MeasureSummit 2020: Onze belangrijkste takeaways

Mike Rhodes nam ons mee in de wereld van remarketing. Hoe zet je Google Analytics in om de Return on Investment, de ROI, van je remarketing campagnes te verbeteren? Een veelgemaakte fout is dat bedrijven alle websitebezoekers in één bak verzamelen. Zonde, want de ene bezoekers is de andere niet. Zo heb je bezoekers die je website verlaten zonder enige vorm van interactie, maar ook mensen die pas afhaken nadat ze hun winkelmandje al vol producten hebben gestopt. Je kunt ook bijhouden welke bezoekers terugkeren en hoe lang geleden hun laatste bezoek was.

In de praktijk

Hoe pas je deze les dan toe in de praktijk? Voor een webshop kun je bezoekers bijvoorbeeld op de volgende manier onderverdelen:

• Niet geïnteresseerd – heeft geen interactie gehad met de site
• Geïnteresseerd – maar is vertrokken zonder aankoop. Verder te verdelen in:
  Heeft een productcategorie bekeken
  Heeft een product bekeken
  Heeft zijn gevulde winkelmand bekeken
• Klant – heeft al iets gekocht

De eerste en laatste groep bezoekers verdient in de meeste gevallen eigenlijk niet jouw aandacht en marketingbudget. De groep geïnteresseerden en de onderverdeling in die categorie: dat is waar er zieltjes te winnen zijn.

Daarnaast zou je deze geïnteresseerden kunnen verdelen naar hoe lang het geleden is dat ze in die categorie beland zijn. Bijvoorbeeld zo:

• 0-7 dagen sinds interactie
• 8-15 dagen sinds interactie
• 16-30 dagen sinds interactie

Hoe ziet dit er dan een beetje overzichtelijk uit? Bijvoorbeeld zo:

In Google Analytics kun je een nieuwe property aanmaken voor jouw dashboards. Vervolgens kun je in Data Studio onder report settings het tracking ID van je property invullen. Nu wordt er data over het gebruik van jouw rapportage naar Google Analytics verstuurd. Standaard worden er ook gebeurtenissen gemeten voor elke keer dat iemand een filter toepast. Volg je het nog?

Als je het helemaal ingewikkeld wilt maken, kun je hier weer een Data Studio dashboard voor bouwen. Ultieme data studioception dus! Voor online marketing bureau’s is dit heel nuttig, omdat je hiermee inzichtelijk krijgt waar je klanten naar kijken en welke informatie eigenlijk overbodig is.

Geheim 4: data blending

Soms wil je data uit verschillende bronnen met elkaar combineren. Gelukkig kwamen er tijdens de lezing ook daarvoor tips aan bod. Hieronder delen we twee oplossingen voor twee verschillende situaties:

Ratio’s berekenen
Denk bijvoorbeeld aan een situatie waarbij je omzet uit je boekhoudprogramma in een spreadsheet laadt en verkoopaantallen uit je CRM pakket in een andere sheet laadt. Nu wil je graag de gemiddelde orderwaarde tonen. Dit doe je zo:

• Maak een scorekaart aan met het aantal verkopen.
• Maak een scorekaart aan met de omzet.
• Selecteer de scorekaart met het getal wat je gaat delen, in dit voorbeeld de omzet.
• Druk Ctrl in.
• Selecteer met de rechter muisknop het getal waardoor je gaat delen, in dit voorbeeld het aantal verkopen.
• Kies in het optiemenu voor ‘gegevens mengen’.
• Nu wordt er automatisch een scorekaart gemaakt met daarin de nieuwe statistiek. Ook is hier automatisch een nieuwe gegevensbron voor aangemaakt.

Data uit verschillende bronnen in één grafiek combineren
Deze is wat ingewikkelder en technischer. Stel dat je de kosten van Google Ads en Facebook Ads in één visual wilt tonen. Hoe ga je dan te werk? De Google kosten komen uit Ads en de Facebook kosten komen (via Supermetrics) uit Facebook. Als je dit wilt doen moet je in allebei de databronnen een overeenkomende kolom hebben waarop je een koppeling kunt maken: een join key. Dit kan bijvoorbeeld een uniek ID zijn dat in allebei je databronnen staat, maar ook een datumveld dat in beide bronnen voorkomt kan als join key dienen. Zo ga je te werk:

• Ga in het hoofdmenu van je rapportage naar ‘bron’ à‘gemengde gegevens beheren’.
• Klik op ‘een nieuwe gegevensweergave toevoegen’.
• Geef de gemengde gegevensbron een naam.
• Selecteer de eerste databron die je wilt gebruiken voor het mengen van gegevens. Let op: je maakt gebruik van een zogehete ‘left join’. Dat betekent dat de data in de linker tabel dicteert welke data er uiteindelijk wordt gebruikt uit de rechter tabel. Dus als in de linker tabel de datum 01-01-2020 ontbreekt en die staat wel in de rechter, dan wordt de bijbehorende data uit die rechter tabel toch niet meegenomen.
• Als je de eerste datum geselecteerd hebt, sleep je een veld naar ‘samenvoegingssleutels’.
• Selecteer daarnaast welke velden je uit deze databron wilt opnemen in de gemengde bron.
• Voeg vervolgens naast de eerste databron je tweede databron toe, selecteer ook hiervoor weer de samenvoegingssleutel en kies welke velden je wilt gebruiken in de gemengde databron.
• Je hebt nu een nieuwe databron gemaakt met daarin statistieken uit beide oude databronnen. Je kunt deze nu naar hartenlust gebruiken in één tabel of grafiek.
• Vergeet niet op te slaan!

Dan nog één tip voor doorgewinterde Data Studio professionals onder ons. Zoals hierboven genoemd is, loop je bij een left join altijd het risico dat er data uit de rechter tabel verloren gaat omdat de samenvoegingssleutel niet in de linker databron staat. Hier kun je wat aan doen. Als je samenvoegingssleutel een datum is, kun je zelf een Google spreadsheet aanmaken met één kolom genaamd datum. Hieronder vul je alle datums in die kunnen voorkomen in de te mengen databronnen. Je moet dan niet vergeten eens in de zoveel tijd nieuwe datums in te vullen. Of zet ze er alvast voor de komende 10 jaar in!

Je kunt deze spreadsheet nu als databron inladen in Data Studio. Bij het gegevens mengen selecteer je deze databron nu als linker tabel en de databronnen die je eigenlijk wilt mensen selecteer je allebei als rechter tabel. Je kunt namelijk meerdere rechter tabellen toevoegen.

In de nieuwe situatie komt er een server tussen die eigendom is van de site-eigenaar. Deze server kan momenteel alleen nog bij Google gehost worden, maar in de toekomst ook op een fysieke server bij je eigen bedrijf. Google heeft overigens plechtig beloofd dat de data op haar servers wel echt van jou is en dat het niet wordt gebruikt voor advertentiedoeleinden.

De voordelen van server side tagging zijn:

• De server kan alle inkomende data valideren: als er incomplete data van een gebruiker binnen komt, kan de server alle data van deze gebruiker weggooien, als je daarvoor kiest.
• Er is nog maar één datastroom vanuit de site naar de server. In de servercontainer kan vervolgens bepaald worden waar die data heen gestuurd wordt.
• Omdat je invloed hebt op welke data doorgestuurd wordt naar derden, kun je IP-adressen en andere gevoelige data afschermen voor partijen als Facebook en Google.
• Omdat derden niet meer allerlei scripts hoeven in te laden op je site, wordt die veel sneller.

Er kleven helaas ook nog wel wat nadelen aan server side tagging:

• Ads en contentblockers kunnen worden omzeild, omdat de advertenties via de serveromgeving geladen worden en daarmee niet meer als third party herkend worden.
• Voor de websitebezoeker is het onduidelijk wat er met de data gebeurt als het eenmaal de server heeft bereikt. Naar wie gaat de data toe?
• Voor nu zit er geen consent management in, waardoor je geen onderscheid kunt aanbrengen in verschillende soorten consent die gebruikers kunnen geven. Dat betekent dat een gebruiker de tracking óf volledig blokkeert, óf volledig accepteert.
• Het kost geld. Je mag van een server bij Google gebruik maken. Je betaalt wel voor de computerkracht die jouw server gebruikt.
• Omdat het nieuw is, is er nog weinig documentatie.
• Omdat het nieuw is, vereist het nog veel technische kennis van programmeren.

Hoewel server side tagging een goede oplossing is voor veel van de hedendaagse privacyproblemen, brengt het ook wel de nodige gevaren en valkuilen met zich mee. Als je de technische kennis in huis hebt, kun je er uiteraard vandaag al mee aan de slag. Maar voor het een volwaardige vervanger is van de huidige opzet van Tag Manager zijn we nog wel een paar maanden verder.