Haki Google Analytics

Google Analytics (GA) to wyjątkowy silnik analityczny, ale brakuje mu wrodzonego zrozumienia kluczowych metryk Twojego biznesu. Niezależnie od tego, czy Twoje główne cele online dotyczą zakupów subskrypcyjnych, czy rozmów telefonicznych, GA potrzebuje dostosowania, aby odzwierciedlić to, co jest dla Ciebie najważniejsze. Ten przewodnik skupi się na tym, jak kategoryzować strumienie danych — takich jak wizyty, zdarzenia, kliknięcia, wyświetlenia i przewijania — na znaczące grupy, aby ułatwić głębszą i bardziej efektywną analizę.

Grupa Treści

Grupowanie treści w GA pozwala na organizowanie adresów URL w logiczne kategorie, które mają sens dla Twojego biznesu. Zamiast analizować każdą pojedynczą stronę, możesz je segmentować w szersze grupy, które reprezentują różne sekcje Twojej witryny.

Na przykład w True używamy następującej struktury:

• /analytics, /competitors i /segmentation są kategoryzowane jako „dashboard”, ponieważ te strony dotyczą analizy użytkowników i informacji biznesowych.
• /dev i /tableau zaliczamy do kategorii „rozwój”, gdyż są skierowane do deweloperów poszukujących rozwiązań integracyjnych z True.
• /contact i /about kategoryzujemy jako „kontakt”, ponieważ odwiedzający te strony prawdopodobnie szukają informacji o tym, jak skontaktować się z firmą lub dowiedzieć się o niej więcej.

Ta metoda organizacji treści zapewnia klarowniejszy i bardziej uporządkowany przegląd wydajności witryny. Ułatwia analizę zaangażowania, koncentrując się na dużych, znaczących blokach, takich jak „dashboard”, „strony docelowe” czy „kampanie e-mailowe”, zamiast zagłębiać się w szczegóły setek pojedynczych stron. Ułatwia to budowanie ukierunkowanych ścieżek zaangażowania i mierzenie kluczowych wskaźników wydajności w różnych sekcjach witryny.

Identyfikator Użytkownika

Identyfikator Użytkownika to kluczowa funkcja w Google Analytics, pozwalająca na śledzenie i rozpoznawanie indywidualnych użytkowników na różnych urządzeniach i sesjach. Jest to szczególnie wartościowe, jeśli Twoi użytkownicy logują się na różnych urządzeniach, takich jak komputery, tablety, telefony komórkowe czy aplikacje. Przypisując temu samemu użytkownikowi identyfikator na różnych urządzeniach, GA może zintegrować te sesje w zjednoczony profil użytkownika.

Ten zjednoczony widok jest niezbędny do zrozumienia zachowania klienta w różnych punktach kontaktu. Na przykład, możesz śledzić podróż użytkownika od płatnej kampanii reklamowej do bezpośredniej wizyty lub linku referencyjnego. Widząc całą ścieżkę interakcji, możesz zidentyfikować pierwszy punkt kontaktu, co pozwala podejmować lepsze decyzje dotyczące alokacji zasobów marketingowych. Ta wiedza pozwala inwestować bardziej strategicznie w kanały, które generują początkowe zainteresowanie lub wysokie konwersje.

Właściwości Użytkowników

Właściwości użytkowników są często niedoceniane, ale mogą być niezwykle potężne, zwłaszcza dla firm z modelami subskrypcyjnymi lub długimi cyklem zaangażowania klientów, takimi jak aplikacje czy gry. Google Analytics pozwala na skonfigurowanie do 25 niestandardowych właściwości użytkowników, co umożliwia bardzo szczegółowe śledzenie i segmentację.

Na przykład w True używamy następującej struktury dla właściwości użytkowników:

user_properties: {
	subscription: "enterprise", // typ subskrypcji
	customer_type: "owner" // lub członek
}

Z tymi właściwościami łatwo jest segmentować użytkowników na podstawie typu subskrypcji, zachowań i wzorców zaangażowania. Możemy filtrować dane, aby badać, jak abonenci enterprise zachowują się inaczej niż użytkownicy z planem standardowym. Podobnie, właściwość customer_type rozróżnia pomiędzy głównym właścicielem konta a członkiem zespołu, co pomaga zrozumieć, które funkcje są ważniejsze dla różnych typów użytkowników.

Raport Na Żywo zapewnia przydatny, szybki przegląd tych właściwości użytkowników. Chociaż Na Żywo jest głównie używany do debugowania, może również dostarczać cennych informacji o tym, jak różne typy użytkowników interagują z Twoją witryną. Poza debugowaniem, te właściwości mogą być stosowane w różnych raportach do filtrowania ruchu, budowania ścieżek i analizowania zachowań w oparciu o segmentację użytkowników.

Metryki Doświadczenia Użytkownika: Czas Generacji Strony i Czas Ładowania Strony

Czas generacji strony w Google Analytics można podzielić na dwie główne kategorie:

Jest lista czasów, ale 2 główne kategorie to:

• czas_generacji_strony - Wydajność po stronie serwera: Mierzy, jak szybko Twój serwer może generować strony internetowe. Odzwierciedla szybkość twojego serwera internetowego i bazy danych, identyfikując wszelkie ciężkie strony lub wąskie gardła, które Twój zespół deweloperski powinien zoptymalizować.
• czas_ładowania_strony - Wydajność po stronie klienta: Ta kategoria mierzy, jak szybko strona ładuje się z perspektywy użytkownika. Czynniki takie jak szybkość połączenia, czas żądania DNS i opóźnienie wpływają na czasy ładowania strony. Najważniejszą metryką tutaj jest to, jak długo trwa generowanie strony internetowej po przetworzeniu żądania przez serwer.

Analizując czas generacji strony, można zidentyfikować wąskie gardła, które powodują porzucenie witryny lub aplikacji przez użytkowników. Na przykład, jeśli wydajność po stronie serwera jest wolna, może to wskazywać na potrzebę optymalizacji serwera lub tuningu bazy danych. Z drugiej strony, nadmiernie długie czasy ładowania strony mogą skutkować wyższymi wskaźnikami odrzuceń, co sprawia, że istotne jest rozwiązanie problemów takich jak czas połączenia czy szybkość renderowania strony internetowej.

Jak pokazano na powyższym obrazku, nawet niewielkie poprawki w czasie ładowania strony mogą prowadzić do znaczących wzrostów współczynników konwersji. Dlatego zrozumienie i optymalizacja czasu generowania strony jest kluczowa dla poprawy zarówno doświadczenia użytkownika, jak i wyników biznesowych.

W True używamy prostego kodu do umieszczenia wszystkich potrzebnych zmiennych w Google Analytics

<script type="text/javascript">window.gaConfig={
    "user_id": "random-user-id-you-generated",
    "content_group": "landing",
    "page_generation_time": 19,
    "user_properties": {
    	"subscription": "small",
    	"customer_type": "member"
    }
};</script>
<script defer="defer" src="/js/ga.js"></script>

A następnie w ga.js

if(element.getElementById('gajavascriptscript') === null) {
	let script = element.createElement('script');
	script.setAttribute('src', 'https://www.googletagmanager.com/gtag/js?id=G-XXXXXXXX');
	script.setAttribute('id', 'gajavascriptscript');
	element.body.appendChild(script);

	// teraz czekaj na jego załadowanie...
	script.onload = () => {
	  window.dataLayer = window.dataLayer || [];
	  function gtag(){dataLayer.push(arguments);}
	  gtag('js', new Date());
	  gtag('config', 'G-XXXXXXXX', window.gaConfig);
	  gtag('event', 'page_generation_time', {value: window.gaConfig.page_generation_time});
	  gtag('event', 'page_load_time', {value: Date.now() - window.performance.timing.navigationStart});
	};
}

Kod ładuje gtag.js z Google Analytics i po jego załadowaniu uruchamia kod, który przesyła czas_generacji_strony i czas_ładowania_strony do GA.

Jak widać na wykresie, Czas Generacji Strony jest niemal zerowy dla większości stron, z wyjątkiem strony /setting/account. Oznacza to, że przetwarzanie backendowe dla większości stron jest bardzo efektywne. Jednak Średni Czas Ładowania Strony, który zależy od sieci i wydajności przeglądarki odwiedzającego, wykazuje nieco wyższe wartości, wahające się od 0,5 do 1,2 sekundy. Są to doskonałe wyniki, odzwierciedlające znaczący wysiłek i optymalizację.

Niemniej jednak, szczególnie niepokoi mnie Średni Czas Generacji Strony wynoszący 0,2 sekundy. Chociaż może się to wydawać niewielkie, sugeruje, że niektóre strony zabierają nienormalnie dużo czasu na załadowanie po stronie serwera. Te odstające przypadki mogą stanowić potencjalne wąskie gardła w aplikacji. Zbadanie i rozwiązanie tych anomalii byłoby kluczowe, aby zapewnić spójną wydajność dla wszystkich stron.

Koncentrując się na stronach z wyższymi czasami generacji, takich jak /setting/account, możemy wskazać konkretne obszary wymagające optymalizacji. Poprawa może wymagać zmniejszenia złożoności zapytań do bazy danych, optymalizacji przetwarzania po stronie serwera lub rozwiązania nieskutecznych ścieżek kodu. Działania te dalsze wzmocnią ogólną wydajność aplikacji i doświadczenie użytkownika.