Het doel van dit artikel is om data vanuit een business perspectief te benaderen. Het doel van Business Intelligence (in een web context) is om de onderneming te doen groeien door het optimaliseren van de website en de manier waarop gebruikers worden aangetrokken. In dit artikel gaan we na hoe we een bestaande technische implementatie (uitgerust met dataLayer) kunnen gebruiken in combinatie met sales data om specifieke business gerelateerde dimensies te bouwen. Deze elementen zullen je toelaten je acties te optimaliseren in lijn met de beoogde business objectieven. Merk op dat deze methodologie ook gebruikt kan worden om persona’s te mappen op basis van data signalen.
Het idee is om een bepaalde methodologie te gaan uitdiepen. Alle principes worden uitgelegd aan de hand van een eenvoudig voorbeeld. In het huidige voorbeeld kunnen alternatieve technieken ook een oplossing bieden en zelf efficiënter zijn. In dit voorbeeld is echter de methodologie het belangrijkste. We passen dit toe op een eenvoudig voorbeeld zodat de lezer de techniek begrijpt en kan aanwenden wanneer standaard oplossingen het beoogde resultaat niet kunnen verzekeren.Case voorbeeld: hotel Manager
Beeld je in: je bent eigenaar van een hotel en hebt volgende kenmerken:
1. Je beschikt over twee type kamers: een ‘standaard’ kamer en een ‘suite’
2. Je website beschikt over een technische implementatie (dataLayer) die je toelaat om deze elementen te tracken
3. Je beschikt over een beperkt marketing budget
Wanneer je naar de sales data van je bedrijf kijkt zie volgende gegevens:
Winstbijdrage (Low-Medium High) per aantal nachten en kamertype*
|
|
Room type |
|
|
Nights |
Standard Room |
Suite |
|
1 |
Low |
Medium |
|
2 |
Low |
Medium |
|
3 |
Medium |
High |
|
4 |
Medium |
High |
|
5 |
High |
High |
Wanneer we deze data bekijken is het meten duidelijk dat de winst wordt gemaximaliseerd in volgende gevallen:
- De standaard kamer wordt voor 5 dagen gereserveerd
- De suite wordt voor 3 dagen gereserveerd
Kernvragen
Als hotel eigenaar wens je een antwoord op volgende vragen:
1. Waar komen gebruikers vandaag die een ‘lage’, ‘medium’ en ‘hoge’ bijdrage leveren tot de winst?
2. Wat doen deze verschillende segmenten van gebruikers om mijn website?
3. Kan ik deze gebruikers terughalen wanneer ze niet meteen kopen?
Deze vragen kunnen worden opgelost aan de hand van de bestaande dataLayer in combinatie met het creëren van nieuwe dimensies.
Beeld je in dat de dataLayer er als volgt uit ziet in de eerste fase van de funnel wanneer de gebruiker zijn keuze maakt:
Scenario 1 - suite, 5 nachten
|
{ nights: '5', room: 'suite' } |
Deze gebruiker selecteert de suite en wenst 5 nachten te blijven. Volgens onze sales data uit bovenstaande tabel zou deze gebruiker een hoge bijdrage leveren tot de winst indien hij deze kamer boekt.
Scenario 2 - suite, 2 nachten
|
{ nights: '2', room: 'suite' } |
Deze gebruiker selecteert de suite en wenst 2 nachten te blijven. Volgens onze sales data zou deze gebruiker een gemiddelde bijdrage leveren tot de winst indien hij boekt.
Scenario 3 - standaard kamer, 2 nachten
|
{ nights: '2', room: 'standard room' } |
Deze gebruiker selecteert de standaard kamer en wenst 2 nachten te blijven. Volgens de sales data zou deze gebruiker een lage bijdrage leveren tot de winst indien hij boekt.
Scenario 4 - standaard kamer, 5 nachten
|
{ nights: '5', room: 'standard room' } |
Deze gebruiker selecteert de standaard kamer en wenst 5 nachten te blijven. Volgens onze sales data zou deze gebruiker een hoge bijdrage leveren tot de winst indien hij boekt.
Methodologie
Om op de voorgaande vragen een antwoord te kunnen bieden dienen we door de volgende stappen te gaan:
- Stap 1 - We moeten ervoor zorgen dat de waarden in de dataLayer worden opgepikt binnen GTM
- Stap 2 - We creëren een nieuwe GTM variabele, gebaseerd op de bestaande dataLayer én de tabel die de impact op de winst weergeeft (aan de hand van kamer type en aantal nachten). Voor het creëren van deze variabele zullen we gebruik maken van JavaScript. Het belang van deze stap is om de variabele te creëren zodat deze beschikbaar is in de volgende stap.
- Stap 3 - Het terugsturen van deze variabele als een custom dimension in Google Analytics.
Om dit te bereiken kan de volgende procedure worden gevolgd:
- Creêer een nieuwe dataLayer variabele in GTM
- Vul de exacte naam in die in de dataLayer wordt gebruikt
- Herhaal dit process voor al de variablen
Stap 2 - Creëer een nieuwe GTM variabele door de bestaande als input te gebruiken
- Binnen GTM selecteren we “Custom JavaScript” als type variable
- Geef deze variabele een duidelijke naam - bijvoorbeeld: “Script variable - revenue impact”
- Maak een nieuw script op basis van de bestaande tabel (impact op winst). In ons geval zou het volgende script worden uitgerold**.
|
function() { var roomType = {{dataLayer - room}}; var nights = {{dataLayer - nights}}; switch(true) { case roomType == 'standard room' && nights < 3: return 'Low'; case roomType == 'standard room' && nights < 5: return 'Medium'; case roomType == 'standard room': return 'High'; case roomType == 'suite' && nights < 3: return 'Medium'; case roomType == 'suite': return 'High'; default: return 'Other'; } } |
Het deel van de code tussen de gekrulde haakjes laat het script toe om bestaande GTM variabelen op te halen. Opdat dit zou werken moeten de waarden tussen de accolades exact dezelfde zijn als de naam van de reeds bestaande variabele in GTM.
Merk op dat in theorie een ‘default value’ niet nodig zou zijn. Als een veiligheidsmaatregel is dit echter wel een goed idee. Dit zorgt ervoor dat combinaties die tussen de mazen van het net glippen kunnen worden opgevangen.
De nieuwe variabele wordt geladen van zodra de gebruiker de funnel binnenkomt. Dit zorgt ervoor dat deze meteen word geclassificeerd.
Stap 3 - Voeg de nieuwe variabele toe als een nieuwe custom dimension in Google Analytics
- Voeg de nieuwe variabele toe als een nieuwe custom dimension
- Voeg deze custom dimension toe in Google Analytics (Admin)
Antwoorden op de kernvragen:
Alles sessies van gebruikers die de funnel gebruiken krijgen nu een extra dimensie mee. Hierdoor kunnen we de volgende vragen oplossen:
1. Waar komen gebruikers vandaag die een ‘lage’, ‘medium’ en ‘hoge’ bijdrage leveren tot de winst?
Gebruik de nieuwe custom dimension en vergelijk deze met source/medium. Op deze manier kan je nagaan waar de gebruikers met een hoge bijdrage tot de winst vandaan komen. Zo kan je meer op deze source/media focussen en meer klanten in dit segment overtuigen.
2. Wat doen deze gebruikers om mijn website?
Creëer een custom segment voor elk van de revenue segments en ga na hoe ze zich doorheen je website bewegen. Bezoeken verschillende segmenten andere secties van je website? Landen ze op andere pagina’s? Indien dit het geval is, zorg er dan zeker voor dat de landingspagina’s die gebruikers aantrekken met een grote impact op de winst makkelijk doorverwijzen naar de funnel.
3. Kan ik deze gebruikers terughalen wanneer ze niet meteen kopen
Link Google Analytics met AdWords en lanceer campagnes die specifiek gebruikers targetten met een hoge impact op de winst. Zo kan je hetzelfde geld uitgeven aan segmenten die meer opleveren!
*We maken gebruik van simpele voorbeelden om het idea tot leven te wekken.
**Merk op dat dit slechts één van de manieren is waarop dit kan worden geïmplementeerd. Variaties in code en methodology zijn zeker mogelijk.
Auteur: Glenn Vanderlinden
