Як відслідковувати поведінку користувачів на сайті крок за кроком. Кейс із вебаналітики для Pingle Studio
Проєкт: Pingle Studio.
Період співпраці: 27.02.2024 — 29.03.2024.
Регіон: Україна.
Послуга: вебаналітика.
Команда проєкту: Олександр Конівненко, Head of Web Analytics Department в Netpeak Ukraine; Ольга Горностаєва, Web Analyst Team Lead; Ігор Павленко, Володимир Демчук, Web Analysts; Сергій Долгополов, Client Project Manager.
Хто наш партнер
Pingle Studio працює над створенням онлайн-ігор. Компанія — партнер для інших розробників і творців. Долучається до роботи на різних етапах: у момент розробки, тестування, перенесення ігор на будь-яку платформу, й загалом може брати участь у повному циклі створення продукту.
Цілі співпраці
На відміну від ecommerce, де під час першого ж візиту на сайт користувач може здійснити корисну дію, Pingle Studio має довгий цикл продажу. Як і будь-який IT-продукт. Тому важливо ретельно вивчити поведінку користувачів на сайті. Від першого відвідування до покупки, щоби виявити можливості для покращення та оптимізації.
Однією з ключових проблем, із якою стикнувся Pingle Studio — в інтерфейсі Google Analytics 4 (GA4) відсутня опція перегляду сторінок у прив’язці до client id (ідентифікатор, який присвоюється кожному відвідувачу сайта).
Тому нам потрібно було розробити кастомізований звіт, який ретельно відображає всі дії користувачів на сайті крок за кроком.
Дії команди
1. Налаштували експорт до BigQuery.
З огляду на те, що інтерфейс GA4 не дає можливість дивитися сторінки, джерела / канали в прив’язці до client id, експортувати сирі дані до Google BigQuery — логічний крок. Це хмарна база, створена спеціально для аналітичних цілей. Звідти ми можемо забрати тільки те, що нам потрібно, й аналізувати більш гнучко.
У клієнта вже був створений проєкт в Google Cloud Platform (GCP), що важливо, бо без нього передача даних з GA4 до BigQuery неможлива. Тож це зекономило нам час.
Після налаштування, ми перевірили, чи інформація коректно потрапляє в BigQuery.
2. Побудували таблиці з основними даними.
У Google BigQuery за допомогою SQL(мова, яка використовується для запитів даних) побудували таблицю з необхідною інформацією:
user_pseudo_id: унікальний ідентифікатор користувача, раніше відомий як client id.
source, medium: дані про джерело / канал користувача.
event_date, event_datetime: дата та час події.
country, city: географічні дані користувача.
event_name: назва події, яку виконав користувач.
page: url сторінки.
3. Налаштували щоденне оновлення даних.
За допомогою автоматизованого запуску дані щоденно оновлюються, аби інформація з GA4 завжди була актуальною.
4. Візуалізували дані в Looker.
Таблицю з даними підключали до візуалізатора Looker Studio, де й готувалися фінальні звіти. Ми налаштували необхідні фільтри за датою, джерелом / каналом та, головне, за client id.
Результати налаштування
- Використання сирих даних з Google Analytics 4 дало можливість Pingle Studio отримати значний обсяг інформації, який не доступний через стандартний інтерфейс. А також не лише аналізувати загальні тенденції, але й отримувати глибоке розуміння індивідуальних поведінкових шаблонів користувачів.
- Використання Looker забезпечило зручний і ефективний спосіб аналізувати та візуалізувати ці дані. Налаштовані фільтри й зручний інтерфейс допомогли команді Pingle Studio швидко отримувати потрібну інформацію та приймати обґрунтовані рішення на основі даних.
- Налаштування вебаналітики дало змогу Pingle Studio аналізувати і реагувати на користувацьку поведінку, що стає ключовим фактором у залученні й утриманні клієнтів.
Висновки
- Робота з сирими даними Google Analytics 4 у BigQuery відкриває нові можливості для глибокого аналізу та розуміння поведінки користувачів. На відміну від стандартного інтерфейсу GA4 експорт необроблених даних до BigQuery надає максимально деталізовану інформацію.
- Завдяки SQL та інструментам візуалізації даних, маркетологи й аналітики створюють індивідуальні звіти, налаштовують фільтри і сегментацію відповідно до своїх унікальних потреб. Це забезпечує гнучкість в аналізі та можливість виявляти тонкі деталі й тенденції, які можуть не прослідковуватись у стандартних звітах.
- Однак варто зазначити, що робота з сирими даними має свої недоліки. По-перше, вона вимагає значних технічних навичок і ресурсів, зокрема досвіду роботи з SQL, BigQuery та інструментами візуалізації даних. Крім того, відсутність готових звітів і візуалізацій у BigQuery вимагає самостійного налаштування та розробки дашбордів, що може бути складним завданням для недосвідчених користувачів.
- Робота з сирими даними Google Analytics 4 у BigQuery є потужним інструментом для тих, хто прагне глибокого розуміння поведінки користувачів та максимальної ефективності своїх маркетингових зусиль. Це дає змогу приймати більш обґрунтовані рішення, забезпечувати кращий досвід для клієнтів і сприяти зростанню бізнесу.
Дізнайтесь більше про наш досвід у налаштуванні вебаналітики:
Свіжі
Відмова від російських CRM — крок до безпечного бізнесу
Чому український бізнес прагне підключити CRM з країни-агресора чи залишається на них
Що таке Affinity audience, та Як на них таргетуватися
Як зібрати та налаштувати рекламу на споріднені аудиторії. Детальне пояснення та покрокова інструкція
Як просувати рекрутинг-сайт у США: зростання трафіку близько 200% — кейс Huntly
Ми допомогли бізнесу залучити перших роботодавців у США