Microsoft Excel je nejspíše nejpopulárnější český nástroj pro vyhodnocování čehokoliv. Tento článek popisuje devět konkrétních příkladů využití dat o návštěvnosti a transakcích prováděných přes web. Jde o takové příklady, které byste nezvládli jen prací v Google Analytics, ale zároveň nemusí být náročné je připravit v prostředí Excelu.
Pro nahrání dat z Google Analytics do Excelu nemusíte sami něco exportovat. Můžete používat bezplatné i komerční nástroje, které si data získávají automaticky přes programové rozhraní.
Ať již máte e-shop, firemní web s poptávkovým formulářem nebo na webu jen poskytujete maximum informací o vašem zboží, následující příklady vám budou inspirací, co vám zpracování dat v Excelu dokáže poskytnout navíc.
K příkladům jsou doplněny ilustrativní výstupy pro demonstraci zajímavých vztahů v datech.
Přehled plnění plánů
Při vyhodnocování dat často schází měřítko naznačující očekávání výkonnosti. Máte nastaveny měsíční plány, které máte dodržovat? Do Google Analytics si nemůžete žádnou laťku nahrát. Je však jednoduché vytvořit si v Excelu sloupeček a tam očekávaný měsíční počet objednávek vepsat.
Ihned se nabízí několik otázek, které budou na takový přehled navazovat a pomohou vám odhalit slabá místa: co způsobilo nárůst objednávek a přeplnění plánu v únoru? Proč ten hezký trend nepokračoval i v dubnu? Jak lze příště reagovat na očekávané sezónní zvýšení?
Odhady budoucího vývoje
Kdyby se vám dařilo se získáváním zakázek stejně jako v minulých měsících, jaký by byl výsledek na konci roku? Začněte alespoň s jednoduchým “protažením” současných výsledků na delší časové období pomocí ukazatele run-rate.
Zdroj: Prezentace Romana Appeltauera na Web Analytics Wednesday.
Na ukázce od Romana Appeltauera vidíte, jak poměřovat očekávání a prozatím dokončené cíle či dílčí úspěšnost objednávacího procesu.
Upřesnění hodnot objednávek
Objednávky měřené přes e-commerce v Google Analytics mají vždy svůj jednoznačný identifikátor. Pomocí toho jste schopni konsolidovat hodnoty obchodní výkonnosti, zejména si zodpovědět otázku, kolik objednávek bylo stornovaných. Klasický problém naměřených vs. uskutečněných konverzí tak budete moci označit za vyřešený.
Přes identifikátor transakce si napárujete data v Excelu na interní výpis stornovaných objednávek. Pomocníkem vám pro to bude funkce SVYHLEDAT.
Toto řešení není vhodné jen pro e-shopy, které mohou čerpat informaci, jestli některé reklamní kampaně nepřivádějí ve větší zákazníky, kteří by si jen zboží zkoušeli a hned jej reklamovali. Postup lze využívat i pokud máte na webu poptávkový formulář.
Každý zaslaný kontakt, lead či poptávka mohou mít své identifikátory. Stejný identifikátor můžete poslat v emailu, který se zašle obchodníkům, nebo v záznamu CRM systému. Podívejte se, co by díky tomu šlo získat:
Díky tomuto spojení dat jste schopni identifikovat a oddělovat nekvalitní zdroje návštěvnosti, nekvalitní kampaně či nekvalitní typy poptávek od těch kvalitních, které dotáhnete do konce jako úspěšné obchodní případy.
Segmentace objednávek podle věrných zákazníků
Spojit identifikátory objednávek s interními informacemi je velmi užitečný způsob, jak popsat stav a vývoj ukazatelů, které jsou pro manažery podstatné. Kevin Hillstrom ve svém článku Proč se díváme na špatné ukazatele? popisuje ukazatel annual repurchase rate, tedy procento zákazníků, kteří provedli objednávku i v novém roce.
Zkoušeli jste si někdy rozdělit počet objednávek od nových a věrných zákazníků? Jde o věrné zákazníky, kteří si objednávali i minulý rok, nebo jen staré známé, kteří naposledy něco objednali někdy dávno před pěti lety?
Výslednou hodnota ukazatele annual repurchase rate vám ukáže tři možné režimy:
- retenční režim (meziroční procento opakovaných nákupů větší než 60 %)
- kombinovaný režim (40 – 60 %)
- akviziční režim (méně než 40 %)
Těžíte hlavně ze svých stávajících zákazníků nebo musíte neustále “nakupovat” nové? Jak to bylo minulý rok? A jak byste chtěli, aby to dopadlo příští rok?
Důležité metriky
Možnost nových vypočítaných metrik vás bude zajímat v okamžiku, když se vaše firemní klíčové ukazatele (KPI) netýkají pouze webu.
- Pokud děláte brandové kampaně mimo internet, jejichž vliv nemusí být přímo měřitelný výkonově.
- Potřebujete znát efekty provozních investic do vašich návštěvníků.
Nemusíte se omezovat jen na údaje z Google Analytics, ale data můžete propojovat s interními hodnotami.
Porovnat online a offline data
Chcete v kamenné prodejně a přes web prodávat stejný sortiment? A daří se to? Neprodávají se v kamenné prodejně zcela jiné kategorie produktů?
Srovnání prodejů mezi těmito dvěma kanály je užitečné také z důvodu, že data z offline prodejů se často vůbec nedostávají k týmu, který se stará o online marketing.
Hledejte nejen slabá místa (proč se oblečení nedaří prodávat online?), ale také možnosti posílení silných míst v jednom kanále (silné prodeje drobného elektra přes web).
Úspěšnost multimediálního obsahu
Jestli na webu máte vlastní videa či audio záznamy k přehrávání, jistě vás zajímá jejich úspěšnost a kvalita.
Pro zjištění situace nemusíte používat pokročilé řešení, jako je třeba Wistia. Stačí na začátku přehrávání a na konci videa změřit událost. Velmi jednoduše tak zjistíte, které video bylo nudné a na které se dodívala většina návštěvníků. Budete příště investovat do produkce takových videí, které jen nalákají návštěvníky, ale neudrží je do konce?
Dlouhodobě vyhodnocovat emailový marketing
Pro vyhodnocování mnoha marketingových kanálů vám nestačí informace jen o dopadu na návštěvnost. Pro emailový marketing, v němž pravidelně zasíláte newslettery, dává smysl poměřovat počet návštěv s velikostí zákaznické báze.
Všimli jste si, že první dva měsíce rozesílka nic nevydělala, i když již bylo nasbíráno slušné množství adres? Bylo to jen mizivým počtem návštěv, které přes newslettery přišly?
Hledat vztahy mezi daty
Nevíte, kde začít vylepšovat vaše stránky? Jednoduchá korelace může ukázat, které metriky mezi sebou mají silný vztah. Myslíte, že je důležitější vztah počtu kusů v objednávce a průměrné hodnoty objednávky, nebo vztah počtu nových návštěv a počtu objednávek?
Korelace vám neřekne, jestli je mezi metrikami příčinná souvislost (kauzalita). Podstatné však je, že síla korelace vás upozorní na situace, o které se máte zajímat v první řadě.
Čím dostat data do Excelu?
Inspirovaly vás výše uvedené příklady? Chtěli byste si to vyzkoušet? Nástrojů je k dispozici spousta, od jednoduchých bezplatných pluginů do Excelu, přes velmi drahé nástroje pro složité získávání dat, až po individuální řešení postavené na míru.
Příprava dat k reportům a analýzám je nudná dřina. Čím více lze přípravu dat automatizovat, tím více prostoru se může věnovat hledání poznatků v datech a vymýšlení doporučení. Čím více můžete zapojit interní data k datům o návštěvnosti, tím kvalitnější poznatky o fungování celkového businessu získáte. Čím více budete kolegům ve firmě dodávat data ve formě, v jaké jsou s nimi schopní a zvyklí pracovat, tím více se budou o výkonnost webu zajímat a pomáhat jí.
Bezplatné nástroje
- Excellent Analytics v nejnovější verzi – jednoduchý plugin do Excelu. Pokud jste někdy vytvářeli vlastní report v Google Analytics, budete vědět, jakou kombinaci dimenzí a metrik potřebujete.
- Tatvic Excel Plugin – zdarma pro jeden profil.
- Oblíbené makro od Mikaela Thuneberga (doporučuji poslední verzi).
- Vlastní makro ve VBA – řešení na míru lze postavit pomocí vlastních sil. V Dobrém webu s tím již máme zkušenost: dobrou díky výsledku, špatnou kvůli úsilí, které bylo třeba vynaložit. Pokud se vrhnete na tuto variantu, bude se vám hodit tip, že nástroj od Microsoftu vyžaduje občas “microsoftí” styl řešení – kupř. přihlašování uživatele v situaci, pokud aplikace slouží jen pro jeden účet, je možné zjednodušit přes ovládání neviditelného okna Internet Exploreru. Excelem samozřejmě nemyslíme nutně jen kancelářskou sadu nástrojů od společnosti Microsoft. Data můžete zpracovávat i kupř. přes kombinaci Google Docs + Google App Script.
Placené nástroje
- Excellent Analytics Pro od společnosti Ampliofy. Pomáhá se získáváním dat pro mnoho profilů zároveň. Mimochodem, Dobrý web získal partnerství od Ampliofy, které má mimo jiné jednu hezkou výhodu – pro naše klienty a účastníky školení Google Analytics jsme schopni poskytnout slevu 15 % ze 189 dolarů za roční licenci.
- Mikael Thuneberg vyvíjí GA Data Grabber (299 dolarů ročně). Můžete také vyzkoušet čerstvou demoverzi makra FasterMetrics (plná verze stojí 229 dolarů ročně), která vypadá jako velmi slušná alternativa k Excellent Analytics a má fungovat i v Excelu pro Mac.
- Next Analytics se umí zbavit samplování pomocí více dotazů za kratší časová období. Roční licence stojí 299 dolarů.
- ShufflePoint by se vám hodil, pokud si v práci často povídáte jazykem SQL. Cena je od 49 dolarů za měsíc.
Pokud máte blízko k oblasti Business Intelligence, bude se vám hodit ETL nástroj Analytics Canvas (také umožňuje vytváření sešitů Excelu) nebo služby, které umožňují přímou integraci s daty Google Analytics: např. GoodData nebo BellaDati.
Jak funguje přístup k datům Google Analytics
Výše uvedené nástroje používají programové rozhraní pro přístup k datům Google Analytics (tzv. API). Používání API pro Google Analytics je zdarma. Aplikace, která chce získávat data z Google Analytics, musí být zaregistrována přes Google API Console (bezplatně) a tam získat potřebné autorizační klíče pro fungování.
Google prosazuje bezpečnou metodu OAuth2.0, ve které uživatel nedává aplikaci své přihlašovací údaje přímo, ale přes své přihlášení Google účtem povoluje přístup přes stránku Google.
Do aplikace se pak předává jen klíč, který dovolí aplikaci přistoupit k datům přihlášeného uživatele.
Toto bezpečnější přihlašování souvisí také s rozvojem verzí API. Protože Google stařičkou verzi 2.3 již poslal k ledu, některé aplikace přestaly fungovat. Při vývoji se zaměřte na verzi 3.0. Kompletní dokumentace k Reporting API popisuje i způsoby přihlašování.
Co můžete přes API zvládat lépe než přes rozhraní
- Rychleji pravidelně reportovat (navíc jen na stisk jednoho tlačítka)
- Vypořádat se s přehledy z různých časových období (např. srovnání minulého měsíce a posledního čtvrtletí)
- Připravit desítky požadavků na segmentovaná data (např. srovnávat segment nebrandových návštěv z přirozených vyhledávačů s brandovými)
- Vypořádat se s obrovským množstvím dat v jednom požadavku (potřebujete více jak deset tisíc záznamů, např. konkrétních podstránek webu, které budete kategorizovat?)
- Zbavit se vzorkování dat – tzv. samplování vzniká při analýze více jak 500000 návštěv mimo standardní reporty. API vám s tímto problémem pomůže pomocí rozdělení požadavku na jednotlivé dny, týdny či měsíce, které jednotlivě nebudou trpět samplováním. Tyto krátké časové úseky pak zpětně posčítáte. Jen si, prosím, dejte pozor na to, které hodnoty pak zpětně sčítáte dohromady – počet návštěv a počet konverzí za několik dní můžete sečíst, ovšem konverzní poměr musíte sami přepočítat.
Nevýhody získávání dat přes API
- API si nerozumí s pondělky – Google Analytics bohužel zatím nemá k dispozici dimenzi, která by odpovídala týdnům začínajícím v pondělí. Jeho dimenze ga:week zatím udává týdny od neděle. U toho rovnou uvedu jeden tip, který se vám bude hodit pro Excel: pozor na funkci DENTÝDNE(datum). Výsledek číslo 1 neznamená pondělí, ale neděli!
- Nízká rychlost a výkonnost Excelu – pro následné zpracování dat se používá dost kontingenčních tabulek, pro integrace více zdrojů dat zase oblíbená funkce SVYHLEDAT. Už při pár tisících záznamech to Excel dává uživateli znát.
- Slabé chybové informace – Google se postupně snaží zlepšovat informování o stavech, kdy vám API nedokáže poskytnout správnou odpověď. Zatím musíte dost luštit, jestli je chyba v definici požadavku, chyba při přihlášení nebo chyba v dostupnosti API.
- Limity pro vysokou frekvenci získávání dat. Museli byste zvládnout více jak 10 dotazů za vteřinu, aby se vás tato omezení týkala.
- Dle smluvních podmínek Google Analytics byste neměli spojovat data s osobními údaji z interních systémů (např. k identifikátoru objednávky 123 přiřadit jméno a adresu zákazníka). Ve zde uvedených příkladech využíváme jen spojování s agregovanými statistikami (např. objednávky podle volby dopravy), nejde nám o rodná čísla zákazníků nebo barvu jejich očí.