Merenje srpskih medijskih sajtova i monetizacija

Napomena: Huge Media nema angažmane ni sa jednim od navedenih portala.

Ove godine smo vršili analizu medijskih portala i situacija nije bila najsjajnija. Danas (3.12.2014) nakon 9 meseci od analize imamo daleko bolju situaciju u smislu poboljšanja i prelaska na Univerzalnu Analitiku. Svakako to nije poslednji korak kako bi medijski sajtovi upoznali svoju publiku i radili na poboljšanju svoje marketing ponude.

Napredak u implementaciji analitike (decembar 2014)

Napredak u implementaciji analitike (decembar 2014)

Primetićete da kod unapređenih sajtova (kolona Univerzalna sa plavom bojom) postoji sa desne strane informacija display, što znači da iako je aktivirana Univerzalna Analitika, funkcija demografije i interesovanja nije aktivirana. Stvar je u dodavanju jedne linije koda i potvrde unutar Google Analytics interfejsa.

Iz ugla agencije koja radi oglašavanje daleko nam je bitnije da imamo pravu demografiju i interesovanja poseetilaca određenih sajtova. U ovom trenutku identifikovano je skoro 20% posetilaca na srpskom webu, što po polu što po uzrastu. Neko bi rekao da je to malo, ali gledajući da imamo procenu od 5 miliona korisnika interneta u Srbiji, to je 1 milion pravilno identifikovanih ljudi. Agencija radi sa onim šta ima na raspolaganju i ove informacije su bitne.

Kako AdWords vidi srpsko tržište (demografija)

Kako AdWords vidi srpsko tržište (demografija)

Kako se povećava ovaj procenat? Iako ne postoji članak koji govori o direktnoj korelaciji između aktiviranja demografije i interesovanja u Google Analitici sa povećanjem dostpunih informacija unutar Google AdWords sistema, pretpostavka je da korelacija itekako postoji.

Zašto je važno da medijski sajtovi aktiviraju unutar svojih praćenja i stavu demografije i interesovanja? Google će pratiti ljude (kao što i Gemius to radi), uzimajući dobar uzorak koji predstavljaju posetioci medijskih sajtova.

Unapređenjem analitike, medijski sajtovi pomažu oglašivačima da bolje ciljaju te iste sajtove. Svakako, u igru ulazi i AdSense oglasni blokovi koji treba da koegzistiraju sa blokovima koji se vezuju za direktni zakup. Kreatorima sadržaja (publišeri – eng. publishers) uvek preporučujemo da koriste DoubleClick for Publishers platformu kako bi bolje prodavali svoj oglasni prostor.

Sa druge strane, medijski sajtovi imaju na raspolaganju čitav set alata kojima mogu da poboljšaju svoje praćenje publike i sadržaja. Jedan od alata je i Chartbeat.

Chartbeat  i Gizmodo imaju demo analize svojih posetilaca.

Gizmodo Chartbeat demo

Gizmodo Chartbeat demo

Kuda dalje?

Svakako implementacija Google Tag menadžera može da olakša život upravljanjem tagova (tj delova koda koji medijski sajtovi dobijaju od oglašivačkih platformi, alata za merenje…), u cilju oslobađanja od problema koji mogu da nastanu na relaciji sa programerima.

Update: takođe bitna stvar je brzina koju GTM donosi kako se tagovi brže izvršavaju (Googleovi tagovi) kao i tagovi treće strane.

Bolje segmentiranje publike i razumevanja kako se sadržaj čita, deli i viralno širi je još jedan od puteva kojim medijski portali trebaju da krenu, kako cene klikova kroz oglašivačke platforme rastu kao i broj korisnika interneta.

Pre nekoliko meseci smo ponudili pregled načina povećanja monetizacije sajtova koji uključuje i investicije koje direktno utiču na prihode. Svakako pročitajte, kako postoji uvek način da pronađete put koji vam može pomoći.

Verification of Session flow in Ecommerce – GTM and Google Analytics way

Let’s jump into Google Tag manager (GTM) wagon and contribute to solutions we came across our cases.

In our company culture is always present question on data quality we work with. Google Analytics data as primary storage point is crucial to decision making and data analysis. Problem we faced at one point in time was – how to detect breaking steps in sales funnel per user session? Google Analytics can give pretty nice information on selected data summarized and split into steps – but we needed to  understand more per user session. Beside this problem we had to be certain that data stored in ecommerce part is in line with internal sales system.

We can not guarantee that data stored in Analytics regarding sales (ecommerce) part is 100% correct, as sales process is not hosted on client servers and in complete client control – that we can analyze server logs and all process steps.

System in place, with multi step goals, different payment processors depending on currency used became serious challenge involving wide range of talents, tools and resources.

Main goals of GTM and GA setup was

  • identify steps in process where users stop or generate error (with complete trace per user and session and position in process)
  • verify  ecommerce data collected on thankyou page with processing system(s) information

Second goal concerning verification of GA ecommerce data and external system was finished with standard reporting set from GA. On the other hand, first request showed to be bigger issue.

Google Analytics is storage engine, that does computation of multiple metrics attaching them to specific dimensions. In this process happens sampling. If you have big set of data, in order for system to be responsive and fast – sampling must occur. We had to deal with specific people and their problems on daily basis in order to debug process and avoid sampling.

In order to be able to analyze anything we had to add additional information using session level custom dimension information. As GA is prohibiting storing any kind of personal information in GA we had to rely on unique session identification provided by server. Using this variable (and including it within data layer pushed to GTM) we were able to follow specific user and his flow through site, identifying steps in sales funnel where user stops or goes further.

On top of other data layer variables – user language, site language, location and pages in sales funnel we were able to detect faulty scenarios in sales process.

In terms of outcome – detecting faulty scenarios in sales funnel worked flawlessly giving us and developers insight where to look for breaking points. This lead to cutting development cycles from more than 24 hours (mostly waiting for processing logs) to less than 2 hours.

For second problem – quick integration with SuperMetrics for Google Docs solution and active follow up on client side provided insights in quality of data stored in Analytics. At the end small difference occurred between Analytics and sales system, showing that root cause of difference exist due to nature of processing system – even if transaction information sent to website cleared as OK in next few minutes payment processor can decline payment and cancel sales.

If you need more details or more graphic explanation of process – respond :).

Pobeda na All Stars takmičenju

Moramo priznati da nas nije bilo neko vreme (bar u javnosti) i da se puno radilo. Agencijski posao nikada nije monoton niti dosadan, ali je sigurno da ga ima puno. Možemo ga poistovetiti sa trkom na 400 metara gde je sve tako brzo i da nema mesta kalkulisanju i praćenju takmaca. Spremi se i kreni i trči najbolje što možeš. Stvar ponavljati iz dana u dan.

Ali da se vratimo na bitni momenat koji se desio.

S početka drugog kvartala (2.april) stiglo je obaveštenje o početku AllStars takmičenja gde smo se svi zagledali i rekli – što da ne.

All Stars takmičenje

All Stars takmičenje

Posle 3 meseca i sumiranja rezultata stiglo je i obaveštenje. Među srpskim agencijama – Huge Media je imala najbolje rezultate. Naše čestitke idu svim članovima AdWords tima u Huge Mediji.

Krajem avgusta idemo u Mauntin Vju (Mountain View) u centralu Google-a i famozni Googleplex. Imamo najave da će biti interesantno, tako da ćemo preneti informacije (bar one koje su dostupne za javnost).

Ako već niste koristili AdWords – to je sjajan način da promovišete svoje proizvode i svoj brend.

Huge Media već 6 godina, koristi Google AdWords sistem kako bi poboljšao poslovanje svojih klijenata u svim sferama i industrijama.

Pobeda!!!!

Pobeda!!!!

Kompletiranje priče – YouTube.RS

Youtube.rs - 18.mart 2014

Youtube.rs – 18.mart 2014

Davnih dana postojanja Huge Medije (ali ne baš tako davno – u pitanju je 2010.godina) postojao je mali vremenski period kada je bilo moguće plasirati oglase na YouTube-u putem Google AdWordsa (moguće je bilo i u međuvremenu sa promenjivim i ne tako dobrim rezultatima). Tokom narednih nekoliko godina smo se sa setom prisećali tog divnog vremena i posla koji smo radili.

Ovog 18.marta stvari su se promenile na bolje. YouTube je dostupan – kako bismo to rekli u oglašivačkom žargonu – legalno (termin koji Google koristi je launched country). Dobili smo youtube.rs, tj domen apsolutno posvećen srpskom tržištu. U isto vreme, postao je dostupan i širom regiona (Slovenija, Hrvatska, Bosna i Hercegovina, Crna Gora i Makedonija).

Šta to konkretno znači za kreatore sadržaja?

Kada partnership program bude aktivan svaki video koji korisnici postave (kreiraju) moći će se monetizovati. Tačan datum kada će monetizacija biti dostupna ne znamo. Ono što je potrebno – disciplinovano postavljanje materijala na YouTube. To konkretno znači da ako ste za sadržaj na mreži koristili SEO tehnike, sličan princip važi i za video.

Šta to znači za agenciju poput Huge Medije?

Srpski domen znači da možemo “legalno” da plasiramo oglase, da se takmičimo u optimizaciji kampanja, da se bavimo plasiranjem kreativnijih kampanja, bolje upoznamo publiku koja reaguje na reklame i kampanje, bolje ciljanje i praćenje rezultata.

Od sada ćemo moći da uvedemo u portfolio sve te formate koji pokazuju punu snagu internet oglašavanja.

Šta to znači za oglašivače?

Prvenstveno bolji uvid u ciljne grupe, demografiju ljudi koji gledaju i reaguju na reklame i uticaj na proces kupovine. Brže i efikasnije merenje i testiranje hipoteza uz reakcije javnosti. Kreiranje integrisanih kampanja koje obuhvataju veliki broj digitalnih kanala u cilju pronalaženja pravog puta koji dovodi do konverzija.

U narednim člancima ćemo pričati o dobrim primerima iz prakse.

Google Analytics – Model dodeljivanja (Attribution Model) – drugi deo

U prvom delu smo odgovorili na neka jako važna pitanja, prvenstveno na pitanje šta je to model dodeljivanja. Napravili smo razliku između običnih konverzija i konverzija u Multi Channel Funnel izveštajima. Analizirali smo putanje konverzija i definisali vrste interakcija.

U drugom delu ćemo se baviti pitanjima poput vrsta attribution modela i odgovorićemo na pitanje kako izabrati odgovarajući Attribution model. Videćemo kakve zaključke možemo izvesti iz različitih odnosa vrsta konverzija.

Vrste Attribution modela

Attribution modeli se generalno mogu svrstati u dve kategorije :

  • Osnovni
  • Prilagođeni

Osnovni Attribution model

Osnovni Attribution model definiše distrubuciju interakcija (ili dodirnih tačaka ) na putu do konverzije. Postoji nekoliko osnovnih tipova Attribution modela:

  • Last interaction attribution model – Ovaj model dodeljuje 100% kredita poslednjoj interakciji. Google Analytics koristi ovaj model po defaultu.
  • First interaction attribution model – Ovaj model dodeljuje 100% kredita prvoj interakciji.
  • Linear attribution model – Ovaj model dodeljuje jednak kredit svakoj interakciji na putu do konverzije.
  • Time Decay attribution model – Ovaj model dodeljuje više kredita interakcijama koje su vremenski najbliže trenutku ostvarivanja konverzije.
  • Position based attribution model – Ovaj model dodeljuje 40% kredita za prvu interakciju, 20% kredita za srednju interakciju i  40% kredita do poslednje interakcije .
  • Last non direct click model  – Ovaj model dodeljuje sve zasluge za konverzije svim interakcijama do poslednje koja nije direktni klik na putu konverzije.
  • Last Adwords Click – Ovaj model dodeljuje sve zasluge za konverzije poslednjem Google AdWords kliku.

Napomena : izbor attribution modela uglavnom zavisi od poslovnog modela klijenta i ciljeva oglašavanja.

Prilagođeni Attribution model

Kao što samo ime kaže ovi modeli su razvijeni od strane ljudi poput nas. Kada izgradite sopstveni attribution model, možete da kreirate sopstvena pravila za dodeljivanje kredita različitim interakcijama na putu do konverzije. Ova pravila su poznata pod imenom “custom credit rules” u Google analitici.

Kako da napravite svoj Attribution model u Google Analitici

Ako imate pristup Google Analitici, pratite sledeće korake kako biste kreirali sopstveni Attribution model.

1. Idite na Model Comparison Tool (ispod Conversions > Attribution na vašem Google Analytics nalogu)

2. Iz padajućeg menija ‘select model’ izaberite ‘create new custom model’.

create new custom attribution model

3. Imenujte svoj model i izaberite osnovni model (linear, time decay, position based). Podesite kredite za konverzije, odredite lookback window. Ova pravila definišu kako treba da se kredit svake interakcije distribuira na putu do konverzije. Svako pravilo se zasniva na jednom ili više uslova.

create or edit attribution model

Napomena: Model Comparison tool vam omogućava da kreirate i primenite prilagođene attribution modele. Takođe vam omogućava da uporedite do tri modela istovremeno.

Kako da izaberete Attribution model

Attribution model birate na osnovu poslovnog modela i reklamnih ciljeva vaših klijenata. Attribution model koji izaberete ima veliki uticaj na obim i vrednosti konverzije. Tako oni u velikoj meri utiču na vrednost vaših marketinških kanala. I obim konverzija i vrednost konverzija mogu varirati od jednog do drugog Attribution modela.

Na primer, ako izaberete ‘First interaction attribution model’ onda se svim kanalima marketinga koji iniciraju konverzije pripisuje visoka vrednost konverzije. Ako izaberete ‘Last interaction attribution model’ onda će svim kanalima marketinga na kojima su završene konverzije biti pripisane konverzije sa visokom vrednošću.

Slede neka opšta pravila koja možete primeniti dok odlučujete koji Attribution model treba da izaberete:

  • Ako ste novi igrač u vašoj niši onda vam treba veća svest o brendu nego vašim direktnim konkurentima. Posledično, vaši ciljevi oglašavanja će biti više orijentisani na građenje brenda. Dakle, potrebno je da dodelite veći prioritet interakcijama koje iniciraju proces do konverzije. Iz tog razloga, First interaction attribution model je pogodniji za vas.
  • Ako imate poslovni model gde je podjednako važna svaka interakcija na putu do konverzije onda je Linear attribution model je prikladan za vas. Na primer, ako pokrenete uslugu podrške klijentima onda je svaka interakcija sa klijentima jednako važna za vas. U tom slučaju možete da koristite linearni model interakcije.
  • Ako prodajete proizvode kao što su FMCG (Fast Moving Consumer Goods) koji podrazumevaju najmanji nivo razmatranja od strane kupca, onda je Last interaction attribution model  prikladan za vas, jer ne morate da dodelite više značaja prvim i srednjim interakcijama u vašem putu do konverzije.
  • Ako imate poslovni model ili ciljeve oglašavanja koji vrednuju prve i poslednje interakcije više od srednjih onda je Position based attribution model pogodan za vas.
  • Ako želite da razumete motive kupovine vaših klijenata tokom promotivne kampanje onda biste želeli da dodelite više značaja interakcijama koje se javljaju u najkraćem vremenu konverzije, jer su više relevantne nego interakcije koje su se dogodile pre nekoliko dana. Posledično, Time Decay attribution model  je više prikladan za vas.
  • Direktan saobraćaj ne predstavlja izvor saobraćaja niti marketinški kanal. Tako da, direktnom saobracaju ne bi trebalo dodeliti značaj na putu do konverzija. Posledično, treba da koristite Last non direct click model koji daje sav značaj konverzijama do poslednjeg indirektnog klika na putu do konverzije.
  • Koristite poslednji AdWords click model, ako želite da date Google AdWords-u veći prioritet za konverziju.

Vrednosti konverzije

U multi channel funnel izveštajima postoje 3 vrste konverzija:

  1. Assisted Conversion Value
  2. Last Interaction Conversion Value
  3. First Click conversion value

Assisted Conversion Value je ukupna vrednost ostvarena pomoću asistiranih konverzija . Što je veća vrednost ovih konverzija to je važniji marketinški kanal u asistiranju na putu ostvarivanja konverzije.

Last Interaction Conversion Value je ukupna vrednost povezana sa poslednjom interakcijom pre samog ostvarivanja konverzije. Što je veća vrednost ovih konverzija to je važniji marketinški kanal pri samom završetku proseca ostvarivanja konverzije.

First Click conversion value je ukupna vrednost povezana sa prvim klikom u prosecu ostvarivanja konverzije.  Što je veća vrednost ovih konverzija to je važniji marketinški kanal u pokretanju procesa konverzija.

Kako se Assisted / Last Interaction Conversion izračunava i kakve zaključke možete iz toga izvesti?

Ovaj odnos se izračunava kao :

= Broj asistiranih konverzija / Broj Last Interaction konverzija

  • Ako je vrednost ovog pokazatelja blizu nule onda to znači da marketiniški kanal najviše doprinosi na samom kraju puta do konverzije, pre svega u završetku konverzije.
  • Ako je vrednost ovog pokazatelja blizu 1 onda to znači da marketiniški kanal jednako doprinosi u oba slučaja –  pri asistiranja i pri završetku konverzija.
  • Ako je vrednost ovog pokazatelja više od 1 onda to znači da marketiniški kanal pre svega doprinosi pri asistiranju konverzija.

Kako se First / Last Interaction Conversion izračunava i kakve zaključke možete iz toga izvesti?

Ovaj odnos se izračunava kao :

= Broj asistiranih konverzija / Broj Last Interaction konverzija

  • Ako je vrednost ovog pokazatelja blizu nule onda to znači da marketinški kanal najviše doprinosi na samom kraju puta do konverzije, pre svega u završetku konverzije.
  • Ako je vrednost ovog pokazatelja blizu 1 onda to znači da marketiniški kanal jednako doprinosi u oba slučaja –  pri pokretanju i pri završetaku konverzija.
  • Ako je vrednost ovog pokazatelja više od 1 onda to znači da marketiniški kanal pre svega doprinosi pri pokretanju konverzija.

Ovim dolazimo do kraja priče o Attribution modelu. U nekim od narednih postova bavićemo se temama kao što su Campaing Source Attribution, Cost Data import i šta oni predstavljaju. Videćemo na konkretnom primeru kako upotreba različitih marketinških kanala doprinosi većoj vrednosti konverzija i kako pravilna analiza konverzija pomoću Multi Chanel Funnel izveštaja daje pravu sliku o povraćaju uloženih sredstava kroz različite marketinške kanale.