Pendahuluan
Siapa pun yang telah menggunakan Google Analytics atau sistem analisis web serupa tahu betapa nyamannya mereka untuk melacak dan menganalisis data kinerja toko online. Kemudahan utama adalah bahwa dalam sistem analisis web ini terdapat struktur data yang dirancang sebelumnya untuk pelacakan - “E-commerce” atau “E-commerce”. Hal ini memungkinkan untuk tidak muncul setiap saat dari awal dalam bentuk apa untuk mengumpulkan data, dan secepat mungkin beralih menggunakan data untuk mengoptimalkan efisiensi.
Dengan mengirimkan data dalam struktur perdagangan elektronik, Anda dapat menjawab pertanyaan produk mana yang sering ditambahkan atau dihapus dari keranjang, kartu produk mana yang lebih sering dilihat dan, tentu saja, produk mana yang lebih sering dibeli. Semua data ini dapat diperoleh berdasarkan kategori, merek, nama, dan barang barang. Anda dapat mentransfer data tambahan tentang karakteristik barang dan mendapatkan kesempatan untuk membuat laporan tentang barang-barang terlaris berdasarkan warna, berat atau ukuran. Atau, buat laporan tentang spanduk yang paling dapat diklik di situs web atau posisi produk dalam katalog dan semua blok produk di situs web.
Namun, seringkali mengumpulkan data e-commerce menjadi tugas yang sangat sulit. Tampaknya tidak ada yang rumit: kami memberikan tautan kepada dokumentasi kepada pengembang atau tim pengembangan yang memenuhi syarat, misalnya,
e-commerce Google Analytics , dan opsional tautan ke
demo e-commerce Google Analytics , dan setelah beberapa saat kami mendapatkan hasilnya. Dalam praktik kami, pendekatan ini tidak pernah berhasil, baik dengan tim pengembangan yang keren dengan dukungan analis bisnis, atau dengan freelancer dengan julukan "Kentang" dan avatar dengan pisang. Kami yakin dapat mengatakan bahwa masalahnya bukan pada orang dan kualifikasi mereka, tetapi dalam proses.
Artikel ini akan fokus pada bagaimana membangun proses yang efektif untuk mengintegrasikan e-commerce Google Analytics ke dalam proyek besar. Yang dimaksud dengan proyek besar adalah situs dengan ukuran berapa pun yang setidaknya dapat digunakan oleh tim seperti itu: analisis web, pengembang frontend dan backend, analis bisnis, dan pemilik produk. Dan, tentu saja, proyek ini membutuhkan data analitik web untuk membuat keputusan, dan bukan hanya untuk menutup tugas dari simpanan pengembangannya.
Penafian
Segala sesuatu yang dijelaskan dalam artikel ini adalah pengalaman kami secara eksklusif. Jika Anda melakukannya secara berbeda, itu berarti Anda melakukannya secara berbeda.
Banyak, bahkan pemain besar di pasar e-commerce, belum berhasil sejauh ini. Data e-commerce ditransmisikan di bagian depan, sehingga dapat dengan mudah diperiksa di konsol atau dalam permintaan GET seperti https://www.google-analytics.com/r/collect/… , atau sedikit lebih nyaman dengan ekstensi Debugger Google Analytics untuk Google Chrome . Oleh karena itu, Anda dapat dengan cepat memeriksa yang mana dari TOP-100 toko online terbesar di Rusia, menurut DataInsight, semua data dilacak.Tahap satu: mengidentifikasi pemangku kepentingan dan mengumpulkan persyaratan data mereka
Daftar pihak yang berkepentingan dapat bervariasi tergantung pada struktur perusahaan. Sebagai aturan, pengguna utama sistem analisis web adalah perwakilan bisnis, tim produk, dan analitik produk.
1. Perwakilan bisnis
Bergantung pada data yang digunakan, sistem analisis web dari perwakilan bisnis dapat dibagi menjadi beberapa bagian:
- Pemasar internet dan spesialis di berbagai saluran lalu lintas adalah mereka yang menggunakan sistem analisis web untuk menganalisis dan mengoptimalkan lalu lintas. Grup ini tidak memiliki persyaratan khusus untuk data perdagangan elektronik. Cukup bahwa data transaksi dan pendapatan akan dikirimkan.
- Manajer kategori dan pembelian - mereka yang mendasar untuk merinci data barang. Persyaratan utama grup ini adalah kemampuan untuk memperoleh indikator utama perdagangan elektronik berdasarkan karakteristik produk.
- Para pemimpin masing-masing proyek atau bidang biasanya sangat universal dalam tugas mereka, oleh karena itu mereka menggabungkan persyaratan dari dua kelompok sebelumnya.
2. Tim produk
Mungkin ada peran yang berbeda dalam tim produk: pengembang, analis bisnis, manajer proyek, desainer, pemilik produk. Tetapi setiap orang memiliki satu tugas: untuk membuat produk lebih baik. Dan jika mungkin, melakukan perbaikan, memahami tidak hanya prioritas mereka, tetapi juga frekuensi penggunaan satu atau lainnya fungsional.
Inilah tepatnya persyaratan utama untuk data analitik. Tetapi jangan lupa bahwa setelah menerima data, tim produk menghasilkan dan menguji hipotesis dalam rangka tes A / B.
3. Analisis produk (atau analisis web)
Tim yang bertanggung jawab atas integritas dan konsistensi sistem analisis web ini diperlukan untuk membuat keputusan produk. Tugas analis produk dalam proses ini adalah kualitas data. Selain itu, mereka memahami bagaimana Google Analytics mengumpulkan dan memproses data. Oleh karena itu, merekalah yang harus mengumpulkan semua persyaratan dari sisa tim.
Biasanya, semua sisi proses adalah tugas yang sangat berbeda dan, karenanya, menggunakan data yang berbeda dalam sistem analisis web. Keputusan akhir harus memenuhi persyaratan semua pihak, tetapi mereka hampir tidak tumpang tindih. Karena itu, tidak ada masalah pada tahap ini.
Di akhir proses ini, Anda harus memahami dengan jelas:
- Parameter dan indikator pengguna apa yang perlu dibuat untuk menyelesaikan tugas manajer kategori.
- Indikator kunci apa yang dibutuhkan oleh tim produk dan di mana hal ini tidak mungkin dan harus menggunakan data dari sistem akuntansi lain.
Tahap dua: diskusi implementasi data dengan tim produk
Setelah persyaratan untuk data yang dikirimkan diformulasikan, sangat penting untuk kembali ke tim produk dan berdiskusi dengan analis bisnis dari mana sumber semua data yang diperlukan akan dikirim.
Sebagai contoh, kemungkinan besar pada beberapa halaman tidak mungkin untuk mengumpulkan beberapa karakteristik barang yang dibutuhkan oleh manajer kategori dari depan. Atau pada beberapa halaman untuk ini, Anda perlu membuat permintaan terpisah ke database. Jika setelah diskusi Anda memahami bahwa kesulitan tersebut muncul, Anda harus segera mengikuti jalur mengimpor sebagian besar
data produk ke Google Analytics langsung dari database dengan data produk. Dan, dengan demikian, di depan, kirimkan informasi minimum tentang barang: nama, biaya, keanggotaan dalam daftar barang, dan posisi dalam daftar.
Tahap Tiga: Deskripsi Solusi Transfer Data
Berdasarkan persyaratan yang dikumpulkan, perlu dirumuskan deskripsi tentang bagaimana data e-commerce akan dikumpulkan dari situs di Google Analytics. Pilihannya mungkin berbeda, kami akan menjelaskan yang paling sering kita temui dengan pro dan kontra mereka. Ini adalah tahap yang paling penting dalam penerapan perdagangan elektronik, karena tergantung pada seberapa cepat mungkin untuk melanjutkan ke tahap menggunakan data.
Masukkan kode Google Analytics secara langsung ke dalam kode situs
Opsi termudah dan paling tidak nyaman adalah bahwa pengembang menempatkan kode Google Analytics dalam kode situs dan, di pihak mereka, menerapkan transfer semua data perdagangan elektronik.
Paling sering, keputusan seperti itu datang dalam tim dengan perkembangan yang kuat karena perasaan bahwa data akan konsisten - pengembang tidak pernah salah. Sayangnya, mereka juga salah, tetapi dengan implementasi seperti itu, semuanya hanya terikat pada pengembang dan siklus rilis mereka. Setiap perubahan hanya dimungkinkan pada sisi pengembangan, analisis web diperlukan hanya untuk penggunaan data.
Plus dari opsi ini:- Terlihat sangat sederhana dan memberikan rasa konsistensi terhadap data yang dikumpulkan.
Kontra dari opsi ini:- setiap kesalahan pengembangan menyebabkan hilangnya data;
- tidak ada cara untuk mentransfer data yang sama ke sistem analitik lain.
Secara umum, kami tidak merekomendasikan menggunakan opsi ini kepada siapa pun, tidak pernah.
Letakkan di situs Google Pengelola Tag dan transfer data ke dataLayer
Dalam pengalaman kami, yang terbaik adalah memulai dengan
dataLayer e-commerce standar dan secara bertahap memperkaya dengan parameter dan metrik yang ditentukan pengguna. Pada saat yang sama, pengayaan dataLayer harus didasarkan pada persyaratan pengguna data bisnis.
Dalam kasus apa pun tidak merekomendasikan langkah pertama untuk menemukan atau menyalin dari seseorang dataLayer, yang akan segera berisi semua data yang muncul di pikiran Anda. Seringkali, dalam mengejar kecepatan implementasi markup perdagangan elektronik, mereka menyiapkan tugas universal yang besar bagi pengembang untuk mentransfer semua data yang mungkin ke dataLayer dalam struktur tunggal, tetapi dengan pemicu yang sama. Ada beberapa masalah dengan implementasi ini. Pertama, dalam mengejar keserbagunaan, persyaratan bisnis dan fitur infrastruktur penyimpanan teknis tidak diperhitungkan. Kedua, saat menggunakan pemicu yang sama untuk mengirim data, analisis web kehilangan kemampuan untuk dengan mudah mengubah data di Google Pengelola Tag, mereka juga harus beroperasi dengan data dan pemicu universal.
Dalam versi apa pun dari pendekatan ini, beban terbesar ada pada tim pengembangan. Cukup bagi analis web untuk membaca dan mengirimkan data dalam kira-kira bentuk di mana mereka berada. Tetapi sudah ada peluang untuk menangani data sedikit lebih fleksibel daripada dalam hal markup tanpa menggunakan Google Tag Manager.
Masalah apa yang mungkin timbul dalam implementasi ini? Kesalahan apa pun dalam mengirim data dari situs membuat sulit mengubah data di sisi Google Pengelola Tag. Misalnya, sering kali ada masalah dengan fakta bahwa server Google Analytics menerima permintaan tidak lebih dari 8 kb. Dan saat mengirim data tentang tayangan produk dalam daftar produk, permintaannya jauh lebih besar. Tidak mudah bagi analis web untuk merakit kembali data ke Google Pengelola Tag dan mengirimkannya ke Google Analytics. Dan akar dari masalah ini adalah bahwa struktur data yang dikirim tidak menyiratkan hal ini.
Plus dari opsi ini:- data yang sama dapat ditransfer ke sistem yang berbeda;
- Persyaratan kualifikasi analisis web minimal.
Kontra dari opsi ini:- setiap kesalahan dalam data menyebabkan masalah dengan pengiriman data;
- dalam mengejar fleksibilitas data dalam dataLayer, Anda bisa kehilangan fleksibilitas manajemen data.
Letakkan di situs Google Pengelola Tag dan transfer data ke objek js
Dalam pengalaman kami, ini adalah opsi yang paling nyaman dan fleksibel. Terdiri dari fakta bahwa pengembang mengimplementasikan transfer semua data yang diperlukan ke objek-js tertentu dengan struktur yang mirip dengan struktur data-reguler e-commerce. Dengan setiap aksi pengguna di bagian depan, yang terkait dengan tindakan perdagangan elektronik, data dalam objek js diubah dan dorongan dikirim ke dataLayer, yang menunjukkan perubahan apa yang telah terjadi (misalnya, item telah ditambahkan ke troli).
Implementasi ini memberikan satu set pemicu analisis web untuk setiap tindakan pengguna yang penting dan kemampuan untuk mengumpulkan data dari objek js untuk data e-commerce Google Analytics dengan membuat tag atau variabel HTML terpisah di Google Pengelola Tag.
Anda dapat melangkah lebih jauh dan mengembangkan logika ini. Buat struktur standar untuk objek-js dengan data, versi Anda sendiri dari pengelola tag dan luncurkan startup. Hal utama adalah mengikuti persyaratan bisnis untuk data yang dikumpulkan, dan detail implementasi dapat bervariasi.
Plus dari opsi ini:- kemampuan untuk secara fleksibel mengontrol data yang dikirimkan karena pemicu individu dan konten penuh objek-js;
- objek js bisa gender
dihasilkan oleh backend, tanpa beban di bagian depan.
Kontra dari opsi ini:- kualifikasi untuk analisis web lebih tinggi daripada semua implementasi sebelumnya;
- semua transfer data terkait dengan pemicu dan pengisian objek-js.
Letakkan Google Pengelola Tag di situs dan kumpulkan data dengan tag js dari depan
Dengan kualifikasi analisis web yang sesuai atau menghubungkan ujung depan ke tim analisis web, Anda dapat mengumpulkan semua data yang diperlukan dengan tag HTML dan variabel Google Pengelola Tag.
Ini adalah cara tercepat untuk menerapkan markup e-commerce. Analis web mengetahui data apa dan dalam bentuk apa yang harus dikirim, dan ia menulis kode yang mengirim data ini. Dengan mengurangi jumlah peserta dalam proses, kecepatan implementasi maksimal. Jelas bahwa opsi ini memberlakukan batasan besar pada kualifikasi kontraktor.
Keterbatasan lain dalam menggunakan pendekatan ini mungkin adalah kode situs itu sendiri. Kesulitan terbesar adalah dengan proyek yang menggunakan kerangka kerja seperti Angular atau React. Dalam hal ini, banyak perubahan pada kode situs akan memengaruhi kode tag HTML Google Tag Manager dan menghasilkan data yang tidak dikumpulkan dengan benar. Sulit untuk dikalahkan, tetapi itu mungkin. Misalnya, dengan menambahkan elemen tata letak yang penting untuk tata letak, pengidentifikasi terpisah, yang tidak akan berubah dan diperiksa oleh tes otomatis dengan rilis apa pun.
Untuk mengurangi beban pada analis web dan mengurangi waktu untuk tata letak, Anda juga dapat menghubungkan render front-end dan membuat kombinasi ini dan opsi tata letak sebelumnya. Penting untuk melengkapi tata letak situs dengan atribut-data, di mana semua data yang diperlukan untuk transmisi dalam kerangka perdagangan elektronik akan direkam. Misalnya, dalam div dengan produk dalam katalog, Anda perlu menambahkan atribut data dengan kategori produk, namanya, nomor artikel, nilai, dan sebagainya. Ini akan memungkinkan analisis web untuk mengumpulkan data bukan dari seluruh tata letak, tetapi untuk mengakses atribut data tertentu yang akan diketahui sebelumnya.
Penting untuk diingat bahwa bahkan dalam perwujudan ini, ketika tim analis web melakukan pekerjaan maksimum, perlu untuk membuat setidaknya dokumentasi markup minimal. Ini akan memungkinkan Anda mengetahui dengan cepat bagaimana data dikumpulkan kapan saja dan, jika perlu, membuat perubahan pada kode markup.
Dari pengalaman, analis web sering lupa untuk menambahkan pemeriksaan yang diperlukan untuk nilai variabel atau konstruk seperti coba ... tangkap kode skrip mereka. Oleh karena itu, setelah menerapkan markup dengan cara ini, ada baiknya juga memeriksa kebenaran semua skrip.
Plus dari opsi ini:- Opsi tata letak tercepat dan paling fleksibel.
Kontra dari opsi ini:- Kualifikasi tinggi untuk analisis web
- ketergantungan yang kuat dari kualitas markup pada tata letak dan perubahannya.
Apa pun opsi implementasi markup yang Anda pilih, ingatlah bahwa tugasnya bukan untuk segera mulai mengumpulkan semua data yang mungkin. Dan untuk mulai mengumpulkan data yang benar sesegera mungkin sehingga bisnis mulai menerapkannya. Dan seiring berjalannya waktu, kembangkan arah pengumpulan data. Hal terburuk yang dapat dilakukan pada tahap ini adalah untuk segera menuju ke pelaksanaan pengumpulan data untuk waktu yang lama, tanpa kemampuan untuk segera menggunakannya.
Tahap keempat: menyiapkan panduan untuk pengembang
Hampir semua opsi implementasi markup yang diusulkan pada tahap sebelumnya melibatkan keterlibatan pengembang. Untuk menyederhanakan pekerjaan mereka sedikit dan mengurangi waktu pengembangan, ada baiknya membuat dokumen atau panduan dengan deskripsi bagaimana data harus dikirim dari situs.
Apa yang harus dijelaskan dalam panduan ini:1. Fitur pengumpulan data
- Apa yang ditransmisikan jika tidak ada data pada bidang tertentu: 0, bidang kosong atau nilai khusus;
- Kolom mana yang harus berupa string, dan mana yang harus berupa nilai numerik;
- Karakter khusus apa yang tidak dapat digunakan;
- Dan sebagainya.
2. Apa bidang minimum yang harus dilewatkan pada entitas kunci dari pengumpulan data
- Menurut halaman;
- Oleh produk;
- Menurut spanduk.
3. Kapan dan dalam bentuk apa data harus dikirimkan untuk setiap kegiatan e-commerce Google Analytics.
4. Kapan dan dalam bentuk apa seharusnya data tentang tindakan pengguna lain di situs ditransmisikan.
Setelah panduan dirumuskan, itu harus didiskusikan dengan tim pengembangan, mengumpulkan semua pertanyaan, ketidakakuratan dan segera memperbaiki dalam dokumen. Karena di masa depan akan menjadi dokumen ini yang akan menjadi yang utama dalam proses implementasi markup.
Tahap kelima: implementasi markup dan tinjauan selanjutnya
Setelah implementasi setiap bagian markup oleh pengembang, perlu untuk memverifikasi kebenaran data yang dikirimkan. Pada awalnya, proses ini belum dapat diberikan kepada penguji, mereka harus terhubung setelah analis web akhirnya menerima bagian yang sesuai dari markup.
Audit harus mengandung dua tahap: kualitatif dan kuantitatif. Tahap kualitatif adalah memverifikasi data yang dikirimkan menggunakan analitik web, yang pada prabayar memeriksa di browser-nya bagaimana data ditransmisikan pada halaman standar dan tindakan pengguna. Tugas pemeriksaan ini adalah untuk menangkap kesalahan yang jelas dan meluncurkan versi yang sudah diperiksa ke prod. Langkah selanjutnya adalah pemeriksaan kuantitatif. Ini adalah validasi markup menurut Google Analytics. Ini memungkinkan Anda untuk menangkap kesalahan yang kurang jelas dan bug markup pada sampel data besar.
Setelah melakukan pemeriksaan, data dapat ditransfer ke pelanggan bisnis untuk digunakan. Dan setelah itu, dengan tim penguji, menyiapkan satu set kasus untuk memeriksa markup. Sehingga rilis baru tidak merusak apa yang sudah diuji dan berfungsi.
Kesimpulan
Sangat sering hal yang paling penting terlewatkan selama proses markup. Markup diperlukan untuk menggunakan hasilnya - data dalam sistem analisis web. Proses markup penting, tetapi hanya untuk mencapai final dengan cepat dan mengumpulkan lebih sedikit kesalahan.
Saya harap artikel ini membantu menghindari beberapa kesalahan dan mengimplementasikan markup e-commerce Google Analytics secepat mungkin.