Cikksorozatunk harmadik, záró részében megvizsgáljuk, milyen új kiaknázandó lehetőségek kínálkoznak a GA4 átállást követően, majd bemutatjuk, milyen előnyökkel jár az adatvezérelt növekedésre való áttérés, a tartós, adatokra támaszkodó növekedési pályára való átállás.
A GA4 nyújtotta lehetőségek
A Google Analytics 4 lehetővé teszi az adatok modern adatvédelmi követelményeknek megfelelő mérését, a vásárlói, többcsatornás (omnichannel) látogatói utakat egyben mutatva. Ahogy tapasztaljuk, potenciális ügyfeleink egyre nagyobb számban akkor lépnek kapcsolatba vállalkozásunkkal, amikor és ahol számukra a legmegfelelőbb a pillanat – például telefonon, utazás közben, vagy egy kávé mellett keresik és választják ki vágyott termékeiket, majd később tableten vagy számítógépen keresztül, otthon vásárolják meg azokat. Ezen többcsatornás vásárlói utakba való betekintés létfontosságú információkkal szolgálhat, segít jobban megérteni vásárlóink igényeit, szokásait, hogy személyre szabott, egyedi terméket/szolgáltatást tudjunk nyújtani célcsoportunk számára. Nagyon nagy a zaj a digitális térben, ezért is fontos ügyfeleink számára releváns megoldások, élmények nyújtása.
A GA4 nyújtotta lehetőségek közül alább bemutatunk néhányat röviden.
Többcsatornás látogatói utak egybekötve
A Google Analytics 4 számos, a látogatók azonosításra alkalmas megoldást nyújt a „reporting identity” menüpont alatt, ezzel elősegítve, hogy a lehető legtöbb forgalom esetén a csatornákon átívelő látogatói utakat egyben lássuk. Mindig az elérhető legmagasabb szinttel dolgozik, amelynek a tetején a user ID alapú azonosítás áll, alacsonyabb szintjein pedig a Google Signals, Device ID, valamint a modellezés, amely hiányzó adatok esetén jöhet jól.
Google Consent Mode
Ahogy korábbi cikkünkben említettük, a Google Consent Mode a machine learning (gépi tanulás) módszerre épül, amely megfelelő mennyiségű adat esetén pontosan modellezi a hozzájárulás hiánya miatt nem mért adatokat, bővítve ezekkel az amúgy hiányos riportjainkat. A trendeket tekintve célszerű a közeljövőben beállítani ezt is, ha még nem történt meg.
BigQuery mint adattárház
GA4 és BigQuery integrációjának segítségével valós adatokon alapuló lekérdezéseket tudunk futtatni, a korábbi extrapolált adatokkal szemben. Habár sokak számára eleinte nehezen olvasható és elemezhető a BigQuery adatstruktúra, számukra az adatok transzformálásával SQL alapú adattáblák hozhatók létre, vagy egyéb toolok segítségével a kívánt adatokat könnyen le tudjuk kérdezni (pl. ahol a BigQuery-s lekérdezés megíródik számunkra).
BigQuery machine learning modellek
A BigQuery-ben is elérhető machine learning (gépi tanulás) modellek használatával további, növekedést támogató mintázatokhoz, következtetésekhez juthatunk, amelyeket az emberi szem nem képes észrevenni. Ez segíthet ügyfeleink igényeinek és vásárlói szokásainak jobb megismerésében, a személyre szabott termékek/szolgáltatások kialakításában és nyújtásában.
Adatvezérelt növekedés
Amikor úgy érezzük, működésünket ismét stabil alapokra helyeztük, továbbá otthonosan mozgunk az új GA4-es környezetben, tekintetünket ismét a horizontra szegezhetjük, elkezdhetjük építgetni és gondozni további növekedési céljainkat. Terveink eléréséhez megfelelő adatokra van szükségünk.
Első lépésként fontos tisztázni, pontosítani és elemi részekre lebontani üzleti elvárásainkat, hogy tudjuk és lássuk, milyen lépések mentén (mikrocélok) tudjuk üzleti céljainkat (makrocélok) a legsikeresebben elérni. Alaposan ismernünk kell weboldalunk digitális teljesítményét, az ügyfelek vállalkozásunkkal kapcsolatos főbb érintkezési pontjait, az optimális és aktuális ügyfélutakat, a bevásárló- és fizetési tölcséreket, a célok teljesülését, a konverziók alakulását, továbbá a weboldal jól és rosszul működő elemeit.
Miért fontos a digitális teljesítmény ismerete?
A digitális teljesítményünk felméréséből (audit) információkat nyerhetünk ki, amelynek birtokában pontosan meghatározhatók fókuszálandó területeink, céljaink eléréséhez szükséges további mérési igényeink.
A megfelelő fókusszal vállalkozásunk forgalmát a jobban konvertáló, számunkra értékesebb ügyfelek felé tudjuk terelni, ezzel növelve a konverziót, és egyidejűleg csökkentve az ügyfélszerzés költségeit. Az új, célokhoz rendelt adatok elemzésével fontos összefüggésekhez (insight) juthatunk. Az insightokból, valamint a weboldal üzleti szempontból hibásan működő elemeiből UX ügyfélutakat készíthetünk, majd A/B tesztet futtatunk, amivel valós ügyfélmintát használva validálhatjuk az adatokra támaszkodó fejlesztési javaslataink helyességét, az elért hatékonyságjavulás és a várható bevételnövekedés mértékét. Sok esetben a teszt azonnal vagy minimális fejlesztői erőforrással implementálható, és az eredmények azonnal kimutathatók.
Saját és és ügyfeleink tapasztalatai bizonyítják, hogy az adatvezérelt döntéshozatalt használó vállalkozások erőforrásaikat azon ügyfélkör részére képesek optimalizálni, ahol várhatóan a legnagyobb bevételt tudják elérni, valamint új növekedési lehetőségeket tudnak kiépíteni.
Bevételnövelés vagy konverzióoptimalizálás legyen a célom?
Azt javasoljuk, hogy lehetőség szerint bevételünk növelését és az akvizíciós költségeink egyidejű csökkentését tűzzük ki célként. Természetesen a konverzió optimalizálása is fontos eszköz üzleti céljaink eléréséhez, azonban annak eredményét nem önmagában, hanem több mérőszámmal együtt, tágabb körben javasolt kiértékelni.
Mire kell odafigyelni konverzióoptimalizáció (CRO) során?
A konverziós ráta és az átlagos rendelés értéke erősen negatívan korrelálnak egymással, azaz, ha emelkedik a konverziós ráta, általában csökken az átlagos rendelés értéke. Javasolt vizsgálni, hogy a konverziós ráta változtatása hogyan hat ki vállalkozásunk bevételére és nyereségességére.
A konverziós ráta és a sikeres tranzakciók száma enyhén negatívan korrelálnak egymással. A tranzakciószám növekedésével – vagyis a látogatók számának növekedésén keresztül – a konverziós ráta csökkenhet, míg a látogatók számának csökkenésével a konverziós ráta emelkedhet, azonban vállalkozásunk bevétele csökkenhet. Minél szélesebb körben célzunk, annál alacsonyabb konverziót érünk el. Itt is fontos vizsgálni vállalkozásunk bevételének és nyereségességének változását.
A konverziós ráta és az akvizíciós költségek pozitívan korrelálnak egymással: amennyiben a fókuszált ügyfélkört megfelelő számban és minőségben meg tudjuk szólítani, a konverziós ráta javulása nem emeli az egységre jutó akvizíciós költséget. Ez egy optimális állapot, de nem minden piacon van rá lehetőség.
Hogyan juthatok el az adatvezérelt döntéshozatalig?
Vállalkozásod számára releváns, céljaidhoz kapcsolódó adatok és rendszerek kiválasztásával, gyűjtött adatok mérésével, kiértékelésével, hipotézisek felállításával és tesztelésével, illetve az eredmények visszamérésével. Fontos emellett a növekedési lehetőségek feltárása a felsorolt lépések megismétlésével. Az általunk képviselt mottó és szemlélet:
„Mi mérjük és mutatjuk az adatokat,
Te fókuszálhatsz vállalkozásod növekedésére.”
A cikksorozat korábban megjelent részei:
