تطور التحليلات الرقمية والتسويق
نشرت: 2022-03-15يجري التحول في كيفية حاجة المسوقين للتعامل مع التحليلات. حان الوقت للتوقف عن التفكير في تدفق المستخدمين والتفكير بدلاً من ذلك في سلسلة من الأحداث (المهام) التي نتوقعها من المستخدمين المتفاعلين.
قبل وقت طويل من ظهور أول إعلان لافتة على الويب (27 أكتوبر 1994 ، في مجلة Wired) ، تبنى المسوقون الراغبون في مساعدة عملائهم في جهودهم التسويقية التزاوج بين التحليلات والتسويق. بمرور الوقت ، تطور هذا الزواج ، وتطورت أيضًا قدرات الأدوات التحليلية.
في وقتٍ ما ، كانت تقارير التسويق ، "انظر إلى عدد زوار الموقع الذين ولدتهم الحملة!" أو "تعرف على عدد مشاهدات الصفحة التي تمكنا من الحصول عليها!" كانت هذه الاستخدامات الشائعة للتحليلات. في النهاية ، مع تحسن أدوات التحليلات ، أصبحت القدرة على عزو المبيعات عبر الإنترنت إلى جهود تسويقية محددة ممكنة.
خلال هذه السنوات التي تزيد عن 30 عامًا ، ظل شيء واحد ثابتًا في تفسير التسويق للتحليلات المستندة إلى الويب: أدت الحملة إلى جذب X من الزوار إلى الموقع. لقد شاهدوا الكثير من الصفحات ، مما أدى إلى عدد معين من المبيعات. بشكل أساسي ، تدفق المستخدم الأساسي. كان يُنظر إلى كل خطوة على الموقع أثناء رحلة الزائر على أنها سلسة وسهلة المتابعة.
بصفتنا مسوقين ، نحتاج إلى البدء في تشكيل أدمغتنا لما سيأتي مع الجيل التالي من أدوات وتقنيات التحليل. لم يعد الجيل الجديد من أدوات التحليلات يعالج تسجيل نشاط المستخدم (ملف السجل) ولكن بدلاً من ذلك يخزن أحداثًا معينة في قاعدة بيانات. إذا لم تكن قد سمعت عن "التحليلات المستندة إلى الأحداث" ، فستسمع قريبًا عنها في كل مكان.
مرة أخرى في أكتوبر 2020 ، أصدرت Google Google Analytics 4 (GA4). كان في الوضع التجريبي ، ولكن أي مستخدم يشترك في Google Analytics تم تسجيله تلقائيًا في GA4. كان عليك أن تعرف طريقك حول GA لإعداد Universal Analytics (UA) القديم. على الرغم من أن أداة GA قد تكون أكثر أدوات التحليلات شيوعًا ، إلا أن Adobe Analytics تقوم بإجراء "تحليلات قائمة على الأحداث" لفترة من الوقت ، جنبًا إلى جنب مع العديد من أدوات التحليلات الأخرى الموجودة هناك.
على الرغم من عدم الإعلان عن التاريخ الرسمي الذي أجرته Google لإجبار الجميع على التبديل إلى GA4 ، فكن مطمئنًا أنه قادم ، وقد حان الوقت لبدء التفكير في "التحليلات المستندة إلى الأحداث" ، وكيف تختلف عما اعتدت عليه وبعض المزايا الواردة فيه.
تحديد التحليلات المستندة إلى الحدث
"التحليلات المستندة إلى الأحداث هي طريقة لتتبع وتحليل التفاعلات بين المستخدمين ومنتجك ، والمعروفة أيضًا باسم الأحداث."
ماذا يعني كل هذا للمسوقين؟ نحتاج إلى إعادة التفكير في كيفية تقديمنا لبيانات التحليلات كجزء من تقاريرنا التسويقية.
في الماضي ، عندما كنا نتحدث عن رحلة أحد المستخدمين ، قل ، "لقد جاءوا من هذه الحملة ، ووصلوا إلى هذه الصفحة ، وزاروا هذه الصفحات وقاموا بشراء XXX.XX دولار."
باستخدام Analytics المستندة إلى الأحداث ، سنستمر في رؤية الحملات التي جلبت الزوار إلى الموقع. إن متابعتهم على الصفحات التي شاهدوها ليس سهلاً ، لكن تتبع الخطوات الفردية في عملية الخروج يصبح أسهل بكثير.
من خلال التحليلات المستندة إلى الأحداث ، نحصل على عرض المنتج لما حدث أكثر من تدفق المستخدم.
على سبيل المثال ، يمكننا إنشاء شريحة لحملة معينة والاطلاع على الخطوات الفردية (فكر في الأمر كنقطة انطلاق ، يمكن للمستخدم القفز بسهولة من واحدة إلى أخرى أو تخطي بعضها). في موقع التجارة الإلكترونية ، سنرى عدد الوحدات التي تمت إضافتها لكل منتج إلى عربات التسوق وعدد الوحدات التي تم شراؤها. لن ترى ما إذا كانوا يضيفون منتجًا إلى سلة التسوق الخاصة بهم ، ثم يعودون لاحقًا ويزيلونه أو يقللون المبلغ المطلوب. ستنشئ التحليلات المستندة إلى الأحداث تقريرًا يشبه ما يلي:
التحليلات القائمة على الأحداث والتجزئة
الميزة القوية التي تتوفر مع "التحليلات المستندة إلى الأحداث" هي التقسيم المحسّن. بينما توفر أدوات تحليل الطلبات مستوى معينًا من التجزئة ، ستتمتع الآن بقدر أكبر من المرونة عندما يتعلق الأمر بتعريفها. سيوفر لك التقسيم القدرة على فصل العملاء المحتملين والعملاء في مجموعات محددة بناءً على كيفية تفاعلهم مع منتجك.
فيما يلي مثال على كيفية إنشاء تفاعل مستخدم التحليلات المستندة إلى الأحداث من خلال قنوات اكتساب مختلفة.
باستخدام التحليلات المستندة إلى الأحداث ، من المرجح ألا ترى قياس معدل الارتداد الذي يتم الإبلاغ عنه. لماذا ا؟ لأن الفعل البسيط المتمثل في عرض الصفحة هو حدث. تسجل معظم أدوات التحليلات الآن الوقت على الصفحة (يتم تشغيل حدث كل X ثانية) عبر المؤقتات وليس فقط من الطابع الزمني بين مشاهدات الصفحة كما أنها ستتتبع تمرير المستخدم على الصفحة (جذابة). لتبسيط ذلك ، إذا أمضى المستخدم X ثانية على الصفحة أو بدأ في التمرير ، فهذا يعني أنه لم يرتد ، لكنهم انخرطوا. علينا الآن التفكير في "الجلسات المتفاعلة" مقابل "الجلسات غير المتفاعلة". يُعد عرض الصفحة الواحدة بدون تمرير وقضاء أقل من X ثانية "جلسة غير متفاعلة".
اقرأ التالي: ما هي تحليلات رحلة العميل؟
استخدام التحليلات المستندة إلى الأحداث لزيادة الإيرادات
باستخدام موقع ويب للتجارة الإلكترونية وتطبيق جوّال ، يفتح زائر الموقع (ربما من حملة تسويقية) موقع الويب ويتصفح عددًا من العناصر قبل إضافة عنصر إلى سلة التسوق الخاصة به. قد يستغرق الأمر أيامًا ، ثم يسجلون الدخول مرة أخرى على تطبيق الهاتف المحمول ويكملون عملية الشراء. الآن في منصة التحليلات الخاصة بك ، قد تبدو السلوكيات أو الأحداث المذكورة أعلاه على النحو التالي: "تسجيل المستخدم" و "البحث عن العناصر" و "عرض تفاصيل العنصر" و "إضافة عنصر إلى عربة التسوق" و "اكتمال الشراء". في العديد من أدوات التحليلات القديمة ، لن ترى هذه الرحلة المتصلة ، لكنك سترى أن مستخدمًا جاء من حملة X ، وأضاف عناصر إلى عربة التسوق ، ثم توقف. قام مستخدم آخر بتسجيل الدخول "بطريقة سحرية" عبر التطبيق ولكنه اشترى أشياء دون إضافتها إلى عربة التسوق.
يمكن أن تولد البيانات المستندة إلى الحدث أسئلة تؤدي إلى تغييرات وتعديلات في المنتج. بعد مراجعة البيانات من المثال أعلاه ، يمكن أن نسأل:
- النسبة المئوية للمستخدمين الذين أكملوا عملية الدفع في جلسة واحدة؟
- هل يختلف التحويل حسب العنصر أو العلامة التجارية؟
- إذا لم يجر المستخدمون التحويل ، فأين سيفعلون؟ (تم التخلي عن الموقع ، استمر في عرض المعلومات الأخرى ، وما إلى ذلك)
- كم من الوقت يستغرق التحويل (بالدقائق أو بالأيام)؟
- هل يواجه المستخدمون خطأ في الدفع أو مشكلات أخرى (أحداث) أثناء عملية السداد؟
- إذا لم يشتروا على الفور ، فهل ذهبوا إلى الأبد؟
قد تتمكن من الإجابة على الأسئلة أعلاه باستخدام أدوات التحليلات الموجودة لديك ، ولكن مع التحليلات المستندة إلى الحدث يصبح الأمر أسهل بكثير.
التحليلات المستندة إلى الأحداث وتخزين البيانات
يؤدي دمج بيانات التحليلات المستندة إلى الأحداث مع مستودع البيانات إلى وضع بياناتك على المنشطات. ربما لاحظت أن كل حدث هو أساسًا نقطة بيانات يمكن تصديرها بسهولة إلى مستودع بيانات.
ببساطة عن طريق تصدير بياناتك ، لديك الآن القدرة على معالجة بياناتك الأولية ومعالجتها. في السابق ، كان عليك العمل مع البيانات المتاحة داخل أداة التحليلات الخاصة بك.
على سبيل المثال ، باستخدام موقع التجارة الإلكترونية ، من المحتمل أنك تتبع معرف عميل فريد. هذا بموجب القانون هو معرف مجهول (لا توجد طريقة للربط بمعلومات تعريف شخصية محددة). ضمن قاعدة البيانات الخاصة بك ، يمكنك تنفيذ بحث عن العملاء والبدء في معرفة عدد العملاء المحددين الذين يطلبون ومتى. ماذا عن إنشاء تقرير للعملاء الذين تركوا عناصر في عربة التسوق الخاصة بهم لأكثر من أسبوعين؟ بصفتك مسوقًا ، يمكنك بعد ذلك إنشاء رسائل بريد إلكتروني تستند إلى الحوافز ، أو حتى أن تطلب من مندوب المبيعات المخصص لهم الاتصال بهم لمعرفة ما الجديد. في هذه القوة من البيانات المدمجة في مستودع البيانات التي تسمح حقًا للتحليلات المستندة إلى الحدث لزيادة المبيعات.
تم تحسين إعداد التقارير وجعلها أسهل باستخدام أدوات تصور البيانات الخاصة بك عند الوصول إلى مستودع البيانات. لم تعد بحاجة إلى ربط مصادر بيانات متعددة وإظهار التقارير الفردية. يتيح توصيل أداة تصور البيانات بمخزن البيانات عرض البيانات في جداول ورسوم بيانية موحدة.
إذا لم تكن مؤسستك قد نفذت بالفعل التحليلات المستندة إلى الحدث ، فابدأ في وضع خطط للقيام بذلك. إذا كنت تقوم حاليًا بتشغيل Universal Analytics (UA) من Google ، فابدأ في التحضير للوقت الذي يعلنون فيه عن تاريخ إيقاف تشغيل UA وإجبارك على التبديل إلى GA4. كتوصية لجميع مستخدمي UA ، حان الوقت لبدء تشغيل GA4 بالتوازي ، إن لم يكن لسبب آخر ، لتتعرف عليها وتبدأ في رؤية القوة التي تجلبها معها.
الآراء الواردة في هذا المقال هي آراء المؤلف الضيف وليست بالضرورة آراء MarTech. يتم سرد المؤلفين الموظفين هنا.