Jak wyznaczyć grupę docelową w oparciu o dane z Google Analytics?

Google Analytics – średniozaawansowany
● ● ●
Analityka12 minut czytania

 

Czego dowiesz się z artykułu?

Przede wszystkim, że nie każdy użytkownik, który kupił coś w twoim sklepie to twój wymarzony klient. W dalszej części przeczytasz o tym, jakie informacje powinieneś znać na temat swoich odwiedzających oraz jak w prosty sposób odnaleźć je w Google Analytics.
Dane, na których bazujemy pochodzą z konta demonstracyjnego Google Analytics połączonym do sklepu Google Merchandise Store. Konto to dostępne jest za darmo dla każdego i możesz swobodnie z niego korzystać klikając tutaja następnie wybierając „Uzyskaj dostęp do konta demonstracyjnego”.



ikona: uwagaUwaga: Jeżeli stawiasz pierwsze kroki w analityce, ten artykuł może sprawić ci odrobinę trudności. Dlatego zachęcamy do rozpoczęcia przygody z Analyticsem od podstaw.

 

Skoro nie każdy to kto?

Czysto hipotetycznie – załóżmy, że naszym produktem są szkolenia z Google Analytics. Zapisują się na nie głównie osoby z wielkich miast. Najmłodsza ma 25 lat, najstarsza 64 i są to głównie mężczyźni, ale jest też kilka kobiet. Czy to oznacza, że powinniśmy wyświetlać reklamy kobietom i mężczyznom w wieku 25-64 z dużych aglomeracji? Niekoniecznie… Dlaczego?

Przede wszystkim potrzebowalibyśmy bardzo dużego budżetu żeby skutecznie dotrzeć do takiej grupy. Bardzo prawdopodobne też, że przy tak szerokim celowaniu reklamy wyniki mogłyby nie spełnić naszych oczekiwań.
Przy wyznaczaniu grupy docelowej powinniśmy poznać zasadę Pareto. Mówi ona o tym, że 20% profili klientów generuje 80% obrotu. To zaskakujące, ale zazwyczaj tak mniej więcej to wygląda i to w każdym aspekcie biznesu. Naszym zadaniem jest więc dowiedzieć się, czym charakteryzują się ci użytkownicy, którzy odpowiadają za zdecydowaną większość przychodów naszego sklepu. Tylko tyle i aż tyle 🙂

 

Michał Sadowski, twórca najpopularniejszego w Polsce narzędzia do monitoringu internetu (Brand24) powiedział na jednej z konferencji, że w przypadku jego firmy 14% profili użytkowników generuje ponad 60% kont w ich produkcie i to właśnie na nich skupiają swój budżet reklamowy. Bez wątpienia to właśnie mądre wydawanie pieniędzy z budżetu marketingowego przyczyniło się do osiągnięcia sukcesu firmy na skalę międzynarodową.

 

Co powinienem wiedzieć o swoich odwiedzających?

Im więcej informacji tym lepiej, ale nie zawsze możesz poznać klientów, zaznajamiając się z ich profilami na Facebooku, co zresztą jest bardzo czasochłonne.
Dobrze, jeżeli znamy takie fakty na temat naszych użytkowników jak:

  1. Kryteria geograficzne – państwo (jeżeli sprzedajemy międzynarodowo), województwo, miasto.
  2. Kryteria demograficzne – płeć, wiek, wykształcenie, zawód, narodowość.
  3. Kryteria behawioralne – zainteresowani, styl życia, osobowość, wykorzystanie technologii.

 


 

Dodatkowe pytania, na jakie warto znać odpowiedź odnośnie swojej grupy docelowej to:

  1. Jakimi kanałami do niej dotrę, czyli gdzie przebywają w Internecie?
  2. Jakim językiem się posługuje – czy bardziej angażujący będzie język formalny, czy raczej luźne komunikaty nie stroniące od slangu czy memów?
  3. Jakie są jej największe motywacje? Jakie wartości najbardziej przekonają do zakupu?
  4. Czy istnieją specjalne okazje lub sytuacje, które mogą wpłynąć na wzrost intencji zakupowej?
  5. Lojalność – na ile klienci przychodzą do sklepu dla jednego konkretnego produktu, a na ile dla marki sklepu. Czy wrócą, kiedy oferta się zmieni, czy raczej znajdą produktu u konkurencji?

Dobra wiadomość jest taka, że na większość z wymienionych kryteriów i pytań odpowie nam Google Analytics.

 

Jak dotrzeć do tych informacji?

Jeżeli twój kod śledzenia Google Analytics pracuje już od jakiegoś czasu, w którym spłynęło przynajmniej kilkadziesiąt zamówień w sklepie przejdźmy do zakładki Odbiorcy następnie wybieramy Dodaj segment i zaznaczamy Dokonał(a) zakupu i klikamy Zastosuj.

grupa docelowa google analytics

 

Po dodaniu segmentu będziemy mogli zobaczyć  2 warstwy danych w Google Analytics – wszystkich użytkowników i tych, którzy dokonali zakupu.
To niezwykle istotne ponieważ tak jak wcześniej ustaliliśmy – nie każdy klient należy do ścisłej grupy docelowej. Dlatego żeby odszukać tych, którzy realizują większość zamówień musimy szukać wśród tych, którzy ich w ogóle dokonali (musimy zawężać).
Nie możemy także zapomnieć o ustawieniu odpowiedniego zakresu dat, z którego chcemy analizować dane. Najlepiej po prostu ustawić możliwie jak największy zakres, żeby danych było jak najwięcej (np. od momentu zainstalowania kodu śledzenia w sklepie).

grupa docelowa GA

 

DANE DEMOGRAFICZNE

Raportem, od którego możemy zacząć określanie grupy docelowej jest raport:

Odbiorcy > Dane Demograficzne > Wiek

Nałóżmy na niego wymiar dodatkowy „Płeć”, aby te dane również zostały uwzględnione w tabeli.
Następnie, aby ułatwić analizę danych, zmieńmy sposób przedstawiania danych na „Zestawienie procentowe”.W ostatnim kroku w kolumnie “Udział w całości” ustawiamy wartość na „Transakcje”  i tym sposobem uzyskujemy mniej więcej taki widok:

grupa docelowa GA

 

Pod kątem analizy grupy docelowej najwięcej powie nam wykres kołowy w prawym dolnym rogu (zaznaczony czerwoną ramką), ponieważ zobaczymy w nim w jakich przedziałach wiekowych która płeć najchętniej dokonuje u nas zakupów.
Zgodnie z zasadą Pareto, o której wspominaliśmy, powinniśmy w tym miejscu przeanalizować które segmenty klientów pod względem wieku i płci odpowiadają za zdecydowaną większość zamówień (60-90%).
Raport ten najlepiej wyeksportować do PDF, żeby później mieć możliwość złożenia różnych części układanki w całość i poznania pełnych informacji dot. grupy docelowej.

grupa_docelowa_4.png

 

DANE BEHAWIORALNE

Ok – wiemy już, która z płci i w jakich przedziałach wiekowych odpowiada za zdecydowaną większość zamówień. Sprawdźmy teraz zainteresowania tych użytkowników przechodząc do zakładki:

Odbiorcy > Zainteresowania > Segmenty na rynku

Przy nałożonym segmencie  „Dokonał(a) zakupu” odczytanie danych z tabeli znacznie się komplikuje. W związku z tym możemy wyłączyć segment i podczas analizy wykorzystać informację dot. współczynnika konwersji danego zainteresowania, czyli tego jak przekłada się na składanie zamówień w sklepie.

dokonali zakupu google analytics

 

Nanieśmy teraz wymiar dodatkowy „Płeć” bo przecież to samo zainteresowanie może całkowicie inaczej działać w przypadku mężczyzn, a inaczej w przypadku kobiet 😉
W tabeli zobaczymy zainteresowania, do których Google zaliczył naszych odwiedzających przez pryzmat tego w co klikają, jakie strony odwiedzają, co czytają itp.


Aby odnaleźć zainteresowania, które najbardziej wpływają na dokonywanie zakupów klikamy w kolumnę „Współczynnik konwersji e-commerce”. Wtedy Analytics posortuje dane względem najwyższego/najniższego współczynnika konwersji. Problem, który możemy w tym momencie napotkać to bardzo wysoki współczynnik konwersji przy zainteresowaniach, które zostało przypisane do kilku użytkowników, a akurat jeden czy dwóch z nich dokonało zakupu. Oczywiście dane na tak małej próbce danych są nieobiektywne.
Dlatego powinniśmy wykorzystać „ważoną” formę sortowania dzięki której Analytics wyważy nam NAPRAWDĘ wartościowe zainteresowania. Poniżej ekran instruktażowy:

współczynnik konwersji GA

 

Istnieje możliwość dodania tylko jednego wymiaru dodatkowego, więc nie możemy nałożyć jeszcze danych dot. wieku, aczkolwiek informacja o płci jest tu w pełni wystarczająca i możemy na tym zakończyć określenie najbardziej wartościowych zainteresowań i wygenerować sobie kolejny raport do PDF.

Kolejnym ważnym pytaniem jest pytanie czy lepszym użytkownikiem dla nas jest użytkownik nowy czy powracający? Odpowiedź na nie znajdziemy w zakładce :

Odbiorcy > Zachowanie > Nowi a powracający

Analytics ma sposób na to żeby sprawdzać, kto odwiedza nas po raz pierwszy, a kto ponownie dlatego może nam zestawić raport, w którym przedstawi wartość biznesową tych dwóch typów użytkowników. Wyświetlając raport zobaczymy standardowo tabelę z danymi:

raport google analytics

 

Ciekawym jest fakt, że stosunek nowych do powracających pod względem ilości użytkowników na naszym sklepie wynosi dokładnie 80% do 20% (brzmi znajomo?), ale pod kątem realizowania przychodów stosunek ten niemal dokładnie się odwraca i to powracający użytkownicy generują niemal 80% przychodów.
Jasnym jest więc w tym przypadku, że bardziej wartościowy jest użytkownik powracający.

Raport standardowo eksportujemy do PDF.  

 


 

Wartościowym raportem z zakresu zachowań użytkowników może się okazać także informacja na temat ruchu mobilnego. Dane na ten temat znajdziemy w zakładce:

Odbiorcy > Ruch mobilny > Przegląd

Oczywiście jak to w Analyticsie – nie znajdziemy w nim nic innego jak dane i tabelki i tym razem podobnie:

współczynnik konwersji analytics

 

W raporcie widzimy, że znaczna część, bo ok. ⅓ odwiedzających korzysta z urządzeń mobilnych. Powinniśmy więc zadbać o maksymalny komfort korzystania ze sklepu dla tych użytkowników, bo nawet jeżeli nie finalizują chętnie zakupów przez smarfony i tablety (tak jak w naszym sklepie), to zwiększymy prawdopodobieństwo, że dokończą dzieła na laptopie bądź komputerze stacjonarnym.

Dla dociekliwych, którzy lubią głębiej analizować dane polecamy także raport
Odbiorcy > Ruch mobilny > Urządzenia

Możemy przeanalizować w nim, czy z naszego punktu widzenia bardziej wartościowi są użytkownicy korzystający z iPhone’ów czy może z urządzeń opartych o system Android.
Tym sposobem mamy kolejne wartościowe raporty do wyeksportowania do PDF.

 

DANE GEOGRAFICZNE

Wiemy już o naszych odbiorcach całkiem sporo. Pora poznać, które lokalizacje najbardziej sprzyjają dokonywaniu zakupów. Żeby odnaleźć tę informację wybieramy zakładkę:

Odbiorcy > Dane geograficzne > Lokalizacje

Jeżeli Analytics zarejestrował wizyty z innych krajów niż Polska, to na pierwszym widoku zobaczymy mapę świata i poniżej tabelę z poszczególnymi krajami. Załóżmy, że interesuje nas Polska, więc klikamy w nazwę kraju „Poland”.  W tym momencie widzimy już dane konkretnie dla Polski. Województwo na mapie ma tym ciemniejszy kolor im więcej zamówień z niego pochodzi.
I tu pojawia się pierwszy dylemat, na które województwa powinniśmy zwrócić większą uwagę – na te, z których jest więcej ruchu, ale niższy współczynnik konwersji, czy na te, które mają mniejszy ruch, ale współczynnik konwersji jest znacznie wyższy?

Odpowiedź brzmi: zarówno na jedne jak i na drugie 🙂

 

Dużą rolę odgrywa tutaj budżet, jaki możemy przeznaczyć na reklamę. Jeżeli mamy do wydania kilkaset złotych, możemy spróbować skalować zakupy w lokalizacjach o najwyższych współczynnikach konwersji.
Jeżeli jednak budżet jest większy i wydamy tysiące celując w konkretny region, to liczenie, że współczynnik konwersji pozostanie na tym samym poziomie jest złudne. Dlatego powinniśmy mierzyć szerzej (jeżeli nie sprzedajemy regionalnie).

 

ikona: uwagaUwaga: ruch z urządzeń mobilnych realizowany przez sieć komórkową (nie WiFi) często jest traktowany jako ruch z województwa Mazowieckiego – dlatego zazwyczaj to właśnie z niego będzie najwięcej odwiedzin.

 

mobile małopolska analytics

Ten raport (jak każdy wcześniejszy) także możemy wyeksportować do PDF.

 

Finalizacja

W tym momencie nadszedł moment, na który pracowaliśmy przez cały ten czas czyli scalenia wszystkich danych z wszystkich wygenerowanych raportów w jedną całość. Podsumowanie całej pracy może wyglądać np. tak:

Analiza grupy docelowej z dnia _______ na podstawie danych z Google Analytics. Zakresie dat w GA:  ________

Transakcje:

  1. Mężczyźni 25-34 – 30.5%
  2. Mężczyźni 35-44 – 24.5%
  3. Kobiety 25-34 – 15%
  4. Mężczyźni 18-24 – 10%

Zainteresowania:

  1. Mężczyźni:
    1. Elektronika/telefony komórkowe
    2. Usługi finansowe/inwestycyjne
    3. Podróże, hotele i noclegi
    4. Usługi doradztwa biznesowego
    5. Oprogramowanie dla biznesu
    6. Edukacja finansowa
  2. Kobiety
    1. Podróże, hotele i noclegi
    2. Usługi marketingowe i reklamowe
    3. Zwiększenie produktywności
    4. Usługi doradztwa zawodowego
    5. Dom i ogród / wystrój wnętrz
  3. Nowi a powracający
    1. nowi – 20% transakcji
    2. powracający – 80% transakcji
  4. Ruch mobilny
    1. smartfony – 25% ruchu i 0.5% konwersji
    2. tablety – 5% ruchu i 0,4% konwersji
    3. desktop – 70% ruchu i 2% konwersji
  5. Geolokalizacja
    1. Największy ruch:
      1. Mazowieckie – 2 468 użytkowników / 0.82% współczynnik konwersji
      2. Wielkopolskie – 2 112 użytkowników / 0.89% współczynnik konwersji
      3. Małopolskie – 1 877 użytkowników / 0.94% współczynnik konwersji 
    2. Współczynnik konwersji:
      1. Zachodniopomorskie – 345 użytkowników / 1.85% współczynnik konwersji
      2. Podkarpackie – 321 użytkowników / 2.05% współczynnik konwersji
      3. Podlaskie – 289 użytkowników / 2.35% współczynnik konwersji