Že s novou opt-in cookie lištou klesnou tržby naměřené v Google Analytics a PPC systémech si dal dohromady snad každý. V PPC komunitě celkem ticho po pěšině, přitom je to naprosto zásadní změna a obrovské téma, která může v horších případě srazit výkon kampaní na kolena. Myslím ten reálný výkon, nejen ten naměřený.
Jsme trochu smutní, že se o tom tak málo diskutuje, tak jsme se s Karlem rozhodli k tomu něco napsat. Karel je ten technicky zdatný a popsal konkrétní návod jak nedoměřená data dopočítat. Já se zaměřila na to co a proč by mělo PPCčkaře kolem lišty zajímat.
Změna ve výkonu kampaní
Představme si jednoduchý e-shopový příklad. Máte zadání dodržet PNO 10 % a maximalizovat obrat. Po nasazení cookie lišty dejme tomu nezměříte 20 % tržeb. Náklady se měří stále stejně, čili sníží se tržby, ale náklady zůstanou. Pokud jste před lištou utratili 100 tisíc a naměřili milion v tržbách, PNO bylo 10 %. Pokud po liště utratíte 100 tisíc a nezměříte (v tomto fiktivním příkladu) 20 %, máte v tržbách 800 tisíc. PNO tedy vzroste na 12,5 %.
Původně zadané PNO najednou není dosažitelné. Co uděláte s kampaněmi, když PNO vzroste o čtvrtinu nad limit? Začnete omezovat nabídky, abyste dosáhli požadovaného PNO. Jasně, pokud víte, že je to lištou, tak to neuděláte a spokojíte se s “novým PNO”. Tady ale vznikají dvě otázky:
- Kolik to přesně je? Za jakou část toho zhoršení PNO může opravdu cookie lišta a za jakou zhoršující se výkon kampaní? Nebo i naopak, jakou část domnělé ztráty z cookie lišty ve skutečnosti odmazává zlepšující se výkon kampaní?
- Jak říct automatizovaným strategiím, že jste nasadili cookie lištu?
Odhad nedoměřených dat
Nenapadá mě moc blbějších datumů pro takhle zásadní změnu, než je začátek ledna. Kampaně jsou po vánoční sezóně často ještě trochu rozhozené, do toho zamávají s daty lednové výprodeje. Na PPCčkaře se při schvalování zákona úplně nemyslelo. Ani orientační srovnání před a po není ve většině případů možné. Potřebujete zkrátka dopočítat nedoměřené.
Řešením je porovnat metriku, která se nedoměřuje se srovnatelnou metrikou, která se měří stále stejně. A zjistit o kolik se změnil poměr mezi nimi — podle této konstanty pak dopočítáte, co nedoměřujete. V ideálním světě by toto měl chtít klient po analytikovi pro všechny zdroje, ale někdy nezbývá, než aby si PPCčkaři pomohli sami.
Modelace nedoměřených tržeb
Tržby v Google Analytics se změnily. Co se měří stále stejně jsou tržby v ERP, objednávkovém systému. Pokud ta dvě čísla podělíte mezi sebou, zjistíte, jak moc nedoměřujete. Když se vrátíme k původnímu příkladu, reálné tržby by byly milion, ale naměřené tržby jen 800 tisíc, podíl mezi nimi je 1,25. Stačí tedy vynásobit tržby z Google Analytics 1,25 a dostaneme se k reálným tržbám.
Celkové číslo samozřejmě nestačí, potřebujete přepočítat jednotlivé zdroje a pro PPC jednotlivé kampaně. Podíl nedoměřenosti se v čase mění, takže je potřeba na denních datech párovat čísla z GA a reálných tržeb. Kompletní popis technického řešení najdete u Karla Rujzla na blogu.
Hrubý odhad nedoměřené návštěvnosti z PPC kampaní
Odhadnout nedoměřenou návštěvnost z kampaní je jednodušší, ale jednak málo přesné, jednak z odhadu nedoměřené návštěvnosti v žádném případě nelze odhadovat nedoměřené tržby. Běžně je větší nedoměřenost v návštěvnosti než v tržbách. Navíc je potřeba srovnat dvě metriky, které plně srovnatelné nejsou. Lze brát tedy pouze orientačně, jako doplněk.
Podíl nedoměřenosti můžete orientačně vypočítat jako podíl mezi prokliky z Google Ads (Skliku, Facebooku, jiného reklamního nástroje) a návštěvami daného zdroje v Google Analytics. Ano, tady je ten první zádrhel, návštěvy a kliky rozhodně nejsou totéž, ale zjištění jejich změny jejich poměru může alespoň trochu napovědět.
Výhodou tady je, že obě čísla už jsou v Google Analytics a tak stačí jednoduše v Data Studiu vytáhnout do grafu jejich podíl. Zlom po nasazení lišty bývá jasně vidět.
Pokud by to tu četl náhodou někdo přes SEO, podobně lze srovnat i kliky ze Search Console s návštěvami z google / organic. Ve všech případech platí, že je potřeba mít větší než malá data, aby graf byl plochý.
Úprava nastavení automatizovaných strategií
Zaslechla jsem nejeden názor, že se nebude dělat nic a na konci ledna se vyhodnotí, co se stalo. Že není třeba dělat nic platí jen v případě, že máte nastavený ruční bidding a zcela konstantní výkon kampaní, kde není třeba upravovat nabídky dle výkonu. Ve všech ostatních případech je nutné dopady nasazení cookie lišty řešit hned. Tím spíše, pokud výkon kampaní mají v rukou automatické strategie nabídek.
S automatizovanými strategiemi je tady trochu potíž. Jednak budou mít méně dat a nebudou moci být tak přesné. Ale hlavně: nepoznají co se děje. Samozřejmě poznají (zpětně), že je něco jinak a začnou na to (opožděně) reagovat. Ale budou reagovat podle nastavení, které mají a stále se ho budou snažit dodržet. Vy víte, že kampaně přináší další tržby, které nejsou doměřené. Strategiím je potřeba to říct taky. tROAS a tCPA je potřeba povolit. Maximalizaci konverzí, hodnot konverzí a eCPC ohlídat. Zároveň dávám i nápovědu v podobě sezónní strategie a snížení konverzního poměru na cca týden (podle zpoždění dopočtení všech konverzních dat, tak jak hlásí pro dané strategie Google).
Podobně pokud máte nějaké bidding skripty či automatická pravidla upravující kampaně na základě dat o konverzích nebo tržbách, je na místě revize nastavení. A pokud používáte externí nástroj na bidding, měli byste se zajímat jak přesně s tím pracuje.
Změna zadání kampaní
S rozklíčováním nedoměřených dat by mělo přijít přehodnocení zadání a limitů kampaní. Není možné dosahovat stále stejných PNO a CPA, když část dat není doměřena. V zásadě jsou dvě možnosti: buď změnit zadání (zvýšit PNO) nebo nechat PNO, ale brát čísla tržeb odjinud (vycházet z těch dopočítaných).
Mám za to, že správnější je rozhodně druhá možnost. Podíl nedoměřených dat se zřejmě bude v čase vyvíjet a přehodnocovat a měnit zadání třeba na měsíční bázi a skokově je dost nepraktické. Zároveň se zachová lepší kontinuita. Vzhledem k tomu, že už původně GA nedoměřovala úplně jsme s některými klienty cílové PNO adekvátně mírně snížili.
Co se děje s remarketingem
Návštěvníkům, kteří nedali souhlas nerozdáváte cookies, tedy ani ty remarketingové. Tím pádem se remarketingové seznamy postupně začnou zmenšovat. Nejviditelnější skokový pokles velikosti publika můžete sledovat na jednodenním publiku všech návštěvníků, strmější zlom bude na krátkých publikách. Čím delší publikum, tím pozvolnější pokles.
Tady odhaduju, a z prvních dat už to tak opravdu vypadá, že není úplně důvod k panice. Způsoby, jak nedostat cookie a tedy se nedostat ani do remarketingového publika jsou dva: návštěvník odklikne nesouhlas, nebo neudělá nic. Do skupiny “neudělá nic” mohou ve velké většině spadat lidé, kteří odešli z první stránky webu. A to jsou často ti, které nabídka zas až tolik nezajímá, tedy ti nejméně relevantní. Remarketingová publika tedy budou menší, ale zároveň mohou být i kvalitnější.
Pokud váš graf bounce-rate vypadá po nasazení lišty nějak takto, remarketingová publika jsou nejspíš ohrožena jen kvantitativně, nikoliv kvalitativně (neplatí, pokud jste odjakživa vylučovali “bounclé” uživatele). Je vidět, že v tomto případě znatelně poklesl bounce-rate (míra okamžitého opuštění). Vzhledem ke stejné struktuře návštěvnosti se dá usuzovat na to, že větší část nedoměřené návštěvnosti jsou okamžitá opuštění. Patrnější to bude u zdrojů s již vyšším bounce-rate, akviziční návštěvnosti, například display kampaní.
Vyhodnocování
Meziroční srovnání na datech z GA ani reklamních systémů nebude použitelné. Použitelné bude už jen s dopočítanými daty.
Jestli si nějaký kanál může v téhle šlamastice polepšit, je to direct. Do directu návštěvník patří, když nemá žádný zdroj a žádný zdroj nemůže mít, pokud souhlas na cookie liště není jeho první kliknutí na stránce.
Pozor na jednu věc u remarketingu. Se zmenšováním publika se i u nejdelšího publika nejpozději za 540 dní stane, že v publiku budou jen samí lidé “po cookie liště”. Uživatel, který přijde z remarketingové kampaně už prostě má odsouhlaseno. Narozdíl od ostatních zdrojů tady úplně nepůjde mluvit o podměřování. Do publik se sice dostalo méně lidí, ale jejich objednávky už všechny změříme.
Tolik k prvnímu shrnutí vlivu cookie lišty na PPC kampaně. Máte nějaké postřehy z vlastních kampaní a jiná řešení? Pojďme se o tom více bavit!
Jsem přes to SEO :-)
Kliky ze Search Console s návštěvami z google/organic nikdy nesouhlasily, pouze je nějak kopírovaly. Těch důvodů je víc. Od způsobu měření až po poměrně časté chyby v nastavení GA.
Navíc taky GSC sbírá data, která se v GA různě zapisují pro různé zdroj/medium. Něco defaultně a něco úmyslně.
Ano. To je samozřejmě stejný případ jako kliknutí z Google Ads vs návštěvnost. Nejde o to mít přesné číslo, ale vědět alespoň orientačně, jak se změnil ten poměr mezi oběma čísly. Např. dřív bylo návštěvy děleno kliky v GSC 1,1, po nasazení lišty kleslo na 0,7.
Krásný den,
pár poznámek z praxe analytika:
autorka předpokládá několik důležitých bodů, které nejsou přesně pojmenovány
– autorka předpokládá, že cookie lišta je nasazena správně a ztráta dat je finální – často se ukazuje, že lišty jsou nasazeny dost špatně, především ty používající consent mode a na webu přicházíte o více dat než je nutné, ideálně fakt zkontrolujte pořádně, že je lišta nasazena správně, souhlasy jsou dostupné ve správnou chvíli a máte ošetřené, že po souhlasu se nějaká data například pošlou znovu (typicky pageview)
– předpokládá se, že je připojen pouze 1 reklamní účet k jedné GA property, pokud totiž spočítáte day rate sessions vs clicks pro property, kde je více reklamních účtů pokud nebude filtrovat automaticky se tam berou všechny kliky z daných účtů což je dost zavádějící, trend bude sedět, absolutní čísla nikoliv
– je předpokládáno, že nedošlo k manipulaci UTM, je potřeba dát pozor na to zda Google Ads kampaně (především shopping) nemá UTM nějakým způsobem vynucená feedem, např. pro Search / display kampaně z Ads mám source google / cpc ale pro shopping přepsá utm feedem např. na google / shopping což je nutné též vyfiltrovat pro správný výpočet day ratu
– článek zjednodušuje problematiku poklesu tržeb z jednotlivých kanálů tím, že všechny kanály klesnuly stejně, což nemusí být pravda, především displayovky, agresivnější a clickbait kampaně mohou mít pokles výrazně větší než jiné typy kampaní, kdy si uživatel řekne, že vlastně na tom webu vůbec nechce být a cookie lišta ho odradí daleko snáze než u méně agresivních kampaní
Jinak úvaha a diskuse je super a rozhodně souhlasím, že ze strany PPC specialistů by měl jít směrem k analytikům daleko větší tlak na validaci dat, na úpravy a diskuse zatím mi to též přijde napříč našimi klienty dost vlažné, vše je ok, po vánocích těžko hodnotit, meziroční srovnání prosinec a leden z minulým rokem (zavřené pobočky) nemožné… bude to ještě velká zábava pro celý trh.
Marku, díky za doplnění. Specifika konkrétních e-shopů kampaní samozřejmě zjednodušuji, to by postihnout vše nešlo, stejně jako možné chyby v nastavení manipulaci s utm a nesprávně importovaná data o kampaních. Pokles tržeb na jednotlivých kanálech patrně různý bude, ale vzhledem k tomu, že v tuhle chvíli neznám řešení, které by umožnilo doměřit pokles konkrétního kanálu, tak mi prostě přijde lepší pracovat s tím co je a případně si data (limity) jednotlivých kanálů trochu ohnout podle vlastních specifik (tohle už nedokážu v článku zobecnit) než nedělat nic, protože to nejde udělat úplně přesně. Nasazení cookie lišty vlastně nepředpokládám správné, resp. když to řeknu trochu ignorantsky, tak mě vůbec nezajímá, jakým způsobem je nasazená (kromě toho, že samozřejmě chci, aby mi nechala víc dat), ale zajímá mě ten výsledek, tj. kolik mi toho sebere. Jestli se to stalo nesprávným nasazením. Ztrátu dat všude sledujeme na denních číslech a i to přepočítávání tržeb je vůči dayRate toho dne, právě proto, že předpokládáme, že tohle se bude vyvíjet (a nejen kvůli opravení chyb).
Krásný den Petro,
naprostý souhlas s tím zjednodušením a zobecněním i s tím, že řešíte trend a ne absolutní hodnotu i to říkám našim klientům. Přiznám se, že ani já nemám ještě všechny cesty k odpovědi na otázku „co a kde chybí“ prošlápnuté.
Snažím se spíše trochu umírnit možné závěry čtenářů článku, že výpočet jednoho poměru z dvou metrik už tak trochu cinknutých metrik na webu my tohle dlouhodobě vyřeší, což se může i dle článku od p. Rujzla zdát. To je ale takový obecný problém v marketingovém rybníčku :) Celková problematika daleko komplexnější a vyžaduje dost specifický přístup.
Samozřejmě výše popsaný postup je super indikace na první pohled jakou cestou se jako detektiv Colombo ve světě cookie lišt vydat.