- Quines pàgines del meu lloc web o aplicació generen més visualitzacions?
- Quines pàgines de destinació tenen el millor rendiment o generen més conversions?
- Què cerquen els usuaris al meu lloc web o aplicació? En què puc millorar el contingut o la navegació del lloc web?
- Quin rendiment tenen les meves pàgines de destinació al llarg del temps? Els usuaris arriben a les diverses pàgines en la mateixa proporció?
- Com progressen els usuaris a l'embut de conversió de compra?
- Com progressen els usuaris als nivells del meu joc?
- Què ha fet que un usuari afegeixi un producte al carretó?
- Què ha portat els usuaris a treure la meva aplicació?
- Hi ha interseccions interessants entre diversos segments de les meves dades?
- Els usuaris tenen un comportament diferent en funció de quan han visitat el lloc web per primera vegada?
- Quines fonts de referència generen els usuaris més valuosos?
Quines pàgines del meu lloc web o aplicació generen més visualitzacions?
A Universal Analytics (UA), estem acostumats a veure l'informe de pàgines detallat per la dimensió "Camí de la pàgina" i per mètriques com ara "Visualitzacions de pàgina", "Visualitzacions de pàgina úniques" o "Percentatge de rebots", entre d'altres. Malgrat que, a les propietats de GA4, l'informe de pàgines té un aspecte diferent, podeu tornar a crear fàcilment allò que cerqueu com una exploració a Explora.
En primer lloc, al tauler Configuració de les pestanyes que hi ha a Explora, heu d'activar una dimensió addicional mitjançant la icona + per afegir dimensions. En concret, afegiu la dimensió "Camí de la pàgina + cadena de consulta". Si també voleu consultar les dades per títol de la pàgina (a UA, l'informe de pàgines utilitza "Camí de la pàgina"), podeu activar la dimensió addicional "Títol de la pàgina i nom de la pantalla".
Tot seguit, heu d'afegir la mètrica "Visualitzacions", de manera que pugueu incorporar-la a l'exploració. Per fer-ho, a la subfinestra Variables, feu clic a la icona + de la secció Mètriques i cerqueu la mètrica "Visualitzacions" per afegir-la.
Per crear l'exploració de pàgines, tot seguit heu de treure les mètriques i les dimensions predeterminades aplicades a la configuració de files i columnes i afegir "Camí de la pàgina + cadena de consulta" com a dimensió de fila i "Visualitzacions" com a mètrica de columna. Per fer comparacions, també podeu afegir "Usuaris actius" com a mètrica de columna per tenir una idea de la popularitat de cada pàgina per usuari únic.
A Google Merchandise Store, si traieu la pàgina d'inici (/) i la pàgina del carretó, veureu ràpidament que les pàgines de productes més populars són les seccions d'oportunitats i de roba d'home del lloc web.
Quines pàgines de destinació tenen el millor rendiment o generen més conversions?
Entendre a quina part del vostre lloc web o aplicació arriben primer els usuaris us pot ajudar a optimitzar l'experiència d'usuari i els vostres esforços de màrqueting. A UA, això és possible gràcies a un informe que ve de fàbrica disponible a la interfície d'usuari d'informes, però a les propietats de GA4 encara no existeix. Podem tornar-lo a crear des de zero com una exploració a Explora.
Hi ha un parell d'elements importants que necessiteu per crear aquesta exploració: la dimensió "Pàgina de destinació + cadena de consulta" i les mètriques rellevants, com ara "Visualitzacions", "Sessions" i "Usuaris". Heu d'activar les dimensions i les mètriques addicionals fent servir la icona + per afegir dimensions:
Quan tingueu aquestes dimensions i mètriques disponibles per utilitzar, comenceu per afegir la dimensió "Pàgina de destinació + cadena de consulta". com a fila, i mètriques rellevants com ara "Visualitzacions", "Sessions" i "Usuaris actius" com a valors. Això us donarà una exploració de les pàgines de destinació segons aquestes mètriques.
Afegint la mètrica addicional "Compres", podeu veure quines pàgines de destinació s'han visualitzat quan s'ha fet una compra:
Ara podeu veure quines pàgines de destinació s'han visualitzat quan s'ha fet una compra i comparar-les amb els totals generals per entendre millor l'efectivitat de cada pàgina de destinació.
Què cerquen els usuaris al meu lloc web o aplicació? En què puc millorar el contingut o la navegació del lloc web?
Un altre informe habitual que us pot interessar crear a Explora és una exploració de cerques al lloc web. Per fer-ho, heu de seguir un parell de passos.
En primer lloc, heu de tenir activat l'esdeveniment de mesurament millorat o un esdeveniment personalitzat per recollir les dades de les cerques al lloc web. Si utilitzeu el mesurament millorat, aquest esdeveniment s'anomenarà "view_search_results". A continuació, assegureu-vos que heu activat el paràmetre "search_term" com a dimensió personalitzada a la vostra propietat. Un cop ho hàgiu fet, estarà disponible per utilitzar-lo a Explora.
Quan tingueu les dades adequades disponibles, podeu crear l'exploració, que constarà d'un parell de dades. En primer lloc, heu d'activar la dimensió "search_term" perquè estigui disponible per a l'ús a l'exploració:
Un cop activada, podeu afegir-la a l'exploració a sota l'opció de configuració "Files". Tot seguit, veureu un resultat semblant a aquest:
Aquesta exploració mostra molts valors (no definit) perquè consulta tots els esdeveniments. A fi de reduir el soroll, heu de crear un filtre per a "Nom de l'esdeveniment" que coincideixi exactament amb "view_search_results" per mostrar només les dades d'aquest esdeveniment:
Un cop s'hagi aplicat el filtre, tindreu una exploració actualitzada que mostra el nombre de cerques de cada terme enumerat, és a dir, una exploració de termes de cerca al lloc web:
Saber què cerquen els usuaris al vostre lloc web és recurs excel·lent per optimitzar el contingut a fi d'augmentar la implicació i la satisfacció dels usuaris. Per exemple, si veieu un pic en un terme de cerca concret, us recomanem que afegiu més contingut sobre aquest terme per ajudar els usuaris del vostre lloc web a trobar més fàcilment allò que cerquen o bé per respondre a les seves preguntes.
Quin rendiment tenen les meves pàgines de destinació al llarg del temps? Els usuaris arriben a les diverses pàgines en la mateixa proporció?
Per a cada exploració, teniu diverses opcions de visualització. Una que us pot resultar útil és el gràfic de línies per veure les tendències de les dades al llarg del temps. Si voleu comprovar la tendència de les vostres pàgines de destinació al llarg del temps, només heu de canviar el tipus de visualització fent clic en una de les sis opcions de visualització que hi ha a sota de la subfinestra Configuració de les pestanyes.
Canviar l'element visual a un gràfic de línies crearà un gràfic de les deu pàgines de destinació principals amb les seves tendències al llarg del temps.
Si passeu el cursor per sobre del gràfic, veureu enumerats els punts de dades de cada dia.
També podeu veure dades d'anomalies marcades amb un cercle buit. Si passeu el cursor per sobre del cercle buit, es mostra la informació de l'anomalia. En l'exemple següent, i segons les dades recollides anteriorment, Google Analytics preveia que uns 1.000 usuaris actius visitarien la pàgina d'inici el 2 de febrer; en canvi, el nombre observat d'usuaris actius va ser de 2.200, un 116% superior a la previsió.
Els embuts de conversió són una molt bona eina per veure fàcilment com progressen els usuaris al llarg del conjunt de passos que imagineu que segueixen. Alguns casos d'ús habituals d'embut de conversió poden ser un flux de comportament de compra o de tramitació de compra, en el cas de les empreses de comerç electrònic. En el cas dels desenvolupadors de jocs, potser us interessa veure com progressen els usuaris als nivells del joc. Vegem alguns exemples concrets d'aquests casos.
Com progressen els usuaris a l'embut de conversió de compra?
En el cas del comportament de compra, és possible que vulgueu analitzar com progressen els diferents segments d'usuaris en un embut de conversió de comportament de compra consistent a visualitzar un article, afegir-lo al carretó i comprar-lo. Per començar, podeu crear aquest embut de conversió des de zero o bé podeu utilitzar una de les pràctiques plantilles que hi ha disponibles al compte de demostració de GA4 per a Google Merchandise Store. Per triar-ne una, aneu al centre d'exploració, desplaceu-vos cap avall i seleccioneu "Embut de conversió de comportament de compra" a la llista d'exploracions de demostració.
Quan aquesta exploració s'obri, serà només de lectura, però podeu fer clic a "Fes una còpia", a l'extrem superior dret, per fer una còpia d'aquesta exploració de demostració. La còpia passarà a ser propietat vostra; quan la tingueu, podreu editar-la i ajustar-la com vulgueu.
Google Merchandise Store ven productes de marques de Google. Hi ha dues categories de producte que són populars al lloc web: els articles de la marca Android i els articles de la marca YouTube. Comparar aquestes dues categories d'articles pot ser útil per entendre el comportament de compra. Per fer-ho, us recomanem que creeu dos segments nous, un per a cada categoria. En aquest cas, podeu crear un segment en què la condició tingui l'esdeveniment "select_item" i el paràmetre "item_name" contingui "Android" o "YouTube".
Aquests segments mostraran els usuaris que han progressat a l'embut de conversió de comportament de compra i que, com a mínim, han fet clic en un producte de la marca Android o en un producte de la marca YouTube. És interessant observar que els usuaris que han fet clic com a mínim en un producte de la marca Android tenen gairebé el doble de probabilitats de comprar alguna cosa que els que han interaccionat amb un producte de la marca YouTube. Tingueu present que això no vol dir que hagin comprat cap producte d'aquestes marques, només que hi han fet clic. Si només us interessen les compres de productes d'una marca concreta, heu d'utilitzar l'esdeveniment de compra, com es mostra tot seguit:
Un cop s'hagin aplicat aquests segments, la comparació de l'embut de conversió de comportament de compra tindrà l'aspecte següent:
Una funció nova dels embuts de conversió a GA4 és la capacitat de veure les tendències d'aquests embuts al llarg del temps. Per fer-ho, a la subfinestra Configuració de les pestanyes, canvieu el tipus de visualització a "Embut de conversió per tendències". Això obre una visualització de l'embut de conversió per tendències, que mostra les tendències de tots els passos al llarg del temps. Podeu passar-hi el cursor per sobre a fi de veure els recomptes per dia de cada pas i segment.
També podeu veure només la tendència d'un pas cada vegada per tal de visualitzar més fàcilment els canvis al llarg del temps. En aquest exemple, podeu veure que, a partir del 10 de març, es va produir un pic en les compres que no era evident en la visualització anterior de les dades. Curiosament, sembla que la diferència entre les compres dels usuaris que veuen productes d'Android i dels que veuen productes de YouTube es produeix gairebé sempre després d'aquest pic, la qual cosa indica que potser hi ha hagut algun canvi en el disseny del lloc web o en els esforços de màrqueting que ha fet que els productes d'Android tinguessin més notorietat a partir del canvi.
Com progressen els usuaris als nivells del meu joc?
Aquesta és una pregunta habitual que pot tenir un desenvolupador sobre el seu joc o aplicació. Podeu analitzar aquesta qüestió amb un embut de conversió.
En primer lloc, heu de crear passos específics per al progrés de nivell. En aquest exemple, podeu utilitzar l'esdeveniment "level_up" i crear cinc passos per als cinc nivells del compte de demostració de GA4 per a Flood-It!.
Un cop hàgiu seguit aquests passos, es mostrarà el progrés dels usuaris en cada nivell del joc.
Sembla que els usuaris que han superat el nivell 1 tenen més probabilitats de continuar jugant. Aquesta informació us podria ajudar amb escenaris de prova A/B en què introduïu consells o altres mètodes per ajudar els usuaris a completar el nivell 1, a fi de reduir la taxa d'abandonament.
Si observeu la tendència al llarg del temps de l'embut de conversió anterior, també observareu un increment en tots els passos a partir del 19 de març, cosa que indica que potser va canviar alguna cosa pel que fa a la promoció o la visibilitat del joc en aquell moment.
També podeu segmentar aquest embut de conversió per veure si els diversos canals d'adquisició afecten la progressió general. En aquest exemple, podeu consultar les adquisicions de trànsit directe comparades amb les de trànsit de pagament. Observeu com, de fet, els usuaris que s'han adquirit mitjançant campanyes de pagament resten més temps (percentatges d'abandonaments inferiors) que els que s'han adquirit directament, cosa que indica que la publicitat de pagament pot estar funcionant de la manera prevista.
Una altra funció molt útil de l'exploració de l'embut de conversió és que podeu crear un segment o un públic a partir de l'abandonament. En l'exemple següent, veureu que el percentatge d'abandonaments comença a augmentar cap al nivell 4. Us pot interessar crear un segment d'usuaris que han abandonat al nivell 4 (no han arribat al nivell 5) i utilitzar-lo com a públic per ampliar l'abast o per enviar una notificació automàtica que convidi els usuaris a tornar per acabar el nivell i continuar al joc.
Per crear aquest segment, feu clic amb el botó dret al pas que us interessa i trieu l'opció per crear un segment. El segment que voleu utilitzar aquí també inclourà un criteri d'exclusió per al nivell 5, a fi de garantir que segmenteu pel públic adequat.
Finalment, un darrer element que us pot interessar afegir a l'exploració de l'embut de conversió és la nova mètrica "Temps transcorregut". Per fer-ho, activeu el botó "Mostra el temps transcorregut" que hi ha a la subfinestra Configuració. En fer-ho, s'afegirà una columna de mètrica nova a la taula:
Veure quant es tarda, de mitjana, a anar d'un pas a un altre pot ser un bon indicador de l'èxit del client o, en aquest cas, del grau de facilitat o de dificultat per superar un nivell. Aquest també pot ser un bon cas per crear un públic que requereix alguna acció, com ara l'enviament d'una notificació automàtica o un missatge de remàrqueting. Per exemple, sembla que, de mitjana, es tarda 3 hores i 53 minuts a completar el nivell 2. Podeu crear un públic amb els usuaris que han abandonat aquí fent clic amb el botó dret i triant aquesta opció:
Seria un molt bon segment de públic a què enviar algun tipus de missatge d'invitació perquè no acabin abandonant el joc o l'aplicació.
Una gran funció nova d'Explora a GA4 és l'exploració de camins. Ara, podeu triar un esdeveniment o una pàgina o pantalla concrets pel camí dels quals vulgueu avançar o retrocedir a fi de veure com progressen els usuaris al vostre lloc web o aplicació. Entendre el flux d'usuaris d'un lloc web ha estat una funció sol·licitada durant molt de temps, i amb les noves exploracions de camins de GA4 ara ja és possible.
Què ha fet que un usuari afegeixi un producte al carretó?
Aquesta és una pregunta que es poden fer molts llocs de comerç electrònic i que ara es pot investigar mitjançant la funció de camins inversos.
Per començar, obriu una exploració de camins nova i feu clic a "Torna a començar", a l'extrem superior dret. Tot seguit, podreu seleccionar un punt final. Trieu "Nom de l'esdeveniment".
A continuació, al menú lliscant, trieu l'esdeveniment per al qual voleu fer el camí invers. En aquest cas, com que voleu veure què ha portat els usuaris a afegir articles al carretó, triareu "afegir al carretó". Si no veieu el nom de l'esdeveniment que us interessa, podeu fer clic a "Carrega més" o utilitzar la barra de cerca de la part superior per cercar-lo.
L'exploració es carregarà amb un parell de passos ja emplenats segons el nom de l'esdeveniment. Si, en canvi, voleu crear un camí per nom de la pàgina, podeu canviar-ho per a cada pas. En l'exemple següent, s'ha canviat a "Títol de la pàgina i classe de la pantalla" i s'observa que un nombre considerable de persones afegeixen productes al carretó des de la pàgina Rebaixes. Pot ser recomanable incidir més en aquest punt aprofundint en la pàgina Rebaixes per veure si hi ha articles concrets que han despertat més interès, a fi de fonamentar la vostra estratègia de màrqueting.
Què ha portat els usuaris a treure la meva aplicació?
Per als desenvolupadors d'aplicacions, una de les preocupacions importants és l'abandonament (els usuaris que treuen l'aplicació). El camí invers pot ser un recurs molt útil per esbrinar què ha provocat que els clients abandonessin una aplicació. Per començar, heu de crear un camí invers nou fent clic al botó "Torna a començar" que hi ha a la part superior d'una exploració del camí. Tot seguit, heu de triar el nom d'esdeveniment "app_remove" com a punt de partida.
Si retrocediu un parell de passos en el camí, podeu començar a veure activitats que pot ser que hagin conduït a l'abandonament. En aquest cas, veiem que aproximadament un 13% dels usuaris que han abandonat havien vist una impressió d'anunci dos passos abans de treure l'aplicació. Es tracta d'un percentatge força elevat que indica que potser cal optimitzar la manera com es mostren els anuncis per reduir-ne l'impacte negatiu en els usuaris i, per tant, disminuir la taxa d'abandonament.
Hi ha interseccions interessants entre diversos segments de les meves dades?
La tècnica de superposició de segments és una bona manera de visualitzar fàcilment com interaccionen entre si els diferents segments d'usuaris. Per exemple, podeu visualitzar la superposició dels usuaris d'ordinador i dels usuaris de mòbils que s'han subscrit al butlletí d'informació d'un lloc web. D'aquesta manera, és més fàcil veure d'on provenen la majoria de subscripcions al butlletí d'informació que no pas desglossant una exploració de la taula per obtenir aquesta informació.
En primer lloc, heu d'afegir els segments que vulgueu analitzar a la subfinestra de variables. Feu clic a la icona + per afegir segments nous (quan ho feu, s'obre el creador de segments).
Per crear un esdeveniment de registre al butlletí d'informació, seleccioneu un segment d'esdeveniments i trieu l'esdeveniment adequat pel qual voleu filtrar, en aquest cas, "sign_up".
Un cop hàgiu creat els segments que voleu veure, heu d'aplicar-los fent-hi doble clic perquè s'afegeixin a la subfinestra Configuració de les pestanyes. Podeu afegir fins a tres segments alhora per veure'n la superposició mitjançant un diagrama de Venn.
En aquest exemple, s'han afegit segments per a "Trànsit en ordinadors", "Trànsit en mòbils" i "Subscripció al butlletí d'informació" a fi de veure d'on provenen la majoria de subscripcions al butlletí d'informació.
Com podeu veure tant al diagrama de Venn com a la fila 6 de la taula de més avall, la gran majoria de subscripcions a butlletins d'informació provenen d'usuaris d'ordinadors. Això pot indicar que l'experiència mòbil no s'adapta a aquest objectiu o bé que hi ha un problema amb l'experiència d'usuari que impedeix que els usuaris es registrin fàcilment al butlletí d'informació. Aquesta és una conclusió que potser convé estudiar més amb els equips de desenvolupadors i d'experiència d'usuari.
Una funció molt útil de la tècnica de superposició de segments és la capacitat de crear un segment nou a partir d'una superposició. Per exemple, si voleu crear un segment nou que inclogui el trànsit en ordinadors i els registres a butlletins d'informació, podeu fer clic amb el botó dret a la part visual de les dades que us interessen, ja sigui al diagrama de Venn o bé a la taula, i seleccionar l'opció per crear un segment.
Aquesta acció obre el creador de segments amb les condicions preseleccionades en funció del conjunt de segments que hàgiu triat. Com a nom del segment, assignarà el nom descriptiu de les condicions combinades, però podeu canviar-lo si voleu.
Fins i tot podeu crear un públic a partir d'aquesta superposició marcant la casella que hi ha a l'extrem superior dret, la qual cosa us permet compartir aquest públic amb altres productes de Google Marketing Platform, com ara Google Ads, per ampliar el vostre abast.
Els usuaris tenen un comportament diferent en funció de quan han visitat el lloc web per primera vegada?
L'exploració de cohort és una eina útil per entendre com es comporten els diversos grups d'usuaris del vostre lloc web en funció del moment i de la manera com han entrat en una cohort. Canviar la mètrica o el càlcul d'allò que esteu analitzant en una exploració de cohort pot fer que sigui encara més útil.
Quan obriu per primera vegada una exploració de cohort nova a Explora, veureu una exploració generada en nom vostre i basada en la inclusió a la cohort "first_touch" (és a dir, quin criteri s'ha seguit per incloure algú a la cohort, en aquest cas, visitar el lloc web o aplicació per primera vegada), en els criteris de retorn de qualsevol esdeveniment (és a dir, si els usuaris han tornat i han fet res al vostre lloc web o aplicació), en una mètrica d'usuaris actius i en un tipus de càlcul estàndard. El resultat és una exploració de cohort bàsica que mostra el nombre d'usuaris que torneu a atraure al vostre lloc web cada setmana al llarg de cinc setmanes i si aquest nombre varia en funció del moment en què van arribar-hi per primera vegada.
Si canvieu el tipus de mètrica d'aquesta exploració de "suma" a "per usuari de la cohort", podeu fer-vos una idea dels percentatges de retorn setmanals. És probable que això us resulti més útil que la suma d'aquesta visualització concreta, perquè us permet entendre les diferències entre cohorts pel que fa als usuaris recurrents.
En el cas d'un lloc web de comerç electrònic, també us pot resultar interessant canviar el valor d'una mètrica "Usuaris actius" a una mètrica "Ingressos de compres" per tal de veure no només els usuaris, sinó també el valor dels ingressos que genera cada cohort. Podeu consultar aquesta mètrica com la suma de la cohort o bé per usuari de la cohort. En l'exemple següent, veureu que les dues primeres cohorts han generat molt pocs ingressos cada setmana, però que, a partir de la tercera cohort, els ingressos comencen a créixer.
Si canvieu el tipus de càlcul d'estàndard a acumulatiu, podreu veure l'impacte general de cada cohort en els ingressos empresarials.
En aquest exemple, les dades suggereixen que, aproximadament a partir de la setmana del 7 de març, es devia produir un increment dels esforços de màrqueting per tal de dirigir els usuaris amb probabilitat de conversió alta a Google Merchandise Store.
Quines fonts de referència generen els usuaris més valuosos?
Conèixer aquesta informació us pot ajudar a comunicar a l'equip de màrqueting les fonts de referència que potser els interessa cultivar com a partners. En aquest cas, el valor indica que és menys probable que els usuaris abandonin, que els seus ingressos esperats durant el temps de vida són més elevats i que el valor del temps de vida (LTV) històric és més alt.
Per crear aquesta exploració, en primer lloc heu d'introduir les mètriques i les dimensions necessàries per explorar coses com ara l'abandonament, l'LTV i els ingressos durant el temps de vida. Utilitzarem la font i el mitjà com a dimensions i, en el cas de les mètriques, n'afegirem algunes d'addicionals des de la secció "Temps de vida de l'usuari" amb la icona + que hi ha a la part de mètriques de la subfinestra de variables.
Un cop hàgiu aplicat aquestes mètriques i dimensions, veureu que moltes files no tenen valors per a la probabilitat d'abandonament perquè aquests usuaris no compleixen els requisits per a la modelització predictiva de l'abandonament. Podeu crear un filtre en què la probabilitat d'abandonament sigui superior a 0 per excloure tots els usuaris que no tinguin una probabilitat d'abandonament calculada. Així tindreu una exploració clara com aquesta:
Tot seguit, podeu ordenar les dades per probabilitat d'abandonament i veure si hi ha cap campanya amb una quantitat d'usuaris important i una taxa d'abandonament esperada baixa. És probable que aquestes campanyes generin més usuaris implicats que les campanyes amb una taxa d'abandonament prevista més alta.
De la mateixa manera, podeu consultar les compres previstes, l'historial d'LTV i la implicació predictiva per identificar el valor dels usuaris adquirits més enllà de la sessió única.
Observeu la captura pantalla següent. En aquest cas, hi ha diverses files de referències a Google Merchandise Store que no són de Google i que, si bé tenen un nombre baix d'usuaris, també tenen una taxa d'abandonament més baixa, una durada de la implicació més alta, transaccions més altes i un bon d'LTV mitjà. Sembla que aquestes referències són molt valuoses per a la botiga, de manera que recomanarem aquestes fonts de referències a l'equip de màrqueting perquè s'hi posin en contacte i fomentin una relació més estreta.