16.5 Google Analytics-Daten mithilfe von Customer Journey Analytics analysieren

Ziele

  • BigQuery-Datensatz mit Customer Journey Analytics (CJA) verbinden
  • Verbinden Sie Google Analytics mit Treuedaten und schließen Sie sie an.
  • Kennenlernen der CJA-Benutzeroberfläche

16.5.1 Verbindung erstellen

Rufen Sie analytics.adobe.com auf, um auf den Customer Journey Analytics zuzugreifen.

Demo

Gehen Sie auf der Customer Journey Analytics-Homepage zu Verbindungen.

Demo

Hier sehen Sie alle Verbindungen, die zwischen CJA und Platform hergestellt wurden. Diese Verbindungen haben dasselbe Ziel wie Report Suites in Adobe Analytics. Die Erfassung der Daten ist jedoch völlig anders. Alle Daten stammen aus Adobe Experience Platform-Datensätzen.

Demo

Klicken Sie auf Neue Verbindung erstellen.

Demo

Daraufhin wird die Benutzeroberfläche Verbindung erstellen angezeigt.

Demo

Zunächst müssen Sie die richtige Sandbox auswählen, die verwendet werden soll. Wählen Sie im Sandbox-Menü Ihre Sandbox aus, die --aepSandboxId-- sein sollte. In diesem Beispiel lautet die zu verwendende Sandbox AEP-Aktivierung FY21.

Demo

Nach Auswahl Ihrer Sandbox werden die verfügbaren Datensätze aktualisiert.

Demo

Im linken Menü können Sie alle verfügbaren Adobe Experience Platform-Datensätze sehen. Suchen Sie nach dem Datensatz Demo System - Event Dataset for BigQuery (Global v1.1). Klicken Sie auf + , um den Datensatz zu dieser Verbindung hinzuzufügen.

Demo

Nach dem Hinzufügen wird der Datensatz in der Verbindung angezeigt.

Wählen Sie nun Personen-ID aus. Stellen Sie sicher, dass loyaltyId als Personen-ID ausgewählt ist.

Demo

Jetzt ergänzen Sie die Google Analytics-Website-Interaktionsdaten mit einem anderen Adobe Experience Platform-Datensatz.

Suchen Sie nach dem Datensatz Demo System - Profile Dataset for Loyalty (Global v1.1) und fügen Sie ihn dieser Verbindung hinzu.

Demo

Daraufhin sehen Sie Folgendes:

Demo

Um beide Datensätze zusammenzuführen, müssen Sie eine Personen-ID auswählen, die denselben ID-Typ enthält. Der Datensatz Demo System - Profile Dataset for Loyalty (Global v1.1) verwendet die loyaltyId als Personen-ID, die denselben ID-Typ wie die Demo System - Event Dataset for BigQuery (Global v1.1) enthält, die auch die loyaltyId als Personen-ID verwendet.

Demo

Klicken Sie auf Weiter.

Demo

Daraufhin sehen Sie Folgendes:

Demo

Hier müssen Sie Ihrer Verbindung einen Namen geben.

Bitte verwenden Sie diese Namenskonvention: ldap - GA + Loyalty Data Connection.

Beispiel: vangeluw - GA + Loyalty Data Connection

Bevor Sie fertig sind, aktivieren Sie bitte ab heute alle neuen Daten für alle Datensätze in dieser Verbindung automatisch importieren. wie in der Abbildung unten dargestellt.

Demo

Dadurch wird alle 60 Minuten ein Datenfluss von Adobe Experience Platform nach CJA gestartet, bei großen Datenmengen kann es jedoch bis zu 24 Stunden dauern.

Sie müssen auch historische Daten aufstocken. Aktivieren Sie daher das Kontrollkästchen für Alle vorhandenen Daten importieren und wählen Sie weniger als 1 Million unter Durchschnittliche Anzahl der täglichen Ereignisse aus.

Demo

Nach der Erstellung Ihrer Verbindung kann es einige Stunden dauern, bis Ihre Daten in CJA verfügbar sind.

Klicken Sie auf Save und gehen Sie zur nächsten Übung.

Demo

Ihre Verbindung wird dann in der Liste der verfügbaren Verbindungen angezeigt.

Demo

16.5.2 Datenansicht erstellen

Nachdem die Verbindung hergestellt wurde, können Sie jetzt Fortschritte bei der Beeinflussung der Visualisierung erzielen. Ein Unterschied zwischen Adobe Analytics und CJA besteht darin, dass CJA eine Datenansicht benötigt, um die Daten vor der Visualisierung zu bereinigen und vorzubereiten.

Eine Datenansicht ähnelt dem Konzept von Virtual Report Suites in Adobe Analytics, wo Sie kontextbezogene Besuchsdefinitionen, Filtervorgänge und auch die Art und Weise definieren, wie die Komponenten aufgerufen werden.

Sie benötigen mindestens eine Datenansicht pro Verbindung. Für einige Anwendungsfälle ist es jedoch großartig, mehrere Datenansichten für dieselbe Verbindung zu haben, um verschiedenen Teams unterschiedliche Einblicke zu geben.

Wenn Sie möchten, dass Ihr Unternehmen datengesteuert wird, sollten Sie anpassen, wie Daten in den einzelnen Teams angezeigt werden. Beispiele:

  • UX-Metriken nur für das UX-Design-Team
  • Verwenden Sie für Google Analytics dieselben Namen für KPIs und Metriken wie für Customer Journey Analytics, damit das Digital Analytics-Team nur 1 Sprache sprechen kann.
  • Datenansicht gefiltert, um z. B. Daten nur für 1 Markt, 1 Marke oder nur für Mobilgeräte anzuzeigen.

Aktivieren Sie im Bildschirm Verbindungen das Kontrollkästchen vor der soeben erstellten Verbindung.

Demo

Klicken Sie nun auf Datenansicht erstellen.

Demo

Sie werden zum Workflow Datenansicht erstellen weitergeleitet.

Demo

Sie können jetzt die grundlegenden Definitionen für Ihre Datenansicht konfigurieren. Dinge wie Zeitzone, Sitzungs-Timeout oder die Datenansichtsfilterung (der Segmentierungsteil ähnelt Virtual Report Suites in Adobe Analytics).

Die Verbindung, die Sie in der vorherigen Übung erstellt haben, ist bereits ausgewählt. Ihre Verbindung heißt ldap - GA + Loyalty Data Connection.

Demo

Geben Sie Ihrer Datenansicht als Nächstes einen Namen, der dieser Namenskonvention entspricht: ldap - GA + Loyalty Data View.

Geben Sie für die Beschreibung denselben Wert ein: ldap - GA + Loyalty Data View.

Vor der Analyse oder Visualisierung müssen wir eine Datenansicht mit allen Feldern, Dimensionen und Metriken und ihren Attributionseinstellungen erstellen.

Feld Namenskonvention Beispiel
Verbindung benennen ldap - GA- und Loyalitätsdatenansicht vangeluw - GA + Loyalty Data View
Beschreibung ldap - GA- und Loyalitätsdatenansicht vangeluw - GA + Loyalty Data View

Demo

Klicken Sie auf Speichern und fortfahren.

Demo

Sie können Ihrer Datenansicht jetzt Komponenten hinzufügen. Wie Sie sehen können, werden einige Metriken und Dimensionen automatisch hinzugefügt.

Demo

Fügen Sie der Datenansicht die folgenden Komponenten hinzu:

Name der Komponente Komponententyp Komponentenpfad
usw Dimension _experienceplatform.loyaltyDetails.level
Punkte Metrik _experienceplatform.loyaltyDetails.points
commerce.checkouts.value Metrik commerce.checkouts.value
commerce.productListRemovals.value Metrik commerce.productListRemovals.value
commerce.productListAdds Metrik commerce.productListAdds
commerce.productViews.value Metrik commerce.productViews.value
commerce.purchases.value Metrik commerce.purchases.value
web.webPageDetails.pageViews Metrik web.webPageDetails.pageViews
Transaction ID Dimension commerce.order.payments.transactionID
channel.mediaType Dimension channel.mediaType
channel.typeAtSource Dimension channel.typeAtSource
Trackingcode Dimension marketing.trackingCode
gaid Dimension _experienceplatform.identification.core.gaid
web.webPageDetails.name Dimension web.webPageDetails.name
Ereignistyp Dimension eventType
Anbieter Dimension environment.browserDetails.vendor
Kennung Dimension _id
Zeitstempel Dimension timestamp
Typ Dimension device.type
loyaltyId Dimension _experiencePlatform.identification.core.loyaltyId

Dann haben Sie Folgendes:

Demo

Als Nächstes müssen Sie den Anzeigenamen einiger der oben genannten Metriken und Dimensionen ändern, damit Sie sie bei der Erstellung Ihrer Analyse einfach verwenden können. Wählen Sie dazu die Metrik oder Dimension aus und aktualisieren Sie das Feld Name wie in der folgenden Abbildung angegeben.

Demo

Ursprünglicher Komponentenname Anzeigename
usw Treuestufe
Punkte Treuepunkte
commerce.checkouts.value Checkouts
commerce.productListRemovals.value Entnahme aus Warenkorb
commerce.productListAdds Hinzufügen zum Warenkorb
commerce.productViews.value Produktansichten
commerce.purchases.value Käufe
web.webPageDetails.pageViews Page Views
channel.mediaType Traffic-Medium
channel.typeAtSource Traffic Source
Trackingcode Marketing-Kanal
gaid Google Analytics-ID
Name Seitentitel
Anbieter Browser
Typ Device Type
loyaltyId Treueprogramm-ID

Sie haben dann etwas wie das:

Demo

Als Nächstes müssen Sie einige Änderungen am Personen- und Sitzungskontext für einige dieser Komponenten vornehmen, indem Sie die Attributionseinstellungen ändern.

Demo

Ändern Sie die Attributionseinstellungen für die folgenden Komponenten:

Komponente
Traffic-Quelle
Marketing-Kanal
Browser
Traffic-Medium
Gerätetyp
Google Analytics-ID
Treueprogramm-ID
Treuestufe
Treuepunkte

Wählen Sie dazu die Komponente aus, klicken Sie auf Benutzerdefiniertes Attributionsmodell verwenden und setzen Sie das Modell auf Letztkontakt und das Ablaufdatum auf Person (Berichtsfenster). Wiederholen Sie diesen Vorgang für alle oben genannten Komponenten.

Demo

Nachdem Sie die Änderungen an den Attributionseinstellungen für alle oben genannten Komponenten vorgenommen haben, sollten Sie diese Ansicht haben:

Demo

Ihre Datenansicht ist jetzt konfiguriert. Klicken Sie auf Speichern.

Demo

Jetzt können Sie Google Analytics-Daten in Adobe Analytics Analysis Workspace analysieren. Lasst uns zur nächsten Übung übergehen.

16.5.3 Projekt erstellen

Gehen Sie im Customer Journey Analytics zu Projekte.

Demo

Daraufhin sehen Sie Folgendes:

Demo

Erstellen Sie ein Projekt, indem Sie auf Neues Projekt erstellen klicken.

Demo

Sie haben jetzt ein leeres Projekt:

Demo

Speichern Sie zunächst Ihr Projekt und geben Sie ihm einen Namen. Sie können den folgenden Befehl zum Speichern verwenden:

BS Kurzschnitt
Windows Kontrolle + S
Mac Befehl + S

Dieses Popup wird angezeigt:

Demo

Bitte verwenden Sie diese Namenskonvention:

Name Beschreibung
ldap - GA + Loyalitätsarbeitsbereich ldap - GA + Loyalitätsarbeitsbereich

Klicken Sie anschließend auf Projekt speichern.

Demo

Wählen Sie dann in der oberen rechten Ecke des Bildschirms die korrekte Datenansicht aus. Dies ist die Datenansicht, die Sie in der vorherigen Übung mit der Namenskonvention ldap - GA + Loyalty Data View erstellt haben. In diesem Beispiel lautet die auszuwählende Datenansicht ldap - GA + Loyalty Data View.

Demo

Demo

16.5.3.1 Freiformtabellen

Freiformtabellen funktionieren mehr oder weniger als Pivot-Tabellen in Excel. Sie wählen etwas aus der linken Leiste aus, ziehen es in die Freiform und erhalten einen Tabellenbericht.

Freiformtabellen sind fast grenzenlos. Sie können (fast) alles tun, was im Vergleich zu Google Analytics so viel Wert bringt (da dieses Tool einige Analyseeinschränkungen aufweist). Dies ist einer der Gründe, warum Google Analytics-Daten in ein anderes Analysetool geladen werden.

Sehen Sie sich zwei Beispiele an, in denen Sie SQL, BigQuery und einige Zeit benötigen, um einfache Fragen zu beantworten, die in der Google Analytics-Benutzeroberfläche oder in Google Data Studio nicht möglich sind:

  • Wie viele Personen gelangen zum Checkout aus dem Safari-Browser, aufgeteilt nach Marketing-Kanälen? Beachten Sie, dass die Checkout-Metrik vom Safari-Browser gefiltert wird. Die Variable Browser = Safari wurde einfach per Drag-and-Drop auf die Checkout-Spalte verschoben.

  • Als Analytiker kann ich sehen, dass der Social Marketing-Kanal geringe Konversionen aufweist. Ich verwende die Letztkontakt-Attribution als Standard, aber was ist mit Erstkontakt? Wenn Sie den Mauszeiger über eine Metrik bewegen, werden die Metrikeinstellungen angezeigt. Dort kann ich das gewünschte Attributionsmodell auswählen. Sie können die Attribution in GA (nicht in Data Studio) als eigenständige Aktivität durchführen, aber Sie können keine anderen Metriken oder Dimensionen haben, die nicht mit der Attributionsanalyse in derselben Tabelle in Verbindung stehen.

Beantworten wir diese Fragen und weitere Fragen mit Analysis Workspace in CJA.

Wählen Sie zunächst den richtigen Datumsbereich (Letzte 53 volle Wochen) auf der rechten Seite des Bedienfelds aus.

Demo

Klicken Sie dann auf Anwenden , um den Datumsbereich anzuwenden. Merken Sie sich diesen Schritt für die nächsten Übungen.

Demo

HINWEIS

Wenn Sie gerade die Datenverbindung und die Datenansicht erstellt haben, müssen Sie möglicherweise einige Stunden warten. CJA benötigt etwas Zeit, um historische Daten aufzustocken, wenn eine große Menge an Datensätzen vorhanden ist.

Ziehen wir einige Dimensionen und Metriken per Drag-and-Drop in den Arbeitsbereich, um die Marketing-Kanäle zu analysieren. Verwenden Sie zunächst die Dimension Marketing-Kanal und ziehen Sie sie auf die Arbeitsfläche der Freiformtabelle. (Klicken Sie auf Alle anzeigen , falls Sie die Metrik nicht sofort im Menü Metriken sehen)

Demo

Daraufhin sehen Sie Folgendes:

Demo

Als Nächstes müssen Sie die Metriken zur Freiformtabelle hinzufügen. Sie sollten diese Metriken hinzufügen: Personen, Sitzungen, Produktansichten, Checkouts, Einkäufe, Konversionsrate (Berechnete Metrik).

Bevor Sie dies tun können, müssen Sie die berechnete Metrik Konversionsrate erstellen. Klicken Sie dazu auf das Symbol + neben Metriken:

Demo

Verwenden Sie als Namen für die berechnete Metrik Konversionsrate. Ziehen Sie dann die Metriken purchase und Sitzungen auf die Arbeitsfläche. Setzen Sie Format auf Prozent und Dezimalstellen auf 2. Klicken Sie abschließend auf Speichern.

Demo

Um alle diese Metriken als Nächstes in der Freiformtabelle zu verwenden, ziehen Sie sie einzeln auf die Freiformtabelle. Siehe das Beispiel unten.

Demo

Am Ende steht eine Tabelle wie diese:

Demo

Wie oben erwähnt, bieten Ihnen Freiformtabellen die Freiheit, die Sie für eine tiefgehende Tauchanalyse benötigen. Sie können beispielsweise eine beliebige andere Dimension auswählen, um eine bestimmte Metrik in der Tabelle aufzuschlüsseln.

Gehen Sie beispielsweise zu Dimensionen und suchen Sie nach der Variablen Browser .

Demo

Daraufhin wird eine Übersicht der für diese Dimension verfügbaren Werte angezeigt.

Demo

Wählen Sie die Dimension Safari aus und ziehen Sie sie auf eine Metrik, z. B. Checkouts. Daraufhin sehen Sie Folgendes:

Demo

Dabei haben Sie nur eine potenzielle Frage beantwortet, die Sie hatten: Wie viele Personen gelangen mit Safari zur Checkout-Seite, aufgeteilt nach Marketing-Kanal?

Antworten wir jetzt auf die Frage Attribution .

Suchen Sie die Metrik Kauf in der Tabelle.

Demo

Bewegen Sie den Mauszeiger über die Metrik. Daraufhin wird das Symbol Einstellungen angezeigt. Klicken Sie darauf.

Demo

Daraufhin wird ein Kontextmenü angezeigt. Aktivieren Sie das Kontrollkästchen für nicht standardmäßiges Attributionsmodell.

Demo

Im Popup-Fenster können Sie die Attributionsmodelle und das Lookback-Fenster einfach ändern (was mit SQL sehr komplex ist).

Demo

Wählen Sie Erstkontakt als Attributionsmodell aus.

Demo

Wählen Sie Person für das Lookback-Fenster aus.

Demo

Klicken Sie nun auf Apply.

Demo

Sie können jetzt sehen, dass das Attributionsmodell für diese bestimmte Metrik jetzt Erstkontakt ist.

Demo

Sie können beliebig viele Aufschlüsselungen ohne Einschränkungen für Variablentypen, Segmente, Dimensionen oder Datumsbereiche durchführen.

Noch wichtiger ist die Möglichkeit, beliebige Datensätze aus Adobe Experience Platform zu verknüpfen, um die digitalen Verhaltensdaten von Google Analytics anzureichern. Zum Beispiel Offline-, Callcenter-, Treueprogramm- oder CRM-Daten.

Um diese Funktion zu demonstrieren, konfigurieren wir Ihre erste Aufschlüsselung, die Offline-Daten mit Online-Daten kombiniert. Wählen Sie die Dimension Treuestufe aus und ziehen Sie sie auf einen beliebigen Marketing-Kanal, z. B. Organische Suche:

Demo

Als Nächstes analysieren wir, welcher Gerätetyp von Kunden verwendet wird, die mit Organische Suche auf die Site gelangt sind, mit einer Treuestufe, die Bronze lautet. Nehmen Sie die Dimension Gerätetyp und ziehen Sie sie per Drag-and-Drop auf Bronze. Daraufhin sehen Sie Folgendes:

Demo

Sie können sehen, dass für Ihre erste Aufschlüsselung die Treuestufe verwendet wird. Diese Dimension stammt aus einem anderen Datensatz und aus einem anderen Schema als dem, das Sie für den BigQuery-Connector verwendet haben. Die Personen-ID loyaltyID (Demo System - Event Schema for BigQuery (Global v1.1)) und loyaltyID (Demo System - Profile Schema for Loyalty (Global v1.1)) stimmen überein. Daher können Sie Erlebnisereignisse von Google Analytics mit Profildaten aus dem Treueschema kombinieren.

Wir können die Zeilen weiterhin mit Segmenten oder bestimmten Datumsbereichen teilen (um möglicherweise bestimmte Fernsehkampagnen widerzuspiegeln), um Fragen an den Customer Journey Analytics zu stellen und die Antworten unterwegs zu erhalten.

Das gleiche Endergebnis mit SQL und dann einem Visualisierungs-Tool eines Drittanbieters zu erzielen, ist eine große Herausforderung. Besonders wenn Sie Fragen stellen und versuchen, die Antworten sofort zu bekommen. Customer Journey Analytics hat diese Herausforderung nicht und ermöglicht es Data Analysten, die Daten flexibel und in Echtzeit abzufragen.

16.5.3.2 Trichteranalyse oder Fallout-Analyse

Trichter eignen sich hervorragend, um die wichtigsten Schritte einer Journey zu verstehen. Diese Schritte können auch aus Offline-Interaktionen (z. B. vom Callcenter) stammen und dann mit digitalen Touchpoints im selben Trichter kombiniert werden.

Customer Journey Analytics ermöglicht Ihnen dies und vieles mehr. Wenn Sie sich an Modul 13 erinnern, können wir mit der rechten Maustaste klicken und Dinge wie:

  • Analysieren, wohin die Benutzer nach einem Fallout-Schritt navigieren
  • Erstellen eines Segments von einem beliebigen Punkt im Trichter
  • Anzeigen des Trends in einer Liniendiagramm-Visualisierung

Sehen wir uns eine andere Möglichkeit an: Wie steht es um meinen Kunden-Journey-Trichter in diesem Monat im Vergleich zum Vormonat? Was ist mit Mobile vs Desktop?

Nachfolgend werden zwei Bedienfelder erstellt:

  • Trichteranalyse (Januar)
  • Trichteranalyse (Februar)

Sie werden sehen, dass wir einen Trichter über verschiedene Zeiträume (Januar und Februar) vergleichen, aufgeteilt nach Gerätetyp.

Diese Art von Analyse ist in der Google Analytics-Benutzeroberfläche nicht möglich oder sehr eingeschränkt. Customer Journey Analytics erhöht also die von Google Analytics erfassten Daten um einen weiteren wertvollen Faktor.

So erstellen Sie Ihre erste Fallout-Visualisierung. Schließen Sie das aktuelle Bedienfeld, um mit einem neuen zu beginnen.

Sehen Sie sich die rechte Seite des Bedienfelds an und klicken Sie auf den Pfeil, um es zu schließen.

Demo

Klicken Sie anschließend auf + , um ein neues Bedienfeld zu erstellen.

Demo

Wählen Sie nun die Visualisierung Fallout aus.

Demo

Angenommen, Sie möchten wissen, was mit Ihrem Haupt-E-Commerce-Trichter passiert: Startseite > Interne Suche > Produktdetails > Checkout > Kauf.

Beginnen wir mit dem Hinzufügen neuer Schritte zum Trichter. Öffnen Sie dazu die Dimension Seitenname .

Demo

Daraufhin werden alle verfügbaren Seiten angezeigt, die besucht wurden.

Demo

Ziehen Sie Home in den ersten Schritt.

Demo

Verwenden Sie als zweiten Schritt Suchergebnisse speichern

Demo

Jetzt müssen Sie einige E-Commerce-Aktionen hinzufügen. Suchen Sie in den Dimensionen nach der Dimension Dimension Ereignistyp . Klicken Sie auf , um die Dimension zu öffnen.

Demo

Wählen Sie Product_Detail_Views aus und ziehen Sie es in den nächsten Schritt.

Demo

Wählen Sie Product_Checkouts aus und ziehen Sie es in den nächsten Schritt.

Demo

Ändern Sie die Größe Ihrer Fallout-Visualisierung.

Demo

Ihre Fallout-Visualisierung ist jetzt bereit.

Um die Einblicke zu analysieren und zu dokumentieren, ist es immer eine gute Idee, eine Text Visualisierung zu erstellen. Um eine Visualisierung vom Typ Text hinzuzufügen, klicken Sie im linken Menü auf das Symbol Diagramm , um alle verfügbaren Visualisierungen anzuzeigen. Ziehen Sie dann die Visualisierung Text auf die Arbeitsfläche. Ändern Sie die Größe und verschieben Sie sie so, dass sie wie unten dargestellt aussieht.

Demo

Ändern Sie die Größe erneut, um sie an das Dashboard anzupassen:

Demo

Fallouts-Visualisierungen ermöglichen auch Aufschlüsselungen. Verwenden Sie die Dimension Gerätetyp , indem Sie sie öffnen und einige der Werte einzeln auf die Visualisierung ziehen:

Demo

Sie erhalten eine erweiterte Visualisierung:

Demo

Customer Journey Analytics ermöglicht Ihnen dies und vieles mehr. Durch Rechtsklick auf eine beliebige Stelle im Fallout…

  • Analysieren, wohin die Benutzer von einem Fallout-Schritt gehen
  • Erstellen eines Segments von einem beliebigen Punkt im Trichter
  • Trend für jeden Schritt in einer Linienvisualisierung erstellen
  • Vergleichen Sie alle Trichter visuell mit verschiedenen Zeiträumen.

Führen Sie beispielsweise einen Rechtsklick in einen beliebigen Schritt des Fallout aus, um einige dieser Analyseoptionen anzuzeigen.

Demo

16.5.3.3 Flussanalyse und Visualisierung

Wenn Sie die erweiterte Flussanalyse mit Google Analytics durchführen möchten, müssen Sie SQL verwenden, um die Daten zu extrahieren, und dann eine Drittanbieterlösung für den Visualisierungsteil verwenden. Customer Journey Analytics wird dabei helfen.

In diesem Schritt konfigurieren Sie eine Flussanalyse, um diese Frage zu beantworten: Welche Hauptbeitragskanäle vor einer bestimmten Landingpage genutzt werden? Mit zwei Drag-and-Drop-Vorgängen und einem Klick als Analytiker können Sie den Fluss des Benutzers zur Landingpage mit den beiden letzten Touches der Marketing-Kanäle erkennen.

Andere Fragen, die Customer Journey Analytics beantworten kann:

  • Was ist die Hauptkombination von Kanälen vor einer bestimmten Landingpage?
  • Was veranlasst einen Benutzer, die Sitzung zu beenden, wenn er zum Product_Checkout gelangt? Wo liegen die vorherigen Schritte?

Beginnen wir mit einem leeren Bedienfeld, um diese Fragen zu beantworten. Schließen Sie das aktuelle Bedienfeld und klicken Sie auf +.

Demo

Wählen Sie nun die Visualisierung Fluss aus.

Demo

Erstellen wir nun eine kanalübergreifende Analyse des Marketingkanalflusses mit mehreren Pfaden. Ziehen Sie die Dimension Marketingkanal in den Bereich Entrypages .

Demo

Sie können nun die ersten Einstiegspfade sehen:

Demo

Klicken Sie auf den ersten Pfad, um einen Drilldown durchzuführen.

Demo

Jetzt wird der nächste Pfad (Marketingkanal) angezeigt.

Demo

Machen wir einen dritten Drilldown. Klicken Sie auf die erste Option im neuen Pfad Verweis.

Demo

Die Visualisierung sollte nun wie folgt dargestellt werden:

Demo

Komplizieren wir die Dinge! Angenommen, Sie möchten analysieren, was die Landingpage nach zwei Marketingpfaden war? Dazu können Sie eine sekundäre Dimension verwenden, um den letzten Pfad zu ändern. Suchen Sie die Dimension Seitenname und ziehen Sie sie wie folgt per Drag-and-Drop:

Demo

Jetzt sehen Sie Folgendes:

Demo

Lasst uns eine andere Flussanalyse durchführen. Diesmal analysieren Sie, was nach einem bestimmten Ausstiegspunkt passiert ist. Andere Analytics-Lösungen erfordern die Verwendung von SQL/ETL und wiederum ein Visualisierungstool von Drittanbietern, um dasselbe zu erreichen.

Bringen Sie eine neue Flussvisualisierung in den Bereich.

Demo

Dann haben Sie Folgendes:

Demo

Suchen Sie die Dimension Ereignistyp und ziehen Sie sie in den Bereich Ausstiegsdimension .

Demo

Jetzt können Sie sehen, welche Ereignistyp-Pfade Kunden zum Beenden gebracht haben.

Demo

Lassen Sie uns untersuchen, was vor dem Beenden der Kasse-Aktion passiert ist. Klicken Sie auf den Pfad Product_Checkouts:

Demo

Ein neuer Aktionspfad wird mit einigen Daten angezeigt, die nicht aufschlussreich sind.

Demo

Lasst uns weiter analysieren! Suchen Sie die Dimension Seitenname und ziehen Sie sie in den neuen generierten Pfad.

Demo

Sie haben jetzt eine erweiterte Flussanalyse in Minutenschnelle durchgeführt. Sie können auf die verschiedenen Pfade klicken, um zu sehen, wie sie sich vom Ausstieg zu den vorherigen Schritten verbinden.

Demo

Sie verfügen jetzt über ein leistungsstarkes Kit, um Trichter zu analysieren und Pfade des Kundenverhaltens über digitale, aber auch Offline-Touchpoints zu untersuchen.

Vergiss nicht, deine Änderungen zu speichern!

16.5.4 Projekt freigeben

WICHTIG

Der folgende Inhalt ist als FYI gedacht - Sie müssen NOT Ihr Projekt für andere freigeben.

FYI - Sie können dieses Projekt mit Kollegen teilen, um zusammenzuarbeiten oder Geschäftsfragen gemeinsam zu analysieren.

Demo

Demo

Nächster Schritt: Zusammenfassung und Vorteile

Zurück zu Modul 16

Zu allen Modulen zurückkehren

Auf dieser Seite