MENU

Komentarzy (0) e-marketing

Mapa cieplna – tworzenie i analiza krok po kroku – część 1

Online Marketing Technology and Tools as a Concept

Powstało wiele artykułów na temat tworzenia i stosowania map cieplnych do analizy skuteczności działań marketingowych czy sprzedażowych, jednak większość z nich tłumaczy, jak przygotować mapę w oparciu o standardowy raport Google Analytics odnoszący się do ruchu z Google AdWords. A co w przypadku, gdy chcemy sprawdzić skuteczność pozyskania innych kanałów? W tym właśnie artykule chciałbym przedstawić w jaki sposób tworzyć mapę cieplną dla pozostałych źródeł pozyskania ruchu, a w kolejnej jego części opowiedzieć o możliwościach analizy.

Krok 1. Wybór danych do analizy

Na początku powinniśmy zastanowić się, jakie dane chcemy poddać analizie. Możliwości analiz jest wiele, jak np.: liczby transakcji, sesje, czasy trwania sesji etc. Na potrzeby dalszych części artykułu zajmiemy się na początek analizą przychodów w porównaniu do dnia i godziny ich uzyskania.

 

Krok 2. Stworzenie raportu niestandardowego Google Analytcis

Mimo iż tworzenie raportu niestandardowego może brzmieć groźnie, wcale takie nie jest. Zacznijmy od wejścia na konto Google Analytics, zakładka „Dostosowanie” – klikamy na „+ nowy raport niestandardowy” – pojawia nam się następujący widok:

GA 1

W polu tytuł wpisujemy nazwę naszego raportu niestandardowego – osobiście, nazywam raporty niestandardowe tak samo, jak analiza do której wykonania będzie mi on potrzebny. Wpiszmy zatem „Mapa Cieplna – przychody z e-mail”- słowo e-mail nie bierze nam się w tym miejscu przez przypadek, będziemy analizować przychody z wysyłanych przez nas mailingów.

Kolejnym krokiem będzie wybór Grupy danych do analizy – z listy „dodaj dane” wybieramy zakładkę „E-commerce” i przychody. Grupę danych warto nazwać tak, jak wybrane przez nas pola „E-commerce – przychody”.

Następnie w polu „Analizy wymiarów” wybieramy interesujący nas wymiar do analizy „Czas -> Dzień tygodnia (nazwa)” – tutaj warto nie przeoczyć szczegółu jakim jest „(nazwa)” przy zmiennej dnia tygodnia, ponieważ wybór zmiennej „dzień tygodnia” spowoduje, że w raporcie zamiast nazw dni tygodnia wyświetlą się cyfry od „0-6” gdzie „0” to nie poniedziałek, tylko niedziela!

Brnąc dalej w konfigurację raportu, przechodzimy do zakładki „Filtry” gdzie jako typ wybieramy „uwzględnij”, a z pola wymiarów wybieramy „Pozyskanie -> medium”. Dalej wybieramy dopasowanie „ścisłe do wyrażenia”, a w polu definiowanym ręcznie wpisujemy „e-mail”. Pamiętajmy, aby wartość, jaką wpiszemy była zgodna z nazewnictwem Google, najłatwiej sprawdzić je w raporcie standardowym „pozyskanie -> cały ruch -> źródło/medium”

GA 2

Ostatnią rzeczą jaką musimy wykonać to wybór widoku danych z jakiego chcemy korzystać w naszym raporcie – tutaj w zależności od ustawionych widoków w usłudze, wybieramy ten, który będzie dla nas odpowiedni. Na koniec klikamy zapisz i voila. Od tej pory mamy dostęp do naszego raportu niestadndardowego z poziomu zakładki „dostosowanie -> raporty niestandardowe (lewa strona menu)”.

 

Krok 3. Konfiguracja widoku raportu i eksportowanie do arkusza

Mimo iż większość zmiennych ustawiliśmy już wcześniej musimy jeszcze trochę popracować nad naszym raportem. Przechodzimy do widoku raportu, który przed chwilą stworzyliśmy. Uzyskujemy następujący widok.

GA 3

Jak widzimy, w raporcie pokazuje nam się dzień przychodu wystąpienia przychodu oraz jego wolumen. Czego nam brakuje to godzina w jakiej uzyskujemy przychód. Aby dodać tabelę z godzinami klikamy na zakładkę „wymiar dodatkowy” powyżej tabeli i wybieramy wymiar „Czas -> godzina”

GA 4

Po zastosowaniu się do powyższych wskazówek pojawi nam się następujący widok raportu

GA 5

Niestety, w tabeli generowanej automatycznie mamy wyświetlone jedynie 10 pozycji, w chwili gdybyśmy wyeksportowali taki raport, w arkuszu kalkulacyjny pojawiłoby nam się jedynie te 10 pozycji, które widzimy powyżej. Aby uniknąć takiej sytuacji klikamy na pole liczba wierszy i wybieramy wartość 250.

GA 6

Wartość 250 jest w zupełności wystarczająca, ponieważ dokonując prostego działania matematycznego, dni tygodnia mamy 7 a godzin 24, co maksymalnie (jeżeli w każdej godzinie nastąpił przychód) daje nam 168 wierszy.

Ostatnią czynnością jaką mamy do wykonania przed eksportem arkusza to wybór zakresu dat poddanych analizie. Standardowo jak w analyticsie, wybieramy zakres dat z pola umieszczonego na górze ekranu. Warto tutaj pamiętać, aby zakres rozpoczynał się poniedziałkiem, a kończył niedzielą. Jeżeli będziemy analizować dane w krótkim okresie jednego miesiąca, to wybór zakresu od poniedziałku do poniedziałku może znacznie wpłynąć na zafałszowanie danych przychodu właśnie dla poniedziałku, który wystąpiłby w naszym raporcie jeden raz więcej niż pozostałe dni.

Po tak przygotowanym raporcie możemy przystąpić do jego eksportu. Eksportowanie wybieramy z menu powyżej wykresu danych – poniżej przykład.

GA 7

Eksport najlepiej wykonać albo do pliku Excel (xlsx) lub Arkuszy Googla. Ja dokonam eksportu do pliku xlsx – jednak w momencie tworzenia formatowania niestandardowego odniosę się do arkuszy Google. Po wyborze odpowiedniego formatu, arkusz zostanie zapisany na dysku (w przypadku Excela) lub Analytics przeniesie nas do osobnej zakładki przeglądarki (w przypadku Arkusza Google).

 

Krok 4. Przygotowanie analizy w arkuszu

W eksportowanym pliku otrzymamy trzy arkusze danych. W pierwszym znajdziemy podsumowanie, w drugim (który będzie nas najbardziej interesował) otrzymamy informacje o dniu tygodnia, godzinie oraz przychodach. W trzecim arkuszu znajdują się informacje o dacie przychodu oraz jego wolumenie.

Wybieramy arkusz drugi i przystępujemy do filtrowania danych. Zaznaczamy wszystkie dostępne dane, następnie z prawego górnego rogu widoku „narzędzia główne” wybieramy „sortowanie i filtrowanie”. Następnie przy komórce dnia tygodnia, z menu rozwijanego wybieramy interesujący nas dzień tygodnia – na początek poniedziałek.

GA 8

Kolejnym krokiem będzie wybór z zakładki godzina sortowania rosnącego

GA 9

Finalnie uzyskamy posortowane wyniki danych według nałożonych przez nas filtrów i opcji sortowania.

Otwieramy nowy arkusz kalkulacyjny i tworzymy tabelkę w której zawarte będą dni tygodnia, godziny oraz podsumowanie. Poniżej przykładowy arkusz.

GA 10

Tabelkę niestety musimy uzupełnić ręcznie, kopiując za każdym razem wartości przychodu dla danego dnia i godziny z arkusza drugiego wyeksportowanego przez nas raportu z Google Analytics. Finalnie, po kilku minutach żmudnego kopiowania otrzymamy następujący widok.

GA 11

W ostatniej kolumnie oraz ostatnim wierszu arkusza ustawiamy funkcję sumy, aby otrzymać sumaryczne dane przychodu odpowiednio dla danego dnia oraz godziny. Kolejnym krokiem będzie zaznaczenia pola w których mamy wszystkie dane i nałożenie formatowania warunkowego – „skale kolorów” dostępnego w panelu Excela w narzędziach głównych.

GA 12

W przypadku Arkuszy Google wybieramy „Formatuj” -> formatowanie niestadardowe -> skale kolorów.

GA 13

Po zastosowaniu formuły otrzymamy następujący widok – w zależności od tego jaki rodzaj formatowania wybierzemy, wartości najwyższe będą oznaczone kolorem czerwonym lub zielonym (skale kolorów). W moim przypadku kolorem czerwonym oznaczone są wartości maksymalne.

GA 14

Dodatkowo, polecam nałożenie formatowania warunkowego również na wyniki sumaryczne. Pamiętajmy, aby wykonać to dopiero po nałożeniu formatowania na w/w dane, w przeciwnym wypadku, jako wartości maksymalne zostaną oznaczone kolorem wyniki sumaryczne. Finalny arkusz powinien przyjąć następujący wygląd.

GA 15

 

Krok 5. Analiza Mapy Cieplnej – cdn.

Ostatnim krokiem będzie przejście do analizy uzyskanych danych z utworzonego przez nas raportu. O analizie danych napiszę więcej w kolejnej części artykułu, a na razie zostawiam czytelnikom możliwość potrenowania tworzenia Map Cieplnych na podstawie niestandardowych raportów Google Analytcis. Do poczytania!

Komentarze

Maciej Muszyński on email2
Autor artykułu:
Maciej Muszyński
Project Manager - Ideacto
Project Manager oraz specjalista SEM w Ideacto, kreatywnej agencji eCommerce z Grupy Divante. Absolwent Uniwersytetu Ekonomicznego we Wrocławiu, Wydziału Nauk Ekonomicznych. Związany z branżą e-commerce od 2012 r. Certyfikowany Specjalista Google AdWords. Pasjonat japońskiej motoryzacji oraz sportów rowerowych.