Spis treści:
Google Analytics to najpopularniejsze darmowe narzędzie analityczne. Jeśli kod śledzenia zostanie zainstalowany poprawnie, możemy liczyć na zbieranie całkiem dokładnych danych o zachowaniach użytkowników na stronie. Jednak gdy zajrzymy do raportów Facebooka i porównamy je z zestawieniami GA, mogą nas zaskoczyć duże rozbieżności w statystykach. Skąd wynikają różnice w danych dotyczących konwersji prezentowane przez oba narzędzia? Całą winę ponoszą różne modele atrybucji!
Różne narzędzia, różna metodologia zbierania danych
Każde narzędzie analityczne posiada swoją własną metodologię gromadzenia danych o zachowaniach użytkowników. Największe różnice pomiędzy statystykami Facebooka a Google Analytics wynikają ze stosowania innych modeli atrybucji konwersji. Rozbieżności w raportach wynikają także m.in. z:
- Próbkowania danych przez Google Analytics – po przekroczeniu 500 tys. sesji w okresie, dla którego chcemy wygenerować raport, GA zastosuje próbkowanie i nie zaprezentuje pełnych danych o ruchu na stronie,
- Działania blokerów reklam, które oprócz niewyświetlania reklam displayowych zaburzają również działanie analitycsowego skryptu, co wpływa na błędy w zbieraniu danych,
- Rozpoczęcia kolejnej sesji GA – gdy użytkownik przejdzie na naszą stronę np. z reklamy na FB, a następnie przez okres sesji (standardowo trwa ona 30 min.) nie wykona żadnej akcji, a po 30 minutach wykona działanie, wtedy rozpocznie się nowa sesja przypisana do źródła direct (przejście na stronę poprzez wpisanie jej adresu w przeglądarce).
Zarówno Facebook, jak i Google Analytics nie są idealnymi narzędziami, dlatego zawsze należy liczyć się z brakiem pełnych danych. Aplikacje pomagają jednak w badaniu ruchu na stronie oraz pomagają w wyznaczeniu trendu popularności witryny wśród innych serwisów w internecie.
Co to jest atrybucja konwersji i model atrybucji konwersji?
Użytkownicy zachowują się bardzo różnie – część z nich po pierwszym kontakcie z serwisem dokonuje zakupu, a inni dopiero po kilku interakcjach z witryną przekonują się, że warto sfinalizować transakcję. Kolejne źródła, za pomocą których internauci odwiedzają stronę internetową – od pierwszego spotkania aż do dokonania konwersji – to tzw. ścieżki konwersji.
reklama Google AdWords –> Facebook Ads –> Wyszukiwarka –> Wejście bezpośrednie = konwersja
Przykładowa ścieżka konwersji
Możemy powiedzieć, że pośrednio wszystkie punkty na ścieżce konwersji przyczyniają się do dokonania zakupu, ale tylko jeden z nich jest bezpośrednio odpowiedzialny za sfinalizowanie transakcji. Identyfikacja źródła, za pomocą którego użytkownik dokonał konwersji, to atrybucja konwersji.
Jak ustalić, które ze źródeł odpowiada bezpośrednio i pośrednio za zakup? W tym celu korzysta się z modelu atrybucji konwersji – zbioru reguł określających, któremu źródłowi ruchu na ścieżce konwersji zostanie przypisana transakcja.
I teraz przechodzimy do sedna sprawy – różnice między statystykami Facebooka i Google Analytics dotyczące konwersji wynikają właśnie z różnych modelów atrybucji:
Google Analytics domyślnie stosuje model Ostatnie kliknięcie niebezpośrednie, przypisując konwersję do ostatniego źródła niebezpośredniego doprowadzającego użytkownika do konwersji. W powyższym przykładzie Wyszukiwarka będzie takim źródłem.
Facebook korzysta z modelu ostatniej interakcji, który domyślnie przypisuje reklamie udział w konwersji 1 dzień po jej wyświetleniu lub 28 dni po jej kliknięciu. Jeśli zatem w powyższym przykładzie od momentu wyświetlenia lub kliknięcia w Facebook Ads przez użytkownika aż do dokonania zakupu minie mniej niż 4 tygodnie, w statystykach FB konwersja zostanie przypisana facebookowym reklamom.
Stosowanie odmiennych modeli atrybucji powoduje ogromne różnice – w naszym przykładzie widać, że jeśli użytkownik pokona ścieżkę konwersji w mniej niż 28 dni, to Facebook pokaże 1 konwersję z reklamy, a Google Analytics zarejestruje konwersję z wyszukiwarki.
Jak zmniejszyć różnice w statystykach Facebooka i Google Analytics dotyczące konwersji?
Nigdy nie uda nam się uzyskać stuprocentowej dokładności, ale wprowadzając zmiany w ustawieniach Facebooka oraz wspierając się różnymi zestawieniami Google Analytics, można zmniejszyć różnice w raportach dotyczących konwersji.
- Zmiany w modelu atrybucji ostatniej interakcji na FB – wejdź w Menedżera Reklam i odszukaj sekcję Ustawienia. Tam znajdź atrybucje. Zawęź przedział czasowy do 1 dnia wyświetlenia oraz kliknięcia reklamy. Dzięki temu uzyskasz bardziej precyzyjne dane dot. atrybucji konwersji.
- Modelowanie atrybucji w Google Analytics – metoda dla osób zaawansowanych w obsłudze GA obejmująca analizę ścieżek wielokanałowych, wykorzystanie dostępnych modeli atrybucji lub stworzenie od podstaw własnego sposobu ustalania atrybucji konwersji.
- Analiza raportu konwersji wspomaganych w GA – w zestawieniu zobaczymy udział poszczególnych źródeł wejść na stronę w generowaniu konwersji. Za jego pomocą można wyodrębnić wspomagające kanały sprzedaży, w które warto inwestować.
- Wykorzystanie tagów UTM do lepszego śledzenia źródeł ruchu – tagi UTM pozwalają śledzić źródła ruchu na stronie internetowej. Za pomocą specjalnych parametrów w adresie URL można przekonać się, czy użytkownik przeszedł do serwisu z konkretnego newslettera, kliknął link zamieszczony na stronie partnera lub przywędrował z facebookowego wpisu. Należy pamiętać, że tagów UTM nie warto jednak stosować do śledzenia kampanii wewnętrznych na stronie, np. banerowych, ponieważ będą one powodowały m.in. sztuczne nadpisywanie źródeł ruchu.
Różne narzędzia analityczne – różne dane o ruchu na stronie
Korzystając z różnych aplikacji analitycznych, musimy się przyzwyczaić do odmiennych danych o ruchu na stronie. Każde narzędzie posiada odmienną metodologię gromadzenia informacji, więc trudno jest porównywać zestawienia, oczekując wysokiej dokładności prezentowanych danych. Podczas analizy najlepiej jest nastawić się na wyodrębnianie trendów i poszukiwanie wskazówek dotyczących optymalizacji działań reklamowych. Jeśli kampanie Facebooka mają duży udział w generowaniu konwersji (czy to pośredni, czy też bezpośredni), z pewnością warto w nie inwestować.
