Elemzői szempontból az összesített adatok mit sem érnek. Legfeljebb az avatatlan szem számára mutatnak jól. Ahhoz, hogy összegyűjtött adataink nekünk dolgozzanak, fel kell szeletelni, kockára kell vágni őket. Csak így kaphatunk olyan információkat, amiket aztán jól fel tudunk használni ahhoz, hogy megnöveljük a webáruház bevételeit.
Mik azok a szegmensek és hogyan kell használni őket?
Az Analyticsben a szegmens nem más, mint az apróra vágott adatok egy csoportja. Az egész információhalomból valamilyen feltételrendszer alapján kiválasztott néhány adatkocka. Ezeket a kockákat egymásra pakolva kapjuk meg az igazán értékes adatokat.
Vegyünk egy nagyon egyszerű példát: el szeretnénk különíteni az asztali gépet és a mobileszközt használó vásárlókat. Ez már szegmentálás. Egy mobilos és egy asztali szegmens létrehozásával a két csoportra vonatkozó adatokat egymás mellett láthatjuk, elemezhetjük viselkedésük hasonlóságait és különbözőségeit.
A szegmens tehát egy vagy több egyszerre működő szűrő, amelynek három szintje van: felhasználó, munkamenet és találat. Az első egy adott embert jelent, aki az oldalunkkal – Analytics-nyelven szólva a Tulajdonunkkal – interakcióba lép. A második az egy felhasználó által végzett interakciócsoport, a harmadik pedig maga az interakció, például egy oldalmegtekintés. A három logikusan épül egymásra.
A felhasználói vagy munkameneti szintű szegmentálás érzékeltetésére jó példa, amikor szeretnénk a látogatóinkat költés alapján szétválogatni. Tegyük fel, hogy ki akarjuk listázni a legalább 100 000 forintot költő vásárlókat. János május 3-án 30 000 forintért vásárolt nálunk, majd 18-án még 70 000 forintot költött el a webáruházunkban. Lajos csak egyszer látogatott meg minket, május 9-én, és 100 000 forintot fizetett. Felhasználói szegmentálásban mindketten bekerülnek a találati listába, de munkameneti szintűnél csak Lajos.
Az egyszerű szegmentálás a demográfiai adatok, technológia, viselkedés, első munkamenet dátuma és a források alapján történhet, a részletes szűrésnél pedig feltételek és sorozatok állíthatók be a még hatékonyabb adatbányászat érdekében.
Szegmens létrehozásához kattintsunk az Áttekintésben a szegmens hozzáadása gombra. Itt egyszerűen használhatjuk a Google által előre telepített szűrőket a Rendszer kategóriában, de sajátot is elkezdhetünk építeni a piros Új szegmens gombra kattintva. Ekkor az előző ábrához kísértetiesen hasonlító felületre kerülünk, ahol egyszerű vagy összetett szegmenseket állíthatunk be a magunk igényei szerint.
És itt el is jutottunk a lényeghez, ami pedig az Importálás a galériából gomb alatt vár minket: mások által készített szegmensek ezrei, amik szinte minden létező igényre kínálnak választ.
5 szegmens, amiket mindenképp megéri kipróbálni
1. Vásárlók és nemvásárlók
Ez majdnem olyan, mint a beépített konverzió és konverzió nélküli szűrő, de mégsem ugyanaz, hiszen az Analyticsben nemcsak értékesítési célokat lehet megadni. Ebben az esetben viszont kizárólag a bevételre koncentrálunk. A kérdés pedig: mi az, amit a vásárlók csinálnak, amit a vásárlás nélkül távozók nem csinálnak? Ha ezt meg tudjuk válaszolni, a webshop optimalizálásával olyan viselkedésmintákra bátoríthatjuk a felhasználókat, amik vásárlást eredményeznek. Ha például azt látjuk, hogy a vásárlók olvassák a blogunkat, míg a távozók nem, a teendőnk egyértelmű: több energiát fektetni a blogba, a látogatókat bátorítani az olvasásra, úgy optimalizálni a blogot, hogy gyorsabban irányítsa a forgalmat az áruházba.
2. Egyszeri és visszatérő vásárlók
Mindenki visszatérő vásárlókat szeretne. A valóságban azonban a legtöbb webáruháznak sokkal több egyszeri vevője van. De vajon mi különbözteti a két csoportot egymástól? Miben más a viselkedésük? Mást olvasnak, néznek, máshonnan jönnek hozzánk? Egyszerűen szegmentáljuk őket és megtudjuk!
Ehhez kell egy visszatérő vevőket mutató szegmens, továbbá hozzunk létre az egyszeri vásárlóknak egy másikat úgy, hogy a tranzakciók számát 1-re állítjuk! Ezután már csak össze kell hasonlítani őket, és az egyszeri vásárlókat olyan viselkedésmintákra bátorítani, amiket a visszatérők mutatnak. Költséghatékonyság szempontjából messze ez a legjobb megoldás.
3. Kosárelhagyók
Az e-kereskedelemben szokványossá vált probléma, hogy a látogató megpakolja a kosarát, majd sosem fejezi be a vásárlást, hanem egyszerűen távozik. Ennek több oka is lehet, de bizonyosan a leggyakoribb a felhasználói élmény (UX) problémája. A különböző forrásokról érkező felhasználók különböznek egymástól. Máshogy viselkednek azok, akik a Facebookról találnak hozzánk, másként, akik a Google organikus találataiból, és mások azok is, akik valamilyen PPC-kampányra érkeznek. Állítsunk be fő forrásainkra egy-egy szegmenst, majd elemezzük a kapott adatokat!
4. Nagyértékű vásárlók
Azok tartoznak ebbe a kategóriába, akik a webáruházunk átlagos kosárértékének két-háromszorosát költik el egy vásárlás alkalmával. Szegmens használatával izoláljuk őket és kezdjünk kutatni, hogyan viselkednek ők. Honnan jönnek, milyen kulcsszavakra keresnek, mit vásárolnak, hány terméket vesznek? Ezekkel az adatokkal felvértezve megcélozhatjuk ezeket a felhasználókat, valamint az átlagos vásárlók viselkedését is megpróbálhatjuk ebbe az irányba terelni. Ezt az Elektronikus kereskedelem menüpontban állíthatjuk be, a bevétel összegét meghatározva.
5. Kulcsszóhosszúság
Az organikus és fizetett keresőtalálatok hozzák a bevétel legnagyobb részét. Biztos haszon mélyebbre ásni azokban a keresőszavakban, amelyeket használva a felhasználók ránk találnak, és megvizsgálni, hogyan befolyásolja ez a viselkedésüket. Például aki a sportcipő kulcsszóval talált meg minket, mennyiben csinál mást az oldalunkon, mint aki a 2017 legmenőbb kiegészítői kulcsszó alapján.
Ehhez egy sor Kulcsszó szegmens létrehozása szükséges. Az alábbi a 3 szóból álló kulcsszavakat szűri.
A kifejezésben a számérték mindig a kulcsszó hossza mínusz 1 értékű kell legyen. (Részletesebb információ az Analyticsben használható reguláris kifejezésekről: Google Analytics Súgó). Legalább négy ilyen különböző szegmenst érdemes létrehozni ahhoz, hogy megtudjuk, milyen hosszúságú kulcsszavak eredményezik a nagyobb bevételt. Ezzel az információval sok mindent kezdhetünk, mindenképp érdemes például használni SEO-tartalmak létrehozásakor.
Az Analytics olyan, akár egy jéghegy. Az átlagos használó csak egészen kicsi részét, éppen csak a csúcsát látja. Ahhoz, hogy jól ki tudjuk használni a lehetőségeit, mély lélegzetet véve le kell mennünk a felszín alá. Csak így lesz az adatokból valódi insight, ami hozzájárul bevételeink növekedéséhez.
