Ulepszone e-commerce. Google Analytics w dobrym zdrowiu. Case study. cz.1

Wygodna możliwość sprawdzenia wyników online niedługo po wykonaniu badania połączona z bezpieczeństwem i wysokimi standardami sprawia, że z usług spółki skorzystały już miliony Polaków. Jesteśmy dumni, że już od lat możemy wspierać Diagnostykę w imponującym rozwoju, w którym ważną rolę odgrywa Internet. Tylko w TOP3 indeksu Google w drugiej połowie grudnia 2021 roku znajdowało się ponad 18 000 fraz kluczowych.

^{Analiza widoczności serwisu diag.pl. Źródło: Senuto.}

W pierwszej – którą właśnie czytasz – opiszemy, w jaki sposób konfigurowaliśmy kolejne elementy ulepszonego modułu e-commerce, aby otrzymać jak najpełniejszy obraz zachowania użytkownika w witrynie. W drugiej skupimy się na końcowym etapie konwersji: przejściu do kasy, kolejnych etapach koszyka i płatności. Ostatnią część poświęcimy pozostałym pytaniom biznesowym, na które znajdowaliśmy rozwiązania przy użyciu analitycznych narzędzi.

Chcemy, aby każda z tych części była dla Ciebie cennym kompendium wiedzy na dany temat. Choć opisane problemy dotyczą konkretnej współpracy, to zaproponowane przez nas rozwiązania mogą być stosowane w bardzo wielu kontekstach. W tekstach znajdziesz szczegółowe opisy naszej pracy, w tym kompletne skrypty z komentarzami. Mamy nadzieję, że taka forma okaże się dla Ciebie atrakcyjna. Jeżeli będziesz potrzebował dopowiedzenia lub porady ekspertów, jak poradzić sobie z takim czy innym wdrożeniem – po prostu do nas napisz.

Sklep online Diagnostyki oferuje bardzo szeroki zakres badań, zarówno pod kątem COVID-19, jak i alergologii czy chorób tarczycy, a także typowych badań podstawowych i biochemicznych. Bardzo ważną funkcjonalnością jest sprzedaż tzw. e-pakietów, obejmujących kilka jednostek badawczych. Dzięki temu klient nie musi posiadać specjalistycznej wiedzy, aby móc wybrać badania adekwatne do jego wieku czy sytuacji zdrowotnej.

Nazwy poszczególnych pakietów, takich, jak na przykład „e-Pakiet dla kobiet w ciąży” czy „e-Pakiet dla mężczyzn” – są bardzo czytelne. Wraz z dodaniem takiej pozycji do koszyka, trafia tam zestaw kilku bądź kilkunastu badań, najbardziej adekwatnych do danej sytuacji. Przykładowo, podstawowy Pakiet dla kobiet w ciąży zawiera m.in. badanie poziomów glukozy, kwasu foliowego czy elektrolitów w organizmie.

^{Przykładowe e-Pakiety badań. Źródło: diag.pl.}

Jednocześnie firma nie ogranicza możliwości samodzielnego dobierania badań w tzw. pakiety użytkownika. Dzięki temu bardziej świadomi pacjenci mogą korzystać z diagnostyki skrojonej na miarę ich potrzeb, oszczędzając jednocześnie pieniądze.

To rozwiązanie, wyjątkowo wygodne dla użytkowników, miało jednak niedostrzegalną na pierwszy rzut oka wadę. W sytuacji, w której klient decydował się na samodzielne skomponowanie pakietu swoich badań, do Google Analytics trafiała informacja o zakupie „pakietu użytkownika” bez rozbicia go na poszczególne badania. W efekcie nawet ponad 20% procent przychodów w raportach sprzedażowych trafiało do zbiorczej pozycji „Pakiet użytkownika”. Zespół zarządzający sklepem nie widział, jakie produkty w rzeczywistości trafiały do tych zestawów. Co za tym idzie, dane na temat skuteczności sprzedaży były zaburzone w sposób istotny, a ich wiarygodność ograniczona.

^{Możliwość stworzenia własnego pakietu badań. Źródło: diag.pl}

Postanowiliśmy rozwiązać ten problem, korzystając z funkcji, jakie daje moduł ulepszonego e-commerce Google Analytics. Dla przypomnienia – jest to funkcjonalność, która daje dostęp do szeregu szczegółowych raportów umożliwiających mierzenie m.in. skuteczność sprzedaży poszczególnych produktów, efektywność kodów rabatowych czy zwrotów zakupów.

W pierwszej kolejności zasugerowaliśmy usunięcie z tablicy produktów wysyłanej do GA na etapie koszyka pozycji „Pakiet użytkownika”. Zamiast tego wszystkie produkty widniały jako pojedyncze pozycje – jak na paragonie. Jak jednak w takim razie określić, czy dany produkt został kupiony w pakiecie czy solo?

Zdecydowaliśmy się na wykorzystanie zero-jedynkowego wymiaru niestandardowego zakładającego wykorzystanie wartości logicznych false lub true. Brzmi to dość technicznie, jednak rozwiązanie jest bardzo proste. W sytuacji, w której dane badanie było częścią pakietu, przyjmował on wartość true. W innym wypadku do GA trafiała wartość false. Kod prezentował się następująco:

Dzięki temu Diagnostyka zyskała dostęp do danych na temat popularności całego wachlarza sprzedawanych badań. Co więcej, wiedzieliśmy też, czy dany produkt został sprzedany w zestawie czy też nie.

W sklepie Diagnostyki produkty prezentowane są na różnorodne sposoby: w karuzeli na stronie głównej, na kartach poszczególnych badań, w katalogu itd. Zaproponowaliśmy mierzenie wyświetleń oraz kliknięć tych pozycji. W ten sposób mogliśmy postawić hipotezy związane ze skutecznością poszczególnych list. Czy występują na stronie miejsca, w których użytkownicy często wyświetlają produkty, ale niekoniecznie w nie klikają? Jeżeli tak – co jest tego powodem?

^{Jeden z listingów produktowych, karuzela. Źródło: diag.pl}

Aby móc przystąpić do takiej analizy, należało dokonfigurować skrypt i skorzystać z kolejnej funkcjonalności ulepszonego e-commerce. Dla każdej pozycji na stronie przypisaliśmy różne wartości parametru list. Mierząc zarówno wyświetlenia (impressions w kodzie), jak i kliknięcia (clicks), byliśmy w stanie wyliczyć CTR-y poszczególnych list produktowych oraz konkretnych pozycji wchodzących w ich skład.

Aby w pełni wykorzystać możliwości oferowane przez Analytics, do powyższych wskaźników dołączyliśmy jeszcze mierzenie wyświetleń kart produktowych. Dzięki ilościowemu porównaniu tej miary z kliknięciami w produkty możemy wyciągnąć wnioski na temat wydajności witryny – jak wielu użytkowników, którzy kliknęli w dany produkt, dotarło do jego podstrony?

Szczegółowe rozwiązanie przedstawiamy poniżej. Ważne jest, aby poniższy skrypt uruchamiał się w momencie, kiedy zaczytany jest cały kod Google Tag Managera. Dopiero w tym momencie dataLayer jest zadeklarowany w całości, co pozwala na przekazywanie do GA wartości opisanych powyżej parametrów.

Ulepszone e-commerce – skrypt mierzenia kliknięć w produkty:

Ulepszone e-commerce – skrypt mierzenia wyświetleń karty produktu:

Widzimy więc, jak w miarę rozwoju skryptu przesuwamy się w dół lejka sprzedażowego. Jedną z ostatnich czynności na tej ścieżce, którą z czystym sumieniem możemy nazwać mikrokonwersją, jest dodanie produktu do koszyka. Kończąc pierwszy etap wdrażania skryptów związanych z ulepszonym e-commerce, zaproponowaliśmy mierzenie zarówno dodawania, jak i usuwania produktów z koszyka.

Zdarzenie eec.addToCart uruchamiane jest za każdym razem, kiedy produkt trafia do koszyka. Jak widzimy na skrypcie poniżej, oprócz danych na temat samego produktu możemy zauważyć również, w którym miejscu witryny nastąpiło kliknięcie (parametr list).

Ulepszone e-commerce – skrypt mierzenia dodawania produktów do koszyka:

Bardzo podobnie prezentuje się skrypt, który informuje o usunięciu produktu. Można zauważyć, że actionField nie zawiera tu żadnych informacji. Jest to zrozumiałe: w oczywisty sposób, usunięcie produktu z koszyka musi mieć miejsce… właśnie tam.

Ulepszone e-commerce – skrypt mierzenia usuwania produktów z koszyka:

Oczywiście, żaden z przedstawionych wyżej skryptów nie jest sztuką dla sztuki. Dane pozyskane za ich pomocą odpowiadają na bardzo precyzyjne pytania. Które produkty cieszą się największą popularnością? Czy pewne badania są łączone ze sobą tak często, że powinniśmy sprzedawać je w odgórnie zdefiniowanym pakiecie? Jak skuteczne są poszczególne listingi produktów?

W kolejnej części case study współpracy z Diagnostyką pokażemy, w jaki sposób mierzyć kolejne kroki na ścieżce konwersji: przejście do kasy, poszczególne kroki koszyka, dokonanie płatności. Podobnie, jak w przypadku powyższych skryptów, będziesz mógł potraktować je jako instruktaż do podobnych wdrożeń we własnym zakresie. A jeżeli będziesz przy tej okazji potrzebować podpowiedzi ekspertów – nie wahaj się do nas odezwać. Pomożemy!