Erinevad analüütikatööriistad ning nende roll klienditeekonna optimeerimisel

Tänapäevane veebianalüütika ei vasta enam ainult lihtsatele küsimustele, mis tekitavad veel kümme uut küsimust. Ajakohane veebianalüütika ülesehitus peab andma sulle täpsed vastused, mida inimene oma ostuteekonnal sinu veebilehel teeb. Milliseid lisasamme ta teeb? Kus ta teekonna pooleli jätab? Kust alustada teekonna optimeerimisega? Kõik need küsimused pead saama vastatud korrektse analüütika seadistuse abil.

Korrektselt kaardistatud analüütika eeldused

Korrektse seadistuse eelduseks on võimekus analüüsida oma konversioonilehtrit. Kuigi seda on võimalik teha, kasutades vaid oma know-how’d, tasub oma nägemust optimaalsest kasutaja konversiooniteekonnast verifitseerida reaalsete kasutajatega.

Olles paika pannud konkreetsed sammud, mida kasutaja peab läbima, jõudmaks esimesest sammust konversiooniteekonnal viimaseni, mõtle ka andmetele, mida igast etapist sooviksid kätte saada: mis tooted lisati ostukorvi, mis on nende koondsumma, keskmine ostukorvi summa jne.

Siinkohal tuleb mängu dataLayeri kasutamine. DataLayer on JavaScripti objekt, mis on suuteline koguma ja hoiustama andmeid su veebilehe ning seal toimuva kohta standardiseeritud kujul. Selle kasutamine garanteerib kaks asja: et erinevad andmepõhised tööriistad saaksid kätte võimalikult palju andmeid ning et need andmed oleksid ühtsed kõikide tööriistade üleselt.

DataLayeri kasutamine garanteerib ka, et event-id käivituvad õigetel hetkedel – erinevalt DOM-scrapingust, mille puhul käivitatakse eventid vastava analüütikatööriistadesse kui tabatakse mingit konkreetset elemendiklassi või -tüüpi. Näiteks, kui kasutaja klikib konkreetse klassiga elementi lehestruktuuris, siis dataLayer evente on võimalik käivitada koodi poolelt kui event on reaalselt aset leidnud. See tähendab, et välistatud on olukorrad, kus event jääb käivitamata, kuna elemendi klass on muutunud või kasutaja küll vajutas nuppu, ent mingil tehnilisel põhjusel nupu taga olev funktsioon ei käivitunud.

Stay ahead of the curve – õpi kasutama ja rakendama GA uusversiooni enne kui on hilja

Ostuteekonna kaardistamine nii teoreetilisel kui praktilisel tasandil sillutab tee võimekusele seda reaalsetele numbritele tuginedes analüüsida. Kuigi Google Analyticsi hetkel kehtiv 3. versioon (teisiti tuntud kui Universal Analytics) võimaldas luua goal funneleid, olid need oma olemuselt väga piiratud – lõpp-eesmärgiks sai olla kas event või konkreetne lehevaatamine ning sammud selle lõpp-eesmärgini võisid olla vaid lehevaatamised. Google Analyticsi peagi saabuv neljas versioon pöörab selle süsteemi pisut pea peale, võimaldades kasutajatel luua lehtervaateid, kus teekonna erinevad sammud võivad ka olla event-id, mitte vaid lehevaatamised. Sealjuures on võimalik lisaks koguste analüüsimisele (kui suur hulk kasutajaid liikus etapist A etappi B) vaadelda ka, kuivõrd palju võttis neil aega, et jõuda ühest etapist teise ning kuivõrd erinevad andmed erinevate kasutajasegmentide lõikes. See võimaldab üsna detailsuseni analüüsida kastuajate ostuteekonda ning tuvastada pudelikaelu, mis vähendavad kasutajate hulka, kes jõuavad lõpliku konversioonini.

See on vaid üks näide Google Analytics 4 eripäradest – kuna praeguseks hetkeks on teada, et 4. versioonist saab 2023. aasta suvel GA vaikeversioon, on mõistlik end harjutada seda kasutama, kuniks selleks veel aega on. GA4 toob endaga kaasa hulgaliselt muudatusi, alustades oma tööks rakendatavast andmemudelist (senise hit-driven andmemudeli asemel rakendab GA4 oma töös event-driven andmemudelit).

Pudelikaelade kui probleemide algallikate tuvastamine

Kui GA4 lehtrianalüüs võimaldab tuvastada, kus konversiooniteekonnal esineb pudelikaelasid, ei aita ta mõista, mis on konkreetseks põhjuseks selle pudelikaela tekkimisel. Selliste olukordade tarbeks tasub kaaluda sessioonitalletustööriistade kasutamist.

Antud tööriistad (populaarseimad neist on tõenäoliselt Hotjar ja Crazyegg) salvestavad valimikasutajate kasutusteekonna, andes väga selge ülevaate, milline näeb välja keskmise kasutaja ostuteekond. See tähendab, et kui tuvastada pudelikael ostukorvis edasiliikumisel enne maksemeetodi valimist, aitab sessioonitalletustööriist tuvastada, kas kasutajad jäävad hätta ostutingimustega nõustumise nupu leidmisega, õige pangalingi valimisega vm.

Andmekaitse ja veebianalüütika

Kuigi veebianalüütika konfigureerimisel ja tööle rakendamisel võib teha eeskujulikku tööd, seab selle tulemuslikkuse ohtu erinevate andmekaitsedirektiivide olemasolu ning nõudmised, mis need seavad veebianalüütikatööriistade kasutamisele.

Veebianalüütikatööriistad langevad mitmel põhjusel erinevate andmekaitsedirektiivide mõjusfääri – nad rakendavad oma töös funktsionaalselt mittevajalikke küpsiseid, koguvad kasutajate kohta isikustatavaid andmeid jne. See tähendab, et kõikidele regulatsioonidele vastav veebileht küsib enne eelmainitud tööriistade käivitamist  kasutajapoolset nõusolekut.

Probleem tekib aga sellest, et erinevatele kogemustele tuginedes umbkaudu 70% kasutajatest ei anna nõusolekut analüütikateenuste kasutamiseks, mis tähendab, et erinevad absoluutmõõdikud GA-s (jm tööriistades) kahanevad senisega võrreldes drastiliselt. Suhtmõõdikute mõjutatus sõltub sellest, kui palju jääb alles nõusoleku andnud kasutajaid ning kas nende hulk on statistiliselt piisav, et sellele valimile tuginedes teha üldistatavaid järeldusi.

Vältimaksilm selgeid probleeme, mida toovad endaga 70% kadu admemahtudes, tasub kaaluda alternatiivsete analüütikatööriistade kasutamist. Paljud analüütikatööriistad (sh Matomo, Plausible) promovad end kui GDPR-compliant alternatiivi GA-le. See tähendab, et tänu erinevatele asjaoludele (koodi hoiustatakse kliendi serveris, andmed talletatakse kliendi andmebaasi, andmed kuuluvad lõpp-kliendile jne) saab neid tööriistu kasutada ilma kasutajapoolset nõusolekut vajamata.

Antud tööriistade miinuseks võib pidada nende lihtsust – kuigi baasvajadused katavad nad ära, on paljude probleemiks süvafunktsioonide ja erinevate integratsioonide puudumine. Seetõttu soovitame need võimalusel võtta kasutusele paralleelselt Google Analyticsiga. See võimaldab kasutada GA-d, et analüüsida suhtmõõdikuid (konversioonimäär, põrkemäär jne) ning alternatiivseid tööriistu, et analüüsida absoluutmõõdikuid (külastuste hulk jne).

Väärib mainimist, et GA4 puhul on arendamisel consent mode nimeline funktsionaalsus. Sisuliselt tähendab see, et GA koodile on võimalik edastada info, kas kasutaja nõustub enda jälgimisega või mitte. Juhul kui nõusolekut ei anta, edastatakse GA-le iga lehevaatamise puhul anonümiseeritud päringuid. Neid päringuid koondades püüab GA4 hiljem modelleerida andmeid veebi kogukülastatuse kohta. Kuigi antud hetkel on võimalik consent mode-i rakendada tööle andmete kogumisel, puudub veel võimalus näha sellest modelleeritud andmete vaatamiseks.

iProspect annab viiele esimesele huvilisele Liidu liikmete seast ära tasuta esmase konsultatsiooni veebianalüütika ja digiturunduse teemadel. Huvilistel saata päring aadressile roger.puks@iprospect.com

‍

Roger Puks

iProspect

‍

‍