Performance Marketing w 2023 roku. Narzędzia, które musisz znać!

Narzędzia przyszłości performance marketingu to zaawansowane technologie, które pozwalają marketerom na skuteczne i efektywne wykorzystywanie danych. 

Wykorzystywane są po to, aby lepiej zrozumieć i lepiej poznać swoich klientów czy osoby, które przeglądają stronę internetową, jak i korzystają z aplikacji mobilnej. Dzięki temu marketerzy mogą dokładniej dostosowywać swoje kampanie do zakładanych celów i wymagań swoich klientów. Narzędzia te (przy poprawnym wdrożeniu) pomagają marketerom w optymalizacji działań marketingowych, aby móc precyzyjniej dotrzeć do grupy docelowej i zwiększyć zaangażowanie odbiorców. Dodatkowo, pomagają marketerom w lepszym zrozumieniu rynku, a także patrzeć długofalowo, co bardzo kluczowe – z zachowaniem prywatności.

Które narzędzia będą wiodące, jeżeli chodzi o performance marketing i zdominują rynek w 2023 roku?
Dziś skupimy się na subiektywnej liście złożonej z czterech tematów:

• Google Analytics 4
• Big Query
• SQL
• Analityka Server Side

Google Analytics 4 – rewolucja w mierzeniu ruchu

Google Analytics 4 jest usługą analityczną, która umożliwia mierzenie ruchu i zaangażowania na Twoich stronach internetowych i aplikacjach. Jest to ulepszona wersja Google Analytics, która zastąpi Universal Analytics (GA3) i śledzi podróż użytkownika przez urządzenia i aplikacje, z mniejszym poleganiem na plikach cookie do przewidywania zachowań użytkowników. 

Aby wykorzystać Google Analytics 4, musisz skonfigurować właściwość GA4 na swojej stronie internetowej lub w aplikacji mobilnej. Możesz to zrobić za pomocą Asystenta konfiguracji usługi Google Analytics 4 lub ręcznie, dodając kod śledzenia GA4 do swojej strony internetowej lub aplikacji, bądź z wykorzystaniem Google Tag Managera. 

Google Analytics 4 jest niezbędne do skutecznego mierzenia danych, ponieważ opiera się w dużej mierze na uczeniu maszynowym jako głównej formie pomiaru danych. Ponadt funkcja „Insights”, oparta na sztucznej inteligencji, ma automatycznie wyróżniać przydatne informacje dla marketerów, co znacznie ułatwia analizę wszelkich informacji. 

Google od dłuższego czasu zapowiada śmierć aktualnej wersji Universal Analytics z dniem 1 lipca 2023 roku. Nie zostało dużo czasu, a przespanie tego tematu może Cię dużo kosztować.

Google Analytics 4 – rewolucja w mierzeniu ruchu

Niżej wypunktowałem tylko wybrane korzyści do rozwinięcia tematu. Więcej o tym, dlaczego warto przejść na Google Analytics 4, sprawdzisz tutaj.

• Dokładniejszy remarketing, który pozwala na dotarcie do użytkowników, którzy wykazali zainteresowanie Twoim produktem lub usługą na różnych urządzeniach i platformach. 
• Różne modele atrybucji, które pozwalają na ocenę skuteczności różnych kanałów marketingowych w generowaniu konwersji. 
• Łączenie danych z aplikacji mobilnych i stron WWW w jednym miejscu, co ułatwia śledzenie zachowań użytkowników w całej ich podróży.
• Możliwość korzystania z BigQuery, które umożliwia analizę dużych zbiorów danych i tworzenie zaawansowanych raportów. 

W tym miejscu płynnie będziemy mieszać Google Analytics 4 z BigQuery.

Co to jest BigQuery?

Zacznijmy od krótkiego wyjaśnienia, czym jest BiqQuery i skąd się wzięła pozycja nr 2 na subiektywnej liście. 

BigQuery jest usługą Google Cloud Platform, która umożliwia przechowywanie i analizę dużych zbiorów danych w chmurze. Aktualnie Google udostępnia dane w Universal Analytics (GA3) z długą historią. Można sprawdzić dane sprzed 2 lat i więcej. W nowej usłudze Google Analytics 4 okres przechowywania danych i możliwość analizy będzie ograniczony do 14 miesięcy. Zgromadzone dane będzie można eksportować i przechować w chmurze. Jest to ważne, o ile zależy nam na ich analizowaniu. Jeśli nie, maksymalnie badanie może się odbywać rok do roku. Kluczowy aspekt w przypadku kiedy realizujemy strategię długoterminową. W takiej sytuacji musimy skorzystać z BigQuery i tam gromadzić dane.

Jak korzystać z BigQuery w Google Analytics 4?

Szczęście w nieszczęściu jest takie, że z widoku usługi GA4 możemy integrować konta i korzystać z BigQuery w Google Analytics 4. Można to zrobić, logując się na właściwe konto Google Analytics, wybierając odpowiednią usługę. Następnie w ustawieniach, w sekcji “Połączenia usług”, klikając “połączenia z BigQuery”.

Kolejnym krokiem jest wybranie projektu BigQuery, do którego chcesz eksportować dane z GA4 i potwierdzić połączenie. Po połączeniu swojej właściwości GA4 z projektem BigQuery, możesz korzystać z BigQuery do analizy dużych zbiorów danych i tworzenia zaawansowanych raportów.

Tworzenie raportów z wykorzystaniem BigQuery

BigQuery obsługuje język SQL (ang. Structured Query Language), co w wolnym tłumaczeniu oznacza Język Strukturalnych Zapytań. Jest to język programowania, który służy do tworzenia, modyfikowania, zarządzania i odpytywania baz danych. W związku z tym SQL jest językiem, który umożliwia komunikację między programem a bazą danych, ułatwiając w ten sposób jej zarządzanie.

BigQuery jest skalowalny, bezpieczny i co najważniejsze szybki. Oznacza, że może przetwarzać terabajty danych w kilka sekund. Dodatkowo, jeśli wykorzystujemy zewnętrzne narzędzia do tworzenia raportów, takie jak LookerStudio (dawny Google Data Studio. Jeśli nie wiesz, o czym piszę, zerknij na wpis o budowaniu raportów dla swojej kampanii), uchroni to nas od przekroczenia limitów zapytań podczas tworzenia raportów i będziemy mieć większą pewność, że nasze raporty będą działać i wyświetlać odpowiednie dane. Niestety narzędzia do tworzenia raportów “prosząc o dane” Google Analytis czy Google Ads wysyłają zapytania, które są limitowane. BigQuery jest w większym stopniu odporne na te limity. 

Z wykorzystaniem języka SQL do tworzenia własnych zapytań i tabel, możemy łączyć dane z GA4 z innymi źródłami danych lub korzystać z narzędzi wizualizacji danych, takich jak wspomniany LookerStudio lub Power BI.

Wykorzystanie języka SQL a performance marketing

Jeśli chodzi o praktyczne wykorzystanie języka SQL, można go używać do wielu tematów. Od tworzenia baz danych po ich modyfikację, odpytywanie baz danych po aktualizację danych. SQL wykorzystuje się do wielu różnych celów, w tym do tworzenia raportów i analiz danych, tworzenia interfejsów użytkownika czy też do tworzenia aplikacji internetowych.

Aby się nim posługiwać, trzeba jednak poświęcić trochę czasu i wyćwiczyć sobie podstawowe zapytania. Gdy już się tego nauczymy, będziemy mogli tworzyć całe bazy danych, przykładowo:

Użycie funkcji analitycznej RANK() do obliczenia rankingu sprzedaży produktów w każdym kraju, która przyda się w sklepach e-commerce:

SELECT

  country,

  product,

  sales,

  RANK() OVER (PARTITION BY country ORDER BY sales DESC) AS rank

FROM

  sales_table;

Dla podróżników można stworzyć funkcję analityczneą LAG() do obliczenia różnicy między bieżącą i poprzednią wartością temperatury dla każdego miasta:

SELECT

  city,

  date,

  temperature,

  temperature – LAG(temperature) OVER (PARTITION BY city ORDER BY date) AS diff

FROM

  weather_table;

Kwestią zasadniczą jest, jakie dane dostarczamy do BigQuery. Następnie za pomocą SQL możemy dowolnie i na wiele sposobów “obracać” danymi. Wyciągać z danych Sam Nektar do naszych działań w sieci.

Wdrożenie analityki server side tagging

Analiza serwerowa to jak wspinaczka górska – trudna, ale tego warta. 

Wprowadzenia server-side tagging jest wynikiem coraz większych obostrzeń związanych z zachowaniem prywatności podczas korzystania z sieci. Dla użytkowników mało się zmieni, będą przeglądać i korzystać z aplikacji tak jak aktualnie. Za to dla osób, które prowadzą biznes w sieci oraz marketerów, ta zmiana jest bardzo istotna. 

W skrócie jak to wygląda obecnie, kiedy mamy wdrożone tagowanie bez tagowania po stronie serwera:

Jak to będzie wyglądało, kiedy wdrożymy tagowanie po stronie serwera:

Dokładnie i szczegółowo wraz z obszernymi informacjami odnośnie do zmiany tagowania przeczytasz w Google Tag Manager Server Side – dlaczego musisz go wdrożyć?

Subiektywna lista zmian, czyli performance marketing w 2023 roku

Rok 2023 będzie rokiem zmian, to już jest pewne. Zostało to potwierdzone i zapowiedziane przez Google. Przykładem jest wygaszanie Universal Analytics w lipcu 2023 roku. Właściciele biznesów, jak i marketerzy, którzy przegapią ten moment, mogą bardzo dużo stracić. W dużym skrócie: dane, to wiedza. Wiedza to przewaga konkurencyjna. Dla wielu firm rok 2023 może być odpowiedzią na pytanie “o być albo nie być”. Najważniejsze to zachować spokój i wykonać małe kroki.

Jeśli nie wiesz, bądź nie masz pewności, który krok wykonać pierwszy – napisz do nas!