Отваряме Google Analytics.

Трафикът расте.

Органичните сесии са повече.

Няколко landing pages получават повече посещения.

На пръв поглед това изглежда като добра новина.

Можем да кажем:

„SEO работи.“

Но какво всъщност знаем?

Знаем, че определено измерено поведение на сайта се е променило.

При правилно конфигурирано e-commerce измерване GA4 може да съдържа и информация за действия като добавяне в количка, започване на checkout и purchase събития.

Но дори тогава той наблюдава само част от системата.

Още може да не знаем:

какви конкретни търсения са довели хората;

какво е състоянието на асортимента;

кои продукти действително са налични за продажба;

как са се променили нашите цени спрямо пазара;

какво се случва с поръчката след нейното създаване;

има ли отказани, върнати или неполучени поръчки;

какъв марж остава;

какви проблеми възникват след покупката.

Google Analytics не е грешният инструмент.

Просто отговаря само на част от въпросите.

Проблемът започва, когато превърнем частичния изглед в описание на целия бизнес.

Dashboard-ът не е действителността

Всеки инструмент наблюдава нещо.

И същевременно не наблюдава много други неща.

GA4 може да показва измереното потребителско поведение в сайта и, когато е правилно настроен, част от e-commerce действията.

Search Console може да даде информация за представянето на сайта в Google Search.

Системата, в която реално се управляват поръчките, може да покаже кои поръчки са създадени, какъв статус имат и как са се развили след checkout-а.

Платежният оператор може да съдържа информация за извършените през него плащания.

Информацията за продуктите може да се намира в e-commerce backend, PIM, ERP или друга система според архитектурата на конкретния бизнес.

Същото важи за наличността. В един магазин тя може да се управлява директно в e-commerce платформата, а в друг реалният оперативен източник да бъде ERP или складова система.

Екипът за обслужване също може да произвежда полезни сигнали чрез:

support tickets;

чатове;

имейли;

записани причини за контакт;

CRM бележки;

категоризирани рекламации;

повтарящи се въпроси от клиенти.

Нито един от тези източници сам по себе си не е бизнесът.

Всеки гледа към него през различен прозорец.

Затова въпросът:

„Какво показват данните?“

идва прекалено рано.

Преди него трябва да попитаме:

„Кои данни?“

„От коя система?“

„Какво реално наблюдава тази система?“

„И какво остава извън нея?“

Не започвай от инструмента. Започни от въпроса.

Често анализът започва така:

„Имаме GA4. Да видим какво можем да намерим.“

После отваряме Acquisition.

После Engagement.

После Landing pages.

Намираме някаква промяна.

И започваме да ѝ търсим обяснение.

Това може да произведе полезни наблюдения.

Но има и друг подход.

Да започнем не от наличния инструмент, а от конкретния проблем.

Например:

„Продажбите на определена продуктова категория намаляват.“

Сега можем да попитаме:

Какво трябва да знаем, за да разберем защо?

Променил ли се е трафикът?

Променило ли се е органичното търсене?

Променил ли се е асортиментът?

Има ли проблем с наличностите?

Променили ли сме цените?

Как стоят тези цени спрямо конкурентните предложения?

Променило ли се е поведението в продуктовите страници или checkout-а?

Има ли нови повтарящи се въпроси от клиенти?

Сега инструментите се появяват след въпроса.

Не преди него.

Вече не търсим какво интересно има в един dashboard.

Търсим източник, който може да наблюдава конкретния сигнал, необходим за проверката.

Един проблем може да изисква няколко източника

Да използваме същия пример.

Продажбите на категория намаляват.

GA4

Може да покаже дали измереният трафик и поведението към страниците от категорията са се променили.

Ако посещенията са намалели значително, имаме една посока за проверка.

Но ако са стабилни, причината вероятно трябва да се търси и другаде.

Search Console

Може да помогне да разберем дали представянето на страниците в Google Search се е променило.

Но това още не обяснява само по себе си продажбите.

Системата за продуктови данни

Може да покаже промяна в асортимента, характеристиките или статуса на конкретни продукти.

Но не трябва автоматично да приемаме, че именно тя е оперативният source of truth за наличността.

Това зависи от архитектурата.

Реалната наличност може да идва от ERP, WMS, складова система или друг слой.

Нашата история на цените

Може да покаже дали и кога сме променили собствените си цени.

Но от нея не можем да заключим дали сме станали по-малко конкурентни.

За това е необходим външен сравнителен източник — например актуални конкурентни цени или друг надежден пазарен ориентир.

Системата за поръчки

Може да покаже кои продукти реално са поръчвани и как се е променил продуктовият микс.

Клиентското обслужване

Support tickets, разговори, чатове или структурирани причини за контакт могат да покажат, че определен въпрос започва да се повтаря:

„Кога отново ще имате размер X?“

Това още не доказва мащаба на проблема.

Но може да даде сигнал, който си струва да бъде проверен в оперативните данни.

Изведнъж проблемът изглежда различно.

Ако бяхме останали само в Analytics, можехме да започнем да оптимизираме страницата на категорията.

Но тя може да няма основен UX проблем.

Може просто да води към асортимент, в който точно търсените продукти не са налични.

Сайтът е мястото, където виждаме резултата.

Източникът на необходимото обяснение може да е другаде.

„Трафикът расте“ е наблюдение, не бизнес заключение

Да приемем, че органичните сесии са нараснали.

Това може да е напълно коректно наблюдение.

Но още не знаем каква е бизнес стойността му.

Новият трафик може да идва към информационно съдържание.

Може да идва към продуктови страници.

Може да е по-близо или по-далеч от покупка.

Следователно:

„Органичните сесии растат“

не е същото като:

„SEO носи повече бизнес.“

За второто твърдение са необходими други сигнали и вероятно други източници.

Един източник може да бъде правилен и пак да не е достатъчен

Това е важна граница.

Когато данните не ни дават пълен отговор, естественият въпрос е:

„Грешни ли са?“

Не непременно.

Може да бъдат напълно коректни за това, което измерват.

Представете си, че GA4 показва 10 000 органични сесии към определена група страници за разглеждания период.

Това е конкретно измерено поведение.

Но от тази метрика сама по себе си не можем да заключим какъв бизнес резултат е последвал.

Проблемът не е непременно в числото.

Проблемът е, ако зададем на това число въпрос, на който то не може да отговори.

Един правилен отговор на малък въпрос не е автоматично отговор на по-големия.

Източникът трябва да съответства на въпроса

Ако искаме да разберем:

„Колко продукта имаме?“

трябва да намерим системата, в която продуктовият каталог действително се управлява.

Ако питаме:

„Кои продуктови страници получават impressions в Google?“

източникът е друг.

Ако питаме:

„Кои продукти реално са поръчани?“

отново имаме различна система.

Ако питаме:

„Кои продукти се връщат заради неправилно избран размер?“

може да се наложи да свържем данни за поръчки, връщания и структурирани причини за рекламация.

Не съществува универсално:

„Това е основният ни източник на данни.“

По-правилно е:

„Това е подходящият източник за този конкретен въпрос.“

И дори тогава трябва да разбираме какво остава извън него.

Има разлика между мястото, където виждаме проблема, и мястото, откъдето можем да разберем причината

Conversion rate на продуктова категория пада.

Виждаме това в Analytics.

Следователно проблемът е в сайта?

Не задължително.

Причината може да бъде:

различен трафик;

промяна в цената;

липсващи продукти;

по-слаба конкурентност;

грешен филтър;

по-висока цена за доставка;

проблем при checkout;

или нещо друго.

Analytics може да е мястото, където сме забелязали отклонението.

Това не означава, че съдържа информацията, която ще обясни причината.

Затова местоположението на сигнала не трябва автоматично да определя местоположението на решението.

Не всички полезни източници са dashboards

Понякога най-полезният сигнал не започва като число.

Клиентите постоянно питат:

„Този продукт съвместим ли е с модел X?“

Търговският екип чува:

„Не разбирам разликата между тези два продукта.“

При връщанията започва да се появява една и съща причина.

Служителите, които поддържат каталога, забелязват, че една характеристика постоянно пристига в различни формати.

Това са наблюдения.

За да ги използваме аналитично, трябва да знаем откъде идват и как са регистрирани.

„Customer service каза, че клиентите се оплакват“ е слаб източник, ако не знаем:

колко случая има;

за какъв период;

за кои продукти;

как се записват причините;

дали говорим за няколко запомнящи се разговора или за повтарящ се модел.

Но ако tickets, чатове или CRM записи се категоризират последователно, обслужването може да стане ценен източник на качествени и дори структурирани сигнали.

То не замества останалите източници.

Добавя различен вид наблюдение.

Количествените и качествените източници отговарят на различни въпроси

Да приемем, че Analytics показва необичайно отпадане на определена стъпка.

Количественият източник може да ни помогне да разберем:

къде се случва;

колко често;

дали има промяна във времето.

Usability тест или разговор с клиент може да ни помогне да разберем:

какво конкретно го затруднява.

Support tickets могат да покажат дали същият проблем се появява и в реалното обслужване.

Техническите логове могат да покажат дали има системна грешка.

Нито един от тези източници не трябва автоматично да бъде обявен за „по-добър“.

Те отговарят на различни части от въпроса.

Пет разговора могат да дадат силна хипотеза, но не доказват нейния мащаб.

Голяма таблица може да покаже закономерност, без сама да обясни защо съществува.

Затова полезният анализ често изисква правилния тип източник за конкретната част от проблема.

Понякога необходимият източник е извън бизнеса

Не всеки въпрос може да бъде решен само с вътрешни данни.

Продажбите на продукт падат.

Вътрешно виждаме:

стабилен трафик;

наличност;

работещ checkout;

непроменена собствена цена.

Още не знаем какво се е случило на пазара.

Появил ли се е нов конкурент?

Има ли по-ниска пазарна цена?

Излязъл ли е нов модел?

Променило ли се е търсенето?

Има ли сезонен фактор?

Вътрешните данни могат точно да ни кажат:

„При нас има промяна.“

Но причината може да бъде външна.

Тогава правилният източник също трябва да бъде външен.

Източникът има граници

Всеки път, когато използваме дадена система, трябва да можем да отговорим поне на две неща:

Какво наблюдава?

и:

Какво не наблюдава?

Вторият въпрос е също толкова важен.

Например:

„В GA4 не виждаме измерена покупка след тези сесии.“

не винаги е равнозначно на:

„Тези хора не са купили.“

Покупката може да се е случила по друг канал.

Може да има ограничения в измерването.

Може човекът да се е върнал по-късно по начин, който не можем надеждно да свържем с първоначалната сесия.

Следователно има важна разлика между:

„източникът не го показва“

и:

„не се е случило“.

Понякога двете съвпадат.

Понякога не.

Как бих избрал източниците за един анализ

Бих започнал с проблема.

Не:

„Искаме да анализираме GA4.“

А:

„Искаме да разберем защо продажбите на категория X намаляват.“

След това:

1. Какво точно наблюдаваме?

Намаление на:

брой поръчки;

приход;

продадени единици;

марж;

или друг бизнес резултат?

„Продажбите падат“ може да описва различни промени.

2. Какъв въпрос трябва да проверим?

Например:

Намалял ли е релевантният трафик?

Има ли промяна в наличността?

Променила ли се е нашата цена?

Променило ли се е положението ни спрямо конкурентите?

Има ли проблем в процеса на покупка?

3. Какъв сигнал би ни помогнал?

Всеки въпрос изисква различно наблюдение.

4. Кой източник действително може да наблюдава този сигнал?

Едва тук избираме:

GA4;

Search Console;

система за поръчки;

ERP;

PIM;

WMS;

support данни;

външен конкурентен източник;

или друг подходящ източник.

5. Какво остава извън него?

Това определя дали ни е необходим втори източник.

Рамката става:

проблем → въпрос → необходим сигнал → източник → какво наблюдава → какво остава извън него

Това е по-надежден начин да търсим отговора, отколкото да започнем от най-удобния dashboard.

Повече tracking не решава автоматично проблема с източниците

Когато не знаем достатъчно, естественото решение е:

„Трябва да измерваме повече.“

Понякога да.

Но можем да създадем десетки нови events и пак да не наблюдаваме това, което е необходимо за конкретния въпрос.

Можем да имаме:

голям dashboard;

много KPI;

автоматични отчети;

real-time графики;

и пак да не знаем откъде да вземем информацията, която би потвърдила или отхвърлила конкретна хипотеза.

Проблемът тогава не е количеството данни.

Проблемът е липсата на връзка между:

въпроса

и

източника.

Правилният източник още не означава надежден сигнал

Да приемем, че сме установили:

за реалното развитие на поръчките трябва да гледаме системата, в която те се управляват.

Добре.

Тук тази статия спира.

Следващият въпрос вече е:

Можем ли да се доверим на данните вътре?

Това е различен проблем.

И е темата за качеството на данните.

Защото можем да изберем правилния източник и пак да имаме лоши данни.

Както можем да имаме отлично структурирани данни в система, която просто не наблюдава това, което се опитваме да разберем.

Анализът започва преди първата графика

Когато отворим dashboard, вече гледаме информация, която някой е решил да събира и показва по определен начин.

Това е полезно.

Но наличният инструмент не трябва да определя въпроса.

Последователността трябва да бъде обратната:

Имам проблем.

Какъв въпрос трябва да проверя?

Какъв сигнал би ми помогнал?

Кой източник действително може да го наблюдава?

Какво остава извън него?

Понякога отговорът ще бъде GA4.

Понякога Search Console.

Понякога системата за поръчки.

Понякога ERP или складът.

Понякога customer service.

Понякога външен пазарен източник.

Понякога комбинация от няколко.

А понякога ще установим, че необходимата информация изобщо не се събира.

Тогава първата задача не е да анализираме повече.

А да създадем начин да наблюдаваме правилния сигнал.

Защото преди да питаме какво означават данните, трябва да сме сигурни, че гледаме на правилното място.