16.5 Analisar dados do Google Analytics usando o Customer Journey Analytics

Objetivos

• Conecte nosso conjunto de dados BigQuery ao Customer Journey Analytics (CJA)
• Conecte-se e participe do Google Analytics com dados de fidelidade.
• Familiarize-se com a interface do usuário do CJA

16.5.1 Criar uma conexão

Vá para analytics.adobe.com para acessar o Customer Journey Analytics.

Na página inicial do Customer Journey Analytics, vá para Connections.

Aqui você pode ver todas as diferentes conexões feitas entre o CJA e a Platform. Essas conexões têm o mesmo objetivo dos conjuntos de relatórios no Adobe Analytics. Mas a coleta dos dados é totalmente diferente. Todos os dados vêm de conjuntos de dados da Adobe Experience Platform.

Clique em Criar nova conexão.

Você verá a interface Criar conexão.

Primeiro, você precisa selecionar a sandbox correta para usar. No menu sandbox, selecione a sandbox, que deve ser --aepSandboxId--. Neste exemplo, a sandbox a ser usada é AEP Enablement FY21.

Após selecionar sua sandbox, os conjuntos de dados disponíveis serão atualizados.

No menu esquerdo, é possível visualizar todos os conjuntos de dados disponíveis do Adobe Experience Platform. Procure o conjunto de dados Demo System - Event Dataset for BigQuery (Global v1.1). Clique em + para adicionar o conjunto de dados a essa conexão.

Após adicioná-lo, você verá o conjunto de dados dentro da conexão.

Agora é necessário selecionar a ID de pessoa. Certifique-se de que o loyaltyId esteja selecionado como ID de pessoa.

Agora você enriquecerá os dados de interação do site do Google Analytics com outro conjunto de dados do Adobe Experience Platform.

Procure o conjunto de dados Demo System - Profile Dataset for Loyalty (Global v1.1) e adicione-o a essa conexão.

Você verá isso:

Para unir ambos os conjuntos de dados, é necessário selecionar um ID de pessoa que contenha o mesmo tipo de IDs. O conjunto de dados Demo System - Profile Dataset for Loyalty (Global v1.1) usa o loyaltyId como ID de pessoa, que contém o mesmo tipo de IDs que o Demo System - Event Dataset for BigQuery (Global v1.1), que também usa o loyaltyId como uma ID de pessoa.

Clique em Próximo.

Você verá isso:

Aqui você precisa dar um nome à sua conexão.

Use esta convenção de nomenclatura: ldap - GA + Loyalty Data Connection.

Exemplo: vangeluw - GA + Loyalty Data Connection

Antes de terminar, ative também Importe automaticamente todos os novos dados para todos os conjuntos de dados nesta conexão, a partir de hoje. como na imagem abaixo.

Isso iniciará um fluxo de dados do Adobe Experience Platform para o CJA a cada 60 minutos, no entanto, com grandes volumes de dados, pode levar até 24 horas.

Você também precisa preencher dados históricos retroativamente, portanto, marque a caixa de seleção Importar todos os dados existentes e selecione menos de 1 milhão em Número médio de eventos diários.

Depois de criar a Connection, pode levar algumas horas até que os dados estejam disponíveis no CJA.

Clique em Save e vá para o próximo exercício.

Em seguida, você verá sua conexão na lista de conexões disponíveis.

16.5.2 Criar uma visualização de dados

Com a conexão concluída, agora é possível avançar para influenciar a visualização. Uma diferença entre o Adobe Analytics e o CJA é que o CJA precisa de uma visualização de dados para limpar e preparar os dados antes da visualização.

Uma visualização de dados é semelhante ao conceito de conjuntos de relatórios virtuais no Adobe Analytics, onde você define definições de visitas sensíveis ao contexto, filtragem e também como os componentes são chamados.

Você precisará de no mínimo uma visualização de dados por conexão. No entanto, para alguns casos de uso, é ótimo ter várias visualizações de dados para a mesma conexão, com o objetivo de fornecer diferentes insights para diferentes equipes.

Se quiser que sua empresa se torne orientada por dados, você deve adaptar como os dados são visualizados em cada equipe. Alguns exemplos:

• Métricas UX somente para a equipe de Design UX
• Use os mesmos nomes para KPIs e Métricas para Google Analytics, assim como para o Customer Journey Analytics, para que a equipe de análise digital possa falar apenas um idioma.
• visualização de dados filtrada para mostrar, por exemplo, dados para 1 mercado ou 1 marca ou apenas para dispositivos móveis.

Na tela Connections, marque a caixa de seleção na frente da conexão que você acabou de criar.

Em seguida, clique em Criar visualização de dados.

Você será redirecionado para o workflow Criar visualização de dados.

Agora é possível configurar as definições básicas para a visualização de dados. Coisas como Fuso horário, Tempo limite da sessão ou filtragem da visualização de dados (a parte de segmentação semelhante aos Conjuntos de relatórios virtuais no Adobe Analytics).

O Connection que você criou no exercício anterior já está selecionado. Sua conexão é chamada ldap - GA + Loyalty Data Connection.

Em seguida, nomeie a visualização de dados seguindo esta convenção de nomenclatura: ldap - GA + Loyalty Data View.

Insira o mesmo valor para a descrição: ldap - GA + Loyalty Data View.

Antes de fazer qualquer análise ou visualização, precisamos criar uma visualização de dados com todos os campos, dimensões e métricas e suas configurações de atribuição.

Campo	Convenção de nomenclatura	Exemplo
Nomear a conexão	ldap - GA + Exibição de dados de fidelidade	vangeluw - GA + Exibição de dados de fidelidade
Descrição	ldap - GA + Exibição de dados de fidelidade	vangeluw - GA + Exibição de dados de fidelidade

Clique em Salvar e continue.

Agora é possível adicionar componentes à visualização de dados. Como é possível observar, algumas métricas e dimensões são adicionadas automaticamente.

Adicione os seguintes componentes à visualização de dados:

Nome do componente	Tipo de componente	Caminho do componente
nível	Dimensão	_experienceplatform.loyaltyDetails.level
pontos	Métrica	_experienceplatform.loyaltyDetails.points
commerce.checkouts.value	Métrica	commerce.checkouts.value
commerce.productListRemovals.value	Métrica	commerce.productListRemovals.value
commerce.productListAdds	Métrica	commerce.productListAdds
commerce.productViews.value	Métrica	commerce.productViews.value
commerce.purchases.value	Métrica	commerce.purchases.value
web.webPageDetails.pageViews	Métrica	web.webPageDetails.pageViews
ID da transação	Dimensão	commerce.order.payments.transactionID
channel.mediaType	Dimensão	channel.mediaType
channel.typeAtSource	Dimensão	channel.typeAtSource
Código de rastreamento	Dimensão	marketing.trackingCode
gaid	Dimensão	_experienceplatform.identification.core.gaid
web.webPageDetails.name	Dimensão	web.webPageDetails.name
Tipo de evento	Dimensão	eventType
Fornecedor	Dimensão	environment.browserDetails.vendor
Identificador	Dimensão	_id
Carimbo de data e hora	Dimensão	carimbo de data e hora
Tipo	Dimensão	device.type
loyaltyId	Dimensão	_experienceplatform.identification.core.loyaltyId

Você terá isso:

Em seguida, é necessário alterar o nome amigável de algumas das métricas e dimensões acima para usá-las facilmente ao criar a análise. Para fazer isso, selecione a métrica ou dimensão e atualize o campo Name conforme indicado na imagem abaixo.

Nome original do componente	Nome de exibição
nível	Nível de Fidelidade
pontos	Pontos de fidelidade
commerce.checkouts.value	Check-outs
commerce.productListRemovals.value	Remoções do carrinho
commerce.productListAdds	Adições ao carrinho
commerce.productViews.value	Visualizações de produto
commerce.purchases.value	Compras
web.webPageDetails.pageViews	Page Views
channel.mediaType	Meio do tráfego
channel.typeAtSource	Traffic Source
Código de rastreamento	Canal de marketing
gaid	Google Analytics ID
Nome	Título da página
Fornecedor	Navegador
Tipo	Device Type
loyaltyId	ID de fidelidade

Você terá algo como isto:

Em seguida, você precisa fazer algumas alterações no contexto Pessoa e Sessão para alguns desses componentes alterando as Configurações de atribuição.

Altere as Configurações de atribuição para os componentes abaixo:

Componente
Fonte de tráfego
Canal de marketing
Navegador
Meio do tráfego
Tipo de dispositivo
Google Analytics ID
ID de fidelidade
Nível de Fidelidade
Pontos de fidelidade

Para fazer isso, selecione o componente, clique em Usar modelo de atribuição personalizado e defina o Modelo para Último contato, e o Expiração para Pessoa (Janela de relatórios). Repita isso para todos os componentes mencionados acima.

Depois de fazer as alterações nas configurações de atribuição para todos os componentes mencionados acima, você deve ter esta exibição:

Sua visualização de dados está configurada. Clique em Salvar.

Agora você está pronto para analisar dados do Google Analytics no Adobe Analytics Analysis Workspace. Vamos para o próximo exercício.

16.5.3 Criar o projeto

No Customer Journey Analytics, vá para Projects.

Você verá isso:

Crie um projeto clicando em Criar novo projeto.

Agora você tem um Projeto em branco:

Primeiro, salve o projeto e dê um nome a ele. Você pode usar o seguinte comando para salvar:

SO	Curto
Windows	Controle + S
Mac	Comando + S

Você verá este pop-up:

Use esta convenção de nomenclatura:

Nome	Descrição
ldap - GA + Espaço de Trabalho de Fidelidade	ldap - GA + Espaço de Trabalho de Fidelidade

Em seguida, clique em Salvar Projeto.

Em seguida, selecione a visualização de dados correta no canto superior direito da tela. Essa é a visualização de dados criada no exercício anterior, com a convenção de nomenclatura ldap - GA + Loyalty Data View. Neste exemplo, a Exibição de dados a ser selecionada é ldap - GA + Loyalty Data View.

16.5.3.1 Tabelas de forma livre

As tabelas de forma livre funcionam mais ou menos como tabelas dinâmicas no Excel. Escolha algo na barra esquerda, arraste-o e solte-o na Forma livre, e você obterá um relatório de tabela.

As tabelas de forma livre são quase ilimitadas. Você pode fazer (quase) qualquer coisa e isso oferece tanto valor quando comparado a Google Analytics (já que essa ferramenta tem algumas limitações de análise). Esse é um dos motivos para carregar dados do Google Analytics em outra ferramenta de análise.

Veja dois exemplos em que você precisa usar SQL, BigQuery e algum tempo para responder perguntas simples que não são possíveis de fazer na interface do usuário do Google Analytics ou no Google Data Studio:

• Quantas pessoas chegam ao check-out do navegador Safari divididas por canal de marketing? Verifique se a métrica de check-out está sendo filtrada pelo navegador Safari. Acabamos de arrastar e soltar a variável Navegador = Safari na parte superior da coluna de check-out.

• Como analista, posso ver que o Canal de marketing social tem baixas conversões. Estou usando a atribuição de Último contato como padrão, mas e o Primeiro contato? Ao passar o mouse sobre qualquer métrica, as configurações da métrica são exibidas. Lá posso selecionar o modelo de atribuição desejado. Você pode fazer a Atribuição no GA (não no estúdio de dados) como uma atividade independente, mas não pode ter outras métricas ou dimensões não relacionadas à análise de atribuição na mesma tabela.

Respondamos a essas perguntas e mais com o Analysis Workspace no CJA.

Primeiro, selecione o intervalo de datas correto (Last 53 full week) no lado direito do painel.

Em seguida, clique em Aplicar para aplicar o intervalo de datas. Lembre-se desta etapa para próximos exercícios.

Vamos arrastar e soltar algumas dimensões e métricas para analisar os canais de marketing. Primeiro use a dimensão Canal de marketing e arraste-a e solte-a na tela da tabela de forma livre. (Clique em Mostrar tudo caso não veja a métrica imediatamente no menu Métricas)

Você verá isso:

Em seguida, é necessário adicionar as métricas à tabela de forma livre. Adicione as seguintes métricas: People, Sessões, Exibições do produto, Check-outs, Compras, Taxa de conversão (Métrica calculada).

Antes de fazer isso, é necessário criar a Métrica calculada Taxa de conversão. Para fazer isso, clique no ícone + ao lado de Métricas:

Como nome para a Métrica calculada, use Taxa de conversão. Em seguida, arraste as Métricas purchase e Sessões para a tela. Defina Format para Percent e Decimal Places para 2. Finalmente, clique em Salvar.

Em seguida, para usar todas essas métricas na Tabela de forma livre, arraste-as e solte-as uma por uma na Tabela de forma livre. Veja o exemplo abaixo.

Você acabará com uma tabela como esta:

Como mencionado acima, As tabelas de forma livre lhe dão a liberdade de executar análises aprofundadas. Por exemplo, você pode escolher qualquer outro Dimension para analisar uma métrica específica dentro da tabela.

Como exemplo, vá para dimensões e pesquise e selecione a variável Browser .

Você verá uma visão geral dos valores disponíveis para este Dimension.

Escolha o Dimension Safari e arraste-o e solte-o sobre uma Métrica, por exemplo Finalizações. Você verá isso:

Ao fazer isso, você acabou de responder a uma possível pergunta que tinha: Quantas pessoas chegam à página de checkout usando o Safari, dividido por Canal de marketing?

Agora responderemos à pergunta Atribuição.

Encontre a métrica Purchase na tabela.

Passe o mouse sobre a métrica e um ícone Settings será exibido. Clique.

Um menu contextual será exibido. Marque a caixa de seleção para modelo de atribuição não padrão.

Na janela pop-up que você verá, é possível alterar facilmente os modelos de atribuição e a janela de lookback (que é bastante complexa de se obter com o SQL).

Selecione Primeiro contato como o modelo de atribuição.

Escolha Pessoa para a Janela de Pesquisa.

Em seguida, clique em Aplicar.

Agora você pode ver que o modelo de atribuição para essa métrica específica agora é Primeiro contato.

É possível fazer o detalhamento desejado, sem limites de tipos de variáveis, segmentos, dimensões ou intervalos de datas.

Algo ainda mais especial é a capacidade de ingressar em qualquer conjunto de dados do Adobe Experience Platform para enriquecer os dados comportamentais digitais do Google Analytics. Por exemplo, offline, call center, fidelidade ou dados de CRM.

Para mostrar essa funcionalidade, vamos configurar seu primeiro detalhamento que combina dados offline com dados online. Escolha a dimensão Nível de Fidelidade e arraste e solte-a em qualquer Canal de marketing, por exemplo, Pesquisa orgânica:

Em seguida, vamos analisar qual Tipo de Dispositivo é usado pelos clientes que chegaram ao site usando Pesquisa Orgânica com um Nível de Fidelidade que é Bronze. Pegue o Dimension Tipo de dispositivo e arraste e solte-o em Bronze. Você verá isso:

Você pode ver que para seu primeiro detalhamento, o Nível de fidelidade é usado. Essa dimensão vem de um conjunto de dados diferente e de um esquema diferente daquele usado para o conector BigQuery. A ID de pessoa loyaltyID (Sistema de demonstração - Esquema de evento para BigQuery (Global v1.1)) e loyaltyID (Sistema de demonstração - Esquema de perfil para fidelidade (Global v1.1) correspondem entre si. Portanto, você pode combinar Eventos de experiência do Google Analytics com Dados de perfil do Esquema de fidelidade.

Podemos continuar dividindo as linhas com segmentos ou intervalos de datas específicos (talvez para refletir campanhas de TV específicas) para fazer perguntas ao Customer Journey Analytics e obter as respostas onde você for.

Alcançar o mesmo resultado final com o SQL e, em seguida, uma ferramenta de visualização de terceiros é um grande desafio. Especialmente quando você está fazendo perguntas e tentando obter as respostas em tempo real. O Customer Journey Analytics não tem esse desafio e permite que os analistas de dados consultem os dados de forma flexível e em tempo real.

16.5.3.2 Análise de funil ou fallout

Os funis são um excelente mecanismo para entender as principais etapas em uma jornada do cliente. Essas etapas também podem vir de interações offline (por exemplo, da central de chamadas) e, em seguida, é possível combiná-las com pontos de contato digitais no mesmo funil.

O Customer Journey Analytics permite que você faça isso e muito mais. Se você se lembrar do Módulo 13, é possível clicar com o botão direito do mouse e fazer coisas como:

• Analisar onde os usuários estão indo após uma etapa de fallout
• Criar um segmento a partir de qualquer ponto do funil
• Visualizar a Tendência em qualquer estágio em uma visualização de Gráfico de linha

Vamos ver outra coisa que você pode fazer: Como está o meu Funil de Jornada do cliente este mês em relação ao mês anterior? E quanto a dispositivos móveis vs desktop?

Abaixo você criará dois painéis:

• Análise de funil (janeiro)
• Análise de funil (fevereiro)

Você verá que estamos comparando um funil em diferentes períodos de tempo (janeiro e fevereiro) dividido por Tipo de dispositivo.

Esse tipo de análise não é possível na interface do usuário do Google Analytics ou é muito limitada. Então o CJA novamente agrega muito valor aos dados capturados pelo Google Analytics.

Para criar sua primeira visualização de fallout. Feche o painel atual para começar com um novo.

Observe o lado direito do painel e clique na seta para fechá-lo.

Em seguida, clique em + para criar um novo painel.

Agora selecione a Visualização Fallout.

Como analista, imagine que deseja entender o que está acontecendo com seu funil de comércio eletrônico principal: Início > Pesquisa interna > Detalhes do produto > Check-out > Compra.

Vamos começar adicionando algumas novas etapas ao funil. Para fazer isso, abra a dimensão Page Name .

Você verá todas as páginas disponíveis que foram visitadas.

Arraste e solte Início para a primeira etapa.

Como segunda etapa, use Armazenar resultados de pesquisa

Agora, é necessário adicionar algumas ações de comércio eletrônico. No Dimension, pesquise a dimensão Dimension Tipo de evento . Clique em para abrir a dimensão.

Selecione Product_Detail_Views e arraste-a e solte-a na próxima etapa.

Selecione Product_Checkouts e arraste e solte na próxima etapa.

Redimensione sua visualização de Fallout.

A visualização de fallout agora está pronta.

Para começar a analisar e documentar os insights, é sempre uma boa ideia para uma visualização de Text. Para adicionar uma visualização de Texto, clique no ícone Gráfico no menu esquerdo para ver todas as visualizações disponíveis. Em seguida, arraste e solte a visualização Texto na tela. Redimensione e mova-a para que pareça com a imagem abaixo.

E novamente, redimensione-o para caber no painel:

As visualizações de Fallouts também permitem detalhamentos. Use a dimensão Tipo de dispositivo abrindo-a e arraste e solte alguns dos valores em um para a visualização:

Você acabará com uma visualização mais avançada:

O Customer Journey Analytics permite que você faça isso e muito mais. Ao clicar com o botão direito do mouse em qualquer lugar do fallout, você pode…

• Analisar onde os usuários estão indo de uma etapa de fallout
• Criar um segmento a partir de qualquer ponto do funil
• Analise a tendência de qualquer etapa em uma visualização de Linha
• Compare qualquer funil a diferentes períodos de tempo de forma visual.

Como exemplo, faça um clique com o botão direito do mouse em qualquer etapa do fallout para ver algumas dessas opções de análise.

16.5.3.3 Análise e visualização do fluxo

Se quiser fazer análise de fluxo avançada usando o Google Analytics, é necessário usar o SQL para extrair os dados e, em seguida, usar uma solução de terceiros para a parte de visualização. Customer Journey Analytics ajudará com isso.

Nesta etapa, você configurará uma análise de fluxo para responder a esta pergunta: Quais são os principais canais que contribuem antes de uma Landing page específica. Com dois arrastar e soltar e um clique, como analista, você pode descobrir o fluxo do usuário em direção à Landing page com os dois últimos toques de canais de marketing.

Outras perguntas que o Customer Journey Analytics pode ajudá-lo a responder:

• Qual é a principal combinação de canais antes de uma Landing page específica?
• O que faz com que um usuário saia da sessão quando ele chega ao Product_Checkout? Onde estão as etapas anteriores?

Vamos começar com um painel em branco novamente para responder essas perguntas. Feche o painel atual e clique em +.

Agora selecione a visualização Fluxo.

Agora vamos configurar uma Análise de fluxo de canal de marketing de vários caminhos. Arraste e solte a dimensão Canal de marketing na área Dimension de entrada.

Agora é possível ver os primeiros caminhos de entrada:

Clique no primeiro caminho para detalhar.

Agora você pode ver o próximo caminho (Canal de marketing).

Vamos fazer um terceiro detalhamento. Clique na primeira opção no novo caminho, Referência.

Agora você deve ver a visualização desta forma:

Vamos complicar as coisas. Imagine que você queira analisar o que era a landing page depois de dois caminhos de marketing? Para fazer isso, você pode usar uma dimensão secundária para alterar o último caminho. Encontre a dimensão Nome da página e arraste e solte-a desta forma:

Agora você verá o seguinte:

Vamos fazer outra análise de fluxo. Desta vez, você analisará o que aconteceu após um ponto de saída específico. Outras soluções do Analytics exigem o uso do SQL/ETL e, novamente, uma ferramenta de visualização de terceiros para obter a mesma coisa.

Traga um novo Visualização de fluxo para o painel.

Você terá isso:

Encontre o Dimension Tipo de evento e arraste e solte-o na área Saída da dimensão.

Agora você pode ver quais Caminhos do tipo de evento levaram os clientes para a saída.

Vamos investigar o que aconteceu antes da saída da ação de finalização. Clique no caminho Product_Checkouts:

Um novo caminho de ação será exibido com alguns dados que não são reveladores.

Vamos analisar mais detalhadamente! Pesquise o Dimension Nome da página e arraste e solte-o no novo caminho gerado.

Agora você tem uma análise de fluxo avançada feita em minutos. Você pode clicar nos diferentes caminhos para ver como eles se conectam da saída para as etapas anteriores.

Agora você tem um kit potente para analisar funis e explorar caminhos do comportamento do cliente em pontos de contato digitais, mas também offline.

Não esqueça de salvar suas alterações!

16.5.4 Compartilhar o projeto

FYI - Você pode compartilhar este projeto com colegas para colaborar ou analisar questões comerciais em conjunto.

Próxima etapa: Resumo e benefícios

Voltar ao Módulo 16

Voltar para todos os módulos