Jak scrollują użytkownicy na podstronach?

  • 23 kwietnia, 2021
  • Piotr
  • 6 min read

Chciałbyś analizować zachowanie użytkowników na swojej stronie internetowej lub w aplikacji mobilnej, ale interfejs Google Analytics jest dla Ciebie niewystarczający? Interesuje Cię automatyzacja procesu analizowania ścieżek i akcji użytkowników? W artykule przeczytasz w jaki sposób usprawnić analizowanie zaangażowania użytkowników w serwisie. Za przykład posłuży nam scrollowanie użytkowników na stronie, a do obliczeń statystycznych wykorzystamy język i środowisko R.

Stopień zaangażowania użytkowników na stronie internetowej

Naszym wyzwaniem będzie przedstawienie stopnia zaangażowania naszych użytkowników na podstawie głębokości przewijania podstron w serwisie. Zaczniemy od pokazania w jaki sposób skonfigurować mierzenie głębokości scrollowania z wykorzystaniem narzędzia Google Tag Manager tak, by te dane były wysyłane do Google Analytics. Następnie zaś skupimy się na dobrej prezentacji rejestrowanych wyników. Trudność w interpretacji wynika z faktu, że zwykle każda podstrona ma inną wysokość, dlatego 40% na stronie głównej może być zaledwie 20% podstrony produktu czy usługi. Dodatkowo dla pomiarów procentowych, na których się tutaj skupimy musimy wziąć pod uwagę typ urządzenia czy idąc dalej rozdzielczość ekranu.

Jak mierzyć głębokość przewijania w Google Tag Menadżerze?

Śledzenie scrollowania jest jedną z miar zaangażowania potencjalnych klientów. GTM posiada wbudowany mechanizm do śledzenia wartości procentowej przewinięcia strony internetowej, dlatego konfiguracja śledzenia głębokości scrollowania (scroll depth) zajmie nam tylko kilka minut. Zaczynamy od stworzenia zmiennej Universal Analytics z naszym identyfikatorem usługi (tzw. identyfikatorem śledzenia). Konieczne będzie również włączenie wbudowanej zmiennej będącej procentem/głębokością przewinięcia strony www, tj. Scroll Depth Threshold.

Teraz przechodzimy do tworzenia reguły. Ustawmy moment wywołania zgodnie z poniższym:

Typ reguły: Głębokość przewijania

Głębokość przewijania w pionie

Wartość (%): 40,60,80

Pozostałe wartości pozostawmy domyślne. Reguła zatem w naszym przypadku będzie uruchamiała się w momencie, gdy użytkownik przewinie stronę do 40%, 60% lub 80%. Jeśli użytkownik przewinie całą stronę wszystkie trzy zdarzenia zostaną wysłane do systemu śledzącego.

Musimy jeszcze stworzyć tag, aby wysyłać nasz pomiar do Google Analytics. Przejdźmy więc do konfiguracji tagu. Tworzymy teraz nowy tag GTM o typie Google Analytics – Universal Analytics i wybieramy naszą uprzednio utworzoną zmienną oraz przygotowaną uprzednio regułę. Przykładowe wartości dla nowego tagu Google Tag Managera:

Typ śledzenia: Zdarzenie

Parametry śledzenia zdarzeń

Kategoria: Scrollowanie

Działanie: {{Page Path}}

Etykieta: {{Scroll Depth Threshold}}

Jeśli nie chcemy, żeby pomiar scrollowania wpływał na współczynnik odrzuceń serwisu ustawmy dodatkowo pole Działanie niezwiązane z interakcją na wartość Prawda. Nie zapomnijmy opublikować nasz kontener. Dane dotyczące scrollowania użytkowników od tego momentu są już wysyłane do naszej usługi Universal Analytics. Dla ułatwienia możemy także skonfigurować cele/konwersje oparte na zaimplementowanych zdarzeniach.

Konfiguracja celu w Google Analytics

W tym celu logujemy się na nasze konto w Google Analytics i przechodzimy na zakładkę administracja, a następnie na wybranym widoku klikamy w link o nazwie “Cele”. Teraz klikając czerwoną ikonkę +Cel, wprowadźmy:

Szablon: Niestandardowy

Nazwa: Scrollowanie do 40%

Typ: Zdarzenie

Szczegóły celu

Kategoria równa się Scrollowanie

Etykieta równa się 40

Podobnie możemy zrobić z pozostałymi zdarzeniami. Utwórzmy zatem konwersje także na bazie zdarzenia scrollowania użytkowników do głębokości 60 i 80%.

Teraz możemy posłużyć się zakładką Konwersje -> Cele -> Adresy URL celów. Wybierzmy zatem jeden ze zdefiniowanych celów, np. Scrollowanie do 40% oraz analizowany zakres dat. W tabeli otrzymamy informacje o miejscu realizacji celu (będzie to adres wybranej podstrony) oraz liczbę konwersji (inaczej realizacji tego celu).

liczba zdarzeń scrollowania na kolejnych podstronach

Będziemy więc w posiadaniu informacji, ile razy ktoś przewinął wybraną podstronę np. do głębokości 40%. Możemy również użyć segmentu, żeby przefiltrować dane o konwersjach do urządzeń mobilnych czy komputerów stacjonarnych. Ten sposób analizowania danych jest jednak mało wygodny i dość czasochłonny. Pójdziemy więc teraz krok dalej.

Analiza zachowania użytkowników

Wiemy już, że najczęściej prezentowanie danych o scrollowaniu użytkowników ma sens w zestawieniu z konkretnymi adresami URL. Takie dane jesteśmy w stanie uzyskać w interfejsie Google Analytics, natomiast analizowanie kilku celów jest skomplikowane i wymaga eksportu danych i ich łączenia. W celu uproszczenia i optymalizacji procesu analizowania pomiaru zaangażowania użytkowników wykorzystamy googleAnalyticsR, do czego zainspirował mnie post autorstwa Ryan Praski. Nie odchodźcie jeszcze od ekranów, teraz zaczyna się najciekawsza część konfiguracji.

  1. Instalacja R – R to system dla obliczeń i wizualizacji statystycznych. Pobieramy i instalujemy: https://cran.r-project.org/
  2. Instalacja R Studio – R Studio to Interaktywne środowisko programistyczne, w skrócie interfejs, w którym będziemy uruchamiali skrypt i analizowali wyniki. Pobieramy, instalujemy i uruchamiamy https://www.rstudio.com/products/rstudio/download/
  3. Tworzymy teraz nowy skrypt korzystając z menu R Studio File > New File > New R Script.
  4. Wklejamy poniższy kod i zaznaczamy fragment dotyczący autoryzacji konta Google. Po udanym procesie autoryzacji zaznaczamy fragment dotyczący listowania kont i uruchamiamy. Kopiujemy identyfikator wybranego widoku i wprowadzamy go do skryptu (jako my_id). Zaznaczamy pozostały kod skryptu i uruchamiamy. Wyniki możemy podejrzeć wybierając odpowiednią zmienną.
library(googleAnalyticsR)
library(tidyr)

#Autoryzacja Google Analytics R
ga_auth()

#Listowanie kont Google Analytics
my_accounts <- ga_account_list()
View(my_accounts)

#Identyfikator widoku Universal Analytics (alternatywnie Google Analytics 4)
my_id <- 211152456

#Zapytanie o odsłony
df1 <- google_analytics_4(my_id, 
                          date_range = c("2021-03-01", "2021-04-20"),
                          metrics = c("pageviews"),
                          dimensions = c("pagePath"),
                          anti_sample = TRUE)

#Zapytanie o zdarzenia Scrollowania
df <- google_analytics_4(my_id, 
                         date_range = c("2021-03-01", "2021-04-20"),
                         metrics = c("totalEvents"),
                         dimensions = c("pagePath","eventLabel"),
                         filtersExpression = "ga:eventCategory==Scrollowanie",
                         anti_sample = TRUE)

#Prezkształcenia danych
df2 <-spread(df,eventLabel,totalEvents,fill = 0)
df3 <-merge(df1,df2)

#Obliczenia procent przewinięć strony internetowej do określonej głębokości w stosunku do odsłon
df3$percent40 <-paste(round(df3$40/df3$pageviews,digits = 2)100,"%")
df3$percent60 <-paste(round(df3$60/df3$pageviews,digits = 2)100,"%")
df3$percent80 <-paste(round(df3$80/df3$pageviews,digits = 2)*100,"%")

#Usuwanie zbędnych danych
df4<-df3[,c("pagePath","pageviews","percent40","percent60","percent80")]

#sortowanie po odsłonach
df5<-df4[order(-df4$pageviews),]

W wyniku otrzymamy liczbę odsłon każdej z podstron oraz dane dla wszystkich celów przewinięcia strony internetowej przez użytkowników.

Obecnie już jesteśmy w stanie łatwo i efektywnie przeanalizować stopień zaangażowania użytkowników na stronie internetowej w zależności od treści jakie dostarczamy klientom. Mierzenie stopnia przewinięcia naszych użytkowników jest dobrą miarą dopasowania treści do oczekiwań czytelników. Pamiętajmy także, że wartość procentowa będzie różna w zależności od urządzenia, rozdzielczości czy strony. Dlatego możemy rozszerzyć nasze przekształcenia o te wymiary, zwłaszcza o typ urządzenia.

0 0 votes
Ocena artykułu
Subskrybuj
Powiadom o
0 komentarzy
Inline Feedbacks
View all comments