Successfully reported this slideshow.
Your SlideShare is downloading. ×

Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden článek? aneb jak propojit webovou analytiku s inzercí

Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad
Ad

Check these out next

1 of 19 Ad

Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden článek? aneb jak propojit webovou analytiku s inzercí

Download to read offline

Ukážeme náš přístup k řešení jednoho z cílů mediálních domů, kterým je zjistit, jak jsou jejich články úspěšné. Odpovědi, které nabízí webová analytika v metrikách výkonu (např. zobrazení stránky) nebo kvality (např. medián času stráveného na článku), jsme obohatili o inzertní metriky v podobě reklamních impresí a zisků.

Ukážeme náš přístup k řešení jednoho z cílů mediálních domů, kterým je zjistit, jak jsou jejich články úspěšné. Odpovědi, které nabízí webová analytika v metrikách výkonu (např. zobrazení stránky) nebo kvality (např. medián času stráveného na článku), jsme obohatili o inzertní metriky v podobě reklamních impresí a zisků.

Advertisement
Advertisement

More Related Content

More from Taste (20)

Advertisement

Data Restart 2022: Hana Bartoňková a Vojtěch Říha - Kolik mi vydělá jeden článek? aneb jak propojit webovou analytiku s inzercí

  1. 1. Kolik mi vydělá jeden článek? aneb jak propojit webovou analytiku s inzercí Hana Bartoňková (Analytika inzertních dat) a Vojtěch Říha (Webová analytika)
  2. 2. Základem mediálních domů je obsah, u kterého chceme zjistit: Cíle Jaký je výkon článku, kategorie webu, autora … Jaká je kvalita článku, kategorie webu, autora … Jaká je inzertní výtěžnost článku, kategorie webu, autora … 01 02 03 JAK TOHO ALE DOSÁHNOUT?
  3. 3. Co chceme měřit Jaké dimenze Pro koho jsou data určena Jaké oddělení potřebujeme Jaké metriky Myšlenková mapa
  4. 4. Nasazení měření Zpracování dat Interpretace dat Proces nasazení měření Vizualizace webových dat Webová analytika
  5. 5. Ukázka měření GA4 na webu E15 article_category article_name article_autor article_id
  6. 6. KOMPLETNÍ INZERTNÍ PLACHTA Nižší granularita ale kompletní data Sjednocení dat, testování, business logika Zdrojová data přímo od vendorů Napojení do Kebooly ADMANAGER DATA TRANSFER Vyšší granularita Zpřesnění D-2 Dostupný pouze v GAM 360 Napojení do Big Query Inzertní analytika
  7. 7. Inzertní plachta
  8. 8. AdManager Data Transfer
  9. 9. Měřit web Zpracovat data Vizualizovat Webová analytika Spoluprác e Inzerce Společný cíl Ohodnocení článku Propojení dat (granularita, dimenze) Vizualizovat GAM 360 AdManager DT Spolupráce
  10. 10. Granularita Příště? Dimenze DEN URL adresa možná cookie Propojení dat WA a inzerce
  11. 11. WA validujeme proti sobě měření zobrazení stránek GA4 a Gemius Inzerce validujeme proti sobě reklamní imprese a výnosy (GAM vs AdManager DT) Problém - více NULL hodnot v parametrech v BigQuery - nesedí výnosy A je hotovo!!!! NE. Nutnost validace. Aneb teď to teprve začíná !
  12. 12. GA4 Musíme jít více do detailu Problém Cca 5 - 10 % hodnot custom parametru je NULL. Identifikace Přesahujeme počet custom parametrů v GTM (limit 25).
  13. 13. DTF Musíme jít více do detailu Problém byl v cenách ● RTB - sedí ● CPC - nemáme nakoupenou tabulku Network Click (dotahujeme z GAMu) - sedí ● CPD - jiný model nutno spočítat cenu - sedí ● CPM - jiný model nutno spočítat cenu - sedí
  14. 14. A nyní dokážeme odpovědět na otázku: Kolik mi vydělá 1 článek?
  15. 15. A nyní dokážeme odpovědět i na otázku: kolik mi vydělá autor?
  16. 16. dat měsíčně v BigQuery orchestrací v BigQuery projektů v GCP 3 mld. 24 66 dat v Keboole orchestrací v Keboole projektů v Keboole 1,2 TB 116 18
  17. 17. Díky propojeným datům webové a inzertní analytiky můžeme zjišťovat odpovědi nejen na následující otázky: Závěry Vyplatí se vytvářet dlouhé články? Má smysl psát více článků na dané téma?
  18. 18. Kde nás najdete? LinkedIn #select
  19. 19. Děkujeme za pozornost Linkedin #select - příspěvky našeho BI týmu Vojtěch Říha a Tomáš Nechutný Na co si dát při implementaci GA 4 pozor Josef Pokorný: The journey from Excel spreadsheets to automated data pipelines and fast, reliable insights Jakub Šiler: Na datech stavíme doporučovací algoritmy i nové tituly. Konečně víme, kdo je naše publikum Jakub Šiler: Jak překlopit firmu na data-driven přístup v kostce Juraj Felix: Mým cílem je digitální proměna CNC. Vydavatelství s daty pohříchu nepracovalo Poznejte BI tým a jeho humor ve videu.

×