INTRODUÇÃO

Este é o primeiro post sobre Google Analytics que vai ao blog e como meu foco será em E-commerce decidi começar pela audiência, suas tendências e comportamentos de compra na loja online. 

Meu objetivo é destrinchar com os leitores as principais informações e fornecer insights para aumentar a receita com base nos padrões de compra dos próprios clientes orientado por dados coletados pela plataforma. Deste modo, todas as nossas ações serão baseadas em uma cultura data driven, trazendo grande vantagem competitiva no mercado.

Espero que gostem desta abordagem, vamos desenvolver juntos  o pensamento analítico!

ENTENDENDO O PERFIL DA AUDIÊNCIA

Saber com quem quer falar é extremamente importante e todo negócio que deseja ter sucesso precisa saber com quem vai falar. Dominando o perfil do seu público comprador, a chance de aumentar as vendas é muito maior. 

O primeiro passo que desenhei para a análise foi o período de data, é importante. Colocando o range de data no painel, fica mais fácil trabalhar e selecionar qual período iremos analisar. Deixo claro que usarei sempre a semana anterior, começando pela Segunda (pode ser Domingo também, fica ao seu critério).

No gráfico temporal abaixo, estamos analisando apenas a entrada de novos usuários durante a semana anterior. Neste gráfico, eu adicionei também uma métrica secundária que fica oculta para não poluir, podendo ser ativada na hora que quisermos. Veja:

Se clicar na caixa de diálogo uma outra linha aparecerá facilitando a comparação entre os novos usuários e os usuários antigos.

Podemos constatar que houve uma queda neste quesito na última semana, aqui, caberiam duas situações:

  1. Analisar um período maior – 14 dias ou mais e ver se esse comportamento se repete;
  2. Analisar os aspectos periféricos como: campanha, página, produtos e etc.

Se quiser adicionar a métrica opcional como no gráfico acima, basta habilitar a opção “Optional Metric” no Data Studio com o gráfico que deseja habilitar selecionado.

Destacado em vermelho é onde habilitamos no gráfico e em preto, no Data Studio.

Devo deixar claro que em todos os meus gráficos eu deixei essa opção de métrica opcional habilitada, para não poluir a visualização. Logo, podemos ver cada uma de forma isolada ou em conjunto, como no gráfico acima.

Avançando nas análises, houve a necessidade de analisar a taxa de conversão por gênero e idade e descobrimos um fato curioso:

Mesmo em menor população, o grupo que mais se converteu no site foram os que pertencem a faixa etária 65+, podendo inclusive, colocar as mulheres de 64 anos. Perceba:

Observações:

  1. Taxa para homem 65+: 89.06%
  2. Taxa para mulher 65+: 88.57%
  3. Taxa para mulher 64a: 85,87%

NOTA: Como os labels na barra ficaram muito poluídos, decidi destacar apenas os que mais chamaram atenção.

Esta alta taxa de conversão entre os mais idosos pode levantar as seguintes questões:

  • Quais produtos eles mais compram?
  • O que os motiva a comprar?
  • Quais foram os canais de aquisição?
  • Por quais devices eles costumam acessar o site?
  • Receita total?

Estas questões de negócio serão respondidas futuramente, mas já detectamos possíveis pontos de ação e campanhas de melhoria, apenas em um pequeno gráfico.

E se optarem pela métrica de usuários, verão que a quantidade para essa faixa é minúscula; mas em proporção é a que apresenta menor resistência a conversão no site.

NACIONALIDADE

Como a análise se trata de um e-commerce global, é justo ter em mãos a nacionalidade dos clientes.

O objetivo deste gráfico é mostrar a quantidade de novos clientes e clientes fixos na loja ordenado pela receita total de cada um deles. No caso, a receita total de cada país.

Analisando este gráfico e vendo que estes são os 10 países que mais geram receita para a loja, quais questionamentos poderíamos levantar para aumentar a lucratividade e entender ainda mais o perfil de compra da audiência?

No ponto de vista da receita bruta:

  1. Quais foram os produtos que mais venderam?
  2. Quais campanhas de marketing que mais converteram à compra?
  3. Quais as categorias de produtos que mais venderam nos países?
  4. Quais são os dias de maiores vendas?

Percebemos que diversas são as perguntas, podendo inclusive, granular a níveis semi-infinitos de questionamentos de negócios para analisar os dados, e é nisso que mora o problema.

O princípio básico da análise de dados é ter as perguntas certas, com direcionamento certo e problemas certos. Do contrário, teremos muito tempo gasto, perguntas sem sentido e informações demais no gráfico que não irão agregar valor.

AFINIDADE E SEGMENTO DE MERCADO

Fechando a primeira fase de identificação do perfil da audiência não podemos deixar de fora as análises de segmentação e de mercado. Estas métricas fornecerão um entendimento claro tanto dos novos clientes quanto dos clientes já recorrentes.

Analisando estes dados podemos otimizar as campanhas, criar promoções customizadas para cada segmento, entender como e por onde estamos adquirindo o público frio para o e-commerce, quais mercados e tipos de mercados mais o interessam e etc.

Construi o gráfico de segmento utilizando um simples modelo de tabela pois foi o que melhor se encaixou na visualização. Adicionei as colunas de Usuários e Novos Usuários por trazer resultados significativos.

O ponto negativo aqui é que a análise é meio limitada, até pela proposta de ser um gráfico de tabela, mas foi o que melhor encaixou. Deste modo, eu adicionei um filtro externo no topo da página com o intuito de filtrar pelo menos por país.

Filtrando por país, temos a inteligência para criar campanhas customizadas com as afinidades que mais fazem sentido para aquele local, otimizando ainda mais o orçamento e a captação de novos clientes.

Esta foi a estrutura de filtro que eu coloquei para o meu painel. Penso que é bem interessante para um e-commerce analisar o perfil geral e focalizado.

Veja na imagem abaixo:

E para finalizar esse painel, adicionei uma tabela de Análise de Mercado (In-Market Segment). Como essa métrica mostra quais áreas do mercado meus clientes vêm, a captura de público frio será cada vez mais certeira, permitindo maior aquisição de cliente com uma verba menor.

A coluna destacada em vermelho é uma coluna de delta da variação do segmento no tempo. Basta ativar ao final da barra de seleção de métricas que irão compor o gráfico e a opção se chama “Comparison date range”.

CONSIDERAÇÕES E CONCLUSÕES

A intenção aqui foi mostrar os princípios básicos para uma análise de perfil dos clientes e quais segmentos eles vêm, sua idade, gênero e afinidade com os produtos ou serviços.

Embora ajude a otimizar campanhas para um gestor de tráfego, o painel foi desenvolvido para o nível mais gerencial do negócio – até para desenvolvimento de novos produtos ou retirada de produtos que não atraiam os clientes.

De fato, não está muito elaborado e não utilizei, ainda, as melhores práticas na criação de dashboard; considere como um MVP (Minimum Valuable Post)!!!

A fonte de dados é fornecida pelo Google (Google Merchant Store), assim sendo, tenho pouca liberdade – mas vi que dá para fazer bastante coisa e mais, cai muito bem com o nicho que escolhi: e-commerce. 

O Data Studio é case sensitive, logo, o filtro por estado e país devem começar com letra maiúscula e se o filtro por equals não resolver, utilize o contains.

Os três últimos gráficos são ordenados por Receita (Revenue).

Obrigado a todos!!

Link para o painel: aqui

Assine nossa newsletter abaixo!