Metod i sposobów mierzenia efektywności kampanii jest na rynku coraz więcej. Od tradycyjnych wskaźników i wsparcia Google Analytics, po coraz bardziej zaawansowane narzędzia mierzące skuteczność działań reklamowych. Najczęściej jednak nasze działania analitycznie skupiamy na samych wynikach – czy to przedstawionych w postaci liczb, procentów czy wizualizowanych wykresami. Starając się ulepszać kampanie, korzystamy z trendów i badań preferencji klientów, a także wykorzystujemy „sprawdzone metody” z rynku. Szybko jednak okazuje się, że analiza danych historycznych lub bieżących na temat przeprowadzonych już kampanii i tego, jak faktycznie wyglądała ścieżka klientów zainteresowanych naszą ofertą, może być dużo bardziej efektywna.
Dla aniakruk.pl, jednej z polskich marek biżuteryjnych, przeprowadziliśmy szybką analizę kampanii walentynkowej. Szybką, ponieważ wystarczyło porównanie ruchu na stronie w kategorii „Walentynki”, do tego, który pochodził z kampanii, aby zrozumieć, co dokładnie robią klienci i jak projektować kolejne kampanie, aby lepiej odpowiadały ich potrzebom.
Zacznijmy jednak od początku. CUX automatycznie zbiera i generuje heatmapy dla wszystkich URL, na które użytkownik wszedł przynajmniej raz. Dzięki temu analizować dane możemy w dowolnym momencie – nie musimy z wyprzedzeniem planować jaki adres i w jakim czasie będziemy badać. Pozwala to – szczególnie w sytuacji problematycznej – na wykorzystanie analityki do dokładniejszego zrozumienia zdarzenia.
W przypadku naszej marki biżuteryjnej, zaraz po Walentynkach, rozpoczęliśmy analizę od sprawdzenia, jak klienci ogólnie zachowywali się na stronie z produktami wyselekcjonowanymi specjalnie na tę okazję. Skorzystaliśmy w tym celu z heatmapy dla wejść direct lub w trakcie nawigacji wewnątrz strony na ofertę Walentynkową.
Heatmapa dotyczy tylko wejść na konkretny URL
Analizując kliknięcia na heatmapie nie dostrzeżemy niecodziennych lub budzących wątpliwości zdarzeń. Zaobserwujemy raczej naturalne, rozproszone flow klientów, bez zbytniego angażowania się w przeglądanie pojedynczych produktów. Większość klików kumuluje się przy opcji wyboru konkretnego asortymentu po lewej stronie.
Heatmapa dla kampanii walentynkowej aniakruk.pl
Po wstępnej analizie postanowiliśmy sprawdzić, jak te same wejścia wyglądały w przypadku klientów, którzy wyraźnie przyszli na stronę z kampanii zewnętrznych. Aby tego dokonać, wystarczy odfiltrować wejścia po URL, który zakłada, że adres ma dodatkowy „ogonek” służący do rozpoznania, skąd dany klient przyszedł, np. fbclid.
Korzystając z filtrowania, przygotowaliśmy listę wszystkich interesujących nas adresów, a następnie wygenerowaliśmy dla nich zgrupowaną heatmapę (funkcja znajduje się w prawym górnym rogu strony). Taka mapa ciepła pozwala nam wygenerować zbiorczy obraz dla wielu URLi, pod którymi znajdują się strony o identycznej budowie – np. strony produktów lub właśnie wejścia z kampanii – do których, w podstawowej analityce, będziemy mieli wgląd jedynie w postaci osobnych adresów URL.
Zgrupowana heatmapa umożliwia zobaczenie tej samej strony wyświetlanej przez odwiedzających korzystających z różnych punktów wejścia
W tym wypadku sytuacja ma się nieco inaczej niż w przypadku wejść bezpośrednich. Przede wszystkim widzimy wyraźnie większe zaangażowanie użytkowników, którzy częściej klikają (więcej czerwonych plam). Zgrupowana heatmapa pozwala również zaobserwować, że klienci nie klikają tak chętnie w same produkty, jak w opcje filtrowania wyników. Na wszystkie możliwe sposoby próbują zawęzić zakres produktów! Dużym powodzeniem cieszy się też pozycja w menu górnym, pod nazwą: „Czego szukasz”.
Co ciekawe, nie widzimy tutaj zwiększonej czy istotnej dla analizy ilości klików w menu po rozwinięciu, a jedynie nieliczne kliknięcia w okolicach bannera. Pamiętajmy, że heatmapa to tylko wizualizacja pojedynczego stanu strony i jeśli klienci rozwijają menu, to w klasycznej heatmapie będziemy obserwować kliki „w powietrzu”, kiedy w rzeczywistości mogą dotyczyć elementów takich jak pop-upy, widgety, czy właśnie rozsuwane menu. Z analizy zgrupowanej heatmapy możemy wywnioskować, że z tego poziomu klienci niezbyt często przechodzą dalej – co pozwala sądzić, że nie znaleźli tego, czego szukali. Wniosek, który uwypukla się szczególnie mocno jeśli wejdziemy w analizę głębiej.
Zgrupowana heatmapa kampanii walentynkowej
Zmiana rodzaju wyświetlania danych na „rage clicks”, tylko potwierdza hipotezę o rozczarowaniu klientów po kliknięciu wyżej wspomnianej kategorii. Dodatkowo daje nam cenne informacje o problemach m.in. z użytecznością suwaka pozwalającego na filtrowanie po cenach, czy brak zdecydowania lub trudności klientów w wyborze sposobu wyświetlania produktów.
Zgrupowana heatmapa kampanii walentynkowej zorientowana na “rage clicks”
WNIOSKI
Kampanie kontekstowe, zorientowane na poszczególne kategorie produktów sprzedają nawet 3x więcej. Klienci na podstawie powyższej analizy potrzebują zawężać wyniki, które dostają w e-commerce. Pokazuje to przede wszystkim ich zachowanie na stronie (poruszanie się głównie wokół funkcji filtrowania, kliknięcia menu „Czego szukasz”, rage clicki wokół suwaka zmiany ceny) oraz inna od zaplanowanej przez sprzedawców ścieżka klienta.
Nasza rekomendacja to oparcie kolejnej kampanii na segmentach np. produkty w określonych przedziałach cenowych. W międzyczasie zalecamy również dokładniejsze zbadanie problemów z użytecznością suwaka zmiany cen i wypracowanie nowego dla niego rozwiązania.
Zobacz też:
Lejek sprzedażowy – zastosowanie w marketingu
