się z instrukcją założenia tej usługi, którą opublikowała na swojej stronie Krista Seiden.
Pod koniec ubiegłego tygodnia w Medium ukazał się artykuł Davida Remy, w którym autor zdradza kilka przydatnych sztuczek jak „oszukać” Google Data Studio, gdy narzędzie utrudnia nam pracę swoimi ograniczeniami. Z artykułu dowiesz się jak wprowadzić różne kolory do jednowymiarowych wykresów, a także jak wprowadzić na nim linię wyznaczającą cel biznesowy, jak dowolnie powiększyć mapę lub – to nasz faworyt – jak dowolnemu elementowi przypisać funkcję linku.
Na początku miesiąca na swojej stronie znana z kursów w Akademii Analytics Krista Seiden opublikowała artykuł o nadchodzących nowościach w raporcie GA „Czas rzeczywisty”. Zmiany są już obecne w Google Analytics dla Firebase. Wśród nowych możliwości raportu znajdziemy możliwość sprawdzenia ilu użytkowników odwiedziło naszą stronę w ciągu ostatnich 30 minut, a także sprawdzić m.in. jakie zdarzenia wywołują lub z jakich wyszukiwarek korzystają, a także filtrować np. ze względu na miasto. Co więcej można będzie także prześledzić indywidualną ścieżkę na stronie pojedynczego użytkownika.
W Google Optimize pojawiła się możliwość dodawania do eksperymentu kolejnych stron. Zgodnie z instrukcją, którą znaleźć możemy na stronie wsparcia Google, nowa opcja pozwala testować między innymi wprowadzenie zmiany na jednej ze stron na ścieżce użytkownika. Dzięki temu możemy się dowiedzieć m.in. na jakiej głębokości strony najlepiej wyświetlić użytkownikowi okienko pop-up z ofertą lub na jakim kroku koszyka wprowadzić informację o darmowej wysyłce.
Od testowania nowych leków, przez obstawianie zakładów bukmacherskich i prowadzenie kampanii wyborczych, aż po prognozę pogody i ważenie piwa – statystyka pozostaje w cieniu, lecz ma nieoceniony wpływ na nasze społeczeństwo. To język, dzięki któremu analityk może zrozumieć dane i przetłumaczyć je na mowę biznesu. Jeśli statystyka jest Ci obca, to ten artykuł pomoże Ci zrozumieć jej potencjał i zrobić pierwszy krok na jej ścieżce.
Jest rok 1920, Cambridge. Idealna pogoda na popołudniową herbatę w kawiarence. Sielankowy nastrój przerywa niezadowolony głos Lady Ottoline. Zatrzymuje kelnera i z dezaprobatą wskazując na swoją filiżankę oskarża go, że nalał do niej najpierw mleka, a później herbaty – zamiast zgodnie z obyczajem – dodać mleko do naparu.
W kawiarence wywiązuje się dyskusja – czy to może mieć jakiekolwiek znaczenie? Lady Ottoline twierdzi, że bez trudu rozpozna jak podano herbatę. Wtedy na scenę wkracza Ronald Aylmer Fisher, naukowiec i statystyk, który proponuje by przygotowano 8 filiżanek herbaty do degustacji, korzystając z obu technik podania po 4 filiżanki każda. Lady Ottoline przystępuje do degustacji i odgaduje sposób podania wszystkie 8 razy.
Z pewnością robi to wrażenie i przesądza sprawę. Nie może być też kwestią przypadku, czyż nie?
Co to ma wspólnego z analityką internetową? W końcu w Google Analytics raczej mało kto zbiera dane o herbatach. Problem polega na prawidłowym określeniu w jakiej sytuacji zebrane dane (zawarte w tabelach, wykresach Google Analytics, wynikach testów A/B) nie są kwestią przypadku. To, że jedna metryka rośnie, a inna spada, nie znaczy jeszcze, że ich zmiany są ze sobą powiązane. W przypadku, gdy faktycznie są, z wykresu nie wyczytamy informacji o tym, jak bardzo. Nie bez powodu wykresy i tabele to elementy tzw. statystyki opisowej – czyli metod przedstawienia wyników badania statystycznego. Najpierw jednak trzeba te badanie wykonać.
Na grafice widzimy wykres kolumnowy z słupkami błędów. Wyglądają znajomo? Wysokości kolumn informują nas o tym, jakie są wartości pomiaru, natomiast słupki błędu – o tym, w jakim przedziale mogą być wartości rzeczywiste.
Poniżej możesz zapoznać się z krokami analizy danych z perspektywy użytkownika Google Analytics.
Z perspektywy Google Analytics to po prostu wdrożenie kodu GA, na przykład za pomocą Google Tag Managera i konfiguracja konta – dzięki temu zbieramy dane.
Kiedy już dane spłyną do Google Analytics, naszym zadaniem jest wybranie odpowiednich wymiarów i metryk, a także ustalenie odpowiedniego filtrowania, segmentacji i zakresów dat, aby odpowiedzieć na postawioną hipotezę.
To właśnie ten krok najczęściej jest pomijany. Zamiast przeprowadzenia odpowiednich testów, często opieramy się na informacjach odczytanych z tabel i wykresów, które tak często mogą wprowadzić nas w błąd. To tutaj mamy przekonać się o tym, czy odgadnięcie techniki podania herbaty 8 razy z rzędu wystarczy, by uznać, że to nie przypadek. Czy na podstawie danych z 3 miesięcy możemy stwierdzić, że spadek ruchu jest powiązany ze wzrostem udziału urządzeń mobilnych w całym ruchu? Czy na podstawie 100 transakcji możemy stwierdzić, że kobiety mają większą średnią wartość zamówienia od mężczyzn?
To kluczowy krok. W tym miejscu cały twój dotychczasowy wysiłek zwieńczony jest tym, co odkryłeś. Co jednak ważniejsze, choć niewidoczne bez wglądu w poprzednie kroki – to tutaj wyprowadzasz wnioski które są prawdziwe albo fałszywe. Jeżeli w swoje wnioskowanie oprzesz na właściwie dobranych testach statystycznych, możesz mieć pewność, że twoje wnioski są właściwe.
Gdy przekazujesz informacje klientowi lub szefowi, liczy się to, by dane i wnioski, które wyprowadziłeś, były dla niego przekonujące. Być może same wyniki testów nie będą dla niego interesujące – ale wyniki decyzji opartych na twoich zaleceniach już tak. Dlatego tak ważne jest, abyś swoje zalecenia oparł na rzetelnych wynikach badania statystycznego.
Czym właściwie są testy statystyczne? Jakim sposobem informują nas o tym, że za spadki współczynnika konwersji wiążą się właśnie ze wzrostem ruchu z pewnego źródła? Albo że mężczyźni rzeczywiście mają większą średnią wartość zamówienia od kobiet? Odpowiedź brzmi: reductio ad absurdum, czyli dowód nie wprost.
Omówmy to po kolei na przykładzie sytuacji z herbatą. Najpierw stawiamy hipotezę zerową, którą chcemy obalić, odrzucić: Nie ma różnicy między herbatami podanymi jedną z dwóch technik. Słowo „zero” w hipotezie zerowej pochodzi właśnie od założenia o braku różnicy (x=y po prostym przeniesieniu na jedną stronę daje x-y=0).
Z kolei to, co chcemy udowodnić, czyli hipoteza badawcza, to przeciwieństwo hipotezy zerowej: Istnieje różnica między takimi herbatami. Uznamy ją za prawdziwą, jeżeli będziemy mieli podstawy, by odrzucić założoną przez nas hipotezę zerową.
W tym miejscu przychodzi moment na badanie statystyczne. W dużym uproszczeniu jego wynikiem jest wartość p, czyli prawdopodobieństwo, że natrafiłeś na takie dane, jakie masz, przy założeniu, że te dane nie powinny się różnić (hipoteza zerowa). Im dane bardziej się od siebie różnią lub im bardziej są powiązane – tym mniejsze to prawdopodobieństwo. To właśnie ta wartość jest podstawą wnioskowania o tym, czy zależności są istotne statystycznie. W wielu dziedzinach nauki utarło się, że granicę między uznaniem różnicy lub zależności za istotną jest liczba α=0,05 (czyli 5{9f75b044ad8c8fba75c61671f3556dd67129e6440c4de06dd5c4a2623be9263c}). Liczbę tą nazywamy poziomem istotności i wynik testu uznajemy za istotny, gdy p<α.
Jednym z najpopularniejszych testów różnic jest test t-Studenta, który został opracowany i opublikowany pod pseudonimem przez Williama Sealy Gosset (przy okazji pracy w browarze). Test pozwala porównywać ze sobą średnie dwóch prób. Dzięki niemu możemy przekonać się np., czy mężczyźni generują istotnie więcej przychodu niż kobiety.
Test r-Preason’a pozwala nam z kolei badać korelację pomiędzy zmiennymi. Dzięki niemu możemy się przekonać, czy spadek współczynnika konwersji jest związany ze zwiększającym się ruchem z pewnego źródła.
No i oczywiście, jest także dokładny test Fishera, dzięki któremu jego autor mógł przekonać się, czy Lady Ottoline odgadła technikę podania herbaty 8 razy przez przypadek, czy też dzięki swoim zdolnościom. Spróbuj sam się przekonać: wynik takiego testu to p=0,0286.
Samo przeprowadzenie testu zazwyczaj nie jest zbyt wymagające. Natomiast dobranie odpowiedniej metody badania statystycznego to już zupełnie co innego – testy statystyczne mają bowiem szereg założeń, które muszą zostać spełnione, aby test został poprawnie wykonany.
Jeżeli zależy ci na wypracowaniu sobie praktycznych zdolności w badaniu statystycznym, warto zacząć od zapoznania się z testem t-Studenta oraz r-Pearsona właśnie. Aby właściwie z nich korzystać powinieneś także poczytać o rozkładzie normalnym i homogeniczności wariancji, oraz sposobach ich testowania. Następnym krokiem będzie zapoznanie się z nieparametrycznymi odpowiednikami tych testów, takimi jak test U Manna-Whitneya, test Wilcoxona oraz test rho-Spearmana.
Jeżeli jednak twoje ambicje przerastają czysto praktyczną wiedzę, to zacznij od rachunku prawdopodobieństwa. Do ćwiczenia swoich nowych statystycznych umiejętności wystarczą Ci kalkulatory testów online, np. na Social Science Statistics.
Testy A/B pozwalają wcielić się w eksperymentatora. Obserwujemy, stawiamy hipotezy, przygotowujemy wersję testową i w końcu – pstryk – połowa użytkowników ląduje w alternatywnej rzeczywistości. Jak jednak właściwie wykorzystywać możliwości, które daje nam Google Optimize i podobne narzędzia? Poniżej przedstawiamy kilka wskazówek, które mogą pomóc ci lepiej prowadzić testy A/B.
Postaraj się nie wyważać otwartych drzwi. Nie testuj oczywistych błędów na stronie. Jeżeli rozlejesz kawę, to nie pytasz osób wchodzących do kuchni, czy podłoga spodoba im się bardziej, jeśli ją wytrzesz. Nie pukaj też w ścianę z nadzieją, że ci otworzą. Przed rozpoczęciem testów upewnij się, że twoje hipotezy są solidnie ugruntowane – w danych z twojej strony, w opiniach o niej, w dobrych praktykach lub w wiedzy naukowej.
Bo ona przychodzi nam z pomocą tam, gdzie zawodzą nas ograniczenia naszych umysłów w przetwarzaniu danych. To dzięki niej jesteśmy w stanie sprawnie funkcjonować w dzisiejszym, zalanym informacjami świecie. Pamiętaj jednak, że sprawna intuicja wymaga najpierw bogatego doświadczenia, z którego może korzystać. Nie zawsze udaje się znaleźć konkretne dane na poparcie hipotez, a to co zadziałało w jednym przypadku, niekoniecznie zadziała w drugim. Zanim jednak porwie cię artystyczny szał upewnij się, że dane przynajmniej nie przeczą twojej hipotezie.
Kiedy eksperymentujemy z czymś nowym odczuwamy dreszcz ekscytacji – czy to się uda? Co się wydarzy? Być może kiedy puszczasz nowy test zaglądasz co jakiś czas, czy spłynęły już jakieś dane. Nierzadko zdarza się, że następnego dnia test wygląda fatalnie: wersja testowa przyniosła o połowę mniej konwersji, które alarmują swoim czerwonym kolorem. Pojawia się strach i impuls do zamknięcia testu. Nie poddawaj się mu jednak! Sprawdź, czy wszystko działa jak należy, przyjrzyj się danym strony, a jeśli nie znajdziesz nic alarmującego – zachowaj cierpliwość.
Twój test jest tylko jednym z niezliczonych czynników, wpływających na złożoną istotę ludzką, która stała się użytkownikiem twojej strony na ścieżce swojej egzystencji. A mówiąc prościej: algorytm mógł wylosować do wersji testowej osoby, które miały gorszy dzień albo mniej pieniędzy. Dlatego tak ważne jest, aby zebrać wystarczająco dużą liczbę danych z wystarczająco długiego okresu czasu. To zmniejsza wpływ czynników zakłócających. Jeżeli rzucisz kością 6 razy, to mało prawdopodobne, że wypadnie ci każda liczba. Ale rzuć kością 6 tysięcy razy, a proporcje zaczną się wyrównywać.
Postępuj podobnie w przypadku, kiedy po paru dniach wyniki będą oszałamiająco dobre. Pozwól testowi trwać, bo to niestety także może być kwestią przypadku.
Źródło: Google Optimize. Przedziały ufności zawężają się wraz z napływem danych.
W bibliotece odbył się konkurs na najlepszego czytelnika. Policzono, które dzieci najczęściej wypożyczały książki i zwycięzcą ogłoszono Jasia, który z książką w plecaku wyszedł z biblioteki w tym roku 47 razy. Gdyby jednak bibliotekarz, odpowiedzialny za konkurs, policzył wypożyczone książki, mógłby się zdziwić, ponieważ Maciek pomimo, że był w bibliotece tylko 23 razy, to łącznie wypożyczył aż 83 książki.
Nawet jeżeli na twojej stronie w testowy przycisk nie klika więcej użytkowników, to okazać się może, że jeżeli już klikają – to klikają częściej.
Źródło: Google Optimize. Widocznie większa różnica w wielu konwersjach na sesję.
W 1945 roku niejaki Maine Spancer, pracujący nad udoskonaleniem radaru, wszedł do pokoju testowego z czekoladowym batonikiem w kieszeni. Po chwili zauważył, że batonik zaczął się roztapiać – i tak odkryto mikrofalę, w której być może podgrzałeś dziś lunch. Ponieważ Google Optimize umożliwia nam mierzenie do 3 celów, to nawet jeżeli testujesz CTA przycisku dodania do koszyka i potrzebujesz wykorzystać tylko 2, dodaj jeszcze i trzeci – choćby pozornie nie powiązany z testem, jak średnia wartość koszyka. Może okazać się, że choć użytkownicy nie klikają w przycisk chętniej, to wydają więcej pieniędzy. A po takim odkryciu możesz już tylko otworzyć szampana, który… też jest dziełem przypadku!
W raportowaniu Google Optimize znaleźć możesz informację o prawdopodobieństwie najlepszej kombinacji i przekroczenia wartości podstawowej. Nie warto jednak ślepo wierzyć wynikom obliczeń, których nie możemy zobaczyć. Dlatego oprócz nich warto oprzeć się na odpowiednich testach statystycznych. Kanapka ze sklepu może wyglądać kusząco i być smaczna, ale będziesz mieć pewność co znajduje się w środku tylko wtedy, jeżeli sam ją przygotujesz.
Nowa funkcjonalność w Analytics 360, odpowiedni wybór narzędzi do testów A/B czy konferencja Google I/O 2018 – to przykłady najciekawszych tematów ostatnich tygodni. Zapraszamy Was na nowości ze świata analityki internetowej, jakie przyniósł nam kwiecień i maj.
W maju na blogu www.e-nor.com pojawił się artykuł przedstawiający możliwości, jakie daje korzystanie z Google Analytics w raportach e-commerce. Szczegółowo omówiono tam podstawowe pojęcia oraz korzyści wynikające z analizy e-commerce za pomocą narzędzia Google. Wśród korzyści z takiej analizy, autor wymienia m.in. możliwość segmentowania odbiorców, możliwość analizy kampanii zewnętrznych czy wewnętrznych promocji. Jeśli jesteście ciekawi tej tematyki i chcecie poszerzyć swoją wiedzę w tym zakresie, odsyłamy Was do artykułu: https://www.e-nor.com/blog/google-analytics/using-the-right-data-source-for-the-right-ecommerce-analysis
W maju firma Google ogłosiła informacje o wprowadzeniu nowego narzędzia, Advanced Analysis, które ma być przeznaczone dla klientów Google Analytics 360. Ma umożliwić uzyskanie bardziej szczegółowych danych dotyczących wydajności oraz wykorzystywania witryny. Narzędzie jest obecnie dostępne w wersji beta. Oferuje ono trzy nowe, zaawansowane techniki, które mają pomóc właścicielom witryn w lepszym zrozumieniu interakcji klientów z ich witryną. Bardziej szczegółowe informacje na stronie: https://analytics.googleblog.com/2018/05/introducing-advanced-analysis-in-google-analytics-360-pmm.html
Masz problem z wyborem odpowiedniego narzędzia do przetestowania swojej witryny? Na blogu crazyegg.com ukazał się rozległy artykuł pokazujący siedem narzędzi służących do Testów A/B. Opisano w nim m.in. Google Analytics, Optimizely czy Crazy Egg, które mogą pomóc w odpowiednim przeanalizowaniu interesujących nas zachowań użytkowników na stronie. Szczegółowe informacje dotyczące konkretnych rozwiązań, dostępne są pod adresem: https://www.crazyegg.com/blog/best-testing-software/
Pod koniec kwietnia, na blogu SEMrush pojawił się ciekawy artykuł przedstawiający możliwości wykorzystania Small Data w celu poprawienia wydajności, konwersji oraz zysków ze sklepu e-commerce. Omówiono w nim m.in. sposoby analizowania aktywności użytkowników sklepu czy zalety badania ich zachowań. Szczegółowe informacje na ten temat znajdziecie na stronie: https://www.semrush.com/blog/how-to-data-grow-ecommerce/
Konferencja Google I/O 2018 już za nami. Podczas niej poruszane były tematy dotyczące nowych funkcji Androida P czy nowości w zakresie Google Assistant. Dużo mówiono także w temacie sztucznej inteligencji, która znalazła swoje zastosowanie m.in. w skrzynkach pocztowych Gmail czy aplikacji Google Zdjęcia. Przedstawiono również nową odsłonę Google News oraz nowe funkcje Google Maps. Więcej informacji o tym wydarzeniu i tematów na nim omawianych, znajdziecie pod adresem: https://blog.hubspot.com/marketing/google-i/o-2018
To już ostatnie nowinki analityczne w tym roku! W tym świątecznym miesiącu przekazujemy kolejną porcję wiedzy o Google Data Studio, testach A/B oraz nowych filtrach Google Trends. Zapraszamy do lektury!
Jeszcze nie wykorzystałeś wszystkich możliwości Google Data Studio? Ten poradnik ułatwi Ci prezentację danych!
LovesData opublikowało bardzo przystępny słownik wszystkich dostępnych funkcjonalności narzędzia. Obok opisów dostępne są również przykłady w formie grafik. Cały cheat sheet do pobrania również w formacie PDF tutaj: https://www.lovesdata.com/blog/google-data-studio-glossary
Najczęstsze błędy popełniane przy testach A/B mailingów – sprawdź czy mądrze zbierasz dane.
Brak hipotezy, testowanie kilku elementów na raz, wysyłanie wariantów maili w różnych okresach czasu – to tylko niektóre z błędnych praktyk wymienionych na blogu Semrush. Cała reszta, oraz porady jak ich unikać, dostępne pod adresem: https://www.semrush.com/blog/ways-to-email-ab-test/
Jak łatwo mierzyć interakcje użytkowników w witrynie z video z YouTube?
Oto poradnik krok-po-kroku – jak korzystając z Google Tag Managera zbierać dane o aktywności użytkowników. Każdy krok uzupełniony o grafiki, tak by implementacja była jak najprostsza. Całość w Optimize Smart: https://www.optimizesmart.com/video-tracking-via-youtube-video-trigger-google-tag-manager/
Facebook Analytics – dostępne nowe narzędzie dla przedsiębiorców
W Menedżerze firmy, w sekcji Badania i raporty gigant udostępnił nowe narzędzie analityczne. Ekipa Newsfeed rozebrała je na części pierwsze i przygotowała przewodnik z opisem dostępnych funkcjonalności. Są to między innymi: segmenty, lejki sprzedażowe, kohorty. Możliwe jest generowanie raportów o aktywności użytkowników w obszarach: aplikacje, strony na Facebooku, zdarzenia offline oraz Facebook pixel. Więcej: https://newsfeed.pl/facebook-analytics-przewodnik-po-nowym-narzedziu-analitycznym-facebooka/
Potrzebujesz połączyć dane z różnych źródeł w Google Data Studio? Community Connectors przychodzą na ratunek!
Google dodało nowe wtyczki dla Google Data Studio, za pomocą których można łączyć dane z wielu różnych narzędzi w raportach. Obecnie dostępne rozwiązania dostępne są poprzez galerię. A co jeśli nie ma jeszcze connectora, który jest Ci potrzebny? Jest możliwość zgłoszenia zapotrzebowania oraz głosować na najbardziej pilne do zintegrowania źródła danych – deweloperzy tworzą nowe narzędzia według priorytetu użytkowników. Informacja od Google: https://analytics.googleblog.com/2017/11/get-most-out-of-data-studio-community.html
Galeria rozwiązań: https://developers.google.com/datastudio/connector/gallery/
Jeszcze więcej danych czasu rzeczywistego w Google Trends
Od teraz narzędzie będzie również przedstawiało informacje o wyszukiwaniach w źródłach: Wiadomości, Zakupy, Grafika oraz Youtube. Nowe filtry dostępne zarówno w wersji desktop jak i mobile. Źródło: https://www.searchenginejournal.com/google-provide-real-time-data-google-trends/225641/
Prezentujemy kolejną dawkę informacji ze świata analityki. W tym miesiącu poznacie ukryte funkcje GA i najbardziej niezrozumiałe raporty tego narzędzia, dowiecie się jak przyciągnąć użytkowników pop-upami oraz zaktualizujecie swoją wiedzę o nowościach Data Studio.
99% z ponad 800 ankietowanych marketerów i specjalistów e-commerce uznaje CRO za jedne z ważniejszych podejmowanych działań. Od 2013 roku opinia o optymalizacji konwersji będącej niezbędnym elementem strategii maketingowej zmalała z 59% na 50%. Większość respondentów nie jest zadowolonych z obecnych współczynników konwersji i planuje zwiększenie budżetu na działania optymalizujące konwersję. W kwestii narzędzi i metod – bezspornie liderem rankingu są testy A/B. Raport dla biznesu, marketerów oraz analityków można pobrać tutaj: https://econsultancy.com/reports/conversion-rate-optimization-report/
Mierzenie zaangażowania użytkowników – oto wyzwanie dla każdego e-biznesu. Z pomocą przychodzi Benjamin Mangold z krótkim poradnikiem, jak przy użyciu Google Tag Managera rejestrować długość przewijania strony przez użytkowników. Więcej: https://www.lovesdata.com/blog/tracking-scroll-depth
Semrush przedstawia przepis na jeszcze dokładniejszą analizę danych dzięki zaawansowanym funkcjom sortowania, selekcji określonej części danych, włączaniu dodatkowych wymiarów oraz tabelom przestawnym i chmurze tagów. Wszystko to w formie instrukcji krok po kroku. Kompletny poradnik na stronie: https://www.semrush.com/blog/hidden-google-analytics-reporting-features/
Direct Traffic, przepływ użytkowników, aktywni użytkownicy, benchmarking, atrybucja oraz współczynnik odrzuceń – zespół Crazy Egg pomaga w poprawnym interpretowaniu raportów. Autorzy rozbijają problematyczne zagadnienia na najmniejsze elementy, pozwalające zrozumieć jak dane są zbierane, co one oznaczają i jak zastosować je w praktyce. Artykuł dostępny: https://www.crazyegg.com/blog/misunderstood-metrics-google-analytics/
Search Engine Journal w mini-poradniku przedstawia 8 raportów w Google Analytics, w które powinni zaglądać marketerzy oraz przedsiębiorcy pracujący z mediami społecznościowymi, by jak najtrafniej przeprowadzić ewaluację podejmowanych działań. Kluczowa dla analityka jest tutaj analiza ścieżki użytkownika, jego zachowanie na stronie oraz dane demograficzne i zainteresowania. Artykuł z przykładami: https://www.searchenginejournal.com/measure-social-google-analytics/219619/
Testy A/B przeprowadzone na różnych wersjach powiadomień pozwoliły zidentyfikować elementy wpływające pozytywnie na użytkownika i skłaniające go do interakcji z powiadomieniem. Udowodniono, że bardziej skuteczne są pop-upy wyświetlane po 10 sekundach obecności użytkownika na stronie, bądź wyświetlające się według zaangażowania w witrynie. Bardzo pomocne jest również skrócenie tekstu, unikanie nieprawdopodobnych ofert oraz dodanie elementu zagadki. Szczegółowe wyniki i przykłady można poznać dzięki lekturze artykułu: https://www.crazyegg.com/blog/5-real-life-popup-ab-tests/
Gigant Internetu bardzo intensywnie pracuje nad rozwojem platformy – oto funkcjonalności uruchomione w ostatnim czasie: tabele przestawne, przypisywanie kolorów do określonych typów danych oraz edytowanie pól raportu. Jest jeszcze jedna aktualizacja, która ma ogromne znaczenie dla poprawnej interpretacji danych analitycznych: wskaźnik informujący nas o tym czy dane przedstawione w raporcie zostały poddane próbkowaniu.
Źródło: https://analytics.googleblog.com/2017/10/data-studio-richer-visualizations-and.html
Po kilku miesiącach oczekiwania, Google w końcu zaszczycił świat analityki wypuszczeniem darmowej wersji Google Optimize, czyli nowej platformy przeznaczonej do testów A/B. Zobacz, co możesz dzięki niej zyskać!
Platforma Google Optimize zaczyna być właśnie wprowadzana dla pierwszych użytkowników, którzy zapisali się na wcześniejszy dostęp. Jeśli nie zapisałeś się do tej pory, nie jest jeszcze za późno! Dla tych z was, którzy mają doświadczenie z innymi popularnymi platformami A/B (Optimizely, Unbounce, etc.): pomyśl o Optimize jak o kolejnym narzędziu w Twoim zestawie narzędzi optymalizacyjnych. Jeśli jesteś nowy w temacie testów A/B, nie panikuj! To świetna platforma do wejścia na ścieżkę optymalizacji Twoich stron pod kątem user experience.
Więc…. wspomninałam, że jest darmowe?
Z pewnością jedną bardzo dużą zaletą Google Optimize jest możliwość połączenia go bezpośrednio z Twoją usługą Google Analytics (GUA). To pozwala znacznie uprościć dostęp do danych w Twoich testowych eksperymentach w porównaniu z innymi platformami optymalizacyjnymi. Optimize jest także wbudowany w Google Tag Manager (GTM), co umożliwia łatwe dodanie platformy do Twoich stron.
Dzisiaj przejdziemy przez proces dodawania Optimize i rozpoczęcia testowania go na Twoich stronach głównych. Poczuj swobodę budowania pierwszych eksperymentów z Optimize!.
Najpierw musimy utworzyć konto i kontener. Zapisz się do Optimize, by utworzyć swoje konto. Po jego utworzeniu dodaj kontener (najlepiej z domeną Twojej strony w nazwie).
Kiedy kontener jest utworzony, możemy połączyć Optimize z usługą Google Analytics. Naciśnij „Link property” i wybierz swoją usługę z listy:
Teraz należy dodać skrypt Opimize do Twojej strony. Można to wykonać na kilka sposobów. Najpierw przyjrzyj się dwóm formatom kodu: kod standardowy kontra kod ukryty na stronie.
Ze standardowym kodem Twoje testy Optimize będą działać właściwie, ale odwiedzający strony mogą zobaczyć migotanie strony. Jest to krótki błysk na ekranie, kiedy oryginalna strona zostanie wyświetlona użytkownikowi i potem szybko zostanie załadowana eksperymentalna wersja na tej samej stronie. Nie jest to duży problem, ale Optimize posiada sposób, aby obejść tą sytuację.
Dodanie osobnego kodu ukrytego na stronie zapobiega tego rodzaju migotaniom. Jest to zalecany sposób umieszczenia kodu Optimize. Żeby zatrzymać migotanie, kod ukryty na stronie musi znaleźć się na górze każdej strony, na której planujesz dodać Optimize. Kod powinien być umieszczony po otwarciu deklaracji i koniecznie przed Twoim kodem GA/Optimize/GTM (przykład znajduje się poniżej):
Dla przykładu przyjmijmy, że chcemy dodać Optimize ze skryptem ukrywanym na stronie. Jeśli masz GTM, użyj następujących instrukcji dodawania Twojego kodu Optimize. Jeśli nie posiadasz GTM, przejdź do sekcji dotyczącej dodawania Optimize poprzez bezpośrednią edycję kodu źródłowego.
Pierwszym krokiem jest stworzenie tagu w GTM. Przejdź do Twojego pojemnika GTM i dodaj nowy tag:
Gdy będziesz wybierać typ tagu, wybierz Google Optimize:
Nadaj tagowi oczywisty tytuł (np. Optimize – Container Tag). Dodaj identyfikator usługi Google Analytics i identyfikator pojemnika Optimize do tagu, następnie ustaw wyzwalacz dla wszystkich stron (lub tylko tych, które chcesz testować):
Po zapisaniu kontenera GTM możesz używać Optimize, ale pamiętaj, że chcemy dodać ukryty skrypt na stronie. Niestety, musi być to wykonane spoza GTM, ponieważ kod musi się znaleźć powyżej twojego kontenera GTM. Dodaj następujący skrypt na górze wszystkich stron, na których Optimize/GTM będą uruchamiane. Upewnij się, że zmieniłeś GTM-XXXXX na identyfikator Twojego kontenera GTM, nie na ID kontenera Optimize.
Jeśli wykonałeś dodawanie Optimize przez GTM, pomiń sekcję dotyczącą bezpośredniej edycji kodu źródłowego.
Wszystko, co należy zrobić, to dodanie jednej linii kodu do kodu standardowego GA. Jest to następująca linia:
Poniżej przedstawiono, jak powinno to wyglądać wewnątrz Twojego kodu Google Analytics:
Zamień XXXXX na twój # ID kontenera Optimize. Może to być mylące, ponieważ kod sugeruje „GTM”, ale upewnij się, że używasz # identyfikatora Optimize, a nie Twojego kontenera GTM.
Teraz dodałeś Optimize do Twojej strony!
Załóż fartuch laboratoryjny – nadszedł czas, aby stworzyć pewne eksperymenty! Kliknij na „Create Experiment”, aby zacząć:
Nazwij Twój test i zdefiniuj, które strony chcesz testować. Następnym krokiem jest wybranie typu eksperymentu, który chcesz uruchomić. W Optimize dostępne są trzy typy eksperymentów:
Do tego przykładu użyjemy opcji – testy A/B. Wybierz typ i kliknij „Create”:
Teraz przeszliśmy do szczegółów eksperymentów. To jest odpowiedni moment, aby ustawić hipotezę eksperymentu i cel(e). Dla tego testu zaproponujmy następującą hipotezę:
[su_quote]Jeśli zwiększymy rozmiar linków znajdujących się w sekcji nagłówka na stronie głównej, uzyskamy większy ruch do naszego bloga.[/su_quote]
Dodaj swoją własną hipotezę do Optimize i wybierz metryki, które będziesz używać do mierzenia celów eksperymentu. Zauważ, że możesz używać tylko poniższych metryk dla Twojego celu:
W tym przykładzie wykorzystamy cel, wyzwalany za każdym razem, gdy strona bloga jest wyświetlana.
Do naszego eksperymentu musimy dodać warianty, które będziemy porównywać z oryginalną wersją strony. Naciśnij „+New Variant” na górze strony ze szczegółami:
Po nazwaniu Wariantu, kliknij na niego, aby przejść do edytora Optimize. Możesz tam zmieniać wszystkie rodzaje elementów na Twojej stronie. Opcja ta zostanie opisana później w osobnym poście, ale dla tego przykładowego testu zmieńmy po prostu rozmiar linków znajdujących się w sekcji nagłówka.
Wybraliśmy grupę linków i zwiększyliśmy rozmiar czcionki o 5pts. Jeśli jesteś usatysfakcjonowany zmianą, kliknij „Save”, aby zaktualizować wariant strony.
Do testów A/B upewnij się, że zmieniłeś tylko jeden element na stronie do testów. Jeśli zmienisz wiele elementów, nie będziesz mógł stwierdzić z całą pewnością, co było powodem sukcesu (lub porażki) w Twoim eksperymencie!
Aby skierować Twój eksperyment do pewnej specyficznej grupy użytkowników, użyj opcji „Targeting” w Optimize:
W karcie „Targeting”, możesz ustawić, jak duża część ruchu ma zobaczyć eksperyment, jak dużo ruchu zobaczy każdy wariant strony oraz którzy użytkownicy otrzymają eksperyment. Chcemy, aby ten konkretny test trafił tylko do użytkowników komputerów. Aby to zrobić naciśnij przycisk „AND” na dole strony:
\
Wybieramy regułę: „Technology” i ustawiamy następującą regułę:
Możesz rozpocząć eksperyment po podwójnym sprawdzeniu, czy warianty i grupy docelowe są ustawione poprawnie. Kiedy będziesz gotów, kliknij „Start Experiment”:
Zalecamy sprawdzanie szczegółów testów codziennie przez kilka pierwszych dni, aby mieć pewność, że wszystko działa poprawnie. Upewnij się, że widzisz warianty testów na żywo na swojej stronie, żeby przekonać się, że wyglądają tak, jak tego chciałeś.
Aby sprawdzić postęp eksperymentu, przejdź do karty „Reporting” w Optimize. Ten raport powie ci, jak każdy wariant jest wykonywany, i kiedy osiągniesz odpowiedni poziom ufności, aby zakończyć eksperyment. Ten aspekt testów zostanie później omówiony w osobnym poście na blogu.
Teraz uruchomiłeś eksperyment. Poniżej znajdują się najlepsze praktyki, które warto mieć na uwadze podczas używania Optimize:
Nieważne, czy Twój wariant wygra eksperyment. To świetna droga, aby ciągle próbować nowych rzeczy w obrębie user experience!
W czasach komunikacji z użytkownikiem „w czasie rzeczywistym” wydawać się może, że mailing nie ma już racji bytu. Owszem, mail nie wydaje się tak atrakcyjny jak kontaktowanie się poprzez smartfony czy „inteligentne zegarki”. W świecie biznesu wysyłanie i odbieranie maili jednak prędko nie zniknie, dzięki czemu e-mail marketing zajmuje nadal ważną pozycję w działaniach marketingowych.
Co jakiś czas słychać, że e-mail marketing zmierza ku zapomnieniu. Zdecydowana większość specjalistów ds. marketingu uważa jednak, że maile nadal będą stanowić jeden z kluczowych kanałów przynoszących zwrot z inwestycji (ROI). Wartość e-mail marketingu potwierdzają zresztą badania – jak wynika z ankiety przeprowadzonej przez Econsultancy, aż 84% marketerów jest przekonana, że email zostanie wkrótce w pełni zintegrowany z pozostałymi kanałami marketingowymi. Wrażenie również robią wyniki dotyczące zwrotu z inwestycji. W najnowszym raporcie Interaktywnie.com czytamy, że przemyślany i spersonalizowany email marketing podnosi ROI nawet o 3800 procent!
Jak zatem przekuć siłę email marketingu na własną korzyść? Z e-mail marketingiem jest tak jak ze wszystkim innym – tylko ten najlepszy zapewnia realizację celów. Warto również pamiętać, że wbrew pozorom nie jest to łatwa dziedzina. Zdecydowana większość z nas podczas sprawdzania skrzynki pocztowej, ignoruje sporą część przychodzącej poczty, automatycznie kasując maile wyglądające na SPAM. Warto wiedzieć, jakie działania mogą sprawić, że to właśnie naszego maila odbiorca wychwyci w tłumie przychodzących wiadomości i da nam kredyt zaufania, otwierając go.
1. Zdefiniuj grupę docelową
W pierwszej kolejności, musimy pochylić się nad potencjalnymi odbiorcami i zdefiniowaniem naszej grupy docelowej. Nawet piękny mail, obfitujący w efekty specjalne i naprawdę merytoryczne treści, przegra walkę z przyciskiem „usuń” jeśli trafi do niewłaściwego adresata. Skrzynki pocztowe wciąż są pełne maili wysyłanych na zasadzie „a nuż ktoś kliknie”. Powtórzmy zatem – wiedz, do kogo wysyłasz maile!
Aby być pewnym, że nasz mailing dotrze do właściwych osób powinniśmy przeprowadzić analizę potencjalnej grupy docelowej. Najczęściej dobiera się ją na podstawie cech społeczno-demograficznych (płeć, wiek, zawód, wykształcenie) lub psychograficznych (zachowanie, styl życia).
Jak zbadać grupę docelową? Na dwa sposoby – ilościowo i jakościowo. Najprostszym sposobem są ankiety, które można przygotować szybko i stosunkowo tanio. Uzyskamy w ten sposób raczej dane ogólne, które powinny stanowić bazę do dalszej eksploracji.
Do jednej z bardziej popularnych metod jakościowych należy TGI – Target Group Index – badanie pomiaru konsumpcji dóbr i usług oraz korzystania z mediów, polegające na systematycznym pozyskiwaniu danych od stałej grupy klientów. Dzięki temu mamy w garści dogłębną wiedzę na temat zwyczajów konsumentów.
Do budowy i analizy grupy docelowej możemy również wykorzystać narzędzie Facebook Audience Insights. Narzędzie umożliwia analizowanie naszej grupy, daje również wgląd w potrzeby konsumentów, dzięki czemu dokładnie określimy grupę docelową. Może wydawać się zaskakujące, że do budowy grupy docelowej email marketingu proponujemy narzędzie społecznościowe, jednak warto wykorzystać wszystkie dostępne dane, by być pewnym swoich odbiorców. Nie można również pominąć danych, które pozyskujemy sami przy pomocy choćby Google Analytics.
Wszystkie zebrane informacje w połączeniu z świadomością tego, jaki produkt sprzedajemy i co wyróżnia naszą markę pomogą nam sprawdzić, do kogo najskuteczniej trafi kreowany przekaz.
2. Grupuj odbiorców
Kolejnym krokiem powinna być egmentacja odbiorców. Nie ma sensu wysyłać jednakowych treści do wszystkich użytkowników znajdujących się na naszej liście dystrybucyjnej. Dobrą, a wręcz konieczną praktyką jest podzielenie odbiorców na segmenty wedle przygotowanego przez nas klucza. Do podstawowych kryteriów, jakie możemy przyjąć segmentując odbiorców są:
Załóżmy, że prowadzimy sklep internetowy z odzieżą a naszymi klientami są głównie kobiety. Część z nich dokonała już kiedyś zakupu na naszej stronie, część porzuciła swój koszyk zakupowy, a inna grupa zapisała się wyłącznie do newslettera. Już na podstawie tych danych możemy podzielić klientki na 3 segmenty, do których przygotujemy różne wersje mailingu. Pozyskane już osoby zachęcimy do ponownych odwiedzin w sklepie, a innym przypomnimy o niedokończonych zakupach (jednocześnie oferując rabat na wybrany produkt).
3. Mów językiem odbiorców
Gdy już wiemy, jacy są nasi klienci oraz jak się na co dzień zachowują, możemy zająć się przygotowaniem spersonalizowanych wiadomości. Do każdej grupy należy wysyłać dopasowane do jej oczekiwań maile. Obok segmentacji istotne jest również pamiętanie, by w tym, co wysyłamy, „pozostać człowiekiem”. Wraz z przybierającą na popularności automatyzacją marketingu rośnie obawa, że doprowadzi ona do produkowania treści „z automatu”. Dobry mail to nie tylko taki, który trafi do nas z odpowiednimi dla nas informacjami, ale również napisany w taki sposób, byśmy od razu wiedzieli, że po drugiej stronie siedzi taka sama osoba jak my, a nie bezduszna maszyna. Co może pomóc? Zanim wyślemy mailing zastanówmy się, jakiego maila sami chętnie byśmy otwarli i co chcielibyśmy przeczytać w wiadomości. Dobrze jest zwrócić uwagę na język, którym się posługujemy. Im bardziej zrozumiały i przypominający codzienny sposób komunikacji, tym lepiej. Dla użytkownika i dla nas.
4. Konsultuj
Wszyscy znamy powiedzenie – „kto pyta, nie błądzi”. Tą zasadą powinniśmy się kierować również w przypadku e-mail marketingu. Pytanie odbiorców o ich opinie na temat dostarczanych wiadomości to prosty, aczkolwiek pomocny sposób na ulepszanie naszej pracy. Dokonywanie poprawek wyłącznie na podstawie własnej opinii może skutkować tym, że stworzymy coś, co będzie „fajne” tylko dla nas. A przecież to nie my jesteśmy adresatami. Jak zebrać cenne dla nas informacje?
Jednym z możliwych sposobów jest przygotowanie specjalnego mailingu, który ma na celu wyłącznie zebranie opinii na temat dotychczasowej komunikacji mailowej. Przygotujmy ankietę, w której poprosimy naszych użytkowników o feedback dotyczący zarówno proponowanych treści, jak i samej strony wizualnej mailingu. Możemy także przeprowadzić testy kreacji. Najpopularniejszą metodą są testy typu A/B. Testujemy jednocześnie 2 kreacje mailingowe kierowane do potencjalnych klientów i sprawdzamy, który rozkład informacji jest najefektywniejszy dla naszych odbiorców. Takie testy dają nam odpowiedź na pytania o to, jakie kolory bardziej odpowiadają naszym odbiorcom, które obszary mailingu są najlepiej zauważalne i w efekcie – gdzie najlepiej umieścić kluczowe dla nas przyciski call to action.
Wypowiedzi dotyczące naszego mailingu są bardzo cenne, jednak musimy pamiętać, że nie zawsze będą one pozytywne. Nie ma się co obrażać – trzeba przyjąć konstruktywną krytykę i wyciągnąć z niej wnioski.
5. Wyróżnij się
Wyróżnianie się spośród konkurencji to klucz do oczekiwanych wysokich konwersji. Starajmy się myśleć nieszablonowo nie tylko, gdy tworzymy treści dla użytkowników, ale przede wszystkim – w momencie ich pozyskiwania. Znalezienie oryginalnego sposobu zapraszania do zapisu do newslettera oraz jego konsekwentne wykorzystywanie w całej witrynie firmowej to świetny pomysł na zbudowanie spójnego i efektywnego pozyskiwania leadów. My postawiliśmy na odwołanie do Pacmana. Kto nie uśmiecha się na myśl o starych dobrych grach? 🙂
6. Zbuduj własną bazę.
Na koniec kilka spraw bardziej technicznych. Kolejna zasada, która dobrze sprawdza się nie tylko w życiu codziennym, ale również w email marketingu, to „mniej, znaczy więcej”. Kupowanie baz mailingowych bez zastanowienia się, czy znajdują się na nich potencjalni klienci, w niczym nam nie pomoże. Zdecydowanie lepsze jest posiadanie mniejszej ale wartościowej bazy, zbudowanej samodzielnie. Mamy wtedy pewność, że trafiamy do właściwych ludzi.
Jednym z niezawodnych sposobów pozyskiwania kontaktów jest oferowanie ludziom czegoś w zamian. My dostajemy od użytkownika jego mail, on od nas otrzymuje ebook o tematyce, którą się interesuje. Klientki wspomnianego wcześniej e-sklepu ucieszą się zapewne z bonusowego rabatu.
Interesującą drogą budowania listy mailingowej mogą być także artykuły, które są dostępne tylko częściowo. Aby przeczytać pełną treść, użytkownik zobligowany jest podać swojego maila. Tacy adresaci są cenni ponieważ dodatkowo wiemy, jakie treści naszego mailingu będą dla nich interesujące.
7. Zadbaj o kreację
Nie możemy zapomnieć o jednej, najważniejszej sprawie dotyczącej email marketingu. Tworzymy go po to, by zarabiać. Dlatego też, mailing powinien walczyć o konwersje poprzez odpowiednie kreacje. Elementami, których nie może zabraknąć w dobrym mailingu są:
oraz maksymalne wykorzystanie treści do linkowania. Niech linki kierujące do strony internetowej kryją się nie tylko pod tekstem, ale również obrazami. Pamiętajmy o odpowiednim otagowaniu linków, by móc sprawdzić jego skuteczność w GA.
8. Bądź responsywny
Musimy pamiętać, że członkowie naszej listy dystrybucyjnej to ludzie, którzy się od siebie różnią. Korzystają z innych urządzeń i przeglądarek, dlatego nasz mailing powinien być responsywny i przygotowany z myślą o wyświetlaniu na różnych ekranach.
Znaczna część naszych klientów wciąż otwiera maila poprzez przeglądarkę lub program desktopowy (np. Outlook). W związku z tym, powinniśmy projektować kreacje mailingowe w formacie HTML, dzięki czemu unikniemy blokowania wiadomości przez filtry SPAM. Dobrą praktyką jest tworzenie kreacji o maksymalnych wymiarach 600 x 470 pikseli – nie zmuszamy wtedy użytkownika do skrolowania wiadomości, dzięki czemu istnieje większe prawdopodobieństwo, że naprawdę zainteresuje się on przesłaną wiadomością.
Aby nasz mailing dobrze wyświetlał się na różnych typach urządzeń musimy pamiętać o kilku ważnych sprawach:
Dobry email marketing można zrobić samemu. Przedstawiliśmy kilka dobrych rad, które przydadzą się na początku drogi. Jednak to nie koniec naszej przygody z mailingiem. W następnym artykule opowiemy o narzędziach niezbędnych każdemu email marketerowi.
Dominika Kaczor
Strona internetowa to wizytówka firmy. Sposób, w jaki użytkownicy ją odbierają, wpływa na sprzedaż oferowanych produktów czy usług. Co zrobić, jeśli zauważymy, że konwersja nie jest tak zadowalająca, jak byśmy oczekiwali? Odpowiedzi dostarczają testy A/B.
Prowadząc biznes w sieci, głównym narzędziem prezentacji jest witryna internetowa. Każdy chce sprzedawać jak najwięcej, co sprawia, że nieustannie zadajemy sobie pytanie – co jeszcze można zrobić, by zwiększyć konwersję? Wygląd i układ strony mają duże znaczenie dla skuteczności witryny, dlatego warto śledzić, które rozwiązania sprawdzają się lepiej dla naszych użytkowników. Testy A/B pozwolą zweryfikować, co wpływa na lepszy odbiór strony.
W skrócie, testy te opierają się na badaniu wprowadzanych na stronie internetowej zmian. Najczęściej porównuje się istniejącą stronę z proponowanymi alternatywami. Możemy przekonać się, że przykładowo owalny zielony przycisk jest bardziej zachęcający do kliknięcia niż ten w kolorze czerwieni. Testując różne warianty wyglądu witryny sprawdzamy, w co chętniej klikają użytkownicy, a w efekcie – która wersja lepiej sprzedaje.
Testy A/B dają nam przede wszystkim możliwość wybrania najlepszej wersji strony, która przełoży się na konkretne wyniki. Co więcej, eksperymentując z tym, jak wygląda witryna, dostajemy informacje na temat odwiedzających ją użytkowników:
Zyskujemy również szansę na zmianę samej architektury strony. Wyniki analizy dokładnie wskazują, które obszary serwisu są najlepiej zauważalne, gdzie użytkownik spędza najwięcej czasu, które elementy strony są dla niego atrakcyjne. Dostajemy możliwość zdiagnozowania mocnych i słabych stron oraz ich ulepszenia. Co więcej, możemy zaprojektować zupełnie nowy wygląd witryny, ponieważ wiemy już, że jej obecna forma przestała się sprawdzać. Dzięki testom A/B dajemy sobie szansę na podejmowanie szybkich decyzji dotyczących zmian, a co za tym idzie – na doskonalenie naszego biznesu.
Jeszcze do niedawna za odpowiednie narzędzia do przeprowadzania omawianych testów, firmy musiały słono płacić. Na szczęście (dla mniejszych firm w szczególności) wraz z rosnącą popularnością metody A/B zaczęło pojawiać się coraz więcej serwisów oferujących darmowe rozwiązania do testów. Należy jednak pamiętać, że bezpłatne wersje narzędzi często wiążą się z ograniczonymi funkcjonalnościami. Mimo to, dla wielu użytkowników prowadzone dzięki nim analizy witryn mogą okazać się w pełni satysfakcjonujące.
Przygotowana poniżej lista zawiera popularne i darmowe narzędzia, które świetnie sprawdzą się w firmach dysponujących małymi budżetami oraz w takich, które dopiero zaczynają swoją przygodę z testami A/B.
Na początek narzędzie, które na polski rynek wkroczyło w zeszłym roku. Jest to kompletne narzędzie do optymalizacji konwersji (jak podaje strona). Firma oferuje darmowy pakiet, w skład, którego wchodzą testy A/B, ankiety, zaawansowana segmentacja oraz personalizacja planów testowania witryny.
Plusy
Minusy
Jedna z najpopularniejszych platform do testów, która oferuje pakiet startowy za darmo. Usługa zawiera przede wszystkim testy A/B, a także testy wielowymiarowe czy możliwość wprowadzania bieżących zmian w wyglądzie strony. Dodatkowo Optimizely oferuje darmowy dostęp do bazy wiedzy, akademii oraz społeczności użytkowników narzędzia.
Plusy
Minusy
Leanplum to „Optimizely na komórki”. Usługa oferuje możliwość testowania aplikacji mobilnych. Możemy eksperymentować z wyglądem aplikacji, porównywać wskaźniki KPI czy targetować odbiorców poszczególnych testów.
Plusy
Minusy
Taplytics to drugie na tej liście, narzędzie do udoskonalania wyglądu aplikacji mobilnych. Oferuje przede wszystkim testy A/B, ale również m.in. zaawansowaną segmentację odbiorców i analizy, eksport zebranych danych.
Plusy
Minusy
Funkcja, która zastąpiła narzędzie Google Website Optimizer służące do przeprowadzania testów A/B. W porównaniu do poprzedniego narzędzia funkcja ta została uproszczona, dzięki czemu testowanie jest łatwiejsze.
Plusy
Minusy
Narzędzie od UsabilityHub pomagające poznać opinie użytkowników zaraz po zobaczeniu strony internetowej. Proste narzędzie do testów typu A/B. Widok strony wyświetla się przez 5 sekund, a po tym czasie testerzy oceniają to, co zobaczyli.
Plusy
Minusy
ABtesting.net to darmowe narzędzie online dostarczane przez firmę Act-On Software, zautomatyzowane testy A/B. Firma oferuje bardzo prosty format testów. Jest to dobre rozwiązanie na start z weryfikowaniem użyteczności strony, w szczególności dla małych biznesów.
Plusy
Minusy
Simple Page Tester różni się od omawianych powyżej narzędzi przede wszystkim tym, że jest dedykowany dla środowiska WordPress. Firma Nelio AB Testing oferuje darmową wtyczkę, którą można podpiąć do swojej strony w ten sam sposób, co pozostałe.
Plusy
Minusy
Na koniec, bardzo ciekawe narzędzie, jakim jest Splitbutton. Przyciski (butony) często mogą się wydawać nieistotne, jednak tak naprawdę mają ogromne znaczenie dla konwersji. Splitbutton.com to narzędzie, które bezpłatnie pozwala na sprawdzanie, w co najlepiej się klika.
Plusy
Minusy
Oprócz darmowych narzędzi do przeprowadzania testów typu A/B istnieje wiele ciekawych i zdecydowanie bardziej rozbudowanych produktów. Wiele płatnych usług oferuje wersje próbne. Jeśli darmowe narzędzia okażą się po pewnym czasie niewystarczające i poczujemy potrzebę inwestowania w kompleksowe testy, warto na początek skorzystać z możliwości wersji trial. Na uwagę w tym wypadku zasługują m.in. Convert (15 dni za darmo), Unbounce (okres próbny aż na 30 dni!) czy Woopra.
Przedstawione powyżej narzędzia niewątpliwie ułatwią przeprowadzanie testów w celu zwiększenia konwersji strony internetowej. Należy jednak pamiętać, że nie ma narzędzi idealnych. Najlepszym wyborem jest, nomen omen, przetestowanie kilku wariantów i wybór tego, który odpowiada nam najbardziej.
Częstym błędem przy optymalizacji witryn jest przekonanie, że użytkownicy internetu mają takie same odczucia, potrzeby i kierują się takimi samymi wyborami, jak my. W praktyce jednak postrzeganie witryn internetowych przez większość pracowników branży internetowej jest zupełnie inne niż przez przeciętnego użytkownika.
Jedną z najlepszych sposobów „wejścia w skórę” naszych użytkowników i poprawy współczynnika konwersji na naszej witrynie jest zastosowanie testów A/B lub wielowymiarowych. Testy A/B są najtańsze ze wszystkich rodzajów testów użyteczności. Przeprowadzenie tego typu testów nie wymaga zakupu czy wynajmu specjalistycznego sprzętu. Chcąc przeprowadzić tego rodzaju badanie musimy jedynie zaopatrzyć się w dowolną platformę testową umożliwiającą przeprowadzanie testów A/B. Istnieje na rynku wiele tego rodzaju aplikacji. Szeroko rozpowszechnionym systemem do przeprowadzania takich testów jest bezpłatne narzędzie Google Website Optimizer.