Dados de terceiros no Google Analytics

É óbvio que a análise digital é um meio de obter respostas baseadas em dados para perguntas digitais. Isso ocorre porque cada carregamento de página, impressão, clique e exibição de vídeo são rastreados e analisados. Mas e a relação entre as plataformas digitais e o ambiente fora do mundo digital? Por exemplo, que efeito o clima tem sobre seus clientes? Ou a taxa de câmbio? Ou o resultado da partida de futebol da noite anterior?

É importante identificar o potencial de vinculação dos dados internos de uma empresa a dados fornecidos por terceiros. As organizações que usam dados de terceiros e integram com sucesso uma ampla gama de dados externos em suas operações podem superar o desempenho de outras empresas, desbloqueando melhorias na produtividade e no gerenciamento de riscos. A crise do COVID-19 fornece um exemplo perfeito de como os dados externos podem ser relevantes. A pandemia interrompeu tudo, desde o comportamento do consumidor até as cadeias de suprimentos, aumentando a imprevisibilidade dos negócios, tornando mais difícil usar dados anteriores para prever o comportamento futuro. As empresas só podem ir até certo ponto com seus próprios dados internos e podem se beneficiar do uso de fontes externas para orientá-las.

Infelizmente, esses dados não estão prontamente disponíveis nas ferramentas de análise digital padrão. É por isso que compilamos esta postagem do blog, na qual examinamos quais dados podem ser adicionados ao GA, como esses dados podem ser usados ​​para responder a perguntas de negócios e como essas respostas podem ser usadas para melhorar seus negócios.

Quais dados você pode adicionar ao Google Analytics?

As fontes de dados externos oferecem um potencial imenso, mas também apresentam vários desafios práticos. Por exemplo, simplesmente obter uma compreensão básica do que está disponível requer um esforço considerável. Visto que há uma ampla gama de fontes de dados disponíveis e que podem informar as decisões de negócios de várias maneiras, é importante ter uma definição clara do problema de negócios para o valor a ser gerado.

A primeira etapa ao adicionar dados de terceiros é dar uma boa olhada em seu negócio e considerar quais fatores ambientais têm maior probabilidade de impactá-lo. Não adianta adicionar resultados esportivos a uma pequena loja online que oferece iluminação sob medida, pois é muito improvável que esses resultados estejam relacionados ao negócio.

A segunda etapa que precisamos abordar é a fonte dos dados. A chave para nossa implementação é que os dados precisam estar disponíveis por meio de uma API. Uma API é um meio de comunicação com outro serviço que contém os dados que procuramos.

Não vamos entrar em detalhes técnicos aqui, mas existem muitas APIs por aí que oferecem o tipo de dados nos quais podemos estar interessados. Algumas delas são gratuitas, outras são gratuitas até um certo número de chamadas, enquanto outros são pagos exclusivamente por serviços. Antes de começar a adicionar dados, é importante encontrar a API que você usará.

Quais são os riscos do uso de dados de terceiros no Google Analytics?

O GDPR (Regulamento Geral de Proteção de Dados) ampliou o escopo de responsabilidade no que diz respeito à proteção e privacidade de dados, o que significa que agora é necessário ter muito mais cuidado com as implicações de incidentes de segurança causados ​​por provedores de serviços. Ao longo do processo de localização e uso de dados externos, as empresas devem ter em mente as preocupações com a privacidade.

• Confirme se os fornecedores terceirizados são compatíveis com GPDR.
• Defina claramente todas as áreas e atividades nas quais o GDPR está no escopo e faça com que os fornecedores terceirizados concordem e forneçam garantias contratuais assinadas de que seus processos atendem aos requisitos do Regulamento.

Qual é o status dos dados de terceiros no GA4?

O Google Analytics 4 está sendo lançado no início de uma nova era de coleta de dados online. Nos próximos anos, o acesso das empresas a dados de terceiros sobre os clientes continuará a diminuir. Em resposta, as equipes de marketing terão que construir novas estratégias de conversão para se adaptar a uma Internet sem cookies.

As ferramentas de rastreamento online precisarão contornar a redução nos dados de terceiros. Felizmente, o GA4 tem uma integração com o BigQuery que permite maior flexibilidade na união de dados analíticos com fontes de dados externas. Isso pode aumentar as despesas técnicas, mas melhorará a disponibilidade de dados importantes.

Que perguntas você pode responder com esses dados?

O uso de dados externos tem o potencial de mudar o jogo em uma variedade de negócios e setores. Depois de acumular dados suficientes em sua conta do Google Analytics, você poderá investigar a correlação entre esses dados de terceiros e as métricas digitais tradicionais, como transações e visualizações de página.

Para mostrar como isso pode ser usado, incluímos um exemplo da loja de roupas online fictícia “E-Clothing”:

Abaixo está um relatório que combina dados meteorológicos de terceiros e a categoria de produto “meias”. Isso nos permite responder à pergunta: “em que tempo as pessoas estão mais propensas a comprar meias?”.

Como podemos ver neste relatório, a taxa de conversão (medida como a porcentagem de visualizações de detalhes que resultam em uma compra) é mais alta quando está chovendo. É também nessa época que se vende mais meias. A segunda maior taxa de conversão é quando há chuva fraca e a terceira maior quando está nublado. Isso sugere que as pessoas estão mais inclinadas a comprar meias quando o tempo está ruim.

Abaixo está outro relatório que mostra a categoria de produto “roupa de banho” ao lado da mesma dimensão climática do relatório acima.

Aqui podemos ver um comportamento que contrasta com o comportamento das “meias”. Ao contrário das meias, os trajes de banho apresentam as maiores taxas de conversão quando o tempo está bom.

Por fim, veremos um exemplo em que dados de terceiros na forma de resultados esportivos são combinados com dados de produtos. Neste exemplo, estamos usando os resultados do futebol para todas as partidas que envolvem o Arsenal, mais especificamente a diferença de gols, e comparando isso com as vendas de produtos do Arsenal.

Isso nos permite responder à pergunta “as vendas de mercadorias estão relacionadas aos resultados da equipe?”.

O resultado que mais se destaca na tabela acima é a primeira linha, onde o Arsenal venceu por três gols. As visualizações de mercadorias do Arsenal logo após este jogo tiveram de longe a maior taxa de conversão e foram responsáveis ​​por uma grande parte das compras totais.

Com mais dados que seguem o mesmo padrão, podemos facilmente concluir que a taxa de conversão para mercadorias da equipe está de fato correlacionada ao desempenho dessa equipe.

A pandemia Covid-19 mudou o comportamento do consumidor de várias maneiras. Um setor que passou por graves interrupções é o setor de serviços. Muitos restaurantes lançaram plataformas de pedidos online para seus sites, expandiram suas parcerias de entrega de terceiros e / ou criaram pistas de drive-thru. Mas, com a natureza cíclica da gravidade da pandemia, pode ser difícil obter o equilíbrio do que os consumidores responderão na publicidade.

Um exemplo de como os dados de terceiros poderiam ajudar nisso seria modificar quais ofertas - entrega e coleta versus jantar no local - os restaurantes estão anunciando. Obviamente, quanto mais alta a taxa de infecção, mais eles devem se concentrar em opções de entrega e coleta de baixo contato. Por outro lado, se as taxas de infecção forem mais baixas, eles podem se concentrar novamente em suas opções de refeições. Comparando a taxa de infecção histórica com a proporção real de vendas de comida para viagem, eles podem ver mais precisamente em que taxas seus clientes estão se sentindo seguros para jantar e quando eles devem se limitar a anunciar suas opções de coleção ou entrega.

O que você pode fazer com essas respostas?

Esses dados podem ajudar a minimizar riscos e agregar valor à empresa; no entanto, requer uma combinação de solução de problemas, trabalho estruturado e execução focada.

Adapte sua estratégia de publicidade

Uma das aplicações mais lógicas desses dados é a otimização de campanhas publicitárias. Dado o desempenho da categoria “meias” e da categoria “trajes de banho” no exemplo acima, poderíamos facilmente ajustar nossa publicidade para essas categorias com base no clima. Com tempo chuvoso ou ruim, poderíamos aumentar os lances para nossa campanha de “meias” e, ao mesmo tempo, diminuir os lances para nossas campanhas de “moda praia”. Também poderíamos realocar o orçamento para que o orçamento normalmente alocado para roupas de banho seja transferido para meias. Então, quando o tempo estiver bom, podemos reverter o processo e alocar todo o orçamento de meias para roupas de banho e reajustar os lances.

Da mesma forma, dada a correlação entre os resultados esportivos e as mercadorias da equipe, poderíamos alocar uma parte maior de nosso orçamento de publicidade em mercadorias da equipe para equipes que registraram vitórias convincentes recentemente.

Essas otimizações podem ser feitas manualmente, mas na maioria dos casos devem ser feitas programaticamente. De qualquer forma, incluir esses novos fatores em nossas otimizações pode nos ajudar a alcançar um ROI mais alto para nossos gastos com publicidade.

Ajuste o conteúdo do seu site

Além da publicidade PPC, esses dados também podem ser usados ​​para personalizar o conteúdo do seu site. Fazendo uso das mesmas APIs das quais os dados são coletados, podemos alterar quais produtos são exibidos na página inicial da E-Clothing, com base nas condições climáticas atuais.

Próximos passos

Tudo o que resta é você e sua equipe debaterem quais fatores externos têm maior probabilidade de afetar seu desempenho online, encontrar uma API que permitirá que você acesse esses dados e comece a rastrear!