Kult flagowego narzędzia Google w świecie marketingu online trwa w najlepsze – Analytics, przy całym swoim specyficznym UX, stanowi niezwykle użyteczny pomost między surowymi danymi a analizą skuteczności kanałów sprzedaży. Jest jednak z GA zasadniczy problem – mimo szerokiego spektrum możliwości wykorzystania, zaprzęganie go do atrybucji konwersji w relacjach wydawca-reklamodawca jest po prostu niebezpieczne i grozi przekłamaniami w wynikach, a co za tym idzie – pojawia się groźba marnowania budżetu…
Google Analytics – narzędzie do PRAWIE wszystkiego
Google Analytics, ale także wiele podobnych narzędzi, powstało w celu dokładnego mierzenia zachowania użytkownika na stronie internetowej. Dzięki temu wiemy, które podstrony czy wpisy na blogu są najchętniej klikane, w jaki sposób odwiedzający znaleźli się w danym miejscu witryny, z jakich urządzeń korzystają, a w przypadku ecommerce – na którym etapie ścieżki zakupowej najczęściej porzucają koszyki. Wszystkie te informacje można wykorzystać do optymalizacji procesu sprzedaży czy też pozyskiwania leadów, co stanowi kolosalną różnicę między starą, a nową “erą” w performance marketingu.
Poza wyżej wymienionymi funkcjami, Analytics pozwala także na mierzenie konwersji. Jeżeli użytkownik trafi na stronę z reklamy wyświetlonej np. na Facebooku, a następnie, w obrębie jednej sesji, dokona zakupu, w odpowiednim raporcie znajdzie się informacja pokazująca, w jaki sposób doszło do sprzedaży. Mechanizm działa podobnie, gdy prowadzimy kampanię AdWords – możemy wygodnie optymalizować kreacje, które przynoszą najlepszy efekt i wyłączać te, które nie działają. Pod koniec tygodnia czy miesiąca widzimy wtedy, jaki procent przychodu wynika z kampanii na Facebooku, a jaki – z AdWords.
Konwersja – jak mierzy ją Google Analytics
Co to tak dokładnie znaczy, że Google Analytics mierzy konwersję? Przede wszystkim – nie mierzy, w sensie dosłownym, kliknięć. Zlicza jedynie zdarzenie wejścia na stronę w momencie przekierowania. Różnica jest subtelna, choć istotna. Następnie, na podstawie odnoszącego się URLa, GA stara się weryfikować, skąd użytkownik pochodził. Ten adres URL może być oznaczony jako konkretna strona XYZ lub jako URL adserwera, z którego kreacja reklamowa, po kliknięciu w którą nastąpiło przekierowanie, jest emitowana.
Podstawowym sposobem na określenie, z którego miejsca w sieci nastąpiło przekierowanie, jest stosowanie parametrów UTM, dodawanych do adresu (wygląda to tak: www.twojastrona.com?utm_source=jetmail&utm_medium=mailing&utm_campaign=kampania_maj). Rzecz w tym, że ta metoda nie zawsze się sprawdza, a jej skuteczność zależy od możliwości adserwera reklamowego naszych partnerów i tego, czy są one w stanie przekazać odpowiednie parametry. Wydawcy, kupując ruch za pomocą DSP (demand-side platform), korzystają z wielu narzędzi, które często gubią dodatkowe parametry w adresach URL. Wtedy, jako źródło, często w GA można znaleźć oznaczenia na pierwszy rzut oka wyglądające dosyć dziwnie, np.:
track.omg.com
Ad.yeldmanager.com
To po prostu oznaczenia serwerów, z których reklama jest emitowana, co z kolei sprawia, że reklamodawcy sami mają problem z właściwym przypisaniem takiego źródła.
Systemy sieci performance mierzą kliknięcia zaraz po tym, jak wywołanie dotrze do serwera. Jest to realne, unikalne kliknięcie, rejestrowane w logach – dzięki temu wiadomo dokładnie, jaki wydawca wygenerował kliknięcie, z jakiej domeny i kreacji, w które miejsce linkował, etc.
Jeszcze większe różnice powstają przy mierzeniu konwersji. Google Analytics potrafi je mierzyć, ale miewa problemy z prawidłowym przypisaniem źródła, co w przypadku współpracy w rozliczeniach performance ma ogromne znaczenie – w końcu musimy mieć pewność, że właściwy partner otrzyma wynagrodzenie.
Michał Pachnik, dyrektor operacyjny Optimise:
Należy pamiętać, że tracking Google Analytics oparty jest o technologie cookie-based. W dzisiejszych czasach, według różnych źródeł, około 30% użytkowników regularnie czyści pliki cookie, lub dostęp do tych plików jest blokowany przez specjalne aplikacje. Oznacza to, że dla reklamodawcy, który posiada miesięczny ruch na swoim serwisie na poziomie np. 1 mln UU, nawet 300 tys. wizyt może być nieprawidłowo przypisywanych, co następnie przekłada się na przypisanie nieodpowiednich wartości sprzedażowych w swoim media mix i rozliczanie nieodpowiednich partnerów generujących sprzedaże. Bardzo często dochodzi do sytuacji, w której użytkownik, po kliknięciu w reklamę u danego wydawcy, nie dokonuje zakupu od razu, jeszcze w tej samej sesji, ale wraca do sklepu np. dwa dni później, wprowadzając już bezpośredni adres w przeglądarce. Co jednak, jeżeli wcześniej wyczyścił pliki cookie? GA zaraportuje taką sprzedaż jako ruch direct. Wydawca nie otrzyma więc wynagrodzenia za zainteresowanie użytkownika produktem/ofertą. Systemy agencji performance w swoich technologiach mają rozwiązania, które poprawnie identyfikują źródło nawet bez dostępu do pliku cookie.
W zasadzie wszystkie wizyty, dla których Google Analytics nie może określić źródła (ze względu na pusty parametr document.referrer) są interpretowane jako ruch direct / none.
Po co używać narzędzi dedykowanych w performance marketingu
Dzięki bardziej sprofilowanemu działaniu narzędzi do mierzenia konwersji w agencji performance, możliwe jest dokładne przypisywanie “zasług” odpowiednich sprzedawców, odpowiedzialnych za wygenerowanie sprzedaży, o ie tzw. cookie time nie jest dłuższy niż w umowie. Jeżeli w uzgodnionych warunkach Reklamodawca akceptuje również konwersje postview (sprzedaż zliczana jest w przypadku, gdy użytkownik widział reklamę i w krótkim czasie, zazwyczaj 12-24h od jej obejrzenia, dokonał zakupu) to Google Analytics tego ruchu nie będzie poprawnie identyfikował i przypisywał do właściwego źródła. – Google Analytics nie jest w stanie odpowiadać na potrzeby Reklamodawców w zakresie modelowania atrybucji – podkreśla dyrektor operacyjny Optimise.
Niektórzy Reklamodawcy chcieliby zmienić standardowo przyjęte rozliczenie last cookie win i na przykład wprowadzać procentowe wartości dla poszczególnych partnerów, biorących udział w całej ścieżce użytkownika. Dostosowanie GA w tym zakresie umożliwia zdefiniowanie wartości tylko dla pierwszego i ostatniego kontaktu. Co więcej, modele atrybucji dostępne w GA służą jedynie raportowaniu; rozliczanie partnerów i tak musi następować na dodatkowej platformie zewnętrznego podmiotu.
Jarosław Sokołowski, e-Commerce Manager, Neckermann Polska Biuro Podróży:
W Neckermann Podróże często korzystamy z Google Analytics i oczywiscie moduł e-commerce jest jednym z najczęściej wykorzystywanych modułów tej aplikacji. jednak do analizy konwersji w naszych działaniach reklamowych, a zwłaszcza właśnie analizy atrybucji konwersji i poprawnego przypisywania konwersji do różnych źródeł ruchu zdecydowaliśmy się wykorzystać narzędzia rodem z marketingu afiliacyjnego. To nam daje pewność, że pracujemy na prawidłowych danych i że zarówno nasze decyzje odnośnie alokacji budżetów, jak i prowizje naszych wydawców są podejmowane na podstawie wiarygodnych i kompletnych danych
Ostatnią rzeczą, podważającą sensowność wykorzystywania GA w rozliczaniu reklamy performance, jest tworzenie raportów na podstawie próbek danych, a nie realnych wartości. Metoda ta jest popularna w zwyczajowej analizie statystycznej, ponieważ już dawno wykazano, że badanie podzbioru danych jest dosyć zbieżne z wynikami, które można otrzymać po przeanalizowaniu wszystkich danych. Stąd właśnie pojęcie “marginesu błędu”. W przypadku analizy ruchu internetowego, badanie będące “dosyć zbieżne” z realnymi danymi to za mało; w przypadku naprawdę dużych ilości informacji, niedokładna analiza może spowodować istotne różnice w rozliczeniach między Wydawcami a Reklamodawcami.
Po co więc GA stosuje analizę zbiorów próbkowych? Ponieważ przyspiesza to przetwarzanie danych do raportów, gdy ilość informacji jest tak duża, że spowalnia obsługę wyszukiwania w raportach.
Przyjrzymy się temu, jak ten proces dokładnie działa. Jak możemy przeczytać na oficjalnej stronie narzędzia: (…) Jeśli Analytics ma przetworzyć zgromadzone dane w czasie rzeczywistym, aby skrócić ten proces, może sięgnąć do nieprzetworzonych danych sesji. W szczególności Analytics sprawdza liczbę sesji dla określonego zakresu dat na poziomie usługi. Jeśli liczba sesji usługi internetowej w danym zakresie dat przekracza 250 tys. (25 milionów w przypadku wersji Premium), Analytics stosuje algorytm próbkowania, który wykorzystuje zbiór próbkowy proporcjonalnie do rozłożenia sesji w ciągu dnia dla wybranego zakresu dat. W ten sposób częstotliwość próbkowania sesji zmienia się dla każdego zapytania w zależności od liczby sesji w wybranym zakresie dat dla danej usługi internetowej.
Badanie opublikowane na blogu Blastam pokazuje, że już przy milionie wizyt i 1000 transakcji może dojść do różnic między faktycznymi zakupami a pokazanymi przez GA na poziomie ok. 12 procent. Mówimy więc o braku 119 transakcji (w analizowanym przykładnie są to równoważność 80 tysięcy dolarów, których nie widać w raporcie). Wnioski płynące z powyższej analizy pozytywnie wpływają na ocenę GA jako narzędzia do sprawnej analizy ruchu (i jego przepływu w obrębie strony), natomiast pokazują także, że w przypadku zliczania transakcji, zysków i realizacji celów pojawia się poważny problem.
Ewa Protaziuk-Suska, Country Manager w Crimtan:
GA analizuje dane o użytkownikach, którzy pojawili się na stronie, a nie dane o całości użytkowników internetu pod kątem wzrostu efektywności kampanii reklamowych. GA nie jest zatem narzędziem do wyciągania wniosków na temat całości naszej docelowej publiczności, gdyż być może ta, która trafia na naszą stronę jest zwyczajnie jej niewielką częścią, a potencjalnych odbiorców może być więcej.Crimtan, jako dostawca technologii programmatic, posiada autorską platformę DMP, przy użyciu której przetwarza szerszą gamę danych oraz ewaluuje potencjalną i realną efektywność strategii kampanii performance’owych, nie bazując jedynie na analizie obecnego ruchu, ale także danych o profilach i zachowaniach online milionów użytkowników danej sieci. Google Analitics nie skupia się na pomiarze parametrów, które są istotne, z punktu widzenia kampanii performance’owych, jak np. wspomniane w artykule konwersje typu post-view, widoczność reklam na stronach czy precyzyjna geolokalizacja (do poziomu kodów pocztowych). Analiza tych i szeregu innych zmiennych jest jednak niezbędna, jeżeli zakłada się badanie modeli atrybucji, czy szerzej – czynników kształtujących ostateczne wyniki danej kampanii.
Margines błędu przy dużym wolumenie danych jest naturalny i w przypadku podejmowania strategicznych decyzji reklamowych nie powinien mieć istotnego wpływu na rozdzielanie budżetów czy dobieranie takich, a nie innych kanałów promocji. Kiedy jednak chcemy zaprząc Analitycsa do sprawiedliwego rozdzielania zysków pomiędzy partnerami uczestniczącymi w procesie realizowania konwersji, prędzej czy później pojawią się rozbieżności, które będą znacząco utrudniać nam prace.
Stąd wniosek, że do działań performance znacznie lepiej jest wykorzystywać dedykowane narzędzia, będące integralną częścią programów afiliacyjnych.
