Analytika pre korporácie vyžaduje špecifikáciu vychádzajúcu z analýzy stavu. Navrhujeme prepojenie online, interných a offline dát pre funkčný reporting.
Digitálna analytika pre veľké spoločnosti je zložitá a málokedy je spôsob jej nastavenia priamočiary. Pri menších firmách nastavíme štandardný záznam stránok a odoslanie kontaktných formulárov. Pri stredných spoločnostiach, médiách či e-shopoch doplníme e-commerce štatistiky predajov a výnosov, záznam výkonnosti obsahu (napr. prečítanie článkov) alebo meranie viackrokových formulárov.
Enterprise level analytika pre korporácie vyžaduje premyslené špecifikácie vychádzajúce z analýzy stavu – dostupnosti informácií v CMS na webe či aplikácii v mobile. Implementácia programátormi vyžaduje opakované testovanie a kontinuálny monitoring zmien v dostupnosti dát. Navrhujeme prepojenie online dát s tými z offline sveta, napríklad návštev pobočiek či predaja cez telefón, aby sme dokázali vyhodnotiť vplyv digitálnych kampaní na tieto aktivity.
Poďme sa spolu pozrieť na to, ako pristupujeme k digitálnej analytike pre globálne spoločnosti.
Analýza stavu
Východzím momentom sú rozhovory s klientom o tom, ako fungujú jeho predajné a marketingové procesy. Zisťujeme, aké dáta má k dispozícii na webe, v aplikáciách a interných systémoch. Existuje k digitálnej analytike podrobná dokumentácia alebo aspoň čiastkové podklady z minulosti? Aké nástroje aktuálne využíva, z akých nástrojov je zložený marketing technology stack?
A čo interné systémy ako CRM? Sú tam dostupné aj ďalšie informácie, ktoré na webe nevieme získať? Výborne! Môžeme začať uvažovať nad ich vzájomným prepojením.
Aké sú možnosti implementácie digitálnej analytiky? Potrebujeme poznať rezervy a problematické body systému na správu obsahu (CMS). Tie najlepšie poznajú práve developeri webových stránok či mobilnej aplikácie, preto je konzultácia s nimi výhodou.
V tejto fáze ešte neriešime nástroje, konkrétny spôsob implementácie alebo presné postupy. Na tie sa zameriame až v ďalších krokoch.
Príprava špecifikácie
Špecifikácia tvorí základný dokument, ktorý presne popisuje, ako bude digitálna analytika fungovať a tvorí podklad pre implementáciu programátormi na webe a v mobilných aplikáciách. Ak spoločnosť už má špecifikáciu pre niektorý zo systémov, pracujeme s ňou a ďalej ju rozvíjame.
V špecifikácii popisujeme východzí stav a dostupné dáta, navrhujeme využitie konkrétnych nástrojov či spôsobov záznamu. Keďže zapracovanie je vždy pomerne zložité a potrebujeme ho rozdeliť do fáz, zahrnieme aj cestovnú mapu (roadmap) pre ďalší rozvoj analytiky. Súčasťou sú aj malé či väčšie ciele (konverzie), na ktoré sa zameriavame. Súčasťou je zvyčajne aj reporting, preto navrhneme spôsob a prostriedky.
Prevažná časť špecifikácie bude venovaná technickým detailom implementácie dátovej vrstvy a nástrojov. Práve tu navrhujeme presnú formu dátovej vrstvy vychádzajúcu z odporúčaných udalostí či kopírujúcu sémantiku ecommerce riešení.
Zameriavame sa na abstrakciu a deduplikáciu dát – párujeme dostupné dáta z mobilnej aplikácie alebo webu na štandard dátovej vrstvy. Dátová vrstva potom slúži ako sprostredkovateľ pre spracovanie ďalšími nástrojmi ako Google Tag Manager, Adobe Tag Manager a iných. Tieto nástroje využívame na poslanie údajov do externých systémov. Tie niekedy dopĺňame internými nástrojmi ako Salesforce, Pipedrive alebo iné CRM.
Po pripomienkovaní klientom je špecifikácia pripravená na zapracovanie programátormi a nastavenie nástrojov na jej základe.
Implementácia a nastavenie
Programátori (spoločnosti zodpovedné za development) na základe špecifikácie nasadzujú dátovú vrstvu do webu / mobilnej aplikácie. Našou úlohou je priebežne vykonávať kontrolu zapracovania – ako dodržania formy, tak aj obsahu dátovej vrstvy.
Zároveň vytvárame a nastavujeme dohodnuté nástroje, či už štatistické, reklamné alebo tie zamerané na zlepšovanie použiteľnosti (UX). Zvyčajne pracujeme v prostredí Google systémov – využitím nástrojov ako Tag Manager, Analytics 4, Ads, Search Console, App Scripts a ďalších. Máme však skúsenosti aj s enterprise cloud nástrojmi ako (platené) Google Analytics 360, Adobe Tag Manager, Adobe Analytics či on-premise alternatívami ako Matomo či Piwik (tie sú využívané aj kvôli GDPR, aby nedochádzalo k prenosu dát mimo EÚ).
Pre e-commerce riešenia (e-shopy), ako aj pokročilé nástroje, ako sú viackrokové predajné kalkulačky, zvyčajne navrhujeme aj záznam na serveri. Takýto server-side reporting, či už formou server tag kontajnerov alebo cez API, zabezpečí 100 % záznam údajov o predajoch (transakciách). Do veľkej miery zároveň dokáže kompenzovať aj atribúciu, identifikovať výkon kanálov, ako je organika či platené kampane. Výhodou je práve získanie tých údajov, ktoré by inak pre nesúhlas na cookie lište boli stratené – nezaznamenané v štatistických nástrojoch ako Google Analytics 4.
Ak sme v analýze stavu identifikovali aj offline konverzie, ktoré sa udejú mimo digitálneho prostredia – ako predaje cez telefón alebo osobne na pobočke – navrhneme spôsob ich manuálneho alebo automatizovaného importu. Týmto spôsobom dokážeme merať nielen získanie leadov (kontaktov), ale aj následne uskutočnený predaj mimo internetu. Napojenie offline konverzií nám napríklad poskytne lepší prehľad o skutočnej výkonnosti reklamných kampaní, atribúcia pomôže zaradeniu do alebo vyradeniu z remarketingových publík.
Riešime segmentáciu na základe dátovej vrstvy pre reklamné nástroje ako Google Ads. Identifikujeme, aké dáta sú vhodné na segmentáciu. Možnosti vo formulároch nám poskytujú geografické (lokalita, región), demografické (vek, vzdelanie) aj špecifické dáta (poisťovne – vek vozidla, poistná suma; banky – splatnosť a výška hypotéky; automobilky – kategória a farba vozidla). Tieto sú navyše použiteľné aj pre ďalšiu personalizáciu webu a marketingovú automatizáciu.
Dôležitým momentom je aj využitie tzv. User ID, t.j. prepojenie návštevníka na webe s identifikáciou v internom systéme (CRM) pre ďalšiu segmentáciu alebo analýzu dát.
Okrem nastavenia je dôležitým bodom aj prepájanie nástrojov navzájom. Surové dáta zvyčajne potrebujeme mať k dispozícii pre neskoršiu analýzu, preto napojenie do databáz ako Big Query alebo iných klientskych (self-hosted) SQL databáz. Ak je potrebný monitoring, notifikácie alebo iné automatizácie, využijeme aj platformu App Script alebo automatizačné nástroje ako Zapier, Make.com, Integrately a pod.
Záznam dát
Po dokončení implementácie nasleduje „pasívna“ fáza automatizovaného záznamu dát. Našou úlohou je monitorovať ich dostupnosť a zároveň aj správnosť.
Drobnou komplikáciou zvyčajne bývajú cookie lišty. Tu zvyčajne riešime metriku percenta udelených súhlasov, resp. aktívnych (a pasívnych) odmietnutí. Dáta potom dokážeme aproximovať. Pri vyššie spomenutom reportingu na strane servera máme záznam 100 % údajov, ktoré dokážeme porovnať s internými systémami jedna ku jednej. Klient teda presne vidí, či výnosy z predaja cez web sú totožné s číslami v internom systéme e-shopu, resp. fakturačných nástrojoch alebo ERP systémoch. Využitím heuristických pravidiel navyše dokážeme zlepšiť atribúciu pre jednotlivé kanály a identifikovať ich výkonnosť (napr. organické, neplatené výsledky vs platené reklamy).
Ak prebieha import offline predajov / konverzií, overíme a vyhodnocujeme ich správnu atribúciu.
Reporting
Reportovacie prostredie vytvárame na mieru v nástroji Looker Studio (bývalé Data Studio). Ak klient využíva inú formu analytiky podporujeme ho pri reportingu cez Power BI, Tableau, Qlik Sense a ďalších.
Do reportov zahrnieme metriky a ciele, ktoré sme identifikovali vo fáze analýzy a navrhli v špecifikácii. Súčasťou sú zvyčajne rôzne lieviky znázorňujúce prechodovosť nákupným procesom na webe či v mobilnej aplikácii. Od prečítania obsahu cez vyhľadávanie produktov, ich pridanie do košíka až po platbu a nákup, vizualizujeme celý proces pre rýchly prehľad a okamžité porozumenie bariéram (odchody návštevníkov zo zložitých formulárov).
Reporty poskytujú prehľady aj o výkonnosti jednotlivých kanálov (platená vs organická návštevnosť, sociálne siete a pod.). Pri zázname offline konverzií klient získava prehľad reálneho vplyvu aktivít v digitále na predaje mimo internetu – na pobočkách, cez telefón a osobne.
Metriky a ciele
Aké sú vhodné metriky a ciele na sledovanie pre veľké spoločnosti? Tie zvyčajne vychádzajú od matky alebo musia byť globálne porovnateľné medzi krajinami. V analýze stavu zisťujeme aj takéto očakávania, aby sme ich dokázali premietnuť do záznamu a reportingu.
Medzi často sledované metriky patria napríklad:
- výkonnosť obsahu (meranie cez skrol alebo lepšie cez skutočné dočítanie),
- predaje, výnosy (celkové, po kategóriách produktov),
- výkonnosť kanálov (organika, platené kampane, e-mail, sociálne siete atď.),
- výkonnosť web vs mobilná aplikácia,
- výkonnosť podľa lokality, krajiny,
- výkonnosť v organike (priemerná pozícia podľa typu obsahu, miera prekliku / CTR),
- návštevnosť podľa typu obsahu (užitočné pre médiá, blogy, obsahové weby),
- kvalifikovaná / kvalitná návštevnosť (jej definovanie je vždy na mieru podľa možností aktivity návštevníka na webe či v aplikácii),
- Share of Search (viditeľnosť vo vyhľadávaní v porovnaní s konkurenciou),
- Core Web Vitals metriky (pre celý web alebo skupiny obsahu na webe).
Medzi ciele (konverzie) zaraďujeme:
- počet získaných leadov,
- miera konverzie získania leadov,
- počet predajov,
- miera konverzie predajov,
- výnosy v Eur (resp. inej mene),
- iné konverzné body (chat, odklik na telefón, email, wishlist, stiahnutie súborov, aplikácií a pod.).
Kvalita dát
Pri analýze stavu, návrhu implementácie alebo zázname dát sa častokrát stretávame s nasledujúcimi okruhmi tém a otázok súvisiacimi s kvalitou dát.
Chýbajúce dáta
Pre niektoré stránky (produkty) nie sú dáta v dátovej vrstve dostupné. Riešením je zvyčajne doplniť ich v CMS alebo e-shopovom systéme. Niekedy je potrebný zásah do kódu, resp. šablón pre určité typy stránok.
Neštruktúrované dáta
Dáta sú neštruktúrované alebo nejednotné. Ako identifikátory sú použité manuálne vložené názvy, nie je dodržaná kapitalizácia textu alebo použitie symbolov.
Nedostupnosť dát online
Dáta sú dostupné v iných systémoch, ktoré nemajú online prístup alebo im chýba API. Niektoré dáta vieme získať manuálnym importom z Excelu či Google Sheets a zároveň tu riešime budúcu automatizáciu procesov.
Duplicity
V systémoch sú unikátne entity zaznamenané viacnásobne. Tu riešime dátovú deduplikáciu, unifikáciu a vytvorenie tzv. golden record / single source of truth. Takýto záznam je lepšie držať v interných systémoch, z ktorých sa dá napojiť ďalej.
Cookie lišta, cookies a stratené dáta
Samostatnou oblasťou na riešenie je cookie lišta. Zisťujeme dátum jej nasadenia, keďže priamo vplýva na zber dát. Overujeme správne nastavenie v Tag Manageri, aby naozaj dochádzalo k spúšťaniu analytických a marketingových kódov iba po súhlase.
Pre Analytics 4 riešime Consent mode (mód alebo režim súhlasu), ktorý časť dát dokáže modelovať (dopočítať) cez machine learning.
Zisťujeme, či má klient k dispozícii štatistiku percenta udelenia alebo odmietnutia súhlasov. Na ich základe vieme zrealizovať určitú aproximáciu dát alebo navrhnúť lepšie riešenie. To smeruje k záznamu 100 % dát (predaje, výnosy, konverzie, čokoľvek) na serveri.
Prediktívna analytika
Pri tvorbe stratégie pre analytiku a performance marketing pracujeme aj s predikciou. Navyše, niektoré analytické nástroje, ako napr. Google Analytics 4, už prediktívnu analytiku priamo podporujú. Umožňujú nám tak cieliť napríklad na skupinu návštevníkov, ktorá v najbližších 7 dňoch s vysokou pravdepodobnosťou nakúpi. Podobne vieme pracovať so segmentom ľudí, ktorí sa v blízkej budúcnosti na web už nevrátia. Predikcie pre rast návštevnosti z jednotlivých kanálov nám umožňujú odhadovať nárast organickej návštevnosti, pozícií, viditeľnosti a potrebné zmeny v rozpočtoch.
Enterprise level digitálna analytika je komplexná disciplína. Hĺbková znalosť jednotlivých systémov a ich vzájomných závislostí, ako aj dlhodobá skúsenosť s prácou v rôznych prostrediach, nám umožňuje lepšie pochopiť klientske potreby. Aj vďaka tomu dokážeme analytiku pripravovať na mieru aj pre globálne spoločnosti, ktoré si so sebou často nesú aj rôzne legacy riešenia.