Wielokanałowa identyfikacja użytkowników na platformach e-commerce.

922 views
881 views

Published on

Zastosowanie Google Analytics i Google Universla Analytics w analizie sprzedaży.

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
922
On SlideShare
0
From Embeds
0
Number of Embeds
496
Actions
Shares
0
Downloads
2
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Wielokanałowa identyfikacja użytkowników na platformach e-commerce.

  1. 1. Wielokanałowa identyfikacja użytkowników na platformach e-commerce Michał Laskowski 2013r.
  2. 2. Statystyki ruchu Ilość wizyt 20 000 Unikalni użytkownicy (UU) 18 000 Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  3. 3. Brak poprawnej identyfikacji UU częstotliwość odwiedzin nowi / powracający użytkownicy czas do ponownych odwiedzin całkowity czas odwiedzin / UU źródło: flickr.com Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  4. 4. Google Universal Analytics źródło: analytics.blogspot.com Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  5. 5. Funkcje poprawna identyfikacja użytkowników śledzenie wielu urządzeń wieloplatformowość (wiele domen) zaawansowane śledzenie konwersji Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  6. 6. Statystyki ruchu z Universal Analytics Ilość wizyt 20 000 Unikalni użytkownicy (UU) 13 000 + możliwość analizy przepływu użytkowników Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  7. 7. Charakterystyka wielokanałowości Który kanał odpowiada za sprzedaż? Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  8. 8. Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  9. 9. Konwersja wielokanałowa źródło: analytics.blogspot.com Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  10. 10. Modele mierzenia ścieżek wielokanałowych 1. 2. 3. 4. 5. 6. 7. Ostatnie kliknięcie Ostatnie zidentyfikowane źródło ruchu Ostatnie wizyta z AdWords Pierwsza wizyta Model proporcjonalny Model zmienny w czasie Model pierwszego i ostatniego kliknięcia Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  11. 11. 1. Ostatnie kliknięcie Bardzo krótki proces decyzyjny np. FMCG, zakupy spontaniczne. Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  12. 12. 2. Ostatnie zidentyfikowane źródło ruchu Kampania, która była bodźcem dla konwersji. 
 Analiza klientów już pozyskanych. Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  13. 13. 3. Ostatnia wizyta z AdWords Analiza skuteczności kampanii linków sponsorowanych Adwords Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  14. 14. 4. Pierwsza wizyta Analiza działań wizerunkowych, źródła nowych użytkowników. Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  15. 15. 5. Model proporcjonalny Gdy nie ma uzasadnienia dla innego modelu, gdy niska lojalność klientów Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  16. 16. 6. Model zmienny w czasie Odróżnia czas poszukiwać od czasu podejmowania decyzji zakupowych Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  17. 17. 7. Model pierwszego i ostatniego kliknięcia Gdy istotnie jest pierwsze wrażenie i ostateczny bodziec zakupowy Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  18. 18. Dziękuję Google Universal Analytics Wielokanałowa identyfikacja użytkowników na platformach e-commerce
  19. 19. Michal@Laskowski.edu.pl http://www. facebook.com/laskowski.michal ! http://www. linkedin.com/in/laskowskimichal http://www.youtube.com/MichalLaskowskiEDU Wielokanałowa identyfikacja użytkowników na platformach e-commerce

×