Slatka empirija

Neuralabov eksperiment: Može li se ‘Google Analytics’ prenijeti u fizičke prodavaonice?

Sviđa vam se članak?

Preporučite ga prijateljima i kolegama putem društvenih mreža!

Uz koncept velikih podataka se veže jedna specifična te vrlo opipljiva tema naziva “web analitike”. Upravo ta tema doživljava malu renesansu potpunog praćenja navika potrošača i ‘seciranja’ digitalnih košarica. Zbog toga smo razloga napravili eksperiment na nedavno održanoj konferenciji OMGcommerce.

Konverzije su se mjerile na bananku i torticama.

Konverzije su se mjerile na Bananku i Torticama (slike: Luka Travaš)

S digitalijom je relativno lako budući da se cijeli proces praćenja korisnika i njegove interakcije događa na razini miša, prsta i ekrana. Nas je u Neuralab timu zainteresirala mogućnost analiziranja fizičkih lokacija poput shopping centara ili dućana, kraljevstva potrošnje gdje jedinice i nule nisu jedini faktor.  Što kada bismo mogli analizirati prave šetače i “gledatelje” proizvoda kao što gledamo Unique Visitors i “bouncere”?

Jednostavna ideja, komplicirana provedba

Ideja je bila jednostavna. Zabilježiti virtualni pageview event u Googleovim analitikama svaki put kada se korisnik prošeta dućanom. S time bi mogli usporediti konverzije, prodaju i ciljeve te analizirati omjere posjeta i uspješnosti prodaje. Implementacija, s druge strane, i nije ispala trivijalna.

Nakon istraživanja opcija koje nose moderne Internet of Things napravice naišli smo na interesantna rješenja. Arduino i njegovi senzori otvaraju široke mogućnosti za analiziranje svih vrsta događaja. Tako možemo pratiti prekid laserske linije (prolaz korisnika), ultrazvučni spektar, poziciju sklopke (ulazna vrata) ili pak moćni PIR senzor koji se uobičajeno koristi za slične situacije. No iako je Arduino prvo logično rješenje, htjeli smo isprobati nešto još jednostavnije i pristupačnije.

Gotovo rješenje smo našli u relativno novom programskom paketu za praćenje i detekciju pokreta naziva Sighthound. Program se spaja na web ili neku drugu IP/USB kameru, a pri detekciji pokreta može “okinuti” event prema vanjskim online servisima (IFTTT) ili pokrenuti naredbu iz komandne linije.

Konačni recept

Kada se hardver spoji sa serverskim Google analitikama (Measurement Protocol API), recept poprima svoj konačni izgled:

  1. Sighthound programski paket detektira osobu unutar vidnog polja kamere.
  2. Program pri detekciji šalje signal postavljenom If-This-Then-That (IFTTT) kanalu.
  3. IFTTT šalje informaciju Googleovim analitikama (pomoću server-side Measurement protocol GA naredbe). Ovaj korak je zapravo hack s obzirom na to da IFTTT nativno ne podržava URL request pa moramo koristiti Dropbox file upload akciju.
  4. Googleove analitike zaprimaju poziv od IFTTT kanala te spremaju događaj kao i bilo koji drugi web događaj (event).
  5. Važno: koristimo nativni događaj iz Google Analitika pa vrijede sva pravila, dimenzije, filteri, profili i real-time pregledi kao da se koristimo i “običnim” analitikama.

Bananko protiv tortice

Recept smo negdje morali isprobati, a ima li boljeg mjesta za analitike i eCommerce od OMGCommerce konferencije!?

Kako izgledaju analitike za web trgovine u stvarnom vremenu i stvarnom prostoru?

Kako izgledaju analitike za web trgovine u stvarnom vremenu i stvarnom prostoru?

Postavili smo mali dućan s dva proizvoda, Torticom i Banankom (hvala Netokracija i Kraš!). Htjeli smo vidjeti koji od tih proizvoda ima bolju “prođu” kod OMG publike. Kamera iz gornjeg recepta pratila je posjetitelje čim bi se netko približio proizvodima i zabilježila pogled znatiželjnika kao virtualni pageview. Sighthound ima opsežne mogućnosti podešavanja no s obzirom na brojke koji smo dobili, recept je skuhao doista realne brojke. Na konferenciji je bilo oko 400 posjetitelja, a naš dućan je zabilježio 1633 “pogleda”. U prosjeku je svaka osoba bacila 4 puta oko na Bananko… ili možda Torticu?!

Rezultat?

Borba slatkih titana trajala je cijelo konferencijsko jutro, a kulminacija se dogodila, naravno, nakon ručka kada je Tortica “ogulila” Bananka s četiri kupnje više. Kako bi rekli analitičari… Tortica ima bolju konverziju s 51% VS 49%. :)

Recept se na ovakav način može koristiti pri grubim analizama posjete dućana te vam može omogućiti da pratite prave potencijalne kupce. Daljnju nadogradnju vidimo u smjeru spajanja više kategoriziranih kamera i povezivanja slike korisnika s unique visitorom. S time biste, na primjer, mogli vidjeti obilazi li se više sekcija mesnih ili ribljih proizvoda. :)

Korisno ili ne!? Javite nam se kroz komentare ako ste pronašli neku kreativniju primjenu ili ako imate pitanja oko implementacije!