วิวัฒนาการของการวิเคราะห์และการตลาดดิจิทัล

การเปลี่ยนแปลงวิธีการที่นักการตลาดจำเป็นต้องเข้าถึงการวิเคราะห์กำลังดำเนินการอยู่ ถึงเวลาแล้วที่จะหยุดคิดถึงการไหลของผู้ใช้และแทนที่จะนึกถึงชุดของเหตุการณ์ (งาน) ที่เราคาดหวังจากผู้ใช้ที่มีส่วนร่วม

ก่อนที่โฆษณาแบนเนอร์เว็บแรกจะปรากฏ (27 ต.ค. 2537 ในนิตยสาร Wired) นักการตลาดที่ต้องการช่วยเหลือลูกค้าด้วยความพยายามทางการตลาดได้นำการวิเคราะห์และการตลาดมาผสมผสานกัน เมื่อเวลาผ่านไป การแต่งงานนั้นก็มีวิวัฒนาการ และความสามารถของเครื่องมือวิเคราะห์ก็เช่นกัน

ครั้งหนึ่ง รายงานการตลาดคือ "ดูจำนวนผู้เข้าชมไซต์ที่แคมเปญสร้างขึ้น!" หรือ “ดูจำนวนการดูหน้าเว็บที่เราสามารถทำได้!” นี่เป็นการใช้งานทั่วไปของการวิเคราะห์ ในที่สุด เมื่อเครื่องมือวิเคราะห์ได้รับการปรับปรุง ความสามารถในการระบุแหล่งที่มาของการขายออนไลน์กับความพยายามทางการตลาดที่เฉพาะเจาะจงก็เป็นไปได้

ในช่วง 30 ปีที่ผ่านมานี้ สิ่งหนึ่งที่ยังคงไม่เปลี่ยนแปลงในการตีความการตลาดของการวิเคราะห์ทางเว็บ: แคมเปญหนึ่งนำผู้เยี่ยมชม X มาที่ไซต์ พวกเขาดูหลายหน้าซึ่งนำไปสู่ยอดขายที่กำหนด โดยพื้นฐานแล้ว โฟลว์ผู้ใช้ขั้นพื้นฐาน แต่ละขั้นตอนบนไซต์ในระหว่างการเดินทางของผู้เข้าชมถูกมองว่าเป็นของเหลวและง่ายต่อการปฏิบัติตาม

ในฐานะนักการตลาด เราต้องเริ่มเตรียมสมองให้พร้อมสำหรับสิ่งที่กำลังจะมาถึงด้วยเครื่องมือและเทคนิคการวิเคราะห์รุ่นต่อไป เครื่องมือวิเคราะห์รุ่นใหม่จะไม่ประมวลผลการบันทึกกิจกรรมของผู้ใช้ (ไฟล์บันทึก) อีกต่อไป แต่จะเก็บเหตุการณ์เฉพาะไว้ในฐานข้อมูล หากคุณไม่เคยได้ยินเกี่ยวกับ “การวิเคราะห์ตามเหตุการณ์” เร็ว ๆ นี้จะได้ยินเกี่ยวกับเรื่องนี้ทุกที่

ย้อนกลับไปในเดือนตุลาคม 2020 Google เปิดตัว Google Analytics 4 (GA4) อยู่ในโหมดเบต้า แต่ผู้ใช้ที่ลงชื่อสมัครใช้ Google Analytics จะได้รับการลงทะเบียนใน GA4 โดยอัตโนมัติ คุณต้องรู้วิธีใช้งาน GA เพื่อตั้งค่า Universal Analytics (UA) แบบเก่า แม้ว่า GA อาจเป็นเครื่องมือวิเคราะห์ที่ได้รับความนิยมมากที่สุด แต่ Adobe Analytics ได้ทำ "การวิเคราะห์ตามเหตุการณ์" มาระยะหนึ่งแล้ว พร้อมกับเครื่องมือวิเคราะห์อื่นๆ อีกหลายอย่าง

แม้ว่าจะยังไม่มีการประกาศวันที่อย่างเป็นทางการโดย Google ที่บังคับให้ทุกคนเปลี่ยนไปใช้ GA4 แต่โปรดวางใจว่ากำลังจะมาถึง และถึงเวลาที่ต้องเริ่มคิดถึง “การวิเคราะห์ตามเหตุการณ์” และความแตกต่างจากสิ่งที่คุณคุ้นเคย และข้อดีบางประการที่อยู่ในนั้น

การกำหนดการวิเคราะห์ตามเหตุการณ์

“การวิเคราะห์ตามเหตุการณ์เป็นวิธีการติดตามและวิเคราะห์การโต้ตอบระหว่างผู้ใช้และผลิตภัณฑ์ของคุณ หรือที่เรียกว่าเหตุการณ์”

ทั้งหมดนี้มีความหมายต่อนักการตลาดอย่างไร เราจำเป็นต้องคิดใหม่ว่าเรานำเสนอข้อมูลการวิเคราะห์อย่างไรในฐานะส่วนหนึ่งของรายงานการตลาดของเรา

ในอดีต เมื่อเราพูดถึงการเดินทางของผู้ใช้ ให้พูดว่า "พวกเขามาจากแคมเปญนี้ มาที่หน้านี้ เข้าชมหน้าเหล่านี้และซื้อเงินจำนวน $XXX.XX"

ด้วย Event-Based Analytics เราจะยังคงเห็นว่าแคมเปญใดนำผู้เข้าชมมายังไซต์ การติดตามพวกเขาในหน้าที่พวกเขาดูนั้นไม่ใช่เรื่องง่าย แต่การติดตามแต่ละขั้นตอนในกระบวนการเช็คเอาต์นั้นง่ายกว่ามาก

ด้วย Event-Based Analytics เราจะได้รับมุมมองผลิตภัณฑ์ของสิ่งที่เกิดขึ้นมากกว่าการไหลของผู้ใช้

ตัวอย่างเช่น เราสามารถสร้างกลุ่มสำหรับแคมเปญหนึ่งๆ และดูขั้นตอนแต่ละขั้นได้ (ให้คิดว่าเป็นขั้นตอนสำคัญ ผู้ใช้สามารถข้ามจากที่หนึ่งไปยังอีกที่หนึ่งหรือข้ามบางส่วนได้อย่างง่ายดาย) ในไซต์อีคอมเมิร์ซ เราจะดูจำนวนหน่วยของผลิตภัณฑ์แต่ละรายการที่เพิ่มลงในตะกร้าสินค้าและจำนวนที่ซื้อ คุณจะไม่เห็นว่าพวกเขาเพิ่มสินค้าลงในตะกร้าสินค้าของพวกเขาหรือไม่ จากนั้นกลับมาในภายหลังและนำสินค้าออกหรือลดจำนวนที่สั่งซื้อ Event-Based Analytics จะสร้างรายงานที่มีลักษณะดังนี้:

การวิเคราะห์ตามเหตุการณ์และการแบ่งกลุ่มลูกค้า

คุณลักษณะอันทรงพลังที่ใช้ได้กับ Event-Based Analytics คือการแบ่งกลุ่มลูกค้าที่ได้รับการปรับปรุง แม้ว่าเครื่องมือวิเคราะห์คำสั่งซื้อจะมีการแบ่งส่วนในระดับหนึ่ง แต่ตอนนี้คุณจะมีความยืดหยุ่นมากขึ้นในการกำหนดสิ่งเหล่านี้ การแบ่งกลุ่มจะช่วยให้คุณสามารถแยกผู้มีแนวโน้มจะเป็นลูกค้าและลูกค้าออกเป็นกลุ่มเฉพาะตามวิธีที่พวกเขามีส่วนร่วมกับผลิตภัณฑ์ของคุณ

ด้านล่างนี้คือตัวอย่างวิธีสร้างการมีส่วนร่วมของผู้ใช้ Analytics ตามเหตุการณ์ตามช่องทางการได้มาที่ต่างกัน

ด้วยการวิเคราะห์ตามเหตุการณ์ คุณมักจะไม่เห็นการวัดอัตราตีกลับที่ถูกรายงาน ทำไม เพราะการดูหน้าเพจอย่างง่ายคือเหตุการณ์ เครื่องมือวิเคราะห์ส่วนใหญ่ในขณะนี้บันทึกเวลาบนหน้าเว็บ (เหตุการณ์จะถูกทริกเกอร์ทุกๆ X วินาที) ผ่านตัวจับเวลา ไม่ใช่แค่จากการประทับเวลาระหว่างการดูหน้าเว็บเท่านั้น และจะติดตามการเลื่อนของผู้ใช้บนหน้าเว็บด้วย (การมีส่วนร่วม) เพื่อลดความซับซ้อน หากผู้ใช้ใช้เวลา X วินาทีในหน้าเว็บหรือเริ่มเลื่อน ผู้ใช้จะไม่ตีกลับ แต่มีส่วนร่วม ตอนนี้เราต้องนึกถึง "เซสชันที่มีส่วนร่วม" กับ "เซสชันที่ไม่มีส่วนร่วม" การดูหน้าเดียวโดยไม่มีการเลื่อนและใช้เวลาน้อยกว่า X วินาทีถือเป็น "เซสชันที่ไม่มีส่วนร่วม"

อ่านต่อ: การวิเคราะห์การเดินทางของลูกค้าคืออะไร

การใช้ Event-Based Analytics เพื่อเพิ่มรายได้

ด้วยเว็บไซต์อีคอมเมิร์ซและแอพมือถือ ผู้เยี่ยมชมเว็บไซต์ (อาจมาจากแคมเปญการตลาด) จะเปิดเว็บไซต์และเรียกดูรายการจำนวนหนึ่งก่อนที่จะเพิ่มสินค้าลงในรถเข็น อีกไม่กี่วันต่อมา พวกเขากลับเข้าสู่ระบบในแอปบนอุปกรณ์เคลื่อนที่และดำเนินการซื้อให้เสร็จสิ้น ขณะนี้ในแพลตฟอร์มการวิเคราะห์ของคุณ พฤติกรรมหรือเหตุการณ์ข้างต้นอาจมีลักษณะดังนี้: "การลงทะเบียนผู้ใช้" "ค้นหารายการ" "ดูรายละเอียดรายการ" "เพิ่มรายการในรถเข็น" และ "การซื้อเสร็จสมบูรณ์" ในเครื่องมือวิเคราะห์รุ่นเก่าๆ หลายๆ ตัว คุณจะไม่เห็นเส้นทางที่เชื่อมต่อกัน แต่จะเห็นว่าผู้ใช้มาจากแคมเปญ X เพิ่มสินค้าลงในรถเข็นช็อปปิ้งแล้วหยุด ผู้ใช้รายอื่น "เข้าสู่ระบบอย่างน่าอัศจรรย์" ผ่านแอพ แต่ซื้อของโดยไม่ต้องเพิ่มลงในตะกร้าสินค้า

ข้อมูลตามเหตุการณ์สามารถสร้างคำถามที่นำไปสู่การเปลี่ยนแปลงและการปรับปรุงผลิตภัณฑ์ หลังจากตรวจสอบข้อมูลจากตัวอย่างข้างต้นแล้ว เราอาจถามว่า

1. เปอร์เซ็นต์ของผู้ใช้ที่ชำระเงินเสร็จสิ้นในเซสชันเดียว?
2. การแปลงแตกต่างกันตามสินค้าหรือแบรนด์หรือไม่?
3. หากผู้ใช้ไม่ได้ทำ Conversion พวกเขาทำที่ไหน (ละทิ้งไซต์ ดูข้อมูลอื่นต่อไป ฯลฯ)
4. ใช้เวลานานเท่าใดในการแปลง (เป็นนาทีหรือวัน)
5. ผู้ใช้ต้องเผชิญกับข้อผิดพลาดในการชำระเงินหรือปัญหาอื่นๆ (เหตุการณ์) ระหว่างขั้นตอนการชำระเงินหรือไม่
6. ถ้าไม่ซื้อทันที จะหมดถาวรไหม?

คุณอาจสามารถตอบคำถามข้างต้นได้ด้วยเครื่องมือวิเคราะห์ที่มีอยู่ แต่ด้วยการวิเคราะห์ตามเหตุการณ์ จะง่ายขึ้นมาก

การวิเคราะห์ตามเหตุการณ์และคลังข้อมูล

การรวมข้อมูล Analytics ตามเหตุการณ์ของคุณเข้ากับคลังข้อมูลจะทำให้ข้อมูลของคุณอยู่บนสเตียรอยด์ คุณอาจสังเกตเห็นว่าแต่ละเหตุการณ์เป็นจุดข้อมูลที่สามารถส่งออกไปยังคลังข้อมูลได้อย่างง่ายดาย

เพียงแค่ส่งออกข้อมูลของคุณ ตอนนี้คุณมีอำนาจในการจัดการและประมวลผลข้อมูลดิบของคุณ ก่อนหน้านี้ คุณต้องทำงานกับข้อมูลที่มีอยู่ในเครื่องมือวิเคราะห์ของคุณ

ตัวอย่างเช่น ด้วยไซต์อีคอมเมิร์ซ คุณอาจติดตามรหัสลูกค้าที่ไม่ซ้ำ ตามกฎหมายนี้เป็น ID ที่ไม่ระบุตัวตน (ไม่มีทางเชื่อมโยงไปยังข้อมูลส่วนบุคคลที่ระบุตัวบุคคลนั้นได้) ภายในฐานข้อมูลของคุณ คุณสามารถดำเนินการค้นหาลูกค้าและเริ่มดูจำนวนลูกค้าที่ต้องการสั่งซื้อและเมื่อใด จะสร้างรายงานลูกค้าที่ทิ้งสินค้าไว้ในตะกร้าสินค้านานกว่า 2 สัปดาห์ได้อย่างไร ในฐานะนักการตลาด คุณสามารถสร้างอีเมลตามแรงจูงใจ หรือแม้แต่ให้ตัวแทนฝ่ายขายที่ได้รับมอบหมายโทรหาพวกเขาเพื่อดูว่าเกิดอะไรขึ้น พลังของข้อมูลที่รวมกันในคลังข้อมูลช่วยให้การวิเคราะห์ตามเหตุการณ์สามารถเพิ่มยอดขายได้อย่างแท้จริง

การรายงานได้รับการปรับปรุงเพิ่มเติมและทำให้ง่ายขึ้นโดยใช้เครื่องมือการแสดงภาพข้อมูลของคุณเมื่อเข้าถึงคลังข้อมูล คุณไม่จำเป็นต้องเชื่อมต่อแหล่งข้อมูลหลายแหล่งและแสดงแต่ละรายงานอีกต่อไป การเชื่อมต่อเครื่องมือสร้างภาพข้อมูลของคุณกับคลังข้อมูล ช่วยให้สามารถนำเสนอข้อมูลในตารางและกราฟแบบรวมศูนย์

หากองค์กรของคุณยังไม่ได้ใช้งานการวิเคราะห์ตามเหตุการณ์ ให้เริ่มวางแผนดำเนินการ หากคุณกำลังใช้งาน Universal Analytics (UA) ของ Google อยู่ ให้เริ่มเตรียมพร้อมสำหรับวันที่ประกาศปิด UA และบังคับให้คุณเปลี่ยนไปใช้ GA4 ตามคำแนะนำสำหรับผู้ใช้ UA ทุกคน ถึงเวลาที่จะเริ่มใช้งาน GA4 แบบคู่ขนานกัน หากไม่มีเหตุผลอื่น เพื่อทำความคุ้นเคยกับมัน และเริ่มเห็นพลังที่มากับมัน

ความคิดเห็นที่แสดงในบทความนี้เป็นความคิดเห็นของผู้เขียนรับเชิญและไม่จำเป็นต้องเป็น MarTech ผู้เขียนพนักงานอยู่ที่นี่