Glavni direktor Marketing tehnologija (Chief Marketing Technologist Officer)

IBM CIO izveštaj - I A Walsh via Flickr (CC BY 2.0)

IBM CIO izveštaj – I A Walsh via Flickr (CC BY 2.0)

Ukoliko ste pratili dešavanja na globalnoj sceni po pitanju marketinga, niste mogli a da ne primetite neminovno pomeranje kako budžeta tako i fokusa kompanija ka digitalnom marketingu. Na prvi pogled, digitalni marketing je merljiv, programibilan, adaptira se potrebama kompanija koja ga koristi. Digitalni marketing polako gubi prefiks digitalni, kako je marketing aktivnost kompanije sveobuhvatna aktivnost koja u određenoj meri koristi digitalne kanale.

Tako da možemo zaključiti da je marketing i dalje marketing sa velikim uplivom digitalnih kanala koji spajaju svekolike aktivnosti kompanije i omogućavaju realizaciju i najluđih ideja sa ciljem povećanja prodaje ili prepoznavanja brenda.

Tu dolazimo do prvog problema koji se tiče odgovornosti.Odgovornost prema podacima koji se razmenjuju između spoljnih sistema koje marketing koristi i IT sistema unutar same kompanije – se nalazi prvenstveno u IT-u dok je Marketing samo korisnik usluga. Tradicionalno, marketing se bavio građenjem brenda, podstičući prodaju (koja se završavala sa sektorom prodaje), baveći se odnosima sa javnošću. Sa druge strane IT sektor se bavio podrškom poslovanju, investirajući i trošeći novac za računare, servere, usluge, itd. IT menadžeri imaju svest o bezbednosti, podacima kao i odgovornost prema informacijama koje se dele. Marketing prvenstveno interesuje da ima bogatije podatke na kraju dana, kako bi mogao bolje da upravlja kampanjama i donosi merljive rezultate.

Marketing je poslednjih godina, ulazeći u digitalne kanale počeo da se bavi IT stvarima i tehnologijama koje utiču na merljivost rezultata rada, zaobilazeći IT sektor. Predviđanja Forbsa i Gartnera su se obistinila – da će Marketing trošiti više novca na IT nego sam IT.

Glavne teze proistekle 2012 godine iz pera Forsovog autora su sledeće:

  1. Marketing postaje sve više baziran na tehnologijama;
  2. Pažnja i upravljanje velikom količinom podataka (Big Data) je ključ za postizanje prednosti nad konkurencijom;
  3. Mnogi marketing budžeti su veći i daleko brže rastu od IT budžeta za IT tehnologije.

Sve tri teze su tačne i dešavaju se (čak i u Srbiji).

U ovom trenutku dolazimo do činjenice da marketing menadžeri hteli-ne-hteli moraju postati svesni IT tehnologija. Migracija IT menadžera u marketing tehnologe zarad efikasnijeg marketinga i boljeg poslovanja kompanije su prioritet. Vlasnici ili direktori kompanija traže rast, prodaju, napredak – i marketing je inicijator rada prodaje, tako da je oštro oko usmereno na tu stranu.

Analiza podataka i poznavanje softvera (kao i upravljenje podacima – prim.aut.) postaju osnovna znanja zaposlenih u marketingu, dok je Bet Komstok, CMO (Chief Marketing Officer) i SVP (Senior Vice President) General Electrica  otišla još dalje “Ako ste ušli u marketing zato što ne volite cifre, onda nemate previše budućnosti (u marketingu)”.

Šta sve ovo znači vama? Ako ste u marketingu – sledeći koraci su nova IT znanja, razumevanje integracija, kako funkcionišu stvari kako biste bili ispred ostalih. Ako ste u IT-u, upoznajte se sa marketing tehnologijama – tehnologije su vam srodne dok je marketing sa svoje tehnološke strane prihvatljiv za razumevanje.

Šta preostaje menadžerima u obe struke? Evolucija.

Vidimo se u budućnosti.

Formiranje URL adrese sa RegEx za Omnicomov OCP u Google Analitici

Jedan od najzastupljenijih CMS platformi u Srbiji (i regionu) pored globalnih CMS sistema je i OCP kompanije Omnicom.

Česta situacija koju korisnici sistema imaju, ukoliko koriste Google Analytics alat, je URI (sve posle imena domena u URL-u). Svaka nova verzija stranice ili template ima novi broj.

Da biste u Google Analitici imali lepe podatke tj URI, i sa takvom informacijom pravili ciljeve (Goals) potebna je mala intervencija.

Funkcionalnost filtera koji postoji u svakom pogledu na informacije (View) omogućava ovaj zahvat.

Ukoliko želite da proverite kako filter radi i da li zadovoljava vaše potrebe, neophodno je da napravite novi pogled (View). Ovo je jedan od najbitnijih koraka, kako ne želite da vršite aktivnosti nad osnovnim profilom gde vam se slivaju sve informacije.

Nakon kreiranja i podešavanja pogleda, otići ćete do filtera za taj pogled i podesiti ga prema sledećem principu.

Kreiranje novog filtera u Google Analitici

Kreiranje novog filtera u Google Analitici

Kreiranje filtera (1/2) u Google Analitici

Kreiranje filtera (1/2) u Google Analitici

Kreiranje filtera (2/2) u Google Analitici

Kreiranje filtera (2/2) u Google Analitici

Suština je u korišćenju RegEx-a Google Analitike.

Preuzimanjem sadržaja iz URI-a i kreiranjem filtera (.*)\.[0-9]+(\.html.*) svaki URI se dekomponuje na više elementa.

Primer:

URI: /nice-day-in-tasmania-2.87.html?param=32345

se razlaže na elemente korišćenjem RegEx

Prvi deo URI-a koji predstavlja stranicu /nice-day-in-tasmania-2 postaje prva varijabla ($A1) korišćenjem otvorenih i zatvorenih zagrada,  verzija stranice sa tačkom   .87  postaje običan element detektovana kao broj [0-9]+, dok sve ostalo što dolazi posle broja (uključujući i tačku pre ekstenzije) .html?param=32345 postaje druga varijabla ($A2).

Kako smo tokom filtriranja iz URI-a kreirali dve varijable, u poslednjem polju možemo poslati polju koje se tiče URI-a novu vrednost (umesto one koja je stajala i koja je uključivala numeričku verziju template-a) – $A1$A2.

Sada će vaši URI-ji u Google Analitici imaju formu sa kojom možete lakše da radite sve lepe i napredne stvari.

Monetizacija sajta i procena vrednosti

Već neko vreme pričamo o monetizaciji sadržaja sajtova, bili oni portali ili blogovi. Isto tako o određivanju cene kontakta ili email adrese ili čak posetioca. Svako ima neki svoj biznis model i svoju priču.

Odlučili smo da na jednom mestu dostavimo svima jednu, dosta pojednostavljenu tabelu sa dosta jednostavnim funkcijama, koja treba da vam pomogne da uradite procenu monetizacije sajta, njegovih elemenata ili samih posetilaca. Dokument je ovde, dok su objašnjenja dole.

Monetizacija sajtova i sadržaja

Monetizacija sajtova i sadržaja

Prodajni sajtovi

Profit po kontaktu

Računica je jednostavna – kolika je prodaja na sajtu podeljena sa brojem kontakata i pomnožena sa stopom profita. Dobijamo koliki je profit po ostvarenom kontaktu.

Vrednost posete na prodajnom sajtu

Onda kada postoji marža u prodaji i jedan kupac ne kupi samo jednu stvar, stvari postaju interesantnije.

Sajt koji ima kompletnu metriku

Sa druge strane, kalkulacija nije tako jednostavna. Nisu svi kontakti profitabilni i nisu svi posetioci kontakti – tako da se priča usložnjava. Ova kalkulacija uzima u obzir daleko više parametara. Naravno, više parametara znači stroga pažnja na merenju performansi (posetioci, leadovi, konvertovani, cena proizvoda, marža, profit…). Tada možemo izmeriti koliko nama vredi posetioc na sajtu.

Sajtovi sa sadržajem

Sajt samo sa sadržajem koji ne prodaje

Situacija je sledeća. Imate portal koji ne prodaje ništa. Ali imate sadržaj i želite da privučete oglašivače. Kako je to problem kokoške i jajeta – ne možete “prodati” posetioce ako ih nemate. Tako da vama predstoji kreiranje saobraćaja kako biste mogli da dobijete oglašivače koji će plaćati da budu kod vas. Ovde je bitno znati sopstvene troškove i znati koliko želite da zaradite. Isto tako, treba uzeti u obzir i kašnjenja. Ali to je već neka druga priča koja ima veze sa poslovanjem.

Provera realnosti poslovanja sa sajtom koji ne prodaje

Uvek u nekom trenutku vlasnik sajta dođe do pitanja – isplati li mi se sve ovo? Kalkulacija je jasna.

Provera da li se isplati optimizacija sajta

Kada broj posetilaca stane, tj nekako postane ravna linija u analitici – vreme je za promene. Do tog trenutka je jasno da su oglašivači tu i da je posao redovan. Bitno je proceniti da li bilo kakvo ulaganje u optimizaciju, kupovinu saobraćaja ili bilo koji legalan način – može imati realne efekte na povećanje posla tj prihoda.

Ukoliko imate komentara ili preporuka – ostavite ih dole.

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.

 

 

Problemi u merenju srpskih medijskih sajtova

Dragi medijski sajtovi u Srbiji… imate problem (u većini slučajeva).

Napomena: Huge Medija nije ni u kakvim ugovornim obavezama sa bilo kojim od spomenutih sajtova.

Pre nekoliko meseci (tačnije kraj novembra 2013-te) na Blogomaniji 2013 želeo sam na radionici posvećenoj analitici – predstavim probleme koje mogu zadesiti sajtove svake namene, strategije koje mogu da se preduzmu onda kada pogledamo analitiku (podsećalo je na šahovsku simultanku),  podsetim prisutne kako da izađu iz problema koji se zove srpski sajtovi unutar Chrome-a koje Google detektuje kao hrvatske, kako domaći medijski sajtovi ne prate analitiku kako bi trebali i zašto su u problemu… Ovaj članak se vraća na poslednju stavku – problem u kome se nalaze medijski sajtovi.

Šta se promenilo za 3 meseca? Blic je promenio način merenja tj unapredio je postojeću analitiku. Bravo. Ali to je to. Niko ništa.

U nastavku je pregled nekoliko najvećih sajtova kao i implementaciji Google Analitike na istim (zaključno sa 1.3.2014.).

Dodatak: lista je povećana sa još 8 sajtova koji imaju bitniju posetu (hvala na komentarima)

Implementacija koda za praćenje poseta sa Google Analitikom - najposećeniji informativni portali

Implementacija koda za praćenje poseta sa Google Analitikom – najposećeniji informativni portali

Šta možemo zaključiti iz ove slike ili tabele sa pregledom načina implementacije?

Medijske sajtove (uglavnom) ne zanima publika koja ih posećuje. Svetli primeri su NaDlanu, Novosti (uz čudnu implementaciju zajedno sa Gemius kodom za praćenje) i Blic. Zašto? Implementacijom naprednog Google Analytics koda obezbedili su svojim marketing menadžerima ili predstavnicima prodaje uvid u demografiju svojih posetilaca.

Šta se dešava sa ostalima? Kod za praćenje je jednostavno stavljen kako bi davao osnovne podatke o posetama. Pitanje je i kako se podaci i koriste. RTS čak ima prastati JavaScript kod za praćenje koji uskoro više neće biti validan.

Zašto postavljam pitanje o tome kako se koriste podaci koji itekako mogu pomoći vlasnicima sajtova da bolje shvate svoju publiku i načine monetizacije svog sadržaja

? Zato što su ovi podaci na raspolaganju svakome, besplatni, zavise od profilisanja posetilaca i njihovog prethodnog ponašanja a ne upitnika koji treba da popune. Zato što dobijanje ovih informacija zahteva tako malo truda. Zato što su pored demografije dobijamo i interesovanja i teme. Moćno zar ne? Ali, kao što vidimo, niko ne koristi.

Poslednjih 8 meseci interfejs Google Analitike vrišti o tome da je moguće videti demografiju i interesovanja posetilaca web sajta jednostavnom promenom koda na web sajtu. U pitanju je sledeća promena.

Neophodna promena Google Analytics koda za pobedu

Neophodna promena Google Analytics koda za pobedu

Da li su sajtovi spremni za prelazak na Univerzalnu Analitiku? Prema svemu gorenavedenom – teško, sem nekoliko svetlih primera.

A šta je Univerzalna Analitika – poslednja verzija Google Analitike, sa novim (boljim) načinom merenja, koja će postati jedina moguća – nakon migracije starih podataka. Pitanje je da li su podaci koji sada postoje dobri. Kakva je svrha migracije podataka u novu formu ako stari sadržaj nije kvalitetan.

Naravno – ono što ne vidimo je kako su nalozi za analitiku namešteni i kako primaju podatke sa gorenavedenih sajtova. Prateći iskustvo i situacije na terenu – videli smo previše stvari. Zaključke i probleme kao i rešenja smo opisali u prethodnom članku (engleski).

Promenite ili adaptirajte svoje kodove – iznenadićete se novim kvalitetom informacije koje možete dobiti i kako vaš marketing može bolje razumeti šta redakcije rade i to bolje prodavati.

Vidimo se uskoro na netu. Uskoro.