ניתוח ROI מלא ואמיתי דרך גוגל אנליטיקס

בסרטון זה אני משלים את ההסבר כיצד לנתח קמפיין שיווק דרך גוגל אנליטיקס. כפי שהדגמתי בפוסט הקודם, ניתוח הכדאיות (ROI) של גוגל אנליטיקס מטעה מאד, במיוחד באתרי E-Commerce, ואנחנו נדרשים להיכנס עמוק יותר לנתוני העסק כדי להבין איזה קמפיין כדאי יותר ואיזה פחות.

בפוסט הזה אני מציג את הדרך בה אני משתמש לניתוח כדאיות קמפיין שיווק. הסרטון הזה מסביר כיצד להתמודד עם שתי הבעיות העיקריות במדידת יעילות קמפיין:

  1. מקרה בו לקוח נכנס לאתר מספר פעמים, דרך מספר קמפיינים עד לביצוע ההמרה.
  2. תיקון נתוני ההמרות באנליטיקס מ – "מחזור מכירות" ל – "תקציב שיווק".

מאחר והנושא מורכב ולא פשוט להסבר, אני ממליץ הפעם שראשית תורידו את האקסל המצורף, האקסל בו אני משתמש כתבנית לניתוח. עיינו בו דקה ואז צפו בסרטון המסביר את ההיגיון מאחוריו.

קליק כאן להורדת האקסל.

הורדתם? הצצתם? עכשיו הסרטון.

בסרטון מוצגים מספר שקפים מ Google Analytics שמטרתם להראות את הדוחות והסינונים הנדרשים לחילוץ הנתונים. אני מצרף כאן את תמונות המסכים לצפייה נוחה יותר עם מספר הסברים קצרים.

נתוני הקמפיין

נתוני הקמפיין יכולים להלקח ממספר מקומות. יתכן שתקבלו אותם מהמפרסם (וואלה, Ynet, גלובס…) ויתכן ממערכת הפרסום בה אתם משתמשים. בסרטון אני מתייחס לקמפיין AdWords ולכן הנתונים נשלפים מדו"ח AdWords Campains באנליטיקס. AdWords Campain

חילוץ נתוני ההמרות

את נתוני הטבלה שעלינו למלא אנו מוציאים מדו"ח האנליטיקס Assisted Conversion. אלא שעלינו להתחכם איתה קצת.

Assisted Conversion

פילוח נתוני המרות לשלושה מקרים

את ההמרות אנחנו רוצים לחלק על פי הקמפיינים שהיו שותפים בהן. כדי לפשט את הבעיה, אנו מחלקים את ההמרות לשלושה סוגים לפי אורך הנתיב. הכוונה היא למספר הקמפיינים שהיו מעורבים בהמרה:

  1. קמפיין ראשון – יחיד
  2. שני קמפיינים -ראשון ואחרון.
  3. יותר משני קמפיינים – ראשון, ביניים, אחרון.

  • הערה: גם כניסה ישירה היא קמפיין למרות שלא שילמנו עליה.

בגיליון האקסל אנו מחלקים את ההצלחה של הקמפיין לאחוזים על פי המקרים האלה. אתם יכולים לקבוע לעצמכם את החלוקה המתאימה ללקוח אבל עקרונית היא תהיה משהו בדומה לזה:

  • הערה: נהוג לתת משקל גדול יותר לקמפיין האחרון שהביא להמרה
  1. קמפיין ראשון – Single – 100%
  2. שני קמפיינים -ראשון (first of 2) ואחרון (last of 2).
  3. יותר משני קמפיינים – ראשון (first of X) , ביניים (middle of X), אחרון (last of X).

את החלוקה שאתם בוחרים עבור הלקוח אתם מזינים בחלק הימני של האקסל.

בניית סגמנטים לחלוקה

כדי לפלח את ההמרות לשלושת הסוגים, אנו בונים סגמנטים שיצביעו לנו האם ההמרה בוצעה בשלב אחד, שניים או יותר משניים. בניית הסגמט נעשית כך:

ואנו בונים שלושה סגמנטים כלהלן:

עכשיו אנחנו כמעט מוכנים…

יעדי מאקרו ויעדי מיקרו

את ההמרות אנו מחלקים לשני סוגים, המרות מאקרו (רכישות באתר) והמרות מיקרו (לידים ומיתוג). לפרטים לגבי ניתוח סוגים אלה ראו בפוסט הקודם בנושא. בעוד שיעדי המיקרו נקבעים על ידנו באנליטיקס )goal value), יעיד הרכישות מציגים לנו את ערך הרכישה המלא, כלומר את המחזור.

בפוסט הקודם הראיתי איך לנתח ולכמת את ערכי היעדים ואת מרכיב השיווק במוצר. נתון זה, מרווח השיווק, מבוטא באחוזים ואנו מכניסים אותו לאקסל במקום המתאים (מצד שמאל, מעל לטבלת יעדי המאקרו):

כדי להפריד בין שני סוגי ההמרות באנליטיקס, אנו משתמשים בפילוח המובנה המוצג כאן, כשבפעם אחת אנו בוחרים המרות רכישה (ecommerce) ובפעם השניה המרות לידים ומיתוג (Goals).

זהו, אם עשינו את הכל נכון, וביצענו גם סינון על קמפיין מוגדר, אנו רואים כעת בתחתית הדוח טבלה המחולקת לשלוש. שימו לב באיזה מצב דו"ח אתם (מצויין באקסל בדיוק מאיפה כל נתון). האם אתם ב First Interaction Analysis, או ב Assisting Interactions Analysis. בשני המקרים הטבלה תראה כך:

זהו! יש!

ציון כדאיות קמפיין – ROI שיווק

אם כל הנתונים הוזנו כנדרש, בתחתית האקסל תקבלו את ציון ה ROI האמיתי של הקמפיין.

כבונוס, יש לכם כאן גם כמה צייוני ביניים. האמת היא שאתם מכירים אותם טוב מאד רק בשם אחר. זה השם שאני מציג למנהלי השיווק.

שתי הערות אחרונות

ראשית, מי שלא ביצע ניתוחי כדאיות ברמה מדוקדקת כזו עלול לגלות לחרדתו שהקמפיינים שלו יוצרים לחברה הפסד ולא רווח. אז לאט לאט, בלי פאניקה.

ראשית, חייבים לזכור שישנם מוצרים שלוקח זמן למדוד אותם. הרשמה ללימודים למשל היא תהליך של חצי שנה לפעמים. זה אומר שבהתחלת הקמפיין היעילות שלו תהיה אפסית ולמעשה רק בהמשך נוכל לראות תוצאות קרובות למציאות.

שנית, תבדקו את עצמכם שוב. האם באמת תמחרתם נכון את כל החלקים? האם כל ההמרות נספרו? ישנם מקרים בהם לידים שהתחילו ברשת מתקבלים למעשה בטלפון. ניתן לפלח גם את הנתון הזה ולתת תיקון מתאים בניתוח הקמפיין.

תודה וקרדיט

מודל שיוך המרות זה פותח בשיתוף עם נתן קריידרמן, מנתח התנהגות גולשים באתרי אינטרנט ובעלים של בלוג analyzit.co.ilבלוג גוגל אנליטיקס ושיפור יחסי המרה.

וגם אני מודד את עצמי

אני אשמח לפידבק כאן לגבי הפוסט והסרטון. אם יש לכם שאלות או משהו לא ברור, תשאירו פתקית.

(-:   יאללה בי.