Présentation
Quiconque a utilisé Google Analytics ou des systèmes d'analyse Web similaires sait à quel point ils sont pratiques pour suivre et analyser les données de performances des magasins en ligne. Le principal avantage est que dans ces systèmes d'analyse Web, il existe une structure de données préconçue pour le suivi - «E-commerce» ou «E-commerce». Cela permet de ne pas revenir à zéro à chaque fois sous quelle forme pour collecter les données, et de passer le plus rapidement possible à l'utilisation des données pour optimiser l'efficacité.
En transmettant des données dans la structure du commerce électronique, vous pouvez répondre aux questions sur les produits qui sont le plus souvent ajoutés ou retirés du panier, les cartes dont les produits sont le plus souvent consultés et, bien sûr, les produits qui sont le plus souvent achetés. Toutes ces données peuvent être obtenues par catégories, marques, noms et articles de marchandises. Vous pouvez transférer des données supplémentaires sur les caractéristiques des marchandises et avoir la possibilité de créer un rapport sur les marchandises les plus vendues par couleur, poids ou taille. Ou, créez un rapport sur les bannières les plus cliquables sur le site Web ou les positions des produits dans le catalogue et les blocs de produits sur le site Web.
Souvent, cependant, la collecte de données de commerce électronique devient une tâche très difficile. Il semble qu'il n'y ait rien de compliqué: nous donnons à un développeur ou à une équipe de développement qualifié un lien vers la documentation, par exemple, le
commerce électronique Google Analytics , et éventuellement un lien vers la
démo du commerce électronique Google Analytics , et après un certain temps, nous obtenons le résultat. Dans notre pratique, cette approche n'a jamais fonctionné, que ce soit avec des équipes de développement sympas soutenues par des analystes d'affaires, ou avec un pigiste avec le surnom de "pomme de terre" et un avatar avec une banane. Nous pouvons affirmer avec confiance que le problème ne concerne pas les personnes et leurs qualifications, mais le processus.
Cet article se concentrera sur la façon de créer un processus efficace pour intégrer le commerce électronique Google Analytics dans un grand projet. Par un grand projet, nous entendons un site de toute taille avec lequel au moins une telle équipe travaille: analyse Web, développeurs frontend et backend, analyste commercial et propriétaire de produit. Et, bien sûr, ce projet a besoin de données d'analyse Web pour prendre des décisions, et pas seulement pour fermer la tâche de son retard de développement.
Clause de non-responsabilité
Tout ce qui est décrit dans l'article est exclusivement notre expérience. Si vous l'avez fait différemment, cela signifie simplement que vous l'avez fait différemment.
De nombreux acteurs, même importants sur le marché du commerce électronique, n'ont pas réussi jusqu'à présent. Les données de commerce électronique sont transmises à l'avant, vous pouvez donc les vérifier facilement dans la console ou dans les demandes GET comme https : //www.google-analytics.com/r/collect / ..., ou un peu plus commodément avec l'extension Google Analytics Debugger pour Google Chrome . Par conséquent, selon DataInsight, toutes les données sont suivies, parmi les TOP-100 des plus grands magasins en ligne de Russie , vous pouvez rapidement vérifier.Première étape: identifier les parties prenantes et collecter leurs besoins en données
La liste des parties intéressées peut varier en fonction de la structure de l'entreprise. En règle générale, les principaux utilisateurs des systèmes d'analyse Web sont les représentants commerciaux, une équipe de produits et l'analyse de produits.
1. Représentants d'entreprises
Selon les données utilisées, les systèmes d'analyse Web des représentants commerciaux peuvent être divisés en plusieurs parties:
- Les spécialistes du marketing Internet et les spécialistes des différents canaux de trafic sont ceux qui utilisent des systèmes d'analyse Web pour analyser et optimiser le trafic. Ce groupe n'a pas d'exigences spécifiques pour les données du commerce électronique. Il suffit que des données sur les transactions et les revenus soient transmises.
- Gestionnaires de catégorie et achats - ceux qui sont essentiels pour détailler les données sur les marchandises. La principale exigence de ce groupe est la capacité d'obtenir des indicateurs clés du commerce électronique par caractéristiques des produits.
- Les chefs de projets ou de domaines individuels sont généralement très universels dans leurs tâches, ils combinent donc les exigences des deux groupes précédents.
2. Équipe produit
Il peut y avoir différents rôles dans une équipe de produits: développeurs, analystes commerciaux, chefs de projet, concepteurs, propriétaires de produits. Mais tout le monde a une tâche: améliorer le produit. Et si possible, apportez des améliorations, en comprenant non seulement leurs priorités, mais aussi la fréquence d'utilisation de l'une ou l'autre fonctionnelle.
C'est précisément la principale exigence pour les données d'analyse. Mais n'oubliez pas qu'après réception des données, l'équipe produit génère et teste des hypothèses dans le cadre de tests A / B.
3. Analyse de produit (ou analyse Web)
L'équipe responsable de l'intégrité et de la cohérence de ces systèmes d'analyse Web devait prendre une décision sur le produit. La tâche des analystes de produits dans ce processus est la qualité des données. De plus, ils comprennent comment Google Analytics collecte et traite les données. Ce sont donc eux qui doivent collecter toutes les exigences du reste des équipes.
Habituellement, tous les aspects du processus sont des tâches très différentes et, par conséquent, utilisent des données différentes dans les systèmes d'analyse Web. La décision finale devrait répondre aux exigences de toutes les parties, mais elles ne se chevauchent guère. Par conséquent, il n'y a aucun problème à ce stade.
À la fin de ce processus, vous devez comprendre clairement:
- Quels paramètres et indicateurs utilisateur doivent être créés pour résoudre les tâches des gestionnaires de catégories.
- De quels indicateurs clés l'équipe produit a-t-elle besoin et où est-ce impossible et devra utiliser les données d'autres systèmes comptables.
Deuxième étape: discussion sur la mise en œuvre des données avec l'équipe produit
Une fois les exigences relatives aux données transmises formulées, il est nécessaire de revenir à l'équipe produit et de discuter avec les analystes commerciaux à partir de quelles sources toutes les données nécessaires seront transmises.
Par exemple, très probablement sur certaines pages, il est impossible de collecter directement certaines des caractéristiques des biens dont les chefs de catégorie ont besoin. Ou sur certaines pages pour cela, vous devez faire une demande distincte à la base de données. Si, après discussion, vous comprenez que de telles difficultés surviennent, il vaut la peine d'opter pour l'importation de la
plupart des données sur les marchandises dans Google Analytics directement depuis la base de données avec les données sur les marchandises. Et, en conséquence, à l'avant, transmettez un minimum d'informations sur les biens: nom, coût, appartenance à la liste des biens et position dans la liste.
Troisième étape: description de la solution de transfert de données
Sur la base des exigences collectées, il est nécessaire de formuler une description de la manière dont les données de commerce électronique seront collectées à partir du site dans Google Analytics. Les options peuvent être différentes, nous décrirons celles que nous rencontrons le plus souvent avec leurs avantages et leurs inconvénients. Il s'agit de l'étape la plus importante de la mise en œuvre du commerce électronique, car cela dépend de la rapidité avec laquelle il sera possible de passer à l'étape de l'utilisation des données.
Mettez le code Google Analytics directement dans le code du site
L'option la plus simple et la plus gênante est que les développeurs mettent le code Google Analytics dans le code du site et, de leur côté, mettent en œuvre le transfert de toutes les données du commerce électronique.
Le plus souvent, une telle décision intervient dans des équipes avec un fort développement en raison du sentiment que les données seront cohérentes - les développeurs ne se trompent jamais. Malheureusement, ils se trompent également, mais avec une telle implémentation, tout n'est lié qu'aux développeurs et à leur cycle de sortie. Tout changement n'est possible que du côté du développement, l'analyse Web n'est nécessaire que pour l'utilisation des données.
Avantages de cette option:- Il semble très simple et donne un sentiment de cohérence des données collectées.
Inconvénients de cette option:- toute erreur de développement entraîne une perte de données;
- il n'y a aucun moyen de transférer les mêmes données vers un autre système d'analyse.
En général, nous déconseillons d'utiliser cette option à quiconque, jamais.
Mettre sur le site Google Tag Manager et transférer des données vers dataLayer
D'après notre expérience, il est préférable de commencer avec une
couche de données de commerce électronique standard et de l'enrichir progressivement avec des paramètres et des métriques définis par l'utilisateur. Dans le même temps, l'enrichissement des données de DataLayer doit être basé sur les exigences des utilisateurs de données d'entreprise.
En aucun cas, je ne recommande la première étape pour inventer ou copier à partir de quelqu'un dataLayer, qui contiendra immédiatement toutes les données qui vous viennent à l'esprit. Souvent, à la recherche de la vitesse de mise en œuvre du balisage du commerce électronique, ils préparent une grande tâche universelle pour les développeurs afin de transférer toutes les données possibles vers un dataLayer dans une structure unique, mais avec les mêmes déclencheurs. Il y a plusieurs problèmes avec cette implémentation. Premièrement, dans la poursuite de la polyvalence, les exigences commerciales et les fonctionnalités de l'infrastructure de stockage technique ne sont pas prises en compte. Deuxièmement, lorsque vous utilisez les mêmes déclencheurs pour envoyer des données, les analyses Web perdent la possibilité de modifier facilement les données dans Google Tag Manager, elles doivent également fonctionner avec des données et des déclencheurs universels.
Dans n'importe quelle version de cette approche, la plus grande charge incombe à l'équipe de développement. Il suffit que les analystes du Web lisent et transmettent des données sous la forme approximative dans laquelle elles se trouvent. Mais il est déjà possible de gérer les données de manière un peu plus flexible que dans le cas du balisage sans utiliser Google Tag Manager.
Quels problèmes peuvent survenir dans cette mise en œuvre? Toute erreur lors de l'envoi de données à partir du site rend difficile la modification des données du côté de Google Tag Manager. Par exemple, il y a souvent un problème avec le fait que le serveur Google Analytics accepte les demandes ne dépassant pas 8 ko. Et lors de l'envoi de données sur les impressions de produits dans les listes de produits, la demande est beaucoup plus importante. Il n'est pas facile pour les analystes Web de rassembler les données dans Google Tag Manager et de les envoyer à Google Analytics. Et la racine de ce problème est que la structure des données envoyées n'implique pas cela.
Avantages de cette option:- les mêmes données peuvent être transférées vers différents systèmes;
- Les exigences de qualification pour l'analyse Web sont minimes.
Inconvénients de cette option:- toute erreur dans les données entraîne des problèmes d'envoi de données;
- dans la poursuite de la polyvalence des données dans dataLayer, vous pouvez perdre dans la flexibilité de la gestion des données.
Mettre sur le site Google Tag Manager et transférer des données vers js-object
D'après notre expérience, c'est l'option la plus pratique et la plus flexible. Il consiste dans le fait que les développeurs implémentent le transfert de toutes les données nécessaires vers un certain objet js avec une structure similaire à la structure d'un e-commerce dataLayer classique. À chaque action de l'utilisateur sur le devant, qui est associée aux actions du commerce électronique, les données de l'objet js sont modifiées et une poussée est envoyée au dataLayer, qui indique quel changement s'est produit (par exemple, un article a été ajouté au panier).
Cette implémentation donne à l'analyse Web un ensemble de déclencheurs pour chaque action importante de l'utilisateur et la possibilité de collecter des données de l'objet js pour les données de commerce électronique Google Analytics en créant une balise ou une variable HTML distincte dans Google Tag Manager.
Vous pouvez aller encore plus loin et développer cette logique. Créez une structure standard pour un objet js avec des données, votre propre version d'un gestionnaire de balises et lancez une startup. L'essentiel est de suivre les exigences commerciales pour les données collectées, et les détails de mise en œuvre peuvent varier.
Avantages de cette option:- la capacité de contrôler de manière flexible les données transmises en raison de déclencheurs individuels et du contenu complet de l'objet js;
- objet js peut genre
généré par le backend, sans charge sur le front.
Inconvénients de cette option:- les qualifications pour l'analyse Web sont plus élevées que dans toutes les implémentations précédentes;
- tout transfert de données est lié aux déclencheurs et au remplissage d'objet js.
Mettez Google Tag Manager sur le site et collectez des données avec les balises js de l'avant
Avec les qualifications appropriées en analyse Web ou en connectant le front-end à l'équipe d'analyse Web, vous pouvez collecter toutes les données nécessaires avec des balises HTML et des variables Google Tag Manager.
Il s'agit du moyen le plus rapide pour implémenter le balisage du commerce électronique. L'analyste web sait quelles données et sous quelle forme doivent être transmises, et il écrit le code qui envoie ces données. En réduisant le nombre de participants au processus, la vitesse de mise en œuvre est maximale. Il est clair que cette option impose de grandes restrictions sur les qualifications de l'entrepreneur.
Une autre limitation dans l'utilisation de cette approche peut être le code du site lui-même. Les plus grandes difficultés peuvent être rencontrées avec des projets utilisant des frameworks tels que Angular ou React. Dans ce cas, de nombreuses modifications apportées au code du site affecteront le code de balise HTML de Google Tag Manager et entraîneront une mauvaise collecte des données. Il est difficile de vaincre, mais c'est possible. Par exemple, en ajoutant des éléments de mise en page critiques pour la mise en page, des identifiants séparés, qui ne changeront pas et sont vérifiés par des tests automatiques avec n'importe quelle version.
Afin de réduire la charge des analystes Web et de réduire le temps de mise en page, vous pouvez en outre connecter des rendus frontaux et faire une combinaison de cela et des options de mise en page précédentes. Il est nécessaire de compléter la disposition du site avec des attributs de données, dans lesquels toutes les données nécessaires à la transmission dans le cadre du commerce électronique seront enregistrées. Par exemple, dans la division avec le produit dans le catalogue, vous devez ajouter des attributs de données avec la catégorie de produit, son nom, son numéro d'article, sa valeur, etc. Cela permettra à l'analyse Web de collecter des données non pas à partir de la mise en page entière, mais d'accéder à des attributs de données spécifiques qui seront connus à l'avance.
Il est important de se rappeler que même dans ce mode de réalisation, lorsque l'équipe d'analystes Web effectue le travail maximal, il est nécessaire de créer une documentation de balisage au moins minimale. Cela vous permettra de comprendre rapidement comment les données sont collectées à tout moment et, si nécessaire, d'apporter des modifications au code de balisage.
Par expérience, les analystes Web oublient souvent d'ajouter les vérifications nécessaires pour les valeurs variables ou les constructions comme try ... catch dans le code de leurs scripts. Par conséquent, après avoir implémenté le balisage de cette manière, il vaut la peine de vérifier en outre l'exactitude de tous les scripts.
Avantages de cette option:- L'option de mise en page la plus rapide et la plus flexible.
Inconvénients de cette option:- Qualifications élevées pour l'analyse Web
- une forte dépendance de la qualité du balisage sur la mise en page et ses modifications.
Quelle que soit l'option d'implémentation de balisage que vous choisissez, n'oubliez pas que la tâche n'est pas de commencer immédiatement à collecter toutes les données possibles. Et pour commencer à collecter les données correctes dès que possible afin que l'entreprise commence à les appliquer. Et au fil du temps, développer la direction de la collecte de données. La pire chose qui puisse être faite à ce stade est d'aller tête baissée dans la mise en œuvre de la collecte de données pendant une longue période, sans pouvoir les utiliser immédiatement.
La quatrième étape: préparer un guide pour les développeurs
Presque toutes les options d'implémentation du balisage proposées à l'étape précédente impliquent la participation de développeurs. Afin de simplifier un peu leur travail et de réduire le temps de développement, il vaut la peine de créer un document ou un guide avec une description de la façon dont les données doivent être transmises depuis le site.
Ce qui devrait être décrit dans le guide:1. Caractéristiques de la collecte de données
- Que transmettre s'il n'y a pas de données sur un champ particulier: 0, un champ vide ou une valeur spéciale;
- Lequel des champs doit être une chaîne et lesquels doivent être des valeurs numériques;
- Quels caractères spéciaux ne peuvent pas être utilisés;
- Et ainsi de suite.
2. Quels sont les champs minimaux à transmettre aux entités clés de la collecte de données
- Selon la page;
- Par produit;
- Selon la bannière.
3. Quand et sous quelle forme les données doivent-elles être transmises pour chaque activité de commerce électronique de Google Analytics.
4. Quand et sous quelle forme les données sur les autres actions des utilisateurs sur le site doivent-elles être transmises?
Une fois le guide formulé, il doit être discuté avec l'équipe de développement, recueillir toutes les questions, inexactitudes et immédiatement corriger dans le document. Puisqu'à l'avenir, ce sera ce document qui sera le principal dans le processus de mise en œuvre du balisage.
Cinquième étape: mise en œuvre du balisage et examen ultérieur
Après la mise en œuvre de chaque partie du balisage par les développeurs, il est nécessaire de vérifier l'exactitude des données transmises. Au début, ce processus ne peut pas encore être donné aux testeurs; ils doivent être connectés après que l'analyste Web accepte finalement la partie correspondante du balisage.
L'audit doit comprendre deux étapes: qualitative et quantitative. L'étape qualitative consiste à vérifier les données transmises par l'analytique Web, qui sur le préprod vérifie dans son navigateur comment les données sont transmises sur les pages standard et les actions de l'utilisateur. La tâche de cette vérification est de détecter les erreurs évidentes et de déployer la version déjà vérifiée vers le prod. La prochaine étape est un contrôle quantitatif. Il s'agit d'une validation du balisage selon Google Analytics. Il vous permet de détecter des erreurs moins évidentes et des bogues de balisage sur un grand échantillon de données.
Après avoir effectué les vérifications, les données peuvent être transférées aux clients commerciaux pour utilisation. Et après cela, avec une équipe de testeurs, préparez un ensemble de cas pour vérifier le balisage. Pour que les nouvelles versions ne cassent pas ce qui a déjà été testé et fonctionne.
Conclusion
Très souvent, la chose la plus importante est manquée pendant le processus de balisage. Le balisage est nécessaire pour utiliser son résultat - les données dans les systèmes d'analyse Web. Le processus de balisage est important, mais uniquement pour atteindre rapidement la finale et collecter moins d'erreurs.
J'espère que cet article permet d'éviter certaines erreurs et de mettre en œuvre le balisage de commerce électronique Google Analytics le plus rapidement possible.