Moderní nástroje webové analytiky (v anglickém jazyce web analytics) umožňují sbírat, sledovat a vyhodnocovat obrovská kvanta dat o chování návštěvníků na webu a jejich interakci s jednotlivými prvky na stránkách webu, například poli ve formuláři. V tomto článku se dozvíte o třech pokročilých možnostech, jak využít nástroje webové analytiky ku prospěchu vaší firmy.

Videozáznam návštěvy

Představte si například, že by na pobočce jednoho z telekomunikačních operátorů bylo možné to samé jako na webu. Na pobočku vchází návštěvník, ke kterému můžeme zaznamenat ihned několik základních atributů – víme, že bydlí v Berouně a přichází na základě inzerátu v regionálním deníku. Sledujeme, jak si nejdřív popletl, zda otevřít dveře k sobě, či od sebe, jak dlouho se zdržel u dveří, než se rozkoukal. Když přichází ke stojanu s letáky, čte si zhruba minutu akční nabídku na nový tarif a pak dlouho hledá ve velkém množství ostatních letáků, než najde informace k novému iPhone 3GS. Pak se otočí k vitríně s telefony, pohledem zběžně přelétne nabídku telefonů, až se zastaví právě u iPhone 3GS. Prohlíží si ho a čte specifikaci telefonu uvedenou drobným písmem. Potom přistoupí k pultíku s personálem pobočky s tím, že by se rád zeptal na nový iPhone. Obsluha ho identifikuje jako stávajícího zákazníka, který má již více než dva roky starší generaci iPhone, pravděpodobně s předplacenou kartou. Obchodní příležitost je na světě! Prodat tomuto zákazníkovi akční tarif a pokusit se prodat i nový iPhone 3GS.
Máte pocit, jako byste právě zhlédli záznam z bezpečnostní videokamery na pobočce? Myslíte si, že na webu něco takového není možné? Pak se podívejte na záznam jedné takové anonymní návštěvy na webu Optimicsu, kterou jsme pořídili s pomocí nástroje ClickTale, viz http://j.mp/clicktale-video.
Obrovskou výhodou webu je to, že data z takových individuálních pozorování lze na rozdíl od záznamu z videokamery nebo záznamu telefonického hovoru na call centru velmi snadno strukturovat a agregovat, a to jak za vybrané časové období či vybraný segment návštěvníků, tak na základě jakéhokoli jiného kritéria. Kolik procent návštěvníků si poplete otevírání dveří? Kolik procent návštěvníků si přečte leták o akční nabídce na nový tarif a kolik z nich přivedl inzerát v novinách? To jsou otázky, na které lze na webu s pomocí těch správných nástrojů velmi snadno odpovědět. Dnešní sofistikované nástroje webové analytiky umožňují velmi detailní pohled na individuální interakce návštěvníků na webu i souhrnný reporting hlavních ukazatelů výkonnosti webu.

Segmentace návštěvníků

Data z webu, která máte k dispozici v nástroji webové analytiky, vám jsou k ničemu, pokud z nich prostřednictvím analýzy nezískáte nějaké zjištění nebo znalost, kterou můžete využít pro optimalizaci webu. Optimalizovat individuální interakce na webu na základě videozáznamu z předchozího příkladu není dost dobře možné, protože každý zákazník je velmi individuální. Nicméně web lze optimalizovat na úrovni vybraných zákaznických segmentů.
Podívejte se na příklad na obrázku 1. U webu jednoho z našich klientů jsme zjistili zvláštní věc – návštěvníci z regionů na severozápadě z nějakého důvodu nakupovali zhruba třikrát méně než návštěvníci z jižní Moravy. Mapa na následujícím obrázku zobrazuje geografickou segmentaci návštěvníků podle konverzního poměru (tj. podílu návštěvníků, kteří uskutečnili nákup, ke všem návštěvníkům webu) za rok 2009. Velikost bublin reprezentuje význam daného regionu počtem návštěv, intenzita zelené barvy vyjadřuje konverzní poměr (sytější barva znamená vyšší konverzní poměr). Přestože analyzujeme stovky tisíc návštěv, vizuální reprezentace je velmi jednoduchá a pro každého okamžitě srozumitelná.


Obr. 1
Bylo by samozřejmě velmi zajímavé zjistit příčinu, to by ale mohlo trvat dlouho a bylo by to nákladné. Místo toho lze optimalizovat web s cílem zvýšit jeho konverzní poměr tak, aby dokázal v reálném čase rozpoznat geografickou lokalitu návštěvníka webu a pro návštěvníky z Libereckého nebo Ústeckého kraje prezentoval nějakou časově omezenou akci, jednorázovou slevu nebo dopravu objednaného zboží zdarma.
Nabídku lze samozřejmě omezit jen na produkty s vysokou marží. Můžete také spustit A/B test, jehož princip spočívá v tom, že nabídku zobrazujete jen menší části návštěvníků z daného segmentu (skupina B). Zbylá část pak slouží jako kontrolní skupina (skupina A) pro vyhodnocení statistické významnosti. Pokud bude po skončení testu rozdíl v konverzním poměru mezi oběma skupinami významný, pak lze s určitostí tvrdit, že daná nabídka opravdu zvyšuje konverzní poměr u dané cílové skupiny. Takovýto experiment s kontrolní skupinou totiž zcela spolehlivě dokáže odfiltrovat ostatní vlivy na konverzní poměr.

Lead scoring

V B2B na webu zpravidla nejde o přímý prodej koncovým zákazníkům, nýbrž o generování poptávky a její zachycení prostřednictvím kontaktního formuláře. Jeden z našich klientů takto získává stovky kontaktů z celého světa výměnou za zkušební verzi svého produktu. V takovém množství se ovšem obchodní oddělení nemůže věnovat všem kontaktům osobně. Je nutné na základě nějakého klíče vybírat pouze ty kontakty, kde lze očekávat nejvyšší předpoklad k nákupu produktu, a ty pak obvolat s nabídkou placené verze. Cílem lead scoringu je tedy zvyšování efektivity práce obchodního oddělení a získávání více uzavřených obchodů.
Díky nástroji Yahoo Web Analytics dokážeme ke každému kontaktu přiřadit mnoho údajů o daném návštěvníkovi a jeho chování na webu – odkud přišel, co hledal a jaké stránky na webu si prohlížel ještě před odesláním kontaktního formuláře (obr. 2). Naším cílem je vytvořit takový prediktivní model, který dokáže na základě ohodnocení jednotlivých atributů s co nejlepší spolehlivostí rozpoznat potenciálně zajímavé obchodní příležitosti.


Obr. 2
Na začátku lze pracovat jen s hypotézami o tom, jak by měl být model nastaven, protože nám chybí historická data. Jednou takovou hypotézou je například to, že návštěvník z USA, který web navštívil již opakovaně, bude ohodnocen jako lepší obchodní příležitost než návštěvník z Íránu, který je na webu poprvé. Kritickou podmínkou úspěchu takového modelu je to, že se musí učit a přizpůsobovat na základě průběžné zpětné vazby o úspěšnosti vybraných obchodních příležitostí. Neméně důležité je také to, že i celý prodejní proces a zvolené komunikační kanály se musí přizpůsobit různým úrovním hodnocení. Na obchodní příležitosti s nízkým skóre budou odesílány pouze automatizované e-maily v rámci definovaných pravidel a časových intervalů, zatímco ty s vysokým skóre si zaslouží individuální péči a osobní pozornost pracovníků obchodního oddělení.

Nástroje webové analytiky v Česku

Jednoznačně nejrozšířenějším nástrojem webové analytiky je Google Analytics, který je k dispozici zdarma. Podle nedávné studie Forrester Research (http://j.mp/forrester-studie) dokonce až 71 procent firem používá nějaký bezplatný nástroj webové analytiky. V Česku je situace velice obdobná. Google Analytics používají největší české firmy, jako například Škoda Auto, ČEZ nebo ČSOB, mediální servery Centrum.cz nebo iDnes.cz, ale i veřejné instituce, jako například ministerstvo práce a sociálních věcí nebo ministerstvo financí.
Mezi největší přednosti Google Analytics patří jeho jednoduchost a uživatelská přívětivost spolu s faktem, že Google dává tento nástroj k dispozici komukoliv zcela zdarma. Cenou za používání Google Analytics jsou tak pouze vaše data, která dáváte Google k dispozici. Mezi nejsofistikovanější placené nástroje na trhu patří Omniture, Unica, Coremetrics a Webtrends, z nichž v Česku je nejrozšířenější Omniture. Ten používá například Vodafone, Grisoft, výrobce známého antiviru AVG, ČSA nebo GE Money.
Zajímavé řešení, které nabízí z obou táborů to nejlepší, představuje Yahoo Web Analytics (http://j.mp/yahoo-wa). Tento nástroj mohou získat klienti některého ze tří autorizovaných partnerů v Česku zdarma, přitom ale obsahuje mnoho pokročilých funkcí, které jinak najdete jen u placených nástrojů.
Všechny tyto nástroje jsou založeny na kódu v jazyce javascript, který se vkládá do HTML stránek webu a který má na starosti sběr dat. Reportovací a analytické rozhraní je hostováno a poskytováno jako služba (SaaS). Toto řešení je nezávislé na serverové platformě a jen několik nástrojů (jako například Unica) existuje i ve verzi, kterou si můžete nainstalovat na svůj vlastní server. Toto řešení preferují typicky firmy, které chtějí mít absolutní kontrolu nad daty o svých zákaznících a nechtějí je za žádných okolností posílat třetí straně. V Česku je to například UniCredit Bank.
Pokud přemýšlíte o investici do sofistikovaného řešení webové analytiky, určitě se poraďte s odborníky. Využít lze také srovnávací studie a průzkumy trhu od Forrester Research (http://j.mp/forrester-wave) nebo Econsultancy (http://j.mp/econsultancy-guide).

Autor je spolumajitel a obchodní ředitel firmy Optimics, která se specializuje na optimalizaci webu a webovou analytiku. Před založením Optimicsu řídil on-line marketing v HVB Bank a Direct Pojišťovně.