EFEKTYWNOŚĆ W PRAKTYCE - 7 pułapek w systemach analitycznych wpływających na pomiar efektywności, na przykładzie Google Analytics. W wielu organizacjach dużo mówi się o efektywności – co więcej, na jej rzecz robi się sporo i wydaje się coraz więcej. Efektem tych działań jest monitorowanie i analizowanie zgromadzonych danych oraz podejmowanie kolejnych decyzji biznesowych. Co w sytuacji, gdy gromadzone dane nie są prawdziwe lub niekompletne? Taka sytuacja stwarza ryzyko błędnych decyzji. Wystąpienie poruszy 7 aspektów pracy z danymi na przykładzie Google Analytics, które mają wpływ na ich wiarygodność i poprawność.

1. Prowadzący
Rafał Marek
Digital Marketing LEAD, Socjomania
EFEKTYWNOŚĆ W PRAKTYCE
7 pułapek
w systemach analitycznych wpływających
na pomiar efektywności, na przykładzie Google Analytics

2. 7!
Photo by Stephen Dawson on Unsplash

3. #KONFIGURACJA SYSTEMU
#PRACA Z DANYMI - INTERPRETACJA

4. TU GRAFIKA OBRAZUJĄCA #1
TESTY <> OPTYMALIZACJA STRONY <> TESTY <> OPTYMALIZACJA…
Photo by John Schnobrich on Unsplash

5. #1
brak odfiltrowania
ruchu
wewnętrznego >
sami generujemy
ruch i konwersje

6. 30-50% > RUCH AUTOMATÓW
Photo by Brett Jordan on Unsplash

7. #2
brak odfiltrowania
ruchu
generowanego
przez boty >
sztuczny ruch
obniżający
efektywność

8. PORZĄDEK W DANYCH

9. #3
brak tagowania
aktywności
marketingowych >
w efekcie dane
rozproszone w
systemie
analitycznym

10. INTEGRACJA SYSTEMÓW

11. #4
brak integracji z
dostępnymi
systemami > nie
dysponujemy
kompletem
danych, który
można posiadać

12. MONITOROWANIE CELÓW BIZNESOWYCH I ZAANGAŻOWANIA

13. #5
brak definicji
MAKRO i MIKRO
celów > brak
odniesienia do
osiąganych
efektów

14. #PRACA Z DANYMI - INTERPRETACJA

15. The AVERAGE TRAP
Photo by Ryoji Iwata on Unsplash

16. CZY OGÓLNE RAPORTY BUDUJĄ KOMPLETNY OBRAZ?

17. ŁĄCZENIE - KRZYŻOWANIE DANYCH

18. PRACA NA SEGMENTACH
Photo by Ryoji Iwata on Unsplash

19. #6+
brak segmentacji
danych i ich
krzyżowania > w
efekcie praca na
masie (danych)

20. DIGITAL MARKETING TO GRA ZESPOŁOWA

21. LEPSZA OCENA EFEKTYWNOŚCI

22. #7
brak analizy
konwersji
wspomaganych >
błędna ocena
znaczenia
poszczególnych
źródeł ruchu

23. KTO MA ISTOTNE ZNACZENIE?

24. MODEL ATRYBUCJI

25. #BONUS
brak weryfikacji
modeli atrybucji
> opieranie się
wyłącznie na
domyślnym/
„mylącym” LAST
CLICK

26. 7+

27. Dziękuję!
Rafał Marek
Digital Marketing Consultant
linkedin.com/in/rafalmarek/
facebook.com/rafalmarek
rafal@socjomania.pl