מערכת גוגל אנליטיקס 4 החדשה, או בשמה המקוצר ה-GA4, היא מערכת לניטור וניתוח נתונים המאפשרת לאסוף נתונים על משתמשים בנכסים הדיגיטליים של הארגון – האתר או האפליקציה, לנתח נתונים על ידי שימוש בדוחות עם אפשרויות סינון מגוונות ועוד.
אז מה חדש ב-GA4?
מערכת ה-GA4 מאפשרת לנטר התנהגות משתמשים בין מכשירים ונכסים שונים, על ידי שימוש במודלים של למידת מכונה ML- Machine Learning, המערכת יודעת לייצר המלצות מותאמות אישית המבוססות על מודלים חכמים של ML , ובעלת מיקוד במשתמש.
המיקוד במשתמש, הוא חידוש משמעותי מאוד, מכיוון שבאמצעות זיהוי המשתמשים בין המכשירים והנכסים השונים – ניתן לנטר התנהגות ומסעות לקוח שלמים מקצה לקצה של אותו המשתמש.
הדבר תואם לארגון בניתוח אבני דרך של הלקוח מהמגע הראשון ועד האחרון, כולל תחקור מקרים שונים כמו לדוגמא, במידה ואותו משתמש מתחיל מסע לקוח במחשב הנייד ולאחר מכן משלים אותו מהמובייל – נוכל לדעת מכך ולנטר את המסע לפי הצרכים של הארגון. דוגמא נוספת נפוצה היא במידה ולקוח מבצע התקשרות עם נציג שירות בטלפון הנייד ובמקביל פותח קריאה מהמחשב – גם את זה הארגון יכול לנטר. כדי לנצל את הכוח של המערכת, ישנם מספר עקרונות חשובים שאנחנו ממליצים לפעול לפיהם בהטמעת המערכת GA4.
תוכנית מדידה
השלב הראשון במיגרציה ל-GA4 (או בהטמעת GA4 חדש) הוא הכנת תוכנית מדידה ( שלא תגידו שלא אמרנו… אבל אל תתחילו תהליך מדידה בלי תוכנית מדידה) שלפיה יקבע כל תהליך ההטמעה. מהן השאלות העסקיות שאני רוצה לספק עליהן תשובה? מהן המטרות שלי? מהם היעדים העסקיים שלי שאותם צריך להשיג כדי להשיג את המטרה? מהם המדדים שלפיהם נמדדים ?
למשל, באתרי איקומרס: המטרה יכולה להיות להגיע להכנסה של X בשנה. היעדים יכולים להיות – להגדיל את כמות הלקוחות החדשים ב-X%, להגדיל שווי הזמנה ממוצע ב-Y ש"ח, לשפר יחס המרה באתר. המדדים שלנו יכולים להיות -רכישות, שווי הזמנה ממוצע, יחס המרה, הוספות לעגלה, אחוז נטישה בשלבי הרכישה ועוד. מיותר לציין, אבל נציין בכל זאת- עמידה ביעדים האלה, היא לחלוטין פונקציה של תהליך מדידה נכון, והסקת מסקנות בהתאם.
דוגמא נוספת, באתר SaaS: המטרה – להגיע להכנסה של X בשנה. היעדים – הגדלת הכנסה, הגדלת כמות לקוחות. המדדים יכולים להיות- כמות רכישות, LTV, כמות לידים, כמות הרשמות ל-Trials, יחס המרה מTrial ללקוח משלם, הכנסה .
אחרי שהגדרנו את המטרות, היעדים והמדדים ואנחנו יודעים על איזה שאלות עסקיות אנחנו רוצים לענות ,זה הזמן לצלול לתוכנית הטכנית ולהכין תוכנית מדידה שתרכז את כל הנכסים של החברה, האיוונטים שהחברה רוצה לנטר ואיזה פרמטרים יש להעביר בהם כדי להעשיר את המידע, ההמרות שנדרש לנטר, ובנוסף איזה מערכות אנחנו רוצים לחבר ל-GA4 ועוד.
תכנון היררכיית החשבון, דברים שחשוב לדעת!
בכל חשבון GA4 קיים פרופרטי אחד או יותר,ובכל פרופרטי יש Data Stream אחד או יותר, שזהו מקור זרימת הנתונים מהנכסים – מהאתר או מאפליקצית IOS או אנדרואיד. כל Data Stream בעצם מייצג נכס.
איך מתכננים היררכיית חשבון?
ככלל אצבע, לכל חברה יהיה חשבון משלה, אלא אם מדובר על קבוצת חברות בעלות פעילות דומה או במקרים אחרים שלא דורשים הפרדת חשבונות. אם החברה מחזיקה אתר אחד או אפליקציה אחת – מספיק להשתמש בפרופרטי אחד. אם החברה מחזיקה 2 אתרים שונים, יש להקים 2 פרופרטיז נפרדים, אחד לכל אחת וכן הלאה.
במקרים של סאב-דומיינים שהם תחת אותו דומיין, אין הכרח להקים פרופרטי נפרד לכל אחד מכיוון שהמערכת של GA4 יודעת לנטר את הסאב דומיינים תחת הדומיין הראשי. כך יהיה ניתן לנטר את מסעות המשתמשים שעוברים בין הסאב דומיינים. אך במקרה בו קיים מעבר של משתמשים בין הדומיין לבין סאב דומיין תחת דומיין ראשי נפרד, או במקרים בהם נרצה לנטר את המשתמשים בכל האתר וגם בחלק מסוים (לדוגמא, באתרים שיש בהם מחשבונים או תהליכי רכישה של מספר מותגים – יתכן ונרצה להקים פרופרטי אחד לכל המותגים על מנת לנטר את מסעות המשתמשים במבט על, וכן נרצה להקים פרופרטי נוסף נפרד לניטור ממוקד לתהליך הרכישה או המחשבון הפנימי באתר לפי כל מותג בנפרד או כל המותגים יחדיו).
דוגמא נפוצה נוספת, היא מקרה בו החברה מחזיקה אתר ראשי אחד ועוד 3 אתרים בדומיינים שונים עבור סגמנטים שונים של קהל – אז יהיה צורך בפרופרטי נפרד לכל אתר בנפרד עם מקור נתונים נפרד לכל אחד.
ארכיטקטורת איוונטים
בניגוד למה שאנחנו רגילים מהאנליטיקס הישן, ה-GA4 היא מערכת המבוססת איוונטים, כשהאיוונטים הללו משוייכים למשתמשים. כאשר משתמש מבצע פעולה כלשהי כמו התחלת סשן, צפיה בדף, הקלקה וכו' או עונה על טריגר מסוים כמו אחוז גלילה מהדף או משך זמן שהיה מסוים – המערכת של GA4 קולטת את אלו כאיוונטים.
אחד היתרונות ב-GA4 הוא שניתן להעשיר את המידע ולהעביר בכל איוונט פרמטרים נוספים ומותאמים אישית כמימדים (dimension) או כמטריקות (metrics).
הנה דוגמא קלאסית: באיוונט של השארת ליד כתוצאה מהרשמה בטופס יצירת קשר – ניתן להעביר יחד עם האיוונט פרמטרים של שם הטופס, מזהה הטופס, האם קיים אישור דיוור, סוג הליד (לדוגמא- האם ליד לשירות או למכירות) ועוד.
כל אלו יכולים לעזור בניתוחים שונים לטובת CRO, מענה על שאלות עסקיות וכן בתחקורים ואיתור תקלות. שימוש נוסף בפרמטרים יכול להיות צמצום כמות האיוונטים השונים ומדידת שלבים שונים בפאנלים בתוך פרמטרים. לדוגמא, באתר שיש בו פאנל של מחשבון מסוים המכיל מספר שלבים.
במקום ליצור איוונט נפרד לכל שלב – ניתן לחסוך את ריבוי האיוונטים וליצור איוונט אחד ולהעביר בו פרמטר אשר יכיל אינדיקציה לשלב שבו המשתמש נמצא בפאנל. לשיטתנו, יש לחסוך ככל הניתן באיוונטים חדשים או בשמות פרמטרים חדשים ולהשתמש ככל הניתן באותם פרמטרים – כמובן כל עוד הדבר הגיוני.
חיבור ל-BigQuery
ה-BigQuery הוא אחד המוצרים בענן של גוגל – Google Cloud Platform או בקיצור ה-GCP והוא משמש כמחסן נתונים אליו ניתן להעביר נתונים, לאחסן אותם, למדל אותם ולאחר מכן לשלוף אותם על ידי שאילתות לטובת ניתוחים והצגה בדשבורדים ודוחות.
ל-GA4 קיים חיבור ישיר וחינמי עם BigQuery וזהו חידוש משמעותי ביותר.
לשימוש ב-BigQuery מספר יתרונות משמעותיים. ראשית, איכות הנתונים. חלק מהנתונים בדוחות בממשק של GA4 מוצגים כנתונים סטטיסטיים ואינם משקפים את התמונה המלאה של הנתונים, כאשר ב-BigQuery נצרבים הנתונים האמיתיים.
לחברות המשתמשות ב-Looker Studio עם הקונקטור של גוגל לצורך הצגה וניתוח של הנתונים, אחד היתרונות של השימוש ב-BigQuery הוא ששליפת הנתונים מתוך מחסן הנתונים אינה מוגבלת כמו בשימוש בקונקטור החינמי, וניתן לבצע כמות שליפות נתונים ככל שנדרש ללא המגבלות הקיימות בקונקטור, נכון להיום.
היתרון הגדול ביותר ובעל החזר ההשקעה הגבוה ביותר הוא שה-BigQuery יכול לשמש כמחסן נתונים ארגוני לכל דבר ועניין. בתור מחסן הנתונים ניתן לשמור את הנתונים שה-GA4 מייצר אצלכם למשך כמה זמן שתצטרכו, ניתן לייבא נתונים ממקורות מידע אחרים – כגון מערכות פרסום, מערכת CRM וכו', להצליב את המידע, לבצע ניתוחי עומק ותחקורים, לבצע סגמנטים של קהלים ועוד.
לארגונים שיש להם את הצורך – ניתן להשתמש בנתונים המאוחסנים ב-BigQuery לצורך הרצת מודלי ML, מודלי ייחוס ועוד.
דשבורדים ודוחות
חברות רבות משתמשות ב-GA4 ככלי הניתוח, ונוהגות לנתח את הנתונים ולמדוד את עצמן בתוך הממשק של ה-GA4. אנחנו נוהגים להתייחס ל-GA4 בצורה קצת שונה. לשיטתנו, ה-GA4 משמש כמקור מידע ולא כמערכת שבה מומלץ לנתח את הנתונים. בדרך כלל הדוחות במערכת פשוטים מדי ואינם מכילים מספיק נתונים עבור ביצוע ניתוחים ותחקורים שיש בהם ערך עסקי, ובדרך כלל נמליץ לבנות דשבורדים ודוחות מעל ה-GA4.
כפי שציינו בסעיף הקודם, לחברות שיש להן את המשאבים לתחזק מחסן נתונים בענן נמליץ לרוב להעביר את המידע מ-GA4 ולהשתמש ב-BigQuery או לחילופין לחברות שיש להן מחסן נתונים ארגוני, בדרך כלל נמליץ לייבוא את נתוני GA4 לתוך המחסן, ולבנות מעל הנתונים דשבורדים ודוחות במערכת ה-BI הארגונית.
כך ניתן יהיה לעקוב אחרי KPIs במקום אחד, ניתן לחבר את הנתונים עם מערכות אחרות על מנת לענות של שאלות עסקיות וכך לשפר תהליכים או להפיק תובנות שיעזרו לארגון לצמוח.
לסיכום, נזכיר, החלק הטכני של איסוף ומדידה נכונה של הדאטה הן רק חלק אחד, ארגונים רבים, מנכ"לים, וסמנכ"לי שיווק, שירות ומכירות, יכולים להשתמש בשילוב הכלים הללו על מנת להוציא מידע בעל ערך רב על הלקוחות שלהם, מתוך הדאטה ולייצר תהליך מדידה ולמידה שיכול לעזור לארגון לדייק את עצמו לצמוח מהר יותר.
המידע בכתבה הובא על ידי חברת Datagem:
Datagem עוזרת לעסקים להפוך דאטה לכסף.
החברה מתמחה בתכנון והטמעה של תהליכי מדידה עסקיים ובבניית דשבורדים ייעודיים למנכ״לים, סמנכ״לי שיווק, שירות ומכירות. המטרה של Datagem היא לסייע לעסקים להשתפר באמצעות תהליך מדידה מסודר ואופטימיזציה נכונה, כאשר כל הדאטה מוצגת בצורה ברורה ונוחה להבנה.
