Jedním z témat, které se v posledních letech skloňuje stále častěji, je server-side tracking (SST). Nejde o módní technologii ani o zázračné řešení všech problémů s měřením. Jde o posun architektury sběru dat, který reaguje na reálné limity browser-based trackingu.

V tomto článku se podíváme na to, co server-side tracking je, jak funguje, jaké problémy reálně řeší – a kde jsou naopak jeho limity.

1) Co je server-side tracking a proč ho řešit

U klasického client-side trackingu jsou data o uživatelském chování odesílána přímo z prohlížeče uživatele do analytických nebo reklamních systémů. Tento přístup dlouho fungoval, ale je stále více ovlivňován technickými i legislativními omezeními.

Prohlížeče blokují skripty, omezují cookies a pracují s kratší dobou uchovávání identifikátorů. Výsledkem jsou: – chybějící nebo neúplná data, – rozdíly mezi systémy, – nižší důvěra v reporting.

Server-side tracking přesouvá klíčovou část měření na server. Data nejsou odesílána přímo z prohlížeče do třetích stran, ale nejprve do vašeho vlastního serverového prostředí, odkud jsou dále zpracována a distribuována.

Zásadní změnou je to, že prohlížeč přestává být jediným zdrojem pravdy. „Zdroj pravdy“ v praxi znamená místo, kde je jasně dané, co se skutečně stalo – například že objednávka vznikla, v jaké hodnotě a s jakým obsahem. Moderní přístupy doporučují, aby (pokud je to možné) byla všechna data čerpána z jednoho zdroje pravdy. Tím bude zachována konzistence a správnost dat. Tímto zdrojem by měl být spíše backend, ne prohlížeč uživatele.

2) Co server-side tracking řeší

a) Ztrátu událostí

Uživatel dokončí nákup, ale: – pixel je zablokovaný, – cookies expirovaly, – prohlížeč blokuje tracking, – nebo běží přes iOS bez povolení sledování.

Díky server-side trackingu lze událost vytvořit a odeslat až na základě potvrzené objednávky v backendu, nezávisle na tom, zda se v prohlížeči správně načetl pixel.

b) Stabilnější identifikaci uživatele

Server-side tracking umožňuje pracovat s identifikátory uživatelů způsobem, který není plně závislý na běhu JavaScriptu v prohlížeči. Identifikace je tak stabilnější napříč návštěvami i kanály.

Výsledkem je: – přesnější párování událostí, – méně rozpadlých konverzních cest, – stabilnější remarketing.

c) Přesnější hodnoty konverzí

Client-side tracking typicky posílá hodnotu konverze z prohlížeče v okamžiku dokončení nákupu. Pokud se ale událost neodešle správně nebo dojde k nekonzistenci mezi frontendem a backendem, pracují systémy s nepřesnými daty.

Server-side tracking umožňuje odesílat hodnotu konverze až na základě uložené a potvrzené objednávky, která slouží jako jednotný zdroj pravdy pro analytiku i reklamní systémy.

d) Bezpečné doplnění interních dat

Jakmile jsou citlivé údaje součástí frontendového requestu, nejsou už tajné. Data jako marže, lifetime value nebo typ zákazníka lze v prohlížeči relativně snadno zachytit a přečíst.

Server-side tracking umožňuje tato data doplnit až na serveru, mimo dosah uživatele a jeho prohlížeče, a bezpečně je použít pro analytiku nebo optimalizaci kampaní.

e) Validaci a filtraci chyb

V client-side trackingu jsou události odesílány přímo z prohlížeče, bez možnosti centrální kontroly. Jakmile se event odešle, nelze ho zpětně opravit ani zastavit.

Server-side tracking umožňuje každou událost před odesláním validovat a filtrovat. Na serveru lze například: – zahodit extrémní nebo chybné hodnoty, – opravit nepřepočítané měny, – odstranit duplicitní purchase eventy, – zkontrolovat existenci objednávky.

V praxi se ukazuje, že kvalita dat má pro optimalizaci kampaní větší dopad než jejich absolutní množství.

Co server-side tracking neřeší

Server-side tracking není zázračné řešení a nepřepisuje základní pravidla měření.

Neobchází souhlas uživatele ani technická omezení. Pokud uživatel nedá souhlas se sledováním nebo pokud prohlížeč znemožní identifikaci, SST to neobejde. Z těchto důvodů není možné měřit 100 % uživatelů.

Server-side tracking výrazně zvyšuje konzistenci a spolehlivost dat, která je možné měřit – nikoli jejich úplnost.

Zároveň platí, že žádná technická implementace nezachrání špatný produkt, nízkou marži nebo nekonverzní web.

3) Jak server-side tracking funguje

Fáze 1 – sběr dat

Uživatel provede akci (např. nákup nebo přidání do košíku). Událost může být odeslána z prohlížeče na server, nebo vzniknout přímo v backendu – například na základě uložené objednávky.

Zdrojem dat tak nemusí být výhradně prohlížeč uživatele.

Fáze 2 – obohacení dat

Na serveru lze událost doplnit o informace, které buď na frontendu vůbec nejsou k dispozici, nebo by nebylo bezpečné je z prohlížeče odesílat: – přesnou částku po slevách, – typ zákazníka (nový / vracející se), – interní segmenty, – lifetime value.

Fáze 3 – validace a kontrola

Každá událost může projít kontrolou správnosti a duplicity ještě před odesláním. Díky tomu se do analytických a reklamních systémů nedostávají chybné nebo duplicitní události.

Fáze 4 – odeslání do platforem

Ověřená data jsou následně odeslána ze serveru do analytických a reklamních nástrojů pomocí API. Odeslání není závislé na běhu JavaScriptu v prohlížeči, ale stále respektuje pravidla souhlasu a technická omezení měření.

4) Jaký dopad má server-side tracking v praxi

a) Stabilnější a konzistentnější reporting

Server-side tracking obvykle vede k menším rozdílům mezi reálnými objednávkami v backendu a daty, která hlásí analytické a reklamní systémy. U některých projektů se rozdíl mezi systémy sníží z desítek procent na jednotky.

Nejde o „lepší měření“, ale o to, že více systémů pracuje se stejným backendovým zdrojem pravdy. Reporting je díky tomu přesnější a předvídatelnější.

b) Stabilnější trénování optimalizačních algoritmů

Automatizované kampaně stojí na signálech, které jim dodáváte. Pokud jsou tyto signály nepřesné, nekonzistentní nebo duplicitní, algoritmy optimalizují na základě zkreslených dat.

Server-side tracking typicky přináší přesnější hodnoty konverzí, spolehlivější purchase eventy a konzistentnější identifikaci uživatelů. Výsledkem je stabilnější výkon a dlouhodobě udržitelnější optimalizace.

c) Stabilnější remarketingová publika

Server-side tracking pomáhá udržet více uživatelů v remarketingových publikách, protože měření není plně závislé na chování prohlížeče nebo blokování skriptů.

V praxi to znamená menší výkyvy velikosti publik a spolehlivější práci s remarketingem v čase, zejména u projektů s vyšším podílem iOS návštěvnosti.

d) Nižší závislost na prohlížečích

Zatímco browser-based tracking je stále více ovlivňován omezeními prohlížečů, server-side tracking přesouvá klíčovou část měření mimo prohlížeč uživatele.

Nejde o řešení „navždy bez problémů“, ale o investici do dlouhodobě udržitelnější architektury měření, která je méně citlivá na další změny v chování browserů a platforem.

Závěr

Server-side tracking není nutnost pro každý projekt. Pro firmy, které ale staví marketing na automatizovaných systémech a chtějí pracovat s daty dlouhodobě a systematicky, jde o logický další krok.

Nejde o to měřit všechno. Jde o to měřit konzistentně, bezpečně a tak, aby data dávala smysl pro rozhodování.

Článek Server-side tracking: buzzword nebo nutnost? se nejdříve objevil na UNIKUM.

Digitální marketing se za poslední roky výrazně změnil. Stále více se opírá o automatizace a algoritmy, které dělají rozhodnutí za nás. Co zůstává na straně lidí, je kvalita dat, se kterými tyto systémy pracují.

Jedna z kategorií dat, které se přitom často opomíjí, je marže. Téma, o kterém se v marketingu mluví často, ale jen málokdo s ním opravdu systematicky pracuje.

Proto jsme se mu rozhodli věnovat první díl naší nové série „Data v praxi“. V následujících šesti úrovních si ukážeme, jak se dá k marži v marketingu přistupovat – od úplného základu až po nejpokročilejší systémy, které zohledňují i fixní náklady a zisk.

1. Marže se v marketingu vůbec nesleduje

Klasický začátek. Kampaně se vyhodnocují jen podle tržeb, nákladů a z nich vypočítaného PNO nebo ROAS. Funguje to, je to jednoduché a přehledné. Jenže často i klamavé.

Příklad:
E-shop má ROAS 500 %. To vypadá skvěle – ale pokud inzerujeme a prodáváme převážně produkty s 10% marží, vydělá na každé koruně mnohem méně než konkurent, který má ROAS 300 %, ale v marketingu upřednostňuje produkty s marží 50 %.
V praxi to znamená, že pokud bychom se řídili pouze ROAS a tržby budou stejné, přišlo by nám, že první e-shop je na tom lépe. Informace o marži nám ale dávají důležitý kontext, díky kterému víme, že ve skutečnosti své peníze lépe investuje konkurent.

Tento přístup může být dostatečný, pokud má firma u všech produktů stejnou nebo velmi podobnou marži. Ve všech ostatních případech ale dříve nebo později narazí.

2. Marže se zohledňuje v reportingu – zpětně

Další úroveň přináší posun. Firma už marže sleduje, i když jen jednou za měsíc nebo kvartál. Hodnoty se doplňují zpětně do reportů, takže management i markeťáci (interní i externí) mají konečně reálný pohled na profitabilitu.
Je to velký krok vpřed – ale pořád hlavně pro zpětné vyhodnocování. Kampaně se podle těchto dat optimalizují jen obtížně, protože chybí aktuálnost a přímá vazba.

Tento přístup dává smysl hlavně u menších e-shopů, které nemají vysoké objemy prodejů, nebo u sortimentů, kde se marže často mění. Pro tyto firmy by byla implementace pokročilejších systémů zbytečně nákladná a mohla by systémům i uškodit.

3. Marže se posílá do živých reportů a reklamních systémů ve skupinách

Dalším krokem je rozdělení sortimentu podle výšky marže. Produkty se seskupí například do kategorií:

• do 20 %,
• 20-40 %,
• 40-60 %,
• 60 % a více

Do reklamních systémů se pak posílá informace, do které skupiny produkt patří. Díky tomu lze nastavit odlišné cíle ROAS – a přestat investovat příliš do nízkomaržových produktů.

Klíčem je najít rovnováhu mezi detailem a množstvím dat.
Příliš detailní dělení (např. po 5 %) nedává smysl, pokud nemáme dost konverzí. Naopak menší počet širších skupin umožní systémům lépe optimalizovat.

Pokud chceme dosáhnout co možná nejlepších výsledků, neměli bychom produkty dělit pouze podle marže. Pokud nám to dostupná data dovolí, je dobré zohlednit i další faktory – například pořadí produktu v košíku a jeho velikost. U některých našich klientů nám tyto informace pomáhají rozpoznat, zda je produkt akviziční (a má tedy potenciál pro větší marketingové investice) nebo jen doplňkový, který lidé přidávají k už zahájenému nákupu.

Tento přístup je ideální pro firmy, které:

• mají různě maržové produkty,
• mají dostatek dat pro smysluplnou segmentaci,
• ale zatím nepotřebují nebo nechtějí investovat do technicky složitějších řešení.

4. Marže se sleduje a posílá za každý produkt – bezpečně

Tady už mluvíme o pokročilejší úrovni. Marže se počítá v reálném čase u každého produktu (tento přístup se v kontextu výkonnostních kampaní nazývá také value based bidding) a posílá se do analytiky i do reklamních systémů místo tržeb nebo spolu s nimi (podle toho jak to který systém dovoluje).

Algoritmy tak dostávají informaci, kolik skutečně vyděláváme, a mohou optimalizovat kampaně podle zisku, ne podle obratu.

Protože se jedná o citlivá data (nákupní ceny, přesné marže), bývá implementace spojená se server-side trackingem. Data se odesílají přímo ze serveru, takže nejsou viditelná v prohlížeči návštěvníka a nelze je snadno zneužít např. ze strany konkurence.

Tento přístup je vhodný pro firmy, které už mají silnější technické i finanční zázemí a chtějí posunout efektivitu kampaní na maximum – ale nesplňují podmínky pro smysluplnou implementaci systému, který zohledňuje i širší kontext firemních nákladů v dalším bodě.

5. Marže je jen část obrazu – přidáváme fixní náklady a zisk

Na první pohled máme perfektní systém: víme, kolik vyděláme na každém produktu, a reklamní systémy optimalizují podle zisku. Ale pořád nám něco chybí – co se s těmi penězi děje dál?

Firma musí platit správu kampaní, provoz e-shopu, sklad, mzdy i další fixní náklady. Pokud chceme, aby optimalizace dávala ekonomický smysl, musíme tyto náklady do systému zahrnout.

Krátkodobý přístup:
Vytvořme si plán tržeb na několik měsíců dopředu, spočítejme průměrné fixní a variabilní náklady jako procenta z tržeb, přidejme požadovaný zisk a také náklady na produkt samotný – třeba ve výši 40 %.

To, co zůstane, představuje rozpočet, který může jít do médií.

Například:

• náklady na produkt 40 %,
• fixní náklady 15 %,
• variabilní náklady 10 %,
• požadovaný zisk 10 %.

Z každé tržby 100 Kč nám zbývá 35 Kč, které můžeme investovat do reklamy, abychom se udrželi na plánovaném zisku.

Důležité je pochopit, že nejde o jednorázový výpočet rozpočtu, ale o automatizovaný systém, který tato data v reálném čase posílá do reklamních systémů a na jejich základě optimalizuje kampaně.

Takový systém vyžaduje propojení marketingových dat s ekonomickými a jejich pravidelnou aktualizaci – protože s každým posunem v nákladech nebo tržbách se mění i poměry jednotlivých položek a s nimi rozpočtový rámec.

Zároveň je nutné zohledňovat další faktory – například podíl placené a organické reklamy. Pokud se při nastavování kampaní opomene vliv organické návštěvnosti, může to vést k přehnanému přeinvestování nebo naopak podinvestování placených kanálů a k nesprávné interpretaci výsledků.

6. Bonus: Myslet na budoucnost

Ne všechny firmy chtějí hned maximalizovat zisk. Některé jdou cíleně po růstu tržního podílu a optimalizují jen na tržby. To je naprosto legitimní strategie – pokud je vědomá.

I v takovém případě se ale vyplatí marže měřit, i když se s nimi zatím nepracuje aktivně. V okamžiku, kdy se strategie změní z růstu na maximalizaci zisku (nebo dokonce minimalizaci ztráty), budou historická data o maržích k nezaplacení. Pomůžou rychle přenastavit kampaně a pochopit, které segmenty byly skutečně profitabilní.

Závěrem

Neexistuje jeden ideální systém práce s marží. Jak jsme si ukázali, každá úroveň má své místo – od jednoduchého pohledu na tržby až po sofistikované modely, které zohledňují velké množství dat napříč marketingovými i celopodnikovými daty.

Důležité je vybrat tu, která odpovídá aktuální fázi a možnostem firmy. A stejně jako u samotného marketingu – začít jednoduše, ale mít plán, kam se posunout dál. To je k dnešnímu tématu vše a budu se na vás těšit znovu v dalším pokračování série o Datech v praxi.

Článek Proč nestačí PNO: 5+1 úrovní práce s marží se nejdříve objevil na UNIKUM.

Samotný report má několik částí, standardně začíná obecnějším úvodem a souhrnem výkonu celého businessu. Naleznete zde info, jak si váš projekt v průběhu minulého měsíce vedl, kolik se investovalo do reklamy a jaká byla celková tržba, případně jaké byly jiné konverze, které jsou pro vás v tuto chvíli relevantní. Pokud se jedná o e-shop, primárně nás zajímají konverze, náklady a tržby. Je nezbytné si také definovat, jaký atribuční model je preferovaný.

Pokud je váš business založen na službách, přizpůsobujeme report na míru tak, že zohledňujeme metriky a konverze, které jsou pro vás nejpřínosnější. Například odeslání poptávkového formuláře, u brandových kampaní se zabýváme mimo jiné třeba návštěvností na webu, dosahem apod.

Po celkovém zhodnocení daného období následuje rozpad jednotlivých kanálů/zdrojů, které se v marketingovém mixu vašeho projektu vyskytují. Můžete se tak podrobně podívat na výkon jednotlivých kanálů, například PPC, sociálních sítí či zbožových srovnávačů.

U projektů, kde je pro nás primární jiná metrika než konverze ve formě nákupu či přidání do košíku, evidujeme například cenu za konverzi nebo cenu za načtení cílové stránky.

Samozřejmostí rozpadu jednotlivých kanálů je i slovní komentář a přehled činností, které v účtu probíhaly, abyste viděli, co vše se ve vašem účtu během celého měsíce odehrálo.

V tomto zhodnocení se snažíme přiblížit, jaké kroky byly za jednotlivé oblasti vykonány tak, aby docházelo k co největšímu růstu. Najdete zde i typy reklam a kampaní, které byly v předchozím měsíci spuštěny, nebo naopak pozastaveny. V případě, že v předchozím měsíci proběhla speciální slevová akce, i ta má v reportu své místo.

Zároveň se snažíme přiblížit, jaké změny se v účtech budou odehrávat v budoucnu. Opět, pokud víme, že poběží časově omezená kampaň (u e-shopů typicky slevové akce), zahrneme zde to, jak se na akci připravujeme, které kampaně budou spuštěny a jaké kanály budou zapojeny.

Neposlední součástí reportu je i meziroční a meziměsíční srovnání, tedy to, jak si účet, kampaně a celý business vedou v porovnání s předchozím měsícem, případně rokem. Tato srovnání jsou důležitá především v celkovém kontextu, kdy vidíme, zda dostatečně funguje komplexní strategie marketingového mixu, či zda ji musíme nějakým způsobem přizpůsobit současné situaci.

V reportu je tak zjednodušeně podstatné:

• Zhodnocení reportovaného období: shrnutí výkonu za dané období s ohledem na danou metriku, ke které se výkon váže
• Evidence splněných úkolů: získáte přehled o tom, co se na projektu udělalo, a do budoucna můžete úkony vyhodnotit, zjistit jejich vliv na růst businessu a podobně
• Sledované metriky a jejich výkon: vyjádření podílu nákladů na obratu

Nástin výše neznamená, že náš report pro vás bude obsahovat přesně tyto údaje. Každý projekt je jiný a jedinečný a stejně tak i jejich odpovídající reporty. Vždy proto zahrnujeme data, která můžeme vyhodnocovat a reporty vždy co nejvíce přizpůsobujeme našim klientům na míru.

O tom, jaké metriky je možné sledovat a vyhodnocovat, se rozepíšeme zase třeba příště.

Článek Co vše by si klient měl sledovat v reportu? se nejdříve objevil na UNIKUM.

Rozdíl v údajích je kvůli atribučním modelům, které každý systém využívá. Nejprve bychom si měli vysvětlit, co to atribuční model je. Jedná se o soubor pravidel, podle kterých se připisují konverze. Každý reklamní systém má atribuční systémy lehce odlišné, respektive, každý z nich se řídí jinými pravidly. Některé systémy si zkrátka zapisují více zásluh než jiné, a z toho pak pramení rozdíly v údajích.

Základní atribuční modely:

• Last-click: konverze se přiřadí poslednímu zdroji před konverzí
• First-click: konverze se přiřadí prvnímu zdroji, který byl potřeba pro konverzi
• Lineární: zásluhy za konverzi jsou rovnoměrně připsány všem zdrojům, které stály v konverzní trase
• Last non-direct click: atribuční model, který je velmi podobný last-click modelu, až na to, že zásluhy přisoudí poslednímu zdroji před konverzí, který není “direct” zdrojem, tedy uživatel nezadal přímo název vašeho webu do příkazového řádku
• Time Decay: i tento typ rozděluje zásluhy mezi více zdrojů, nicméně pracuje navíc s faktorem času. Zdroje, které stojí na počátku konverzní cesty, dostanou menší zásluhy, než ty, které byly časově blíže konverzi
• Position Based: model, v němž první a poslední zdroj dostanou po 40 % zásluh, zdroje, které jsou mezi nimi, dostanou zbylých 20 %
• Data driven: zde se zásluhy přisuzují na základě dat
• Last-touch: je podobný last-clickovému modelu, nicméně zásluhy připisuje poslednímu touchpointu v konverzní cestě, kam kromě kliků či návštěvy řadí i imprese
• First-touch: opak výše zmíněného last-touch modelu, který dává zásluhy prvnímu touch pointu na konverzní cestě

Facebook

Facebook je trochu specifický. Kromě atribučního modelu je totiž nutné ještě brát v potaz atribuční okno, v rámci kterého se budou konverze přiřazovat. V defaultním nastavení používá Facebook atribuční model last-touch a atribuční okno 7 day click 1 day view. To znamená, že se konverze připisují jeden den po impresi nebo sedm dní po kliknutí na reklamu. Pokud máte konverzi definovanou jako nákup, Facebook si připíše nákupy, které se udály sedm dní po kliknutí na reklamu nebo jeden den po impresi s tím, že záleží, která akce proběhla jako poslední.

Google Ads

Rozdíly v uváděných konverzích jsou i v rámci Google Ads a Google Analytics. Jedním z důvodů je, že Google Analytics (GA) používají atribuční model last non-direct click, tedy model, kdy se transakce připočítá poslednímu kanálu v konverzní cestě kromě directu.

V Google Ads je výchozí nastavení last-click, takže 100 % konverze přiřadí poslední kampani v Google Ads, skrz kterou byla konverze uskutečněna.

Mimo výchozího nastavení si ale můžete v administraci Google Ads změnit atribuční model na:

• První kliknutí first-click
• Lineární linear
• S nárůstem v čase time decay
• Na základě pozice position based
• Na základě údajů data driven – zde jen dodáme, že je to pomyslný vítěz mezi atribučními modely, nevýhodou je potřeba dostatku dat, a to že reklamní účet musí mít alespoň 3 000 interakcí s reklamami a alespoň 300 konverzí během 30 dnů.

Sklik

V současné době používá Sklik stejný last-click atribuční model jako výchozí v Google Ads. Atribuční modely se v administraci Skliku zatím bohužel nedají změnit, proto last-click berte v potaz při vyhodnocování kampaní.

Článek Atribuční modely: Proč systémy ukazují jiné počty konverzí se nejdříve objevil na UNIKUM.

Co cookies jsou a proč jsou důležité?

Začít bychom měli tím, co to vlastně cookies jsou. Jedná se o soubory dat, které weby ukládají v počítačích svých návštěvníků a na jejich základě je možné tyto uživatele identifikovat a zapamatovat si jejich předvolby. Pracují trochu ve prospěch obou stran: uživatelů, kterým tak usnadňují a zpříjemňují fungování na webu, tak provozovatelů, kteří díky nim mohou např. lépe cílit a personalizovat reklamu v rámci reklamních systémů.

Jaké změny nás čekají?

Celá problematika je velice složitá a ani právníci si nejsou stoprocentně jistí přesným výkladem. Do podrobných a často spekulativních rozborů se pouštět nechceme. Proto jsme si pro Vás raději připravili alespoň praktický seznam, který Vám umožní si zkontrolovat, zda Vaše cookies řešení splňuje to, co změny v legislativě vyžadují. Je však potřeba zmínit, že i zde platí na věc různé názory a až praxe ukáže, co bude Úřad pro ochranu osobních údajů skutečně vymáhat. Bohužel zde platí jakási “přímá úměra”: čím přísnější výklad zákona dodržíte, o to větší množství dat od uživatelů přijdete. Teď už ale k tomu, co vás čeká a nemine – nebo třeba k tomu, co už by na vašem webu dávno mělo být. Zároveň se podělíme o tipy, jak postupovat.

1/ Udělejte si soupis a kategorizaci všech cookies podle účelu

• vytvořte si kategorie, které jsou pro vás relevantní, například:
  • nezbytné – ty, které jsou potřebné pro správnou funkčnost webu
  • marketingové – související s reklamními systémy jako např. Google Ads
  • personalizační – umožňují např. přizpůsobit prvky webu na základě chování uživatele
  • statické – sběr informací o používání webu např. v rámci Google Analytics

2/ Zajistěte, že se uživatelé mohou prokliknout z cookies lišty na stránku s výpisem, který by měl obsahovat:

• název cookie
• poskytovatele cookies – ať už je jím sám provozovatel webu nebo např. Google
• kategorii
• životnost cookie
• účel jejich sběru (např. “Společnost Google používá tuto cookie pro personalizaci reklamních sdělení”)

3/ Zajistěte, že stránka s přehledem cookies obsahuje také obecné informace o tom, jaká práva uživatele webu s ohledem na cookies mají a jak je možné udělený souhlas odvolat

4/ Zajistěte, že máte rozdělené cookies, ke kterým není třeba souhlas uživatelů, a ty, pro které souhlas mít musíte

• jediné cookies, ke kterým žádný souhlas nepotřebujete, jsou ty nezbytné pro chod webu, ty můžete spustit kdykoli bez vyžádání souhlasu uživatelů
• ostatní kategorie cookies vyžadují opt-in souhlas, tedy aktivní souhlas, který je nutné potvrdit vědomě (ignorování cookies lišty není považováno za souhlas), informovaně (uživatel musí mít dostatek informací, aby věděl s čím souhlasí) a bez nátlaku (zákaz nepřetržitého vyskakování rušivé cookies lišty, dokud uživatel nedá souhlas)
• cookies mohou být ukládány až poté, co uživatel souhlas udělí

5/ Přístup na web nesmí být podmíněn přijetím cookies

6/ Dejte uživatelům na výběr, pro které kategorie cookies udělují souhlas

• to zahrnuje i to, s čím nesouhlasí – uživatelé by měli mít na výběr například z možnosti, že souhlasí s využitím personalizačních cookies, ale nesouhlasí s využitím marketingových cookies
• pokud dáváte uživateli možnost “Přijmout všechny cookies”, musíte mu dát také možnost “Odmítnout všechny cookies”
• dbejte na to, aby možnosti přijetí a odmítnutí cookies byly rovnocenné – neměl by tedy být rozdíl v barvách, velikosti nebo umístění těchto tlačítek – ideálně je umístěte vedle sebe

7/ Souhlas s využitím jednotlivých kategorií cookies by neměl být předzaškrtnutý

• pokud chce uživatel využívat jen některé cookies, musí každou z kategorií sám zaškrtnout

8/ U lišty s cookies byl měla být možnost uzavření, aniž by uživatel cookies přijal

• nezapomínejte tedy na “křížek”, který umožní lištu jednoduše zavřít

Při nastavování fungování vašeho webu však nesmíte zapomenout ani na dříve platné legislativní úpravy, především pak na zákon o elektronických komunikacích a na požadavky zavedené v souvislosti s GDPR.

Pokud na Vás z těchto nových nařízení padají chmury, nezoufejte. Praxe může být nakonec od současného výkladu rozdílná a s celou situací může v budoucnu ještě zahýbat regulace ePrivacy, která je v kuloárech Evropského parlamentu a Rady Evropské unie připravována už řadu let. Ale to je téma, které by vydalo na samostatný článek.

Článek Změny v cookies – co vše je třeba udělat? se nejdříve objevil na UNIKUM.

1) Informace, že se jedná o poslední kus (nebo několik kusů) skladem

2) Informace, že jsou ostatní barevné varianty/velikosti/varianty produktů vyprodané

3) Viditelná informace (nebo odpočet času), do kdy mohou zákazníci objednat, aby zboží bylo ještě daný den předáno dopravci (drtivá většina vašich zákazníků chce mít zboží co nejdříve doma)

4) Ukažte, že ostatní uživatelé mají také zájem o prohlížený produkt (x uživatelů si prohlíží tento produkt, x lidí koupilo za poslední týden, apod.) – v podstatě využijte stejný efekt, jako když si dvě ženy chtějí koupit ten samý produkt a v ochodě mají už jen jeden kus ????

5) Odpočítávadlo na různé akce (výprodej, black-friday, dopravu zdarma, happy hours apod.).

6) I když se to zdá kontraproduktivní, poskytnutí slevy nebo dárku může zvýšit vaši průměrnou hodnotu objednávky. Nezapomeňte to však podmínit minimální útratou (např. získejte slevu 5 %, když nakoupíte nad 2 000 Kč apod.). Stejně tak můžete poskytnout množstevní slevy (kupte 2 ks a získejte slevu 10 % apod.).

7) Pracujte s opuštěnými košíky a snažte se snížit podíl nedokončených objednávek (výzvou k dokončení nebo drobnou slevou). K tomuto je vhodný např. remarketing na uživatele, kteří byli v košíku, ale objednávku nedokončili nebo automatizovaný emailing (máte-li na uživatele z minulosti emailovou adresu). Použít se dá i pop-up okno na odcházející uživatele.

8) Otestujte snížení minimální částky objednávky na získání dopravy zdarma. Obecně se při zvyšování průměrné hodnoty objednávky pracuje tak, že se určí její požadovaná výše a podle toho se nastaví i hranice částky, od které je nabídnuta doprava zdarma.

9) Ukažte v košíku, kolik vaši zákazníci ušetřili tím, že koupili produkt ve slevě (lidé se při větších nákupech cítí provinile, tak jim to trošku obhajte)

10) Zvažte věrnostní program a motivujte své zákazníky, ať se vracejí do vašeho e-shopu – ať už slevou nebo dárky, ale i např. přednostním nákupem, cashback programem, získáním statutu apod. Členové programu standardně dosahují o 15 % vyšší průměrné hodnoty objednávky.

11) Produktové balíčky (vánoční prostírání, šampón + kondicionér apod.): poskytnete tím slevu + ušetříte zákazníkovi čas.

12) Personalizace obsahu na hlavní stránce – např. zobrazování produktů, které uživatel v minulosti na vašich stránkách prohlížel/nakoupil, které jsou oblíbené mezi jinými podobnými zákazníky, pop-up okna apod.

13) Live chat. Podle studií je pravděpodobnost dokončení objednávky zhruba 4-5x vyšší s možností živého chatu než bez něj + objednávka bývá až o 60 % vyšší, než je průměr.

14) Nabídněte prodej na splátky, který funguje dobře především pro dražší produkty. Pozor však na to, aby vám neschválené žádosti o úvěr příliš nezkreslovaly vyhodnocování efektivnosti vašich marketingových aktivit.

15) Nepodceňte nabídku oblíbených platebních metod (nezapomeňte např. na Twisto) a možností dopravy (výdejny, Zásilkovna, Balíkobot).

16) Dárcovství na dobrou věc.

17) Dárkové vouchery a karty jsou vhodné jako dárek a dají se komunikovat i last minute. Nemalou výhodou pro prodejce je i to, že celkem vysoké procento zákazníků voucher nakonec nevyužije. Pokud využije, tak je nákup často vyšší než je hodnota voucheru.

18) Cílení reklamy podle nákupní historie. Když víte, co si vaši zákazníci v minulosti nakoupili, můžete jim posílat přesně personalizovanou nabídku či slevy (typickým příkladem jsou kontaktní čočky, návštěva u zubaře, apod.).

19) Up-sell produktů: nabídněte novější nebo dražší model, než si zákazník prohlíží nebo má v košíku.

20) Cross-sell produktů: nabídněte produkty, které se hodí k produktům, které si váš zákazník chce koupit nebo v minulosti zakoupil (pásek ke kalhotám apod.). Zkuste nabídnout cross-sell produkty i po nákupu na thank-you page s nějakou výraznější slevou.

21) Doporučené produkty: více jak polovina uživatelů přijde na vaše stránky a začne hledat produkty, pro které si přišli. To končí nižší hodnotou objednávky, než může být. Co kdybyste toto hledání rozptýlili doporučenými produkty z vaší strany?

22) Zařazení do soutěže o hodnotné ceny nákupem ve vašem eshopu.

23) Ukotvení ceny při procesu rozhodování: přirozenou lidskou tendencí je spoléhat se při rozhodování na jednu informaci, od které se odvíjí jejich další rozhodování. Mezi nejčastější marketingové postupy patří např. kontrast (drahý produkt vedle levného, který chcete primárně prodat), baťovské devítky (59 Kč zákazníci vnímají jako 50 Kč) nebo balíčkové porovnání (porovnejte levnou, střední a drahou variantu a drtivá většina zákazníků upřednostní střední)

24) Balení dárků: nejsou to jen Vánoce, ale i narozeniny a další možné příležitosti (promoce, výročí apod.). Ušetřete čas svým zákazníkům.

25) A další a další

Článek 24 tipů, jak zvýšit průměrnou hodnotu objednávky a konverzní poměr se nejdříve objevil na UNIKUM.

Co je to Google Data Studio?

Jak bylo zmíněno v úvodu článku, datové studio od Googlu je nástroj, za jehož pomoci můžete vytvářet přehledné automatizované reporty, v kterých budou umět číst i vaši klienti. Jednou z výhod je možnost zpracovat přehledy na míru. Mimo customizace designu můžete zohlednit různé cíle a metriky, které s vašimi klienty budete vyhodnocovat. Třešničkou na dortu je automatizace reportů – každý den vám postačí jedno kliknutí na odkaz ve vaší liště záložek (kam si odkaz na report uložíte) a budete mít čerstvá data bez nutnosti logování do Google Analytics a proklikávání v obsáhlém menu.

Nezní to super? Nám ano!

Další výhodou je možnost sdílení reportů, které funguje stejně jednoduše jako u Google Docs.

Jaké zdroje lze využít?

Do vašeho reportu si můžete stáhnout data z různých zdrojů – nebudete tedy omezeni pouze na Google Analytics. Zde je list těch základních:

• AdWords
• Google Sheets
• Google Analytics
• YouTube Analytics
• MySQL
• a další…

Za zmínku stojí Google Sheets, kam za pomocí nástroje Supermetrics lze stahovat data nejen z Google Analytics, ale i AdWords nebo Facebooku. Jinak řečeno, cokoliv, co dostanete do GSheets, můžete promítnout do vašich reportů. Opět automatizovaně.

Co reporty umí?

Do přehledů můžete vkládat grafy, u kterých je na výběr z několika možností, čísla s procentuální změnou (například v porovnání s předcházejícím obdobím), tabulky, mapy, text nebo obrázky.

Shrnutí

Google Data Studio usnadní práci jak vám, tak vaším klientům. Google tak posunul možnosti reportingu zase o level výš a my držíme krok. Automatizované reporty jsou u nás samozřejmostí.

Článek Přehledné reporty v Google Data Studio se nejdříve objevil na UNIKUM.

GDPR, jež vstoupí v platnost 25.5.2018, se obecně snaží o posílení práv subjektů údajů, jinými slovy chce docílit toho, že nad daty by neměli rozhodovat ti, kdo je sbírají, ale ti, jimž patří.

Obecně tedy GDPR bude klást na organizace následující nároky:

• Data musí zpracována transparentně.
• Musí být jasně daná struktura zpracovávání údajů.
• V některých případech bude nutné jmenovat pověřence pro ochranu osobních údajů neboli tzv. DPO (Data Protection Officer)
• Právo/povinnost na výmaz osobních údajů na vyžádání.
• Evidovat účely zpracování osobních údajů.
• Ohlašovat incidenty týkající se zpracovávaných osobních údajů.
• Posuzovat vliv okolností na ochranu osobních údajů (například po implementaci nového IT systému)

Povinnost jmenovat DPO se bude v konečném důsledku týkat většiny organizací, přičemž nezáleží na tom, jestli se jedná o korporát a nebo pouze o menší eshop. Základní podmínkou je to, že dochází ke sběru a zpracování osobních údaje. I když se člověk může v první chvíli zaleknout toho, že bude muset najmout nového zaměstnance, který bude expertem v oblasti ochrany osobních údajů, či využít služeb drahých externích specialistů, není výběr DPO zase tak složitou záležitostí. GDPR totiž umožňuje jmenovat jako DPO některého ze stávajících zaměstnanců, při čemž by však nemělo docházet ke konfliktu zájmů.

Co se týče nároků na vzdělání a odbornost DPO, tak toto GDPR jasně nevymezuje, mělo by se pouze jednat o osobu, která má znalosti v ochraně osobních údajů. Obecně, jak bylo řečeno na konferenci GDPR v emailovém marketingu, by měly být znalosti DPO úměrné velikosti organizace.

Ve zkratce pak bude mít DPO za úkol, kromě zmapování aktuálního způsobu, jakým dochází ke sběru osobních údajů a jakým jsou tato data ukládána a zabezpečena, také zjistit, jestli data sesbíraná v minulosti vyhovují podmínkám GDPR. Konkrétním příkladem, který bude se bude dotýkat oblasti marketingu, bude ověření toho, u kterých osob byl udělen souhlas se zpracováním a také zjistit, jakým způsobem k získání těchto dat došlo.

Dalším důležitým bodem, který je třeba zmínit je to, že GDPR se bude úzce prolínat s již platným Zákonem o informační společnosti, který klade jasná pravidla na to, jakým způsobem mohou být zasílána obchodní sdělení. Jelikož je pro obchodní sdělení nezbytná náležitost identifikace subjektu, je nutné, aby před zasláním odpovídalo náležitostem GDPR.

Zasílání s příchodem GDPR bude možné pouze pokud bude založené na některém z definovaných právních základů, z nichž pro podnikatele a marketéry jsou nejdůležitější tyto dva:

• Souhlas
• Oprávněný zájem

Doporučeným řešením je získání souhlasu, protože lze předem zaručit, že dojde ke splnění všech podmínek podle GDPR. Nicméně, zasílat obchodní sdělení lze i na základě oprávněného zájmu, což podle GDPR znamená, že je zasílání možné, pokud nabízíme vlastní výrobky nebo služby. Tím tedy odpadá často diskutovaná povinnost zpětného získávání souhlasů se zasíláním.

I když se zdá, že 25.5.2018 je stále ještě daleko, doporučujeme se začít připravovat na příchod GDPR s předstihem. Pro někoho to může být otázka pouze několika málo hodin, ale zároveň se pro jisté organizace může jednat o projekt, jehož zpracování zabere měsíce.

Pro ulehčení budoucího přechodu na GDPR tedy může posloužit následující checklist:

• Zjistěte, jakým způsobem a kde jsou data ukládána a jakým způsobem jsou zabezpečena.
• Pokud možno zjistěte, kdo všechno má k datům přístup.
• Dohledejte, jakým způsobem k získání dat došlo.
• Dohledejte, zda máte k jednotlivým osobním údajům souhlas se zpracováním.

Tyto body by měly spadat do povinností DPO, nicméně není na škodu si je zkusit vyjasnit vlastním úsilím a zmapovat tak alespoň částečně současnou situaci.

Jelikož již několikrát bylo zmíněno získávání souhlasů se zpracováním, pokusím se nastínit, jak by měla vypadat jeho správná podoba.

• Souhlas musí být udělen jasnou a především aktivní akcí – Mimo hru je tedy jakékoliv předzaškrtávání polí.
• Aktivní akcí se rozumí využití principu Double opt-in, kdy zákazník na webu odsouhlasí zpracování svých osobních údajů, při čemž je mu následně zaslán na email potvrzovací link. Kliknutím na tento link dojde k vědomému potvrzení souhlasu spolu s ověřením, že se skutečně jedné o emailovou adresu dané osoby, čímž se minimalizuje riziko toho, že by docházelo ke zneužívání údajů cizí osobou.
• Dále nesmí nastat tzv. „take it or leave it“ situace, kdy by při odmítnutí zpracování údajů byl zákazníkovi odmítnut nárok na službu či produkt.
• Souhlas musí být veden odděleně, v žádném případě nesmí být skryt v obecných obchodních podmínkách atd.
• Souhlas musí být informovaný – zákazník musí vědět, za jakým účelem ke zpracování osobních údajů dochází spolu s tím, komu budou tyto údaje sloužit.
• Vždy přítomný by měl být také link na privacy policy – Privacy policy by měly obsahovat informace ohledně toho, jakým způsobem budou využívány cookies (Prokliknutím z mailu vzniká provázanost s cookies).
• Patičky emailů by měly obsahovat kontakt spolu s dalšími informacemi o společnosti a to i na úkor celkového vzhledu emailu.

Závěrem je třeba dodat pravděpodobně jeden z nejdůležitějších bodů GDPR a tím je, že data nikdy nesmí být použita za jiným účelem, než za kterým byla sesbírána.

Pokud se chcete dozvědět o GDPR doporučuji si přečíst například článek 46 otázek a odpovědí ke GDPR a také sledovat blog Mgr. Evy Škorničkové GDPR prakticky.

Článek GDPR a základní checklist pro váš business se nejdříve objevil na UNIKUM.