Jedná se o velmi užitečnou a praktickou věc pro Tag Management především rozsáhle strukturovaných či vícejazyčných webů. Ohromné výhody také přinášejí z hlediska udělování oprávnění k editace a publikaci změn v GTM.

• Váháte, zda přidělovat marketingovému oddělení a dodavatelským agenturám práva na publikaci změn, které ve vašem GTM dělají?
• Mají vaši vývojáři obavy, že „jim zas nějakej markeťák rozbije kód“?
• Řešili jste někdy dilema, zda na několik oddělených, ale obsahově podobných webů nasadit samostatné, ale konfigurací velmi podobné GTM kontejnery?
• Dostali jste se z jiného důvodu do situace, kdy jste potřebovali nakonfigurovat podobným způsobem větší množství Značek (Tags) v rámci jednoho kontejneru, a nešlo to vyřešit společným triggerem?

Zóny Google Tag Manageru vám mohou pomoci s řešením všech těchto situací.

O co jde?

Pomocí Zón lze v Google Tag Manager kontejneru používat oddělené „oblasti“, z nichž se každá chová jako samostatný celek. Vybraným uživatelům můžete udělit přístupy pouze do těch zón, ve kterých se nachází jimi spravované značky. Stejně tak lze nastavit podmínky pro spouštění jednotlivých Zón stejným způsobem, jako se nastavují u běžných Pravidel.

Zóna prakticky představuje jeden nebo více běžných GTM kontejnerů. Ty se ovšem nevkládají přímo do webu způsobem, jakým jsme zvyklí. O jejich vložení do kódu webu a vyvolání obsažených Značek se postará právě Zóna, resp. kontejner, ve kterém je nastavena. Kontejnery jsou na sobě nezávislé, disponují samostatnou sadou proměnných a mohou mít nastavena různá uživatelská oprávnění. Používají ovšem společný dataLayer.

Zónu jednoduše vytvoříte a nakonfigurujete přímo v rozhraní GTM, v poslední záložce levého menu.

Pro koho?

Zóny jsou v tuto chvíli k dispozici ve všech kontejnerech Google Tag Manager 360, který je součástí placeného balíku Google Analytics 360 Suite nebo jej lze zakoupit i samostatně. V neplacené variantě Google Tag Manageru Zóny k dispozici nejsou a zřejmě to není ani do budoucna v plánu. To ostatně odpovídá i celkovému určení této funkcionality. Ta je svým zaměřením vhodná právě zejména pro rozsáhlé weby, které využijí i další výhody 360 Suite.

K čemu to lze v GTM použít?

Pojďme se podívat na konkrétní možnosti využití. Typickým příkladem je situace, kdy určitým uživatelům chcete umožnit zásahy jen do vybrané části značek, vyvolávaných na vašem webu. Nechcete, aby agentura spravující váš Facebook měla možnost měnit nastavení měření do Google Analytics?

Vytvořte zónu, kde budou umístěny veškeré značky související s Facebookem, a agentuře udělte přístupy pouze do ní. Navíc můžete nastavit i přesná omezení, jaké typy značek, pravidel a proměnných budou v dané zóně povolené. Tím lze efektivně zabránit například konfliktům kódu samotného webu s obsahem Custom HTML značek a Custom JavaScript proměnných.

Máte několik oddělených jazykových mutací jednoho webu? Můžete centrále udělit výhradní právo na správu společných částí GTM – jediného kontejneru. Pro každý marketingový tým v daném regionu pak vytvoříte zónu, kde bude moci svá nastavovat svá specifická měření. To zároveň přinese velkou úsporu času ve chvíli, kdy potřebujete změnit nastavení některého z tagů, které jsou společné pro všechny weby.

Částečně šlo podobné situace řešit jediným společným kontejnerem a používáním pokročilých Pravidel již teď. Pokročilejší, ale méně praktickou a spolehlivou možností bylo také vkládání jednoho kontejneru do druhého skrz Custom HTML. Zóny ale přináší výrazně větší flexibilitu v nastavení, snazší ovládání pro méně zkušené uživatele (přístup pouze do konkrétní zóny) a nižší riziko chyby s fatálními následky.

Co dál?

Jsou Zóny v Google Tag Manageru funkcí, kterou musíte okamžitě začít používat a propadnout hluboké depresi, pokud ji k dispozici nemáte? Rozhodně ne. Ale v každém případě jde o užitečnou záležitost a výraznou inovaci GTM. Asi jen v málo případech bude dávat smysl nasazovat ji do konfigurace stávajících kontejnerů, ale určitě je dobré ji využít při návrhu nových implementací.

Zóny přináší zásadní výhody ve správě oprávnění u kontejnerů využívaných více stranami, zvýšení bezpečnosti skrze omezení typů entit v jednotlivých zónách a větší flexibilitu tag managementu u rozsáhlých vícedoménových webů. To vše z nich dělá bezpochyby jednu z nejužitečnějších a nejvýraznějších změn, kterými Google Tag Manager v posledních letech prošel.

Po pilotním běhu s několika vybranými obchody teď EasyReport zpřístupňujeme i skutečně malým e-shopům. V novém tarifu EASY nabízíme plnou funkčnost nástroje v celé šíři za 2.900 Kč měsíčně.

Plníme tak hlavní cíl, se kterým jsme EasyReport od začátku stavěli. Přiblížit skutečnou analytiku i běžným e-shopům. Reálné využívání dat nemusí a nesmí být nedostižnou výhodou jen těch největších hráčů na trhu.

V čem vám EasyReport pomůže?

K vytvoření EasyReportu nás dovedla skutečná potřeba vidět výstupy, které třeba v Google Analytics zcela chybí, ale které jsou přitom pro rozhodování e-shopů klíčové:

• Pro vyhodnocení kampaní je potřeba znát dvě věci: kolik stály a jakou marži přinesly. Každá koruna vložená do výkonnostní reklamy musí vrátit aspoň korunu zpátky, ideálně víc. Je to zcela jednoduché, ale Google Analytics na to neumí vůbec odpovědět. Marži nesledují vůbec, tržby jen bez očištění o storna a vratky, o nákladech škoda mluvit. EasyReport zobrazuje kampaňové reporty opřené o skutečné marže, očištěné o storna a vratky, se započítanými všemi souvisejícími reklamními náklady. Konečně tak zjistíte, která kampaň vám skutečně vydělává a jaký inzerát jste měli už dávno vypnout. Které kampaně vás stojí 80 procent nákladů, ale přinášejí jen 20 procent tržeb. Nebo jak se v čase vyvíjí podíly jednotlivých zdrojů na celkových nákladech a ziscích.
• Akviziční kampaně slouží k přivedení dlouhodobých vracejících se zákazníků. Chcete u nich proto vidět, jak naučily přivedené zákazníky vracet se k vám a nakupovat opakovaně. Zajímá vás, po kolika měsících se investice do nich vrátila a kolik vám přivedení zákazníci vydělali za celý následující rok. Řeč je o takzvaných kohortách a Customer Lifetime Value. Ani zde Google Analytics nenabízí uspokojivou odpověď. V EasyReportu je kohortám věnovaná celá jedna velká samostatná sekce.
• E-shop se točí kolem objednávek. O objednávkách musíte vědět řadu informací, které vám Google Analytics nedají. Na všemožné důležité otázky odpoví EasyReport. Odkud přišla jaká objednávka? Kolikátý nákup daného uživatele to je? Ze kterých kampaní přichází hodně stornovaných transakcí? Které zdroje návštěvnosti vám přivádí opakované objednávky a které naopak jen jednorázové? Jak se vyvíjí hodnoty opakovaných objednávek v čase?
• Soustřeďte se na zákazníky! Google Analytics nejsou na zákaznickou analytiku vůbec stavěné a skoro nic kolem ní neumí. EasyReport je tu doma. Roste vám počet vracejících se zákazníků? Kteří to jsou a odkud přišli? Jak často se k vám vracejí? Žije váš e-shop z věrných uživatelů, nebo musíte pro získání každé další objednávky vždy vynaložit další a další peníze do reklamy? Kteří zákazníci vám vydělávají nejvíc? Nepřináší většinu zisků jen desetina věrných zákazníků? Kteří jsou naopak problémoví a opakovaně proděleční?
• Samostatná část EasyReportu je věnována RFM segmentaci. Tedy analýze, kterou obvykle nenabízí ani mnohem pokročilejší nástroje, než jsou Google Analytics. Díky ní budete vědět, kdo u vás často nakupuje a hodně utrácí. Kdo se k vám naopak už dlouho nevrátil a je potřeba se mu připomenout nebo ho odprosit. Komu nabídnout věrnostní systém a kde je to zbytečné. Rozpoznejte a hýčkejte své věrné zákazníky. Udržte si lidi, kteří od vás odcházejí. Přiveďte zpět ztracené zákazníky.

Chcete si EasyReport prohlédnout, osahat a získat přístup do DEMO účtu? Napište nám!

Jak to celé probíhá?

Cena za EasyReport je odvislá na velikosti vašeho e-shopu, konkrétně na počtu objednávek, které průměrně v měsíci odbavíte. E-shopy s prodeji do 1.000 objednávek tak mají EasyReport už za 2.900 Kč měsíčně.

Na začátku spolu uzavřeme smlouvu na první 3 měsíce. Platíte ale jen za dva, první měsíc provozu máte zdarma – během něj dořešíme napojení EasyReportu na vaše data, můžete si celý systém osahat a seznámit se s ním. Poté přejdeme na měsíční platby, neuvazujete se k žádné dlouhodobé spolupráci, můžete kdykoliv skončit. Při roční platbě předem dostanete další 2 měsíce provozu zdarma.

Napojení vašeho e-shopu do EasyReportu je rozdělené do několika postupných volitelných fází. Každá z nich přidává do systému další dodatečná data, a tedy kvalitnější a užitečnější výstupy. Každá z nich je i jinak náročná. V nejjednodušším případě to znamená během pár minut přidání přístupů do Google Analytics či vašich reklamních systémů. Ale i tu nejsložitější část, tedy export skutečných objednávek z vašeho systému, zvládne váš vývojář za několik málo hodin práce.

Nemusíte ale vůbec splnit hned všechny. Je ale pouze na vás, co vše napojíte hned a co třeba necháte na někdy později. Pro první vstup do systému nám dokonce jen stačí během minuty zpřístupnit vaše Google Analytics. Obecně ale platí, že čím více toho hned na začátku napojíte, tím dostanete ve výsledku kvalitnější data a vypovídající reporty.

Chcete si EasyReport prohlédnout, osahat a získat přístup do DEMO účtu? Nebo se třeba jen na něco zeptat? Napište nám!

Jako téma prvního workshopu jsme vybrali sice starší, leč zatím stále lehce tajemné téma Enhanced Ecommerce. Ve čtvrtek 15. září 2016 se na něj v konferenčním centru Green Point sešlo přes 50 účastníků od zástupců agentur až po eshopáře. Ve velkém počtu jsme dorazili i my, abychom byli k dispozici pro konzultace a řešení problémů při praktických úkolech. Úvod si vzal na starost Honza Tichý, který všem vysvětlil Enhanced Ecommerce a přemýšlení okolo něj pěkně do široka. Tomáš Kumsta si potom vzal do parády rozhraní Google Analytics a postupně všem vysvětlil report po reportu. Samozřejmě nechyběla řada praktických úkolů, na kterých si účastníci procvičili i své vyhodnocovací dovednosti. Po posilňujícím občerstvení na slunečné terase přišla segmentace v podání Marka Aldorfa, u jehož úkolů se zapotil snad každý. Pomyslnou třešničku nabídla Romana Velflová, která ukázala, jak snadno a efektivně vytáhnout ecommerce data z Google Analytics ven a dál s nimi mimo GA pracovat. A protože jsme měli my i Google náladu na rozdávání, nabídli jsme všem účastníkům hodinovou konzultaci v oblasti webové analytiky od nás zdarma. Jedinou podmínkou bylo složení individuální certifikační zkoušky Google Analytics do předem daného termínu.

Vybrané Enhanced Ecommerce tipy

• Implementaci je vhodné si rozfázovat. Nikdy se nesnažte to zvládnout všechno najednou. Zvládnete tak jedině získat rozbitá data.
• Pokud uživatel vstoupí přes stránku s detailem produktu, tak Google Analytics tuto aktivitu vnímá jako dva po sobě jdoucí hity: 1. zobrazení stránky (Pageview), 2. zobrazení podrobnosti o produktu (Product Detail Views).
• Podmínky vs. Sekvence ve vlastních segmentech jsou „pěknej humus“. Jedině přes sekvence si dokážete nastimulovat více podmínek pro jeden hit.
• Pokud porovnáváte nějaké metriky, dejte pozor, aby měly stejný rozsah (scope). Když např. srovnáváte zobrazení podrobnosti o produktu (Product Detail Views) a unikátní nákupy (Unique Purchases), mícháte jablka s hruškami, resp. hity s návštěvami.
• Přes API Google Analytics máte přístup k 65 dimenzím a metrikám elektronického obchodu, ale 2/3 se týkají pouze Enhanced Ecommerce.

Výběr fotek

Více fotek si můžete prohlédnout v galerii.

Zaujal vás DATA workshop a chcete se o dalším termínu dovědět mezi prvními? Zapište se do našeho seznamu, dáme vám včas vědět!

Reporty

V záložce Analýza nákupu se nacházejí reporty s názvy Analýza chování nakupujících a Analýza chování ve službě Checkout. V těchto reportech jsou zobrazeny funnely uživatelů, kteří procházejí nákupním procesem a checkoutem. Oba reporty vypadají obdobně. Rozdíl je v tom, že report s analýzou checkoutu je složený z kroků, které jste si zvolili v nastavení výběru dat v sekci pro nastavení Enhanced Ecommerce. Výběr s chováním nakupujících je složený z jednotlivých fází nákupního procesu od všech uživatelů. Přes návštěvy s přidáním do košíku až po odeslanou transakci.

Tvorba segmentů

Ve výše uvedených reportech máte vždy čtyři možnosti jak segment vytvořit:

1. Vytvořit segment [1] na všechny návštěvy, ve kterých uživatel ve vybraném kroku udělal jakoukoliv interakci. Tento segment [1] vytvoříte v prvním kroku nákupního procesu kliknutím na modrý sloupec. V dalších krocích pak vždy kliknutím na spodní modrý sloupec.
2. Vytvořit segment [2] pro návštěvy, ve kterých uživatel opustil nákupní proces ve vybraném kroku. Tento segment [2] vytvoříte klikem na šipku pod vybranou fází nákupního procesu.
3. Vytvořit segment [3] pro návštěvy, ve kterých uživatel přišel do vybraného kroku nákupního procesu. Tento segment vytvoříte klikem na horní sloupec, který se objevuje od druhého kroku košíku.
4. Vytvoření vlastního segmentu ve výčtu segmentů.

Při kliknutí na jeden z výše uvedených prvků vám vyskočí popup okno s výběrem názvu pro segment a výběrem dat. Zvolíte jednu z možností výběru dat a pojmenujete segment. Poté stačí jen potvrdit a segment je vytvořený. Ten se pak nachází mezi vlastními segmenty.

Využití segmentů

Vytvořený segment poté můžete využít ve všech reportech. Nejčastěji se využívá segment pro uživatele, kteří přidali produkt do košíku a poté košík opustili. Tento segment přidáte kliknutím na červenou šipku pod fází nákupního procesu Návštěvy s přidáním do košíku. Segment vám zobrazí ty uživatele, kteří projevili zájem o daný produkt. Z nějakého důvodu ale ještě nebyli připraveni na nákup nebo při koupi produktu nastala nějaká překážka.

Uživatelé, kteří odpadnou přímo v checkoutu, je další často používaný segment. Opět stačí kliknout na šipku pod danou fází a segment je hotový. Pokud budete chtít vědět, kde přesně v checkoutu se uživatelé ztrácejí, zvolíte zmiňovaný report Chování ve službě Checkout.

Custom segmenty

Pokud si nevystačíte s výše uvedenými možnostmi, přicházejí na řadu vlastní segmenty. Díky Enhanced Ecommerce můžete využít přednastavených podmínek přímo v nástroji v záložce Pokročilý elektronický obchod. Tam můžete podrobněji uživatele segmentovat podle jednotlivých produktů, které uživatel zakoupil, přidal do košíku nebo s nimi udělal jakoukoli interakci (například nákup, přidání do košíku, imprese nebo klik na produkt).

Pokud vám ani toto nestačí, můžete ještě vytvářet podmínky nad uživateli nebo návštěvami podle dimenzí a metrik.

Závěrem

Více o segmentaci pomocí Enhanced Ecommerce a use cases pro jednotlivé segmenty se můžete dozvědět 15. září 2016 na Medio DATA workshopu, kde se tomuto tématu budeme podrobně věnovat.

1. Jako součást balíčku nástrojů 360. Tato verze je zpoplatněná a neobsahuje žádné limity.
2. Ve free verzi, která zatím není plně přístupná pro Českou republiku. V tuto chvíli se nedají zakládat nové reporty a datové zdroje. Další omezení je počet reportů. Reportů je možné vytvořit jen 5. Počet nasdílených reportů omezený není.

V obou případech se jedná o beta verze.

Jak na to z ČR?

Jsou dvě možnosti jak Data Studio spustit.

1. Simulace americké VPN. Případně pokud máte k US VPN přístup v práci či doma. Pokud chcete VPN simulovat, je zde mnoho nástrojů, které se dají použít. Můžu doporučit rozšíření do Google Chrome s názvem TunnelBear. Do určitého objemu dat je zdarma a dá se k němu přihlásit pomocí Google účtu. Po přihlášení stačí jen vybrat příslušnou zemi. V případě Data Studio je nutné zvolit United States.



2. Pokud vám simulace VPNky nepomůže, je zde druhá možnost. Pomocí Chromu, kde se dá nastavit geolokace přímo do Ameriky i bez použití dalších rozšíření typu TunelBear. Vystačíte si jen s Chrome Developer Tools. V konzoli nastavíme na kartě Senzors emulaci zeměpisné šířky a délky pro US: lat=27.1959532 a lon=78.0245963. Stránka se pak tváří, že je v Americe. Do konzole se dostaneme snadno. Stisknutím funkční klávesy F12 nebo pravým tlačítkem do stránky a možností „Prozkoumat“. Po nastavení lokace se veškeré funkcionality free verze Data Studio zpřístupní. Někdy je potřeba opětovné načtení stránky. Postup byl původně zveřejněn ve článku How to Fake your Location in Google Chrome.

Entity

Data Studio konektory

Data Studio obsahuje dvě základní entity, které se dají nastavit.

1. Reports (Reporty) – každý report obsahuje minimálně jednu stránku a jeden datový zdroj.
2. Data Sources (Datové zdroje) – datové zdroje se dělí na jednotlivé konektory, díky kterým můžeme připojovat data z různých zdrojů. Například AdWords nebo Google Analytics (viz obrázek vpravo).

Všechny základní konektory jsou logicky od Google a pro přidání dalších zdrojů je nutné využít doplňků v Google Sheets jako je například Supermetrics. Přidání zdrojů můžeme provádět při zakládání reportu, na hlavní stránce a také přímo v editačním prostředí každého reportu.

Zakládání reportu

Založení reportu provedeme kliknutím na ikonu +. Při založení reportu se zobrazí okno pro výběr datového zdroje. V tomto ukázkovém reportu jsem jako datový zdroj zvolil [Sample] Google Analytics. Vybraný datový zdroj nemusí být jediný. Ke každému reportu můžeme přiřadit více datových zdrojů.

Vytvořenou čistou stránku reportu si rozdělíme do tří částí – na hlavičku a dvě poloviny. Data Studio totiž samo o sobě neumí přichytávání objektů ke krajům, případně ke středu stránky. Proto si musíme pomoci dalšími objekty. Toto rozdělení stránky provedeme pomocí obdélníků, ze kterých vytvoříme jednotlivé části s hlavičkou dokumentu. Jako další si přidáme nadpis reportu pomocí vkládání textu.

Dále můžeme přidat nadpis a pojmenovat si stránku, na které budeme tvořit grafy i celý report.

Základ máme vytvořený. Pro zobrazení výstupu ostatním uživatelům, kteří nemají editační právo, stačí přepnout editační tlačítko v pravém horním rohu. Touto volbou se změny potvrdí a překlopí se na ostrou verzi. Pokud mají uživatelé právo na úpravu reportu, mohou zasahovat do práce stejně, jako je tomu v Google Sheets. Na obrázku níže jsou vyznačeny spolupracující osoby (červeně) a editační přepínač (modře).

Tvorba grafů

Nejdříve si vytvoříme spojnicový graf na zobrazení návštěv v čase a porovnáme jej s minulým obdobím. Jako dimenze je tedy logicky vybrán datum a jako metrika návštěvy. Nastavení stylu grafu v záložce STYLE můžeme vynechat. Dají se zde přidat třeba trendové křivky, názvy os a různé grafické úpravy. Pro přehlednost a jednoduchost graf necháme v základním nastavení.

Ve druhém sloupci si připravíme tzv. Scorecards pro vybrané metriky: Sessions, Bounce Rate, Avg. Session Duration, % New Sessions. Opět si zde můžeme udělat srovnání s minulým obdobím. Případně vypnout názvy metrik v záložce STYLE a pojmenovat je vložením české textace.

Vkládání ostatních grafů je obdobné. Do reportu přidáme typ grafu Area Chart se základním nastavením, které zobrazuje podíl jednotlivých zdrojů na návštěvnosti.

Dále vytvoříme Bullet Chart na odpočítávání tržeb k dosažení zvoleného cíle. U tohoto grafu se musí nastavit mezní hodnoty pro jednotlivé části. Dají se nastavit pouze tři, takže dává smysl rozdělit graf přibližně na třetiny. Případně z nich udělat důležité mezníky. Například první pole je ve velké ztrátě, druhé je přibližně na nule a poslední pole by představovalo zisk. Toto si musí každý rozhodnout sám dle svého uvážení. Já jsem zvolil na ukázkových datech mezníky tak, jak jsou zobrazené na obrázku.

Dalším výstupem pro tento report bude tabulka Default Channel Grouping. Tedy srovnání jednotlivých kanálů podle několika vybraných metrik: Sessions, Transactions, Revenue, Ecommerce Conversion Rate. Po přidání metrik a zvolení dimenze Default Channel Grouping seřadíme tabulku podle konverzního poměru. Pro lepší orientaci v tabulce si v záložce STYLE obarvíme pozadí lichých řádků na světle šedou barvu.

Dalším grafem je typ Geo. Pro tento datový zdroj jsem zvolil mapu USA. Samozřejmě pro datové zdroje z ČR se dá zvolit mapa ČR případně Evropy. Pro zvýraznění hustoty návštěvnosti si v záložce styl vybereme barvy pro maximální, minimální a střední hodnotu.

Jako poslední vytvoříme grafy pro typy publika pomocí koláčového grafu. První graf odlišuje publikum dle pohlaví a druhý dle věku. Oba grafy se vytváří stejně, jen se mění zobrazovaná metrika. V záložce STYLE zvolíme pozici legendy, která bude nejvíce vyhovovat a report je téměř hotový.

Tvorba filtrace a časových rozpětí

Další velmi důležitou funkcí je filtrace a nastavení svého vlastního datového rozpětí. Tyto dvě možnosti mají pár pravidel. Vždy záleží, pro jaké účely chceme filtrace použít. Můžeme filtrovat celou stránku nebo skupinu prvků (grafů) případně jen jeden prvek. Odvíjí se to od toho, jak máme nastavené časové rozpětí u jednotlivých prvků reportu. Časové rozpětí totiž nemusí být dynamické, můžeme ho nastavit i staticky. Pokud nastavíme statickou hodnotu už nemůžeme pomocí vložených date pickerů na stránce časové rozpětí měnit. Defaultně je u všech grafů na stránce nastavená hodnota Auto (dynamická varianta) v poli Default Date Range.

Pokud je nastaveno vše defaultně a jednotlivé prvky nemáme rozděleny do skupin, tak vložená filtrace nebo časové rozpětí platí pro všechny prvky na stránce.

Při vytváření časového rozpětí zvolíme náš vlastní Default Date Range, který nastavíme dynamicky na 14 dní zpětně. Případně můžeme zvolit ostatní dynamické hodnoty jako posledních 7 nebo 30 dní. Pokud při vytváření neprovedeme tuto úpravu, nástroj bude brát časové rozpětí 28 dní vyjma dnešního dne.

Jako úplně poslední prvek do reportu vložíme filtraci podle zdrojů návštěvnosti. Tato filtrace je opět nastavená defaultně v nástroji. Stačí ji vložit do reportu. Zde provedeme úpravu v záložce STYLE, abychom z tabulkového výběru měli rozbalovací menu, které je pro tento report praktičtější.

Tímto je vytvořený celý report, který vypadá následovně:

Seskupování

Jen pro ukázku zde ještě ukážu seskupování prvků na stránce, které je velice jednoduché. Zejména pro filtrace a časové rozpětí u reportů, kde je více datových zdrojů, tuto možnost určitě každý rád využije. Pro seskupení prvků na stránce stačí všechny prvky označit a vybrat možnost Group. V tomto seskupení musí být samozřejmě zahrnut i filtr nebo časové rozpětí, které chceme, aby pro danou skupinu platilo.

Závěrem

Data Studio od Googlu je povedený nástroj pro tvorbu dobře vypadajících reportů především ze světa online marketingu. Samozřejmě by zde mohlo být na výběr víc typů reportů, datových zdrojů a nebo i uchytávání objektů. To vše ale kompenzuje fakt, že je tento nástroj velmi jednoduchý. Při tvorbě podobných základních dashboardů se zkrátka nenadřete.

Pokud se chystáte tento nástroj využít, případně byste chtěli pomoci s vytvářením reportů z různých zdrojů, neváhejte nás kontaktovat.

Cookies zná už dnes asi každý uživatel. Především díky nutnosti odsouhlasení jejich využití prakticky na každém webu. Google Analytics používají cookies pro identifikaci uživatele. Parametr cookieDomain pak určuje doménu, pod kterou se má cookie uložit.

Možnosti nastavení

V kódu Universal Analytics existují dvě možnosti, kde lze cookieDomain nastavit. Buď jako nepovinný třetí parametr v příkazu create nebo v poli, kde se dají nastavit další vlastnosti pro danou cookie, jako je například doba expirace.

ga('create', 'UA-XXXXX-Y', 'medio.cz');

ga('create', 'UA-XXXXX-Y', {
  'cookieDomain': 'medio.cz',
});

V GTM je toto nastavení podobné. Jen u tagů Analytics přidáme proměnnou do Fields to Set.

Nastavení cookieDomain v GTM

Automatizace cookieDomain

Výše uvedené příklady nastavení však nejsou úplně ideální, protože jim chybí dynamičnost. To může vést k problémům při špatném nastavení kódu, například při změně domény. Úplné opomenutí tohoto nastavení může vést k dalším problémům. Proto existuje hodnota, kterou můžete použít na každém webu a která toto nastavení automatizuje. Stačí hodnotu konkrétní domény nahradit za auto. Ve výsledku by implementovaný kód měl vypadat takto:

ga('create', 'UA-XXXXX-Y', 'auto');

Tento zápis říká Google Analytics, aby byly cookies nastaveny na nejvyšší úroveň domény. V případě webu blog.medio.cz se cookie uloží pod medio.cz. Kód ale můžu bez problému zkopírovat i na web www.datarestart.cz a cookie se úspěšně uloží pod datarestart.cz. V rámci GA je to dostupné prakticky od začátku. V GTM bylo nastavení velmi dlouho nepoužitelné a bylo přidáno až loni. Výrazně vám to zjednoduší nasazení měření a vyvarujete se následujícím chybám.

cookieDomain a chyby měření

Kam zmizeli noví návštěvníci?

Identifikace uživatele je pro spojování jeho akcí do návštěv klíčová. Žádný hit do Google Analytics neodejde bez ID uživatele. Hit může chybět například, pokud se pokusíte cookie uložit pod jinou doménu než tu, na které se uživatel nachází. Například na blog.medio.cz je možné prostřednictvím cookie uložit domény blog.medio.cz nebo medio.cz. Pokud bych ale třeba cookieDomain nastavil na google.cz, tak se žádné ID uživatele neuloží. U nového měření nebudou GA nebudou měřit vůbec žádná data. A pokud jste změnili nastavení měření, které do té doby fungovalo správně, tak se vám přestanou měřit noví návštěvníci.

Další chybou může být špatné měření mezi subdoménami. Pokud nastavení cookieDomain úplně opomenete, tak se cookies ukládají pod doménu pouze zkrácenou o www. Například tedy uživatel, který přijde na blog.medio.cz a proklikne se na www.medio.cz je pro Analytics úplně novým uživatelem. Přestože měření probíhá rámci stejného účtu. Tato chyba navíc není úplně konzistentní. Pokud by uživatel před návštěvou blogu navštívil www.medio.cz, tak bude pro Analytics tím stejným uživatelem i na subdoméně, protože tam je jeho ID dostupné. Určitá část uživatelů má tedy v rámci Analytics dvě různé a zcela oddělené identity. Hodnoty metrik jsou tak vyšší, než by měly správně být.

Závěrem

Společně s měřícím ID je cookieDomain jedním z nejdůležitějších nastavení. Všechna nová měření jsou dnes již v základu nastaveny na hodnotu auto a měřící kód funguje korektně napříč doménami a subdoménami. Přesto doporučuji nastavení cookieDomain, především u dříve nasazených měřicích kódů, zkontrolovat a případně opravit.

Pozor, pokud používáte GTM. Tam to v základu nastavené není a je nutné postupovat dle výše uvedené sekce Možnosti nastavení a proměnnou Value ve Fields to Set správně nastavit jako auto.

Co je atribuční modelování a proč ho potřebujete?

Zákazníci a jejich objednávky k vám přicházejí z různých reklamních kampaní a dalších zdrojů návštěvnosti. Při vyhodnocování a řízení marketingu vás zajímá, které kanály se na objednávkách reálně podílely a jakou měrou. Podle toho pak hodnotíte jejich efektivitu. Rozhodujete se například, do kterého kanálu dát kolik peněz. Které kampaně je potřeba utlumit a které naopak nechat běžet nebo ještě posílit.

Je obvyklé, že než u vás zákazník nakoupí, přijde k vám v čase opakovaně z různých kanálů. Klasické analytické nástroje ale přiřadí celou objednávku nejčastěji tomu úplně poslednímu zdroji. Pokud například nějaký uživatel přijde postupně ze čtyř výše uvedených zdrojů a na konci si objedná řekněme za 1.000 Kč, bude report zdrojů návštěvnosti vypadat nějak takto:

Všechny předchozí kanály po cestě se ignorují a vypadá to, jako by neměly vůbec žádný vliv na rozhodnutí uživatele objednat si u vás. To samozřejmě zásadně pokřivuje výsledná čísla a doporučení. V důsledku pak budete dokonce i často posilovat ztrátové kampaně a vypínat ty vydělávající. Navíc v dobré víře, že svá rozhodnutí stavíte na datech. Bohužel na špatných datech.

Vše dále zhoršuje skutečnost, že do takového rozhodování často zahrnujete jen přímo měřitelné zdroje návštěvnosti vašeho webu. Ale už v něm vůbec nezohledňujete imprese bannerů, otevření e-mailů, zmínky o vás venku na internetu, offline kampaně, objednávky přes telefon či v kamenném obchodě.

Na základě špatných a pokřivených čísel tak děláte špatná a pokřivená marketingová rozhodnutí.

Najděte si lepší atribuční model

Atribuční model je obecný název pro způsob, jak přiřazujete jednotlivým kanálům na cestě uživatele zásluhu za výslednou konverzi a její hodnotu. Dobrá zpráva je, že atribučních modelů existuje spousta, takže se nemusíte omezovat zdaleka jen na výše uvedenou a v mnoha ohledech vadnou atribuci na poslední zdroj.

Volbou lepšího atrubučního modelu můžete lépe a spravedlivěji rozpočítat každou konverzi a její hodnotu mezi všechny k ní vedoucí kanály. Zohlednit tak nejen úplně poslední proklik před objednávkou, ale i všechny předchozí kanály, které celou dobu přispívaly ke konečnému rozhodnutí uživatele utratit u vás peníze.

Oč věrnější, smysluplnější a využitelnější výsledky dostanete už třeba jenom použitím triviálního lineárního atribučního modelu. V něm se vezme hodnota každé objednávky a spravedlivě se rozpočítá rovným dílem mezi všechny kanály po cestě:

Atribučních modelů existuje celá řada a ke každému z nich se dá snést spousta scénářů využití, důvodů pro i proti. Pro více informací si projděte seriál od Michala Krutiše nebo velice hutný a výživný článek od Avinashe Kaushika.

Spouštíme atribuce pro Keboolu

Praktickým problémem atribučního modelování je dostupnost a podpora v jednotlivých nástrojích.

Některé analytické systémy nenabízejí atribuční modelování vůbec nebo jen velice omezeně. Další, jako jsou třeba Google Analytics, ho sice nabízejí, ale naráží na zásadní omezení, jakmile dojde třeba na data mimo web – imprese bannerů, offline kampaně, otevření e-mailů, telefonické hovory na helpdesku, objednávky v kamenném obchodě. Nebo na rozpočítávání skutečné maržovosti. Na storna a vratky již zapsaných objednávek. Vůbec na rozpoznání uživatelů a spojování úplně všech dat patřících jednomu uživateli do jedné řady.

A proto jsme v Mediu připravili a naprogramovali Medio Attribution Tool – aplikaci pro výpočet nejrůznějších atribucí. Pracuje uvnitř systému Keboola Connection, což jí otevírá obrovské možnosti ve smyslu snadného řešení a přímočarého překonávání všech uvedených problémů. Umí si stáhnout a pospojovat interakce uživatele z různých míst, databází a služeb, má hotovou hromadu napojení a importních můstků. Běží v cloudu, je výkonná a automatizovaná. Podporuje množství různých předdefinovaných i custom atribučních modelů.

Podívejte se na stránku s podrobným popisem celého nástroje. A pokud ho chcete používat i vy nebo se jen chcete dozvědět více, napište nám bez obav e-mailem na adresu info@medio.cz.

Prosíme, vyplňte nám dotazník, ať víme, co můžeme do příště vylepšit.

Prezentace

David Špinar: prezentace Analytické nástroje DoubleClicku
Adam Šilhan: prezentace Produktové kampaně vs. analytika
André Heller: prezentace Analytika mobilních aplikací

Pavel Jašek: prezentace Customer lifetime value ve světě digitálního marketingu
Michal Illich: prezentace Základy strojového učení
Jan Tichý: prezentace 5 tipů pro agentury, kterak ošidit své klienty

Jan Matoušek: prezentace Prediktivní analytika pro rok 2020
Ondřej Tomas: prezentace Zákazníci a „nezákazníci“ – kde jsou?
Pavel Brecík: prezentace Custom user-scoring pro remarketing a download link na GTM scripty

Petr Hamerník: prezentace Textová analytika pro marketing a sales
Michal Procházka: prezentace Předejděte problémům ve svých datech
Honza Mayer: prezentace Podívejte se do karet největším hráčům v e-commerce

Pracovní nabídky

Hledame na #datarestart do @parfumscz weboveho analytika #najdemete?

— Matěj Slavík (@Klikavec_cz) 22. dubna 2016

Zajímavé odkazy a tipy

Life-Time Value Calculation – CLV kalkulačka od Filipa Hráčka z Google.
JSONPath Online Evaluator – nástroj, který vám může ušetřit čas oproti manuální textové analýze.

Šéfe, vydělal jsem vám 100 tisíc navíc z AdWords – praktická ukázka, jak obrat klienta u PPC.
Gustovní klasifikace nadávek – klasifikační slovník českých nadávek využitelný i pro textovou analytiku.

MLMU.cz – Michal Illich – Deep learning (10.12.2014) – video ze starší přednášky Michala Illicha o deep learningu.
Záznamy přednášek z konference DataConf 2015 – pokud vás zaujala přednáška Ondřeje Tomase z CleverMaps a CleverAnalytics, pro další doplnění zkuste záznam z přednášky Lukáše Puchrika – Kde otevřít hospodu, aby mi nechodili lidi?

Tipy na open source nástroje pro machine learning a neuronové sítě od @michalillich. #DATArestart pic.twitter.com/9kRyr9bP0u

— Medio Interactive (@mediocz) 22. dubna 2016

Fotogalerie

Ohlasy na DATA restart 2016

Dnes jsme vyrazili na #DataRestart a musíme říci, že je to jedna z mála konferencí v ČR, které můžeme z pohledu programu doporučit!

— E-shop summit 2016 (@eshopsummitcz) 22. dubna 2016

Díky @mediocz (@medioteka @jantichy) za super #datarestart. Hromada poznatků, které si budu nejméně celý víkend rovnat v hlavě… Super!

— Jan Kalianko (@eshopkonzultant) 22. dubna 2016

#datarestart bylo skvely. Diky celemu tymu @mediocz za super akci.

— Lukas Teply (@LukasTeply) 22. dubna 2016

nejlepší after by @mediocz at #datarestart pic.twitter.com/FI4iW60knH

— Vojta Roček (@VojtaRocek) 22. dubna 2016

Reporty a články

eVisions: #DATArestart 2016 report
Tyinternety.cz: Nejpoužívanější #hashtagy 17. týdne

—

Poslední aktualizace proběhla 11. června 2016 v 19:08.

Jedním z řešení je odchytávání HTTP komunikace, což se hodí zejména u kontroly nativních aplikací. Každopádně tohle řešení je poměrně pracné a vzhledem k podstatě webu i dost zbytečné. Google Chrome má totiž zabudovanou podporu na vzdálené ladění (debugging). Potřebujete v zásadě jen tři kroky:

1. Nastavit telefon
2. Připojit k počítači a Chromu
3. Ladit!

Nastavení telefonu

V nastavení Androidu potřebujete udělat jedinou věc. Tou je zapnutí funkce Ladění USB (USB debugging). Tuhle položku najdete Nastavení v sekci Pro vývojáře (Developer options).

Pokud tuto položku vůbec nevidíte, máte ji pravděpodobně skrytou. U novějších androidů to tak často bývá. Musíte v nastavení najít něco jako O telefonu/O programu a tam najít číslo buildu, na které musíte 7x poklepat. V každém telefonu a verzi Androidu je to vždy trochu jinak schované, takže případně googlete.

Jakmile se konečně dostanete do nastavení Pro vývojáře, tak jen zaškrtněte checkbox USB debugging a potvrďte vyskakovací okno. Pokud nevíte, co děláte, tak si s ostatním nastavením raději nehrajte.

Připojení k PC a Chromu

Připojte telefon k počítači klasickým nabíjecím kabelem jako obvykle. Otevřete Google Chrome a do adresního řádku napište chrome://inspect. Pokud ještě nemáte, tak zaškrtněte Discover USB devices. Následně by vám na telefonu měl vyskočit alert, který potvrďte. Kdyby náhodou alert nevyskočil, zkuste telefon odpojit a připojit znovu. Případně opětovně vypnout a zapnout ladění. Občas se proces chytí ve špatném pořadí a není to poznat. Maximálně na podruhé se mi to ale povedlo vždy.

Po úspěšném připojení se vám v počítači zobrazí seznam otevřených záložek z prohlížeče na telefonu. Mimo cool tlačítek typu focus, close a reload, je tam hlavně to, co nás zajímá nejvíc -> inspect. Klikněte na to a otevřou se vám standardní vývojářské nástroje Chromu napojené na váš mobilní prohlížeč.

Závěrem

Jistě se najdou tací, které napadne otázka: „A k čemu to vlastně je? Proč prostě neemulovat zařízení v dektopovém Chromu?“ nebo „Proč to vůbec řešit, když mám responzivní web?“ Odpověď je prostá: „Protože můžete.“ To, že máte responzivní web, neznamená, že se na mobilu třeba nemůžou špatně ukládat cookies. Což je něco, co ani emulací nelze úplně zjistit. Je to prostě další možnost jak být zase o něco přesnější.

Související články a odkazy:

• Google Developers: Remote debugging
• MDN: Remote debugging Firefox
• Modus Create: Remote debugging iOS a Safari

O jaký limit se jedná?

Jde o limit velikosti odesílaných dat, tzv. hitu. Pokud máte na stránce základní kód Google Analytics nebo Universal Analytics, tak sám od sebe na každé stránce odesílá tzv. pageview. Ta obsahuje nejrůznější informace o stránce: její doménu, cestu, název. Současně se posílá celá řada informací dalších, jako rozlišení a barvy monitoru, používaný jazyk, druh prohlížeče a mnoho dalšího.

Dosud se však jednalo o poměrně malé množství dat, které do příchodu Enhanced Ecommerce, nikoho příliš netrápilo. S nástupem Enhanced Ecommerce, v jejich plné implementaci, však přibylo do reportů elektronického obchodu mnoho nových dat, která je potřeba posbírat a odněkud poslat. A tím místem je standardně právě počítač vašeho uživatele.

Aby servery Googlu unesly velký nápor dat, přidal Google do své JavaScriptové knihovny (analytics.js) limit. Díky tomu se po překročení datové velikosti už neodešlou data žádná. Hraniční limit je 8192 bytů. Co to vlastně znamená, a jak se daná velikost dat počítá, si řekneme níže.

Jak se skládají data?

Zaběhnu teď trochu do hloubky webů. Jakmile si uživatel načte vaši stránku, tak se začnou z vašeho serveru stahovat data (HTML stránka). Prohlížeč si je přečte a zjistí, že má stáhnout nějaký JavaScriptový soubor analytics.js (hlavní řídící knihovna Universal Analytics). Stáhne ho a současně s tím, si přímo v HTML kódu té stažené stránky, přečetl, že má spustit nějaký jiný JavaScript. To je ten kus kódu, který vás vždy GA nutí vložit do hlavičky vašeho webu. Tenhle JavaScript nějakým způsobem reaguje s řídící knihovnou, co se stáhla. Ve výsledku posbírá všechna možná data a na pozadí udělá tzv. AJAXový request, kterým všechna posbíraná data odešle na server Google Analytics.

Request je ve své výsledné podobě jen obyčejná URL adresa a vypadá nějak takto:

http://www.google-analytics.com/collect?v=1&t=pageview&dl=http%3A%2F%2Fwww.medio.cz%2F&dp=%2F&ul=en-us&de=UTF-8&dt=Medio%20Interactive&sd=24-bit&sr=1920x1080&vp=1903x955&je=1&fl=19.0%20r0&_utma=162604515.73130048.1442481266.1443001465.1446205687.7&_utmz=162604515.1446205687.7.2.utmcsr%3Dfacebook.com%7Cutmccn%3D(referral)%7Cutmcmd%3Dreferral%7Cutmcct%3D%2F&_utmht=1447063452786&_u=SCCCgAAj~&jid=1801047489&cid=73130048.1442481266&tid=UA-35958405-1>m=GTM-T4DR3S&cd6=86b9b882-f8ec-b02a-7287-5079c980ab23&cd7=0&z=802881888

Trochu to rozdělím. První část je samotná adresa serveru, kam se ta data posílají:

http://www.google-analytics.com/collect

Pak následuje otazníček a za ním už jen sada parametrů a jejich hodnot:

?v=1&t=pageview&_s=1&dl=http%3A%2F%2Fwww.medio.cz%2F&dp=%2F&ul=en-us&...

URL je pořád poměrně nečitelná, zkusím to rozsekat na jednotlivé parametry:

?v=1
&t=pageview
&dl=http%3A%2F%2Fwww.medio.cz%2F
&dp=%2F
&ul=en-us
&...

Nyní je konečně trochu vidět, co se tam posílá, ale pořád to není ono. Je to tím, že URL je encodovaná. To je proces, kdy se z hezké normální URL, stanou ty divné paskvily plné procent s nesmyslnými písmeny a čísly. (%2F = /, %3A = :) Pokud URL dekóduji, vypadá nějak takto:

?v=1
&t=pageview
&dl=http://www.medio.cz/
&dp=/
&ul=en-us
&...

Teď už je URL bez problému čitelná a konečně vidíte, co se vlastně posílá. Parametr t (type) určuje, že posíláme typ hitu pageview. Parametr dl (document location) označuje celou URL stránky, parameter dp (document path) upřesuje konkrétní cestu stránky (to za lomítkem dál, ale včetně lomítka!), ul (user language) označuje nastavený jazyk mého prohlížeče atd.

Tím jsme si ukázali, kde se berou data, a jak se odesílají na server. Nezmínil jsem ale to nejdůležitější – velikost. Zpravidla platí jednoduché pravidlo – 1 znak = 1 byte. Posíláte-li si na vašem webu vlastní dimenze, imprese Enhanced Ecommerce, informace o detailu produktu, sečtěte si délku všech jejich znaků, názvů jejich parametrů a rovnítek (dl, t, dp, ul, …) a de facto to máte.

Pozor! Ten, kdo pozorně četl, si uvědomí ještě jednu věc. Takhle se to úplně počítat nedá. Vzpomeňte na enkodování URL. Co to znamená v praxi? Každý speciální znak (třeba lomítko „/“) najednou není jeden znak, ale rovnou tři znaky (%2F) a tedy i 3 byty. A to pořád není všechno. Chcete mít v GA hezká data s diakritikou? Takové „ě“ po enkodování vypadá takto: %C4%9B. Tedy dokonce 6 bytů.

Jak zjistit limit?

Cesty jsou dvě. Každá z nich má to svoje.

1. Odchytit odchozí HTTP requesty a spočítat jejich počet znaků.
2. Zastavit si GA ve chvíli odesílání a nechat si velikost vypsat.

Zjistit počet znaků

Tuto metodu osobně nedoporučuji, ale pro některé technicky méně znalé, může být jednodušší. Musíte si odchytit odchozí request a zjistit, kolik má výsledná URL znaků. Request si můžete odchytit pomocí různých pluginů nebo programů, ale také přímo v prohlížeči. Každý prohlížeč má tzv. vývojářské nástroje a má je implementované malinko jinak. V Google Chrome, IE a Edge je to klávesa F12. Firefox potřebuje zvláštní rozšíření Firebug. Pro jednoduchost použiji plugin do prohlížeče Live HTTP Headers. Ten je dostupný snad pro všechny prohlížeče a jeho ovládání je vcelku intuitivní.

Pomocí pluginu si načtete kompletní HTTP komunikaci vašeho webu a ve spleti různých URL adres najdete URL směřující na server www.google-analytics.com/collect.  Zde si zobrazíte její detail a zkopírujete její parametry. To následně vložíte do nějakého programu na počítání znaků. No a to je vše, máte velikost vašeho hitu.

Zjistit přímo bytovou velikost

Druhý způsob je metoda, která vyžaduje trochu více úsilí při prvním použití, ale ve výsledku je mnohem rychlejší. Ukážu vám, jak to dělám v prohlížeči Google Chrome, v ostatních prohlížečích, by to mělo být velmi podobné.

Začnete tím, že si otevřete vaši stránku a vývojářské nástroje, kde si překliknete na záložku sources. V mém případě otevírám www.medio.cz a vývojářské nástroje v Chromu = klávesa F12 + překlik na záložky Sources/Zdroje. Dále v levém sloupci všech scriptů otevřete adresář www.google-analytics.com a klinete na soubor analytics.js. V prostředním sloupci by se vám měl zobrazit jeho obsah. Toho se nemusíte děsit. Klikněte v levém dolním rohu prostředního sloupce na ikonku složených závorek, aby kód „zkrásněl“.

Pak klikněte kamkoliv do kódu a zmáčknete kombinaci kláves pro vyhledávání (Ctrl + F). Do vyhledávacího pole vepište 8192. Kód by vám měl přeskočit a vypadat cca takto (trochu se lišit může).

Najděte řádek, kde se porovnává číslo 8192 v nějaké podmínce (else if (8192 >= b.length)) a pak ho označte kliknutím na číslo řádku. U mě je to momentálně řádek 215. Pozor na to, že ta podmínka může mít časem trochu jiný tvar, vzhledem k tomu, že se kód Google Analytics aktualizuje. Udělejte reload stránky. Pokud se stránka načetla bez jakékoliv změny, znamená to patrně, že velikost vašich dat nedosahuje ani prvního limitu 2036 bytů, který je nastavený jen z určitých technických důvodů a nemusí vás nijak trápit. Takže můžete být úplně v klidu a nic neřešit.

Pokud se stránka zasekla a vyskočila na vás zpráva typu „Paused in debugger“, znamená to, že velikost vašich dat překročila první limit a JavaScript došel až k bodu, kdy velikost porovnává s druhým limitem. V takovém případě se právě zastavili na tzv. breakpointu, který jste před chvíli vytvořili kliknutím na číslo toho řádku. Abyste zjistili velikost dat, přepněte se do záložky console, kam napište to, s čím se porovnává hodnota 8192. V mém případě b.length a dejte enter. Ihned vám to vrátí číslo, což je skutečná datová velikost odesílaných dat.

Pokud se nad tím zamyslíte a trochu více si v tom pohrajete, tak zjistíte, že tento postup opět nedělá nic jiného, než že počítá znaky ve výsledné URL. Pro mě osobně je ale pohodlnější hlavně z toho důvodu, že pokud se chci podívat na další stránku, tak ji prostě otevřu a breakpoint stále funguje, takže nemusím znovu odchytávat requesty, hledat, kopírovat, atd. Navíc obvykle funguje i napříč weby, takže pokud nechcete sledovat limity GA i u konkurence, nezapomeňte na konci ten breakpoint zase vypnout – opět kliknutím na číslo řádku.

Znáte ještě nějaký další způsob? Podělte se s námi!