Web Analytics vs Web Insights

Todos nós vivemos o “web analytics” por um longo tempo. Existem profissionais e sistemas bem estabelecidos neste mercado. No entanto, as empresas estão frustradas com sua capacidade de entender os dados e agir. Chegamos à conclusão de que existem várias coisas em jogo e o mundo da análise de dados tradicional está morrendo, se não já morreu.

Como é a web analytics atualmente? Se medirmos um dos seguintes itens, é provável que ainda consideremos muito os dados abaixo:

• Page Views
• Path Analysis
• Track HITS
• Daily Unique Visitors
• Top Exit Pages on the Site
• Visitor Screen Resolutions

O principal resultado da avaliação desses “KPIs” (Key Performance Indicators) é que não podemos tomar muitas decisões baseadas nesses dados e eles estão nos distraindo, e não focamos nos KPIs principais a fim de promover melhorias para nossos clientes.

Acredito que agora vivemos, caminhando em direção a um mundo de Web Insights. No mundo do Web Insights, não medimos apenas os KPIs, mas fazemos as Key Insights Analysis (KIAs), como:

• Click Density Analysis
• Visitor Primary Purposes
• Task Completion Rates
• Segmented Visitor Trends
• Raw Voice of Customer Pareto Analysis
• Multi Channel Revenue Impact

Você sabe que possui uma Key Insights Analysis quando percebe que todos os dados analisados geram tomadas de decisão e não são apenas dados estáticos, mas dados que agregam qualquer resultado final que nossas empresas estejam tentando alcançar para os seus clientes (observe uma diferença importante, não são os resultados que seu chefe deseja, nem os resultados para atingir sua meta, mas os resultados que seus clientes desejam).

Usandos seus dados

Coletar e mensurar esses tipos de dados pode ser desafiador no começo, mas, quando você se sentir confortável, terá uma grande vantagem estratégica à longo prazo.

Vamos a um exemplo rápido:

Onde eu trabalho, DevMedia, percebi que todos os dados do Google Analytics não nos serviriam de nada se não pudéssemos identificar e separar os usuários por perfil. Por exemplo, fazemos isso através de variáveis. Aqui definimos os vários “estados” que um usuário pode ter:

dataLayer = [{'visitorType': 'logadoMVP'}, {'userType': 'F'}], {'trialState': 'Off'}];

Nesse outro, as suas preferências e informações:

'user_id': '479808',
'user_name': 'Réulison Silva',
'user_first_name': 'Réulison',
'user_type': 'assinante',
'TypeScript': '1', 'JavaScript': '1', 'React': '1', 'React Native': '1', 'PHP': '1', 'Java': '1', 'Business Intelligence': '1', 'Ruby': '1', 'SEO': '1', 'Flutter': '1',

Tudo isso é usado na hora de analisar os dados e separar clientes por perfil, por exemplo, criar Views diferentes no Google Analytics usando essas variáveis como Filtros:

Isso nos ajudou a entender que para cada tipo de usuário, nossa aplicação deve ser comportar de maneira diferente.

Por exemplo, nossa Homepage:

Logado:

Deslogado:

E também podemos enviar web notification personalizadas, em vez de enviar para a toda base como muita empresa faz:

Quando você começa a descartar dados como Pageviews, Bounce Rate, Exit Page e outras que mostram apenas números gerais você começa a realmente pensar em soluções que personalizam a experiência do cliente.

Vamos usar um outro exemplo, o site Amazon.com.br.

Se você entrar na home deslogado, o site é randômico, são algumas sessões aleatórias de conteúdo. Se você entrar no site logado, algumas sessões são personalizadas baseado em seu comportamento na aplicação.

Logo, métricas como Click Density, Task Completion Rates, e Segmented Visitor Trends podem ser usadas para personalizar cada vez mais a experiência de compra do usuário.

O que fazer com Web Insights?

Gamification

Hoje, todo mundo fala em Gamification, mas pouca gente o faz por que não sabem como. Mas no e-commerce, há várias possibilidades de implementação pois os dados estão todos ali.

Por exemplo:

Ao logar, poderiam se oferecer bônus e descontos para quem atingir determinadas tarefas, por exemplo. Enviar um review de produto, ganhar +1, comprar um produto (usar um algoritmo para definir uma pontuação de acordo com o preço do produto), e etc.

Em sua home, poderia ter um display ou dashboard contando sua pontuação e informações como: “Faltam 53 pontos para acessar ao desconto de 30% em um produto X ou Y”. Ou seja, fazer que ato de comprar e interagir com seu e-commerce seja prazerososo e recompensador para seus usuários.

Que tal um Ranking listando as pessoas que conseguiram os melhores descontos, a fim de motivar as outras? Há muitas possibilidades!

Os mesmos dados de sempre

Todo mundo continua ainda pensando em dados como: Cart Abandonment, Pageviews, Users e Pages / Session e etc.

O pior é que mesmo quando interpretam esses dados, por muitas vezes usam uma amostragem de dados erradas. Analisam essas métricas usando dados de todos os visitantes, sem distinção, como se as pessoas fossem todas iguais.

Grandes e-commerces acreditam que conseguem validar qualquer experimento porque possuem muito tráfego. Aqui vai uma verdade: Isso está errado!

O volume, em uma amostragem de dados serve apenas para diminuir sua margem de erro na hora de tomar uma decisão baseada naqueles dados. Mas se a amostragem estiver errada, adivinhem, o volume serve apenas para validar uma coisa que já começou errada.

Exemplo: Seria como se quisesse validar o sabor de uma maçã, mas na amostragem existe 1 milhão de frutas incluindo laranjas, maçãs e bananas. E você mensura isso tudo junto!

Aprenda a isolar e tratar seus dados, os visitantes de um e-commerce podem ser agrupados em vários segmentos. Escolha 1 e comece a rodar seu experimento, e o resultado será válido somente para aquele grupo de usuários.

Exemplo: First Shop User Cart Abandonment, uma forma de validar um teste A/B nesse caso, seria isolando apenas usuários que estão fazendo a primeira compra.

Usuários que já compraram em seu e-commerce se comportam de uma maneira totalmente diferente de usuários que nunca compraram.

Concluindo

Parem de ficar viciados em métricas de ferramentas como Google Analytics, aprendam a usar seu banco de dados, variáveis e dados únicos do seu segmento para validar e tomar decisões certas. O Web Analytics como conhecemos não é suficiente, todo mundo tem acesso aos mesmos dados e relatórios, aprenda a criar seus próprios relatórios para criar vantagens competitivas de mercado.

No caso do Google Analytics existem o Custom Metrics e o Custom Dimensions. Mas esse é papo para um próximo artigo.

Gostou? Deixe seu comentário.