Muito do trabalho de um especialista em Digital Analytics é integrar informações, ou seja, juntar dados aqui e acolá para aumentar o entendimento sobre um ou vários comportamentos do usuário. Mas como juntar ferramenta de e-mail e Google Analytics?

Quando falamos de rastreamento de e-mail marketing, geralmente temos dois locais de análise:

1) A própria ferramenta de email marketing, onde analisamos aberturas, cliques e afins.

2) O Google Analytics, onde olhamos as visitas geradas (quando fazemos o tagueamento correto dos links nos emails) e o seu comportamento no site (eventos, conclusões de meta etc).

Mas, você sabia que é possível mandar o dado da abertura também para o Google Analytics? Dá um pouco de trabalho, mas vale a pena.

O primeiro passo é criar uma métrica personalizada na área administrativa da sua propriedade, pode chamá-la de Aberturas de Email ou como preferir.

Depois, crie uma campanha na sua ferramenta de email marketing, faça tudo que for necessário para enviar: conteúdo, design, segmentação etc.

Agora é onde a mágica acontece. Inclua no seu email a seguinte imagem (você pode incluir através de um bloco de html, é uma opção bem comum em qualquer ferramenta de email):

<img src=”http://www.google-analytics.com/collect?v=1&tid=UA-XXXXXXX-YY&cid=*|UNIQID|*&t=event&ec=email&ea=open&el=*|UNIQID|*&cs=newsletter&cm=email&cn=062413&cm1=1″ />

Vamos dissecar o html:

v = 1 Versão do protocolo de mensuração do Google Analytics

tid = UA-XXXXXXX-YY É o código da sua propriedade de GA, substitua pelo seu, claro.

cid = *|UNIQUEID|* Esse é um ID único para cada pessoa na sua ferramenta de email, note que já está no padrão de campo customizado do Mailchimp, porém, vai depender de qual ferramenta você está usando e como você configurou nela o formato desse campo.

t = event Tipo de hit, estamos rastreando aberturas como eventos no GA.

ec = email Categoria do evento.

ea = open Ação do evento.

el = *|UNIQUEID|* Rótulo do evento.

cs = newsletter Origem da Campanha

cm = email Mídia da Campanha

cn = 062413 Nome da Campanha

cm1 = 1 Métrica Personalizada 1 (ou outro número, se você já usar outras métricas personalizadas)

Com essa técnica você terá o número de aberturas no seu Analytics e mais: quem abriu. Com técnicas que abordaremos em outras tips, será possível analisar a jornada inteira do usuário via email. Aproveite isso para criar experiências melhores e converter mais.

Fazer Analytics é coisa séria. Dependendo da nossa interpretação dos dados e correspondente ação, podemos estar matando boas iniciativas ou mesmo nem deixando elas nascerem, e assim acontece aos montes, mas nem sempre conseguimos perceber quando estamos fazendo isso.

Os modelos de atribuição surgiram para ajudar os analistas a tentarem entender como diferentes abordagens das atribuições que fazemos de conversões podem influenciar os esforços e recursos e aonde direcioná-los da melhor maneira.

Ao analisar as campanhas de email marketing de um projeto, decidi por utilizar o modelo Last Non-Direct Click (LNDC). Mas, afinal, o que isso significa? Vou tentar exemplificar de uma maneira bastante simples.

Imagine um usuário que passou pelo site pelo seguinte caminho: Direto > Direto > Conversão. Nesse caso, a atribuição da conversão iria para o tráfego Direto. Agora vamos imaginar outro trajeto: Direto > Orgânico > Direto > Conversão. Nesse caso, como houve uma outra participação além de Direto e a última delas foi Orgânico, o crédito vai para Orgânico.

A grande questão sobre porque excluir o tráfego Direto é porque ele atua na maioria das vezes como um simples atalho. Quando você já conhece um site, ou seja, já o visitou, a tendência é você começar a acessar ele via tráfego direto, uma vez que a própria barra de endereços do navegador te sugere no momento em que você está digitando ou o próprio endereço ou mesmo o nome do site que você quer acessar. Outra possibilidade, creio eu menos frequente, seria um link salvo em barra de favoritos.

Esse tipo de comportamento acaba obstruindo a visão do resultado de mídias onde existe uma atuação mais proativa, como o email. Por isso, é importante que você tenha em mente essas outras possibilidades de análise e compare, usando o próprio Google Analytics para escolher aquela que melhor se adequa a você. Lembre-se também: o Google Analytics não sabe a influência de emails que nunca são clicados, mas levam pessoas a acessar o seu site e a converter. É importante prestar atenção aos dados que se tem, mas também aos dados que não se tem, para, pelo menos, fazer uma estimativa.

Nomeação de metas no Google Analytics é um dos problemas mais absurdos que eu acho. Absurdo porque não é necessária nenhuma habilidade especial para você nomear metas de um jeito que faça sentido, ou sim, se você considerar bom senso algum tipo de super poder.

Na minha opinião, as metas devem ter nomes muito claros, sem usar jargões ou coisas genéricas demais. Geralmente, um dos primeiros lugares que eu acesso quando alguém me libera uma conta de Analytics é a parte administrativa de metas. Para mim, as metas são o centro gravitacional de toda estratégia de Marketing Digital.

Pensando em ajudar nesse problema, eu criei um teste simples para tentar ajudar a nomear as metas do melhor jeito possível. O teste é bem simples, chame alguém mais ou menos informado sobre Marketing Digital, pode ser um colega que trabalha em uma outra empresa, por exemplo. Peça para ele dar uma navegada no seu site. Depois passe para ele o nome das metas e peça para te explicar onde cada uma ocorre e como.

Se ele tiver dificuldades de associar os nomes das metas que você passou com as partes do site que navegou, é porque elas estão confusas demais, e vai por mim, incrivelmente muitas contas sofrem desse problema. Isso dificulta, principalmente para quem trabalha com muitas pessoas e até terceirizados na comunicação a assertividade. Pode ocorrer (e já vi isso bastante), de se estar falando de meta A e se entender B, afinal, muita gente tem medo de perguntar, com vergonha.

Quem mantém um blog, principalmente quando esse blog tem conteúdo de mais de um autor, certamente em algum momento se perguntou: qual autor está gerando mais resultado para o site. Bom. Isso é possível de medir. Como fazer? Eu faria seguindo os seguintes passos:

1) Criar uma Dimensão Customizada no Google Analytics.
2) Puxar o ID do Autor do WordPress (imaginando que você usa ele) para o frontend.
3) Criar um dataLayer para enviar o ID do Autor para o Google Tag Manager.
4) Configurar o GTM para pegar o dataLayer e enviar para a Dimensão Customizada do GA.
Com essa implementação resolvida, você pode começar a pensar em algumas análises como:

– Qual autor traz mais tráfego para o meu site?
– O autor que traz mais tráfego também é o que gera mais leads?
– E vendas? Qual autor traz leads de melhor qualidade?
Com esses dados em mãos fica muito mais fácil tomar decisões sobre quais fornecedores de conteúdo investir, quanto investir, se investir e quando aumentar o investimento.

Que mais ideias você teria com isso em mãos?

Já falamos aqui do Google Tag Manager, mas ainda não falamos afinal porque usar ele ao invés do Google Analytics diretamente em seu código. Para mim, o principal motivo é a redução significativa do retrabalho. Em programação, existe um conceito resumido no acrônimo DRY – Don’t Repeat Yourself, ou seja: não se repita.

Vamos supor um ecommerce. Um dos eventos mais importantes de um ecommerce é a venda. Nela, geralmente, precisamos disparar diversos aparatos: transação do Google Analytics, pixel de conversão do AdWords e do Facebook, e diversos outros bichos. Imagine ter que pedir pro desenvolvedor toda vez que isso for necessário. Você deve viver isso e sabe como é chato, dependendo do tamanho da empresa, esse processo só piora. E às vezes algo que era simples vira uma dor de cabeça.

Com o GTM, você só precisa passar por isso uma vez. Uma vez que você cria um evento de GTM e envia para ele todos os dados que você precisa sobre aquela ocorrência (chamamos esse objeto de Data Layer), você fica livre. A partir de agora, tudo o que você precisa é configurar todas essas ferramentas dentro da plataforma do GTM.

Existem inclusive eventos que você deixa de precisar de programação. Como por exemplo, eventos de cliques em botões. Isso além de ajudar na agilidade de implementação melhora a confiabilidade, pois sabemos, mexer no site é sempre uma tarefa delicada e você pode sair com alguns bugs no processo.

Se você ainda não migrou, recomendo muito que faça isso, você só vai se beneficiar dessa ferramenta. Existem vários outros benefícios como velocidade de carregamento, facilidade de atualização etc que por si só já valeriam a pena.

A primeira reação diante de uma queda de resultado é a ansiedade. E da ansiedade vem conclusões precipitadas que não vão ajudar a resolver o problema. Nessa dica tentaremos cobrir um processo simples que pode te ajudar a resolver esse impasse.

1) Certifique-se de que o resultado realmente caiu. Só porque tivemos um ou poucos dias ruins, não significa que algo mudou a ponto de dizermos que realmente estamos com um resultado ruim.

2) A partir de que dia o resultado piorou? Determine um divisor de águas.

3) Use o comparador de datas do Google Analytics, comparando um período antes e depois do momento de mudança identificado.

4) Compare: taxas de conversão da meta em questão, quantidade e distribuição de tráfego entre as mídias, taxa de rejeição, navegação pelas páginas.

5) Levante hipóteses.

Com as hipóteses anotadas, procure novos dados que comprovem o fenômeno. Cuidado com ideias fáceis ou preferidas por você ou quaisquer participantes da análise. Lembre-se, se enganar custa caro e você não está de brincadeira.

Tenha em mente que a queda pode ser simplesmente um problema de rastreamento. Nesse caso, merece uma revisão do seu tracking de Analytics.

Achou uma hipótese forte? Defina uma ação de correção e acompanhe.

Pareidolia é um fenômeno psicológico comum em todos os seres humanos, conhecido por fazer as pessoas reconhecerem imagens de rostos humanos ou animais em objetos, sombras, formações de luzes e em qualquer outro estímulo visual aleatório.

Sabe a nuvem em forma de coelho? Então…

O mesmo processo acontece quando estamos estudando dados.

Sem a devida atenção e disciplina, podemos estar procurando dados que corroborem nossa visão, ao invés de olhar para os dados e se perguntar:

O que eles estão me dizendo?

Uma das formas de evitar isso é usar a falseabilidade. A falseabilidade é a possibilidade de uma ideia estar errada. Se uma ideia é falseável, ou seja, é possível de ser provada errada com dados, então, eu posso testar ela.

Se a ideia é boa, resistirá aos testes. Se não, falhará com facilidade. Dessa forma, você evita grandes frustrações e perda de dinheiro e resultados.

Quanto vale um clique?

Em um dos projetos em que estou trabalhando, um determinado call-to-action teve 470 cliques nos últimos 30 dias. No mesmo período, de todas as transações, 30 ocorreram por meio desse botão, sendo que cada uma delas tem um valor médio por transação (ticket médio) de R$ 478,80.

Multiplicando o número de transações pelo valor médio, obtemos a receita do call-to-action: R$ 14.364,00. Dividindo pelo número de cliques, temos o valor dele: R$ 30,56.

Cada clique dado nesse botão gera R$ 30,56 para o meu negócio? Não necessariamente. Mas a ideia desse número é entender o fluxo do dinheiro pelo seu site e otimizar as partes mais importantes. Nesse caso, eu criei uma meta no Google Analytics com o valor encontrado, a partir daí, meus relatórios podem dizer para mim quanto estou ganhando ou deixando de ganhar com minhas ações de otimização da taxa de cliques desse call-to-action.

Além de tudo, essa é uma boa estratégia de escolha de KPI para um Teste A/B.

O Lifetime Value é uma métrica bastante falada. Entretanto, costuma ser bem difícil de mensurar. Ela mede, basicamente, tudo que um cliente já consumiu com uma determinada marca. Imagina o quanto de dinheiro você já deixou na padaria perto da sua casa. Então, é isso.

Só que, para quem trabalha com Analytics, sabe que não é tão fácil de chegar nela. Pelo menos não com o Google Analytics. Seus problemas acabaram. Recentemente, o Google lançou mais essa feature em sua ferramenta de Análise Digital. O novo relatório fica localizado na área de Audiência. Para usar ele, entretanto, você precisará implementar outros recursos, como o UserID (falamos dele na dica #003) e claro, o e-commerce (falamos na dica #020).

A ideia por trás dessa métrica é saber se, o seu Custo por Aquisição é alto ou baixo. Por exemplo, se você tem um Lifetime Value (Valor da Vida Útil) de R$ 200,00 e gasta R$ 50,00 para trazer um novo cliente, podemos dizer que você tem um bom Custo por Aquisição. Isso, é o que chamamos de um insight, uma informação que deriva uma ação, ou seja, sabendo disso, você vai se sentir compelido a investir mais, uma vez que tem o retorno provado, graças ao trabalho de Análise. Bom proveito!

Você já deve ter notado uma quantidade considerável de sites exibindo, ao invés de todo o artigo, uma parte dele. E para continuar lendo, você precisa apertar um botão de “leia mais”. Mas, afinal, para que serve isso? Eu fiz uma pesquisa e encontrei as seguintes justificativas:

1) Defesa contra robôs: sites de conteúdo e notícias, muitas vezes usam esses botões para evitar que seus conteúdos sejam roubados por robôs. Embora seja uma defesa bem rudimentar, ela funciona para muitos casos.

2) Afirmação da intenção do usuário: ter o usuário dizendo que quer ler mais provém uma informação importante, uma confirmação do interesse do usuário em continuar lendo. Com um site cheio de links, sidebar etc fica difícil saber se o usuário está realmente afim de ler ou apenas rolando a página. A necessidade de um clique não é a melhor experiência, mas a informação da intenção do usuário é bastante relevante para entender o engajamento do leitor no texto (não apenas a otimização do melhor título que muitos blogs e sites já fazem bem até demais).

3) Acesso facilitado ao fim da página: muitas vezes uma rolagem longa pode ser um problema. O final da página costuma ter opções de conteúdos que podem ser uma alternativa caso o conteúdo da página atual não seja interessante. Assim, a chance de rejeição pode ser menor.

4) Carregamento rápido: uma das justificativas também encontradas é o carregamento rápido, uma vez que os elementos abaixo do botão só são carregados depois do clique nele. Isso pode ser feito de outras formas usando lazy loading e outras técnicas de carregamento.

Embora eu não ache nenhuma justificativa forte o bastante, creio que a junção de 2 ou mais possa sim fazer sentido. E você, o que acha?