Maciek/Tomek: Dzisiejsze spotkanie mogłoby się wydawać kolejnym odcinkiem w temacie analityki i danych — trochę tych odcinków mamy już nakręconych w tym zakresie. Wydaje mi się jednak, że to tylko bardziej podkreśla, jak dużą rolę dane powinny odgrywać w e-commerce. O tym właśnie chcieliśmy dzisiaj porozmawiać: jak te dane nie tylko zbierać, ale przede wszystkim wykorzystywać. Po to zaprosiliśmy tutaj Mateusza. Mateuszu, zamiast prosić cię o klasyczne przedstawienie się — powiedz, do czego ty osobiście korzystasz z GA4 i jak przekłada się to na doradzanie klientom?

‍

Mateusz: Przede wszystkim GA4 wiąże się z tym, że wiele osób ją ma, ale niewiele z niej korzysta. To jest największa sprzeczność — mega popularne narzędzie, obecne praktycznie na każdej stronie, a jednocześnie bardzo mało wykorzystywane. Dlatego cieszę się, że mamy okazję o tym porozmawiać, bo mimo że tych odcinków było już dużo, w kontaktach z e-commercami nadal widać, że wykorzystanie GA4 jest na niskim poziomie.

‍

W naszej firmie, która jest firmą B2B, używamy GA4 przede wszystkim do śledzenia ścieżek, jakimi klienci do nas docierają. Mamy trzy strony internetowe i tworzymy bardzo dużo treści, bo wierzymy, że w B2B to właśnie edukacja rynku przyciąga klientów i pokazuje, że wiemy, o czym mówimy. Te ścieżki są w naszym przypadku bardzo długie — od pierwszego kontaktu do pozostawienia leada mija czasem wiele miesięcy, jeśli nie lat, biorąc pod uwagę, że mamy też produkty szkoleniowe. Śledzimy więc przede wszystkim to, z jakimi treściami klienci mają kontakt.

‍

Jeżeli chodzi o naszą agencję Digitalk, to GA4 wykorzystujemy szerzej: analizujemy jakość ruchu, który dowożymy klientom, decydujemy, które kampanie warto skalować, które produkty warto promować. Poza tym świadczymy szereg usług analitycznych — od wdrożenia technicznego, przez szkolenia, aż po abonament analityczny, gdzie dostarczamy raporty i rekomendacje do optymalizacji.

‍

Maciek/Tomek: Mam takie porównanie, że GA4 to trochę jak ubezpieczenie samochodu — każdy musi je mieć, ale nikt tak naprawdę nie wie, co ono zawiera i nikt tam nie zagląda. Jak jest u was?

‍

Mateusz: U nas zaglądamy, bo też pozyskujemy klientów głównie przez content. Nie robiliśmy do tej pory klasycznego outboundu — zawsze to były głównie polecenia albo właśnie kontent. Mamy dobrze opomiarowane wszystkie strony, wiemy, co się dzieje. Miło to słyszeć, bo to rzadka odpowiedź. U nas jest jeszcze tak, że analityka to jeden z naszych pryncypiów współpracy z klientami. Od razu kładziemy nacisk na to, że w e-commerce powinno być policzone naprawdę bardzo dużo — i co ważne, te liczby powinny znajdować odzwierciedlenie w decyzjach.

Maciek/Tomek: Pamiętam klienta z obrotami liczonymi w dziesiątkach milionów rocznie, któremu robiliśmy migrację na Shopify. Przy rozmowie o kosztach utrzymania powiedział: „O, to zostanie mi dużo pieniędzy na marketing — ostatnio byłem na szkoleniu z Google Analytics, to naprawdę fajne narzędzie." Sklep działał od wielu lat. Takie przypadki się zdarzają.

‍

Dobra konfiguracja GA4 — co to znaczy?

‍

Maciek/Tomek: Żeby wyciągać poprawne wnioski, musimy mieć poprawne dane. A żeby mieć poprawne dane, musimy mieć wszystko dobrze ustawione. Co to jest poprawna konfiguracja?

‍

Mateusz: Zacznijmy od tego, co zdarza się nagminnie — od bannera z ciasteczkami. Wchodząc na stronę, powinien wyświetlić się baner informujący użytkownika, czy wyraża zgodę na zapisywanie ciasteczek. Są ciasteczka funkcjonalne, dotyczące działania strony — na to użytkownik nie musi wyrażać zgody. Są też marketingowe i analityczne — na te zgoda jest wymagana.

Pierwszym błędem jest to, że GA4 zapisuje ciasteczko przed wyrażeniem zgody, co jest błędem i złamaniem prawa. Grożą za to milionowe kary, uzależnione nie od zysku, lecz od przychodu — może to być naprawdę bolesne.

‍

Maciek/Tomek: To dołóżmy tę karę do listy kosztów zaniechania. Ciekawi mnie też, na ile te kary są egzekwowane.

‍

Mateusz: Prezes Urzędu Ochrony Danych Osobowych publikuje co roku, jakie branże są na celowniku. Wracając jednak do konfiguracji — jeżeli użytkownik nie wyrazi zgody, GA4 jest na to gotowy. Może uruchomić się w trybie anonimowym: przesyła dane, ale bez informacji powiązanych z konkretnym użytkownikiem. Dane są potem modelowane — do tego potrzebna jest jednak określona liczba wizyt ze zgodą.

Z czym się często spotykamy: wchodzi użytkownik na stronę, GA4 jest zablokowane, bo baner jeszcze się nie pojawił lub użytkownik nie kliknął. Użytkownik klika zgodę — nic się nie dzieje, bo skrypt uruchomił się już wcześniej. Przechodzi na kolejną stronę i dopiero tam GA4 uruchamia się po raz pierwszy. Efekt: mamy zaburzone dane dotyczące źródła wejścia i całej ścieżki użytkownika. Dlatego skrypt powinien być skonfigurowany tak, żeby uruchamiał się w momencie kliknięcia „akceptuję" albo „odrzucam" — zależy, jak mamy to napisane. Wtedy mamy pewność, że dane są zbierane poprawnie.

‍

Druga kwestia to UTMy. Każdy link prowadzący do naszej strony — z systemów reklamowych, z artykułów, profili social media, z kanału YouTube, z newsletterów — powinien być oznaczony co najmniej trzema parametrami: medium, źródło i kampania. Dzięki temu, podając przykład newslettera z oznaczoną datą wysyłki, możemy dokładnie zobaczyć w GA4, ile osób przeszło na stronę, ile dodało produkt do koszyka, ile kupiło. Analiza newslettera ograniczona tylko do współczynników otwarć i kliknięć w narzędziu do wysyłki to za mało — zdarza się, że mniej osób klika w mail, ale więcej kupuje, bo intencja zakupowa jest wyższa.

‍

To samo dotyczy reklamy offline. Mamy klienta, który promuje się w sieci siłowni. Dzięki QR kodom z UTMami możemy precyzyjnie zmierzyć skuteczność tej reklamy offline — ile osób przeszło na stronę, ile kupiło. Wiem, że nie wszyscy skanują QR kody — ja sam chętniej wpiszę adres — ale sporo osób to robi.

‍

Ważna kwestia przy UTMach: mała i wielka litera to dwa różne źródła wejścia w GA4. Jeśli kilka osób przygotowuje kampanie i jedna napisze „newsletter" małą literą, a inna wielką — już mamy dwa różne źródła i psujemy analitykę. Dlatego w czasie każdego wdrożenia przygotowujemy plik Excel, który dokładnie definiuje konwencję UTMów dla wszystkich kanałów. Można też napisać generator — to całkiem prosta rzecz — ale kluczowe jest, żeby wszyscy się trzymali jednego standardu.

‍

Czy możemy liczyć na 100% zgodność danych?

‍

Maciek/Tomek: Jednym z największych zarzutów wobec GA4 jest to, że dane nigdzie z niczym się nie zgadzają. Czy po poprawnie skonfigurowanym koncie możemy spodziewać się, że będziemy widzieć wszystko, co się dzieje na sklepie?

‍

Mateusz: Nie. Musimy zaakceptować, że tak jest, i rozumieć, dlaczego.

‍

Pierwsza przyczyna: nie wszyscy użytkownicy wyrażają zgodę na ciasteczka. Nawet przy modelowaniu to pierwszy element, który powoduje, że nie mamy danych jeden do jednego.

‍

Druga: coraz popularniejsze są wtyczki do przeglądarek — adblocki, które oprócz reklam blokują też skrypty wysyłane do serwerów Google. Rozwiązaniem jest tu wdrożenie server-side, ale to wciąż niszowe podejście.

‍

Trzecia: błędy samego narzędzia. Skrypt w przeglądarce nie zawsze uruchomi się poprawnie.

‍

Czwarta — bardzo częsta w e-commerce: informacja o zakupie przesyłana jest ze strony z podziękowaniem. Jeśli użytkownik dokona zakupu w bramce płatniczej i zamknie przeglądarkę, zanim wróci na stronę potwierdzenia, skrypt się nie uruchomi. Konfigurowaliśmy rozwiązania, które wysyłają informację o zakupie bezpośrednio z serwera sklepu z pominięciem przeglądarki — ale nawet to nie daje 100% kompletności.

‍

I tutaj ważna zasada: nie dążymy do pełnej zgodności danych. Analizujemy trendy i porównania między kanałami oraz kampaniami. Sygnałem alarmowym jest 25% rozbieżności między sklepem a GA4. Przy 10% — sytuacja jest świetna. Przy 20% — trzeba po prostu to zaakceptować.

Nasi klienci na Shopify często mają duże rozbieżności. Tu z pomocą przychodzą aplikacje takie jak Little Data, które pomagają lepiej zbierać dane — po ich wdrożeniu wyniki są zdecydowanie bardziej spójne. Shopify to dość zamknięte środowisko i nie wszystko można tam zrobić tak jak byśmy chcieli.

‍

Co mierzyć — zdarzenia i parametry

‍

Maciek/Tomek: Na co jako e-commerce powinniśmy przede wszystkim patrzeć?

‍

Mateusz: Przede wszystkim na zdarzenia prowadzące do realizacji naszego głównego celu. Podzieliłbym je na dwie kategorie.

‍

Pierwsza to zdarzenia zbierane automatycznie — wystarczy dodać skrypt na stronę. Są tam: rozpoczęcie sesji, wyświetlenie strony, interakcje z filmami YouTube (czego nie było w poprzedniej wersji), a nawet wyszukiwanie wewnętrzne. Co ciekawe — GA4 zbiera automatycznie dane o tym, czego szukają użytkownicy na naszej stronie, ale gotowego raportu nie ma. Trzeba go ręcznie zbudować w eksploracji. Warto to zrobić, bo to naprawdę wartościowe dane.

‍

Mieliśmy sklep ze strojami dziecięcymi — we wrześniu zobaczyliśmy, że rodzice szukają rzeczy na komunię. Daliśmy tę informację klientowi, który szybciej wprowadził kolekcję komunijną. Przychód pojawił się wcześniej, a konkurencja jeszcze o tym nie pomyślała. Można też zobaczyć, że użytkownicy szukają konkretnego koloru ubrań, konkretnego producenta, którego nie masz w ofercie — i wtedy możesz do tego producenta pójść z danymi: „Mamy tyle wyszukiwań miesięcznie, gwarantujemy sprzedaż."

‍

Druga kategoria to zdarzenia zalecane — trzeba je skonfigurować osobno. Wśród nich są zdarzenia e-commerce: wyświetlenie produktu, dodanie do koszyka, przejście do checkoutu, dodanie formy płatności, zakup, wyświetlenie listy produktów. Możemy też mierzyć promocje wewnętrzne — na przykład czy baner z Black Friday jest klikany. Możemy porównywać różne wersje banerów: z rabatem procentowym, z konkretnym produktem, ze zdjęciem modela.

‍

Kluczowe jest też przekazywanie parametrów. Oprócz zdarzenia „dodanie do koszyka" powinniśmy przesyłać: kolor produktu, rozmiar, formę płatności — wszystko, co użytkownik wybrał na stronie. Mieliśmy sklep odzieżowy, który na podstawie raportów GA4 z podziałem na rozmiary i kolory planował zamówienia do kolejnej kolekcji. Jeśli zielona wersja danego ubrania klikała się pięć razy lepiej niż czarna, to nie tylko zamawiał więcej zielonych — używał tego koloru w kampaniach reklamowych, co obniżało koszt pozyskania klienta.

‍

Jeszcze jedna ważna rzecz: każdy zalogowany użytkownik powinien przekazywać do GA4 swój unikalny numer ID. Dzięki temu GA4 potrafi połączyć tę samą osobę wchodzącą z komputera i telefonu. To buduje wartość klienta w czasie — widzimy, jak często wracają, jak często kupują.

‍

Ważne też, żeby nie mierzyć absolutnie wszystkiego. Spotykam się z tym, że ktoś chce śledzić kliknięcie każdego przycisku na stronie. Efekt: chaos danych, których nikt potem nie analizuje. Dodajemy zdarzenie wtedy, kiedy wiemy po co.

‍

Google Tag Manager — czy jest niezbędny?

‍

Maciek/Tomek: Jaką rolę odgrywa Google Tag Manager? Czy jest obowiązkowy?

‍

Mateusz: Obowiązkowy nie jest — są wtyczki, które umożliwiają konfigurację bez GTM i jeśli działają poprawnie, to nie jest błąd. Minusem jest jednak to, że we wtyczce nie mamy dużej kontroli — konfigurujemy identyfikator śledzenia i ona po prostu zbiera dane.

‍

My praktycznie zawsze robimy wdrożenie przez Google Tag Manager, bo nie zaczynamy od GA4 i nie zaczynamy od zdarzeń. Zaczynamy od warsztatu z klientem, na którym pytamy: jakie pytania chcemy zadać danym i jakich odpowiedzi szukamy? Rozmawiamy z osobami ze sprzedaży, marketingu, produktu, zarządu. Dodajemy naszą perspektywę, bo wiele osób może nie zdawać sobie sprawy, jakie pytania w ogóle można postawić. Następnie definiujemy zdarzenia, które będą potrzebne, dodajemy dobre praktyki, a potem siadamy do tworzenia tak zwanej warstwy danych — czyli łącznika między stroną a narzędziem.

‍

Wąskie gardło to zazwyczaj wdrożenie przez programistę. Kiedy jest gotowe, konfigurujemy w GTM przesyłanie danych do GA4, Google Ads i Meta jednocześnie. Jeden poprawnie przekazany sygnał z warstwy danych można rozesłać do wszystkich narzędzi. To ważne na przykład przy formularzach — automatyczne zbieranie danych o formularzach w GA4 praktycznie nigdy nie działa dobrze bez warstwy danych.

‍

Jak przejść na myślenie oparte na danych?

‍

Maciek/Tomek: Jak firma ma przejść z myślenia „mamy GA4, ale pytamy żony prezesa" do realnego korzystania z danych?

‍

Mateusz: Zawsze po skończeniu wdrożenia robimy szkolenie — pokazujemy możliwości na przykładach. Zmiany w organizacji nigdy nie są proste. Przejście na model data-driven wymaga czasu, konsekwencji i pokazywania korzyści. Wracamy do pytań, które zadaliśmy na początku wdrożenia, i mówimy: „Z tym problemem masz tu odpowiedź." Każdy w organizacji ma cele — dyrektor marketingu musi pokazać skuteczność, zarząd chce rentowności, osoba od produktu planuje kolekcje. Krok po kroku pokazujemy, w jaki sposób te dane na to odpowiadają.

‍

Po miesiącu albo po trzech miesiącach wracamy i pytamy, jakie wnioski zostały wyciągnięte, jak dane zostały wykorzystane. To zawsze jest proces. Ale kiedy ktoś zobaczy faktyczne możliwości, GA4 przestaje być licznikiem na stronie. Ten opór często wynika po prostu z braku wiedzy, jak z tych danych korzystać.

‍

W ramach naszego abonamentu analitycznego działamy jak zewnętrzny analityk — przesyłamy raporty, dajemy konkretne rekomendacje dotyczące produktów, kampanii, budżetów. Zatrudnienie analityka na etat to dla większości e-commerców zbyt duży koszt, a przy mniejszych sklepach ciężko byłoby go w pełni zapracować. Mamy też dostęp do ponad stu kont GA4, więc wiemy, które wskaźniki są dobre, a które słabe — mamy benchmarki.

‍

Raporty — od czego zacząć

‍

Maciek/Tomek: Jakie raporty powinny znaleźć się na dashboardzie e-commerce?

‍

Mateusz: Przede wszystkim raporty związane ze źródłami pozyskania. Wszystko sprowadza się do tego: skąd pozyskaliśmy użytkownika, co wykonał na stronie. Przy poprawnie skonfigurowanych UTMach widzimy ile osób przyszło z płatnych kampanii Meta, ile z Google, ile z SEO.

Ważna różnica, której wiele osób nie zna: raport „pozyskiwanie ruchu" i raport „pozyskiwanie użytkowników" to dwie różne rzeczy. W pierwszym każde wejście jest przypisane do źródła tej konkretnej sesji — raz z SEO, raz z Google Ads, raz z Mety. W drugim raport pokazuje, skąd dany użytkownik przyszedł po raz pierwszy. Jeśli ktoś wszedł po raz pierwszy z reklamy Meta, a zakupu dokonał podczas ósmej wizyty z Google — w raporcie pozyskiwania użytkowników ten zakup będzie przypisany do Mety. To cenny raport dla rozumienia, które kanały realnie pozyskują nowych klientów, a nie tylko domykają konwersje na końcu lejka.

‍

Przy kampaniach Google trzeba też koniecznie rozdzielić ruch brandowy od niemarkowego. Kampanie na frazy zawierające nazwę sklepu zawsze mają wyższy współczynnik konwersji, bo trafiają do ludzi tuż przed decyzją zakupową. Jeśli tego nie rozdzielimy, dostajemy zakrzywione dane i agencja performance może raportować cuda, które w rzeczywistości są efektem kampanii brandowych.

Podobna pułapka przy Meta: ROAS raportowany w systemie Mety może być kilkunastokrotnie wyższy niż ten widoczny w GA4. Oba są prawdziwe — tylko mierzą coś innego. Meta liczy każdą interakcję z reklamą, w tym samo polubienie posta, po którym ktoś później wszedł z kampanii brandowej. GA4 przypisuje konwersję do konkretnego źródła kliknięcia.

‍

Swoją drogą, często pojawia się pytanie, czy w ogóle prowadzić kampanie brandowe. Z mojej perspektywy tak, bo jeśli nie prowadzimy, konkurencja może przejąć ten ruch od użytkowników, którzy są tuż przed decyzją zakupową. 10–15% budżetu to dobra ochrona tego, co już zbudowaliśmy.

‍

Segmentacja — klucz do wartościowej analizy

‍

Mateusz: Słowo, które w tej rozmowie jeszcze nie padło, a jest kluczowe: segmentacja. Wchodząc do GA4 i patrząc na raporty bez segmentacji, dostajemy tylko połowę wartości.

‍

Przykład: analizujemy, skąd pozyskujemy użytkowników, którzy dokonali zakupu. Możemy stworzyć dwa segmenty — tych, którzy kupili powyżej średniej wartości koszyka (powiedzmy 250 zł), i tych poniżej. Albo tych, którzy kupili trzy razy i więcej, versus tych, którzy kupili raz. Wtedy widzimy, które kampanie pozyskują naszych najbardziej wartościowych klientów.

‍

Może się okazać, że jakaś kampania generuje dużo użytkowników, ale kupują oni tylko raz i biorą najtańsze produkty — na przykład akcesoria zamiast głównego asortymentu. Patrząc tylko na liczbę konwersji, wydaje się, że kampania działa świetnie. Patrząc na segmenty — widzimy, że rentowność spada. I odwrotnie: mała kampania z niskim budżetem może pozyskiwać klientów, którzy wracają i kupują za duże kwoty. Bez segmentacji tego nie widać.

‍

Dlatego nie szukałbym skomplikowanych analiz kohort na początku. Zacznijmy od dobrze wykonanej segmentacji w podstawowych raportach — to da nam naprawdę dużo.

‍

Atrybucja — komu przypisać zakup?

‍

Mateusz: Jeszcze jedna pułapka: model atrybucji. Jeśli użytkownik wszedł najpierw z Mety, potem z Google Ads i dopiero wtedy kupił — komu przypisujemy ten zakup?

‍

W standardowych raportach GA4 działa model ostatniego kliknięcia — 100% dla Google, Meta zero. Ale GA4 ma też model oparty na danych, który analizuje całą ścieżkę i przypisuje udział każdemu kanałowi. Problem w tym, że ten model jest dostępny dopiero w sekcji Eksploracja, nie w standardowych raportach. Analizując tylko standardowe raporty, możemy wyciągać błędne wnioski o skuteczności poszczególnych kanałów.

‍

Jak często patrzeć w dane?

‍

Maciek/Tomek: Jak często powinienem zaglądać do GA4, żeby nie popaść w skrajność — albo kompletne ignorowanie, albo obsesję na punkcie liczb?

‍

Mateusz: To zależy od roli. Osoba od marketingu będzie zaglądać częściej niż osoba od produktu. Nawet w przypadku produktu to zależy — sklep odzieżowy rotuje asortymentem często, sklep z żywnością rzadziej.

‍

Na pewno są raporty, gdzie warto rzucić okiem dosłownie codziennie, przy kawie — na przykład porównanie ruchu tydzień do tygodnia. Jeśli ruch z SEO spada o 90% w stosunku do poprzedniego tygodnia, to sygnał do natychmiastowego działania. Może coś się stało z indeksacją, może przyszedł algorytmiczny update, może ban. Każda godzina braku reakcji to koszt.

‍

Przy kampaniach: marketing manager powinien raz w tygodniu — najlepiej w piątek — zablokować godzinę w kalendarzu tylko na analizę danych. Dane w GA4 mogą się pojawić z opóźnieniem do 24 godzin, więc porównanie dzień do dnia ma sens dopiero po pewnym czasie. Właściciel e-commerce — przynajmniej raz w miesiącu, ale im bardziej zaangażowany operacyjnie, tym częściej.

‍

Warto też mieć prosty raport w Looker Studio, który przy porannej kawie pokaże bieżącą sytuację. Zdarzają się takie rzeczy jak odrzucenie produktów w Google Merchant Center albo problem z kartą podpiętą do konta reklamowego — kampanie się zatrzymują, a każda godzina bez reklam to realna strata.

‍

Praktyczny przykład: kiedy dane prowadzą do działania

‍

Maciek/Tomek: Przejdźmy do bardzo konkretnego przypadku — widzimy coś niepokojącego w danych. Jak od spostrzeżenia przejść do decyzji?

‍

Mateusz: Dwa przykłady z praktyki.

‍

Pierwszy: klient z budżetem reklamowym powyżej 200 tys. zł miesięcznie, spora część na SEO. Rok do roku ruch z SEO wzrósł dwukrotnie, ale liczba dodań do koszyka z tego kanału spadła czterokrotnie. Jakość ruchu drastycznie się pogorszyła. Odpowiedź była w GA4 — po połączeniu z Google Search Console zobaczyliśmy, na jakie frazy strona się wyświetla, jakie mają współczynniki kliknięć i na jakie podstrony trafiają użytkownicy. Okazało się, że agencja SEO stworzyła dużo artykułów powiązanych z branżą klienta, ale bez intencji zakupowej.

‍

Metaforyczny przykład: salon samochodowy pozycjonował się na frazę „w co grać z dziećmi w samochodzie podczas podróży". Dużo wejść, zero konwersji. To spalone pieniądze i przy okazji psuje skuteczność kampanii remarketingowych, bo ci użytkownicy trafiają do grup remarketingowych, a nie mają żadnej intencji zakupowej.

‍

Drugi przykład: drop współczynnika dodań do koszyka. Tu GA4 pokaże nam skutek, ale nie przyczynę. Do znalezienia przyczyny potrzebujemy innych narzędzi. Polecamy Clarity od Microsoftu — bezpłatne narzędzie, które można połączyć z GA4. Pozwala zobaczyć nagrania sesji i mapy ciepła dla segmentu użytkowników, którzy nie dodali do koszyka albo dodali, ale wyszli. Dzięki temu można zobaczyć, gdzie klikają, czego szukają, gdzie utykają. Może przycisk jest nieklikliwy, może czegoś nie widzą na mobile.

‍

AI w analityce — asystent, nie zastępstwo

‍

Maciek/Tomek: Skoro tu jesteśmy — nie możemy tej rozmowy skończyć bez wątku AI. Przewrotnie: po co mi analityk, skoro mam sztuczną inteligencję? Czy AI zastąpi zaglądanie do GA4?

‍

Mateusz: Myślę, że nie zastąpi, bo podobnie jak ze strategią — możemy wejść w dowolny czat, Gemini czy Claude, którego akurat ja jestem fanem, i dostaniemy piękną 50-stronicową strategię. Ale potem pozostaje kwestia wdrożenia i kontekstu. AI napisze nam: „Popraw konwersję na stronie, zoptymalizuj kampanie reklamowe" — ale to zbyt ogólne, żeby miało wartość.

‍

Kluczem jest kontekst, którym nakarmisz AI. My pracujemy w ten sposób, że tworzymy projekty w narzędziach AI, gdzie dajemy jak najwięcej informacji o firmie, celach, budżetach, działaniach, hipotezach. Im więcej kontekstu, tym lepsze odpowiedzi. Im bardziej ogólne pytanie, tym bardziej ogólna odpowiedź — to zasada dotyczy absolutnie wszystkiego w pracy z AI.

‍

Do czego AI w analityce jest naprawdę świetny: przetwarzanie danych i wyszukiwanie wzorców w zbiorach, które potem przekłada się na decyzje. Mamy teraz możliwość podpięcia konta GA4 i kont reklamowych do specjalistycznych narzędzi i rozmawiania bezpośrednio z tymi danymi. My aktualnie testujemy Go Marble — narzędzie, które się sprawdza. Jedną z jego fajnych funkcji jest to, że jeśli nie wiesz, o co zapytać, możesz napisać: „Jestem dyrektorem marketingu e-commerce X — o co powinienem cię zapytać?" I dostajesz listę pytań. Ma też dużą bibliotekę gotowych promptów analitycznych.

‍

Trzy rzeczy, z którymi warto stąd wyjść

‍

Maciek/Tomek: Na koniec prosimy o skondensowane podsumowanie — trzy wskazówki, z którymi zostawiasz naszych słuchaczy.

‍

Mateusz: Pierwsze: alokacja budżetów reklamowych. GA4 to narzędzie, które powie ci, które kanały naprawdę działają i gdzie warto dołożyć kolejną złotówkę. Bez tego bazujesz na przeczuciu, które w dużym prawdopodobieństwem jest błędne.

‍

Drugie: konwersja. GA4 pozwoli ci zobaczyć, na którym etapie ścieżki tracisz użytkowników — z podziałem na urządzenia, kanały, kampanie. Poprawa każdego etapu lejka o jeden punkt procentowy, pomnożona przez ruch i budżet, daje naprawdę duże liczby w skali roku.

‍

Trzecie: gdzie masz potencjał do wzrostu. Czy to segmenty klientów, których nie docierasz, produkty, których nie promujesz, czy kategorie, których szukają użytkownicy na twojej stronie, a których nie masz w ofercie.

‍

Kiedy mamy dobrze skonfigurowane GA4 i organizację, która faktycznie z danych korzysta — nie tylko marketing manager, ale cały zespół w zależności od celów — to na bardzo konkurencyjnym rynku, gdzie walczymy nie tylko z polską, ale i chińską konkurencją, każdy punkt procentowy poprawy konwersji na każdym etapie naprawdę robi różnicę.

‍