1. 1
WEBINAR
COMO DESTRAVAR O REAL
POTENCIAL DOS SEUS DADOS?
Agosto 2015

2. AT INTERNET
2
QUEM SOMOS
anos de experiência comAnalytics
clientes de todos os setores
sites mensurados
prêmios recebidos
certificações Européias
19
4.000+
400.000+
11
6

3. AT INTERNET
3
QUEM SOMOS

4. OBJETIVOS
4
- Descobrir porque seu projeto de analytics
está falhando.
- Como colocar em prática um modelo simples
para extrair mais valor a partir de hoje.

5. 5
THEORIES

6. WEB ANALYTICS
6
DEFINIÇÃO
“ Web analytics is the measurement, collection, analysis
and reporting of internet data for purposes of
understanding and optimizing web usage. ”
Official definition by the Digital Analytics Association

7. WEB ANALYTICS
7
NOSSAS DIFERENÇAS

8. WEB ANALYTICS
8
MODELO DE MATURIDADE EM DIGITAL ANALYTICS
Gerenciamento
Objetivos
Escopo
Recursos
Metodologia
Ferramentas

9. WEB ANALYTICS
9
FONTES DE INFORMAÇÃO
Online
Intelligence
Multi-device

10. WEB ANALYTICS
10
POSSIBILIDADES DE EXPLORAÇÃO
 Exaustividade
 Individualidade
 Real time
 Volume de tráfego
 Geração de tráfego
 Caminhos do consumidor
 Comportamento
 Conversões
 Usabilidade
 Tecnologia

11. WEB ANALYTICS
11
YOU HAVE THE POWER

12. WEB ANALYTICS
12
O PROCESSO
Monitoramento
 Definindo metas e KPIs
 Dashboards e monitoramento
Exploração
 Análises comportamentais e exploratórias
 Reprocessamento de dados
Otimização
 Processo de decisão
 Implementando ganhos operacionais

13. WEB ANALYTICS
13
KPI
Key Performance Indicator
Um indicador de performance é uma informação
que contribui para a avaliação da atividade, em
relação às metas estabelecidas.
traduzindo...
...em digital analytics, um KPI é uma métrica, ou uma relação entre
métricas, cujo valor e evolução ilustram a performance da
atividade digital perante o objetivo determinado.

14. WEB ANALYTICS
14
EXERCÍCIO!
e-Commerce Mídia Institucional










15. WEB ANALYTICS
15
MUITAS MÉTRICAS
- visitas
- números de PVs/visita
- duração de playback por página
- taxa de conversão
- taxa de retenção
- taxa de aquisição
- taxa de repetição de compra
- tíquete médio
- taxa de saída
- taxa de perda
- taxa de unsubscribe...

16. WEB ANALYTICS
16
MUITOS OBJETIVOS
Informação
 informação de produto
 promoções
 lojas e horários
 atendimento
Conversão
 aquisição
 compra repetida
 cross-selling
 up-selling
Lealdade
 configurando perfil
 assinatura de newsletter
 cartões de fidelidade
Recomendações
 espaço para comentários
 recomendações
 facebook/share

17. WEB ANALYTICS
17
NEM TANTOS OBJETIVOS
Informação
 informação de produto
 promoções
 lojas e horários
 atendimento
Conversão
 aquisição
 compra repetida
 cross-selling
 up-selling
Lealdade
 configurando perfil
 assinatura de newsletter
 cartões de fidelidade
Recomendações
 espaço para comentários
 recomendações
 facebook/share

18. WEB ANALYTICS
18
EXERCÍCIO! KPIS PARA OS OBJETIVOS
e-Commerce Mídia Institucional
 % vendas categoria "promo"
 % vendas com cliques em
banners promo

mais vendas em
promoções
mais visualização de
artigos
mais cadastros
 PVs de artigos por visita
 % de visualização de artigos
VS outras páginas

 número de cadastros
 % de visitantes novos


19. WEB ANALYTICS
19
PROCESSO DE ENGAJAMENTO
Tempo
Engajamento
Descoberta Informação Escolha Conversão Follow-up Recomendação
não basta olhar a conversão
devemos guiar nosso usuário e otimizar cada passo do engajamento

20. WEB ANALYTICS
20
TRABALHO EM EQUIPE
Objetivo Digital
KPI KPI
Geração de
Tráfego
Gestão de
Conteúdo
Marketing de
Produto
Gestão de
Clientes
SEO Adwords Afiliados
KPI KPI KPI KPI KPI KPI KPI
METAS
dashboard de geração de tráfego

21. WEB ANALYTICS
21
METAS E SUAS CARACTERÍSTICAS
- specific
- measurable
- attainable
- relevant
- time-bound
S
M
A
R
T

22. WEB ANALYTICS
22
KPIS E SUAS CARACTERÍSTICAS
- poucos
- claros
- preditivos
- acionáveis

23. WEB ANALYTICS
23
KPIS BY JIM STERNE
"KPI'S ARE NEVER USEFUL WHEN
GENERIC OR 'STANDARD'. THEY ARE
PURPOSE-BUILT FOR THE MOMENT"
Jim Sterne
definir KPIs facilita e otimiza o monitoramento da atividade digital,
e possibilita agilidade nas ações

24. 24
WEB ANALYTICS
SEGMENTAÇÃO

25. 25
WEB ANALYTICS
SEGMENTAÇÃO
DADOS AGREGADOS SEGMENTAÇÃO
Fornece uma visão
geral das complexas
informações de
audiência de um site
Identifica e isola um
comportamento ou qualquer
característica comum entre
usuários, até o nível individual
Novos X Retornantes
- determinar comportamento
específico
- avaliar campanhas de
aquisição e retenção
- usuários que viram um
produto
- usuários que usaram um
único método X usuários
que usaram vários métodos
para encontrar produtos
- estratégia "loss leader"
- influência de cupons em
comportamento
Associação e Comportamento Ações de MKT

26. 26
WEB ANALYTICS
AS PERSONAS
Perfil: Jovem, Viciado em tecnologia
Hábitos de consumo: extremamente informado sobre
características de produto, ofertas da concorrência, etc.
Sensibilização: alta sensibilização a preço
Método de acesso: ‘campanha last click campaign’ – site
de comparação de preço
Lealdade: Altamente volátil
Perfil: 30–45, alta classe social
Hábitos de consumo: necessidades precisas,
decisões rápidas
Sensibilização: informação, tempo de entrega,
confiança
Método de acesso: busca orgânica, campanhas
de email
Lealdade: Avançada

27. 27
PRACTICE

28. WEB ANALYTICS
28
ANÁLISE DE CAMPANHAS
Volume Interesse Conversões
Origem

29. WEB ANALYTICS
29
DASHBOARDS
Dashboard Global

30. WEB ANALYTICS
30
DASHBOARDS
Dashboard Global

31. WEB ANALYTICS
31
DASHBOARDS
Dashboard Global
Dash
C-Level
Dash
Campanhas
Dash
Tráfego
Dash
Produto

32. 32
WEB ANALYTICS
ABORDAGEM PRÁTICA
1 - Descrever o que aconteceu
- período afetado
- analisar valor da queda
- isolar o perímetro (site / categoria / seção / ...)
- isolar o perfil (fonte de tráfego / região / ...)
2 - Identificar fatores de influência
- eventos internos / externos
- problemas técnicos
- mudança de comportamento no perímetro
3 - Aceitar ou rejeitar as causas identificadas
- levantar hipóteses e possíveis fatores de influência
4 - Mensurar a contribuição de cada fator
5 - Recomendar ações a serem realizadas

33. 33
WEB ANALYTICS
PROCESSO DE MELHORIA CONTÍNUA
B/
/C...
A
Mensurável
Objetivo
Condições reais

34. 34
HOW IT WORKS

35. WEB ANALYTICS
35
FUNCIONAMENTO
1
2
4
3
1 - visitante acessa o site
2 - site devolve o conteúdo com tag
3 - tag executa e envia informação
4 - uma confirmação é recebida

36. 36
WALKTHROUGH

37. WEB ANALYTICS
37
WALKTHROUGH
- monitore KPIs que afetam sua meta
- garanta a qualidade de seus dados
- experimente ações para melhorar seus KPIs
- explore resultados e anomalias
- aprenda.
- repita.

38. 38
Obrigado!
Como não uso o Twitter, me 'segue' lá no
LinkedIn ou manda um email
- bruno.simoes@atinternet.com
- linkedin.com/in/asdruble
http://blog.atinternet.com/pt

39. FIND US ONLINE
39
STAY IN THE LOOP
atinternet

40. WWW.ATINTERNET.COM
LET’S TALK DATA!
bruno.simoes@atinternet.com
+55 11 989-492-372 | +55 11 3192-3991
Bruno Davico Simões