Op donderdag 30 maart gaven we de webinar: het pad richting data maturity. Daarin werden de data-issues gekaderd waarmee we geconfronteerd worden en welke oplossingen en alternatieven er bestaan om de uitdagingen te tackelen.

Ter vervollediging van het webinar kan je hier de gegeven presentatie herbekijken. Daarnaast ook nog twee handige documenten, die aan bod kwamen tijdens het webinar:

Tijdens het webinar werden er een aantal vragen gesteld. De antwoorden daarop vind je in deze blog.

Hoe zal de “cookieless world” impact hebben op de remarketingmogelijkheden?

Er zal wel wat veranderen! Met de uitfasering van de third party cookie verwachten we momenteel dat technologieën zoals dynamic remarketing en targeting op basis van affinity en in-market niet meer mogelijk zullen zijn. De silver lining is dat je concurrenten hetzelfde lot te wachten staat. 

Remarketing in zijn geheel zal wel nog mogelijk zijn op basis van eigen (first party) data. Wanneer je een lijst van 1000+ werkende mailadressen hebt kan je deze gebruiken om communicatie aan te sturen in remarketingcampagnes.

Het wordt dus nog maar eens bevestigd hier: we worden meer en meer afhankelijk van onze eigen first party data om aan (re)marketing te doen.

Welke impact denk je dat AI (als ChatGPT) zal hebben op de analyse van marketingdata? Ben je hier al mee bezig om de kwaliteit van rapporten te optimaliseren?

Google Analytics maakt al gebruik van machine learning om het gedrag van mensen die analytics cookies weigeren, te modelleren op basis van historische data van vergelijkbare gebruikers die wél cookies accepteren. Op die manier wordt de “verloren” data aangevuld terwijl de cookie-voorkeuren van gebruikers worden gerespecteerd. Opgelet: dit geldt enkel voor properties die gebruik maken van Google Consent Mode. 

Bovendien maakt Google gebruik van predictive modelling: door AI te gebruiken gaat Google Analytics op basis van historische data afwijkingen detecteren in statistieken in de loop van een specifieke periode. Vallen er gegevens buiten een ‘normaal’ interval, dan wordt dit aangegeven in de GA4 interface.

Andere AI toepassingen – zoals ChatGPT – kunnen gebruikt worden om extra inzichten te genereren in bestaande data. Zo kan je ChatGPT vragen aan de hand van prompts om specifieke data te analyseren en er conclusies uit te trekken. 

Hoeveel procent van campaign traffic is nog meetbaar met een analytics tool in de huidige cookie/privacy context (browsers/iOS), volgens jullie schattingen?

Ten opzichte van een periode voor de GDPR waar we, laat ons eerlijk zijn, in het Wilde Westen van de data-tracking leefden, schatten we een daling in van 10%-40%, afhankelijk van de klant en de sector. Sommige analytics tools doen al goed hun best om aan de hand van AI en data-modelling een schatting te maken van het totaalplaatje. Maar dankzij de cookievoorkeuren, aanpassingen aan de kant van de browsers en adblockers mag je er zeker van zijn dat je momenteel nooit nog 100% van je gegevens zal meten. Een mogelijke oplossing hier is om te gaan kijken wat er aan de serverkant allemaal opgevraagd wordt. De server is jouw eigendom (= eigen data) dus hier worden geen beperkingen opgelegd.

Wat is jullie persoonlijke favoriete tool en waarom?

Zelf hebben we geen favoriete analytics tool. Een analytics platform, of het nu Piano, Piwik Pro, GA4 of een andere tool is, wij werken met de tool die onze klant verkiest. Is een klant op zoek naar een nieuwe tool om over te schakelen, dan is het onze taak om daar onderzoek over uit te voeren in functie van de vereisten. Wij maken een shortlist met pro’s en cons en nemen een adviserend standpunt in, maar de keuze ligt altijd bij het bedrijf zelf. 

Adviseren jullie het opzetten van custom rapportages in GA4 of gaan jullie via Piano, Piwik of een andere oplossing zoals PowerBI?

Custom rapportages in GA4/Piwik Pro/Piano kunnen aanvullende inzichten geven in je bezoekersgedrag op jouw website indien de basisrapporten in de interface tekortschieten. Of je er nu voor kiest om custom rapporten aan te maken in de analytics interface, of eerder meteen wilt visualiseren in een PowerBI of Looker Studio rapport: dat maakt weinig uit. 

Ga je je data visualiseren in een dashboard in zo’n datavisualisatie tool dan kan je je custom rapport even goed meteen in je dashboard stoppen naast je andere visualisaties uit eventuele andere bronnen. Op die manier heb je meteen een overzicht van al je rapportages.   

Hebben jullie ervaring met Matomo?

Een aantal van de OMcollective klanten werkt met deze tool. Matomo is een analytics tool die ontstaan is uit 1 bedrijf, Piwik. Wegens een meningsverschil in open of closed-source zijn ze elk hun eigen weg ingeslagen. Piwik Pro bleef closed-source terwijl Matomo open-source wilde zijn. De basis van beide tools blijft gelijk: ze bieden beide een analytics platform aan dat inzichten geeft in bezoekersgedrag op jouw website. Ze hebben beide bovendien een eigen tag management tool die toelaat dat wat een gebruiker op jouw website doet, gemeten en doorgestuurd wordt naar het analytics platform. Opnieuw is Matomo louter een oplossing voor een probleem. 

Durven jullie de Google tools volledig opzij schuiven en overschakelen naar bijvoorbeeld een PiwikPro? 2 tools onderhouden lijkt een hele uitdaging…

Als bedrijf kan je ervoor kiezen om meerdere analytics tools naast elkaar te laten lopen. Zo hebben een aantal van onze klanten zo’n duale setup. Het vergt natuurlijk een extra inspanning om twee volledige setups te doen. Dat is op zich niet nodig, maar het kan een mogelijkheid zijn om na te gaan of er geen al te grote discrepanties zijn in je dataverzameling. 

Welke tool je daarvoor kiest maakt weinig uit: een niet-Google tool kan op zich evenveel als een Google-tool. Zo zijn er klanten die hun website laten draaien op een Matomo analytics of een Piwik Pro of een Piano Analytics zonder daarnaast ook een Google product te laten lopen. Hier haal je dezelfde informatie uit, maar telkens van een andere aanbieder. 

Hits = unieke webbezoekers?

Een hit is ruimer dan enkel een websitebezoeker: het is elke interactie die de gebruiker onderneemt op jouw website. Dit kan een paginaweergave zijn, een klik op een link of eender welke andere gebeurtenis op de website. In Universal Analytics kan je het maandelijks aantal hits zien in ‘beheer’ > property-instellingen, onderaan de pagina onder ‘aantal hits voor property’: 

Een idee van de pricing grootorde bij Piano?

De prijs bij Piano is variabel. Het hangt grotendeels af van het aantal modules dat je graag wilt koppelen. Hoe meer modules en hoe groter je website, hoe duurder deze tool zal worden.  De DMP-module (data management platform = de crm module) zou ongeveer $400 per maand kosten.

Ervaring met tools zoals Simple Analytics of Plausible?

Simple Analytics en Plausible zijn opnieuw analytics platformen die dezelfde mogelijkheden bieden zoals andere analytics platformen die we hebben behandeld tijdens de webinar. Ze geven inzichten in het gedrag van bezoekers die op jouw website komen. Net zoals een Piwik Pro zijn ze in de EU gebaseerd en spelen hun GDPR-compliance uit als competitief voordeel.

Is Piwik PRO te connecteren met Looker Studio?

Ja, Piwik PRO heeft een connector die je toelaat om rechtstreeks je gegevens te visualiseren in Looker Studio.

Is Looker Studio GDPR proof?

Ja, het is veilig om Looker te gebruiken ifv GDPR. Looker studio is een tool die aan datavisualisatie doet met (een combinatie van) verschillende bronnen zoals Facebook/Google ads/ GA4. Het geeft enkel weer welke data je aanlevert en zorgt ervoor dat deze bronnen niet met derden worden gecommuniceerd. PowerBI, Tableau en dergelijke werken op exact dezelfde manier.

En indien je overschakelt naar BigQuery, visualiseer je dan beter je rapporten in Looker Studio of toch naar een BI en koppelen naar CRM?

BigQuery is louter een warenhuis om je gegevens in te bewaren. Je kan er je gegevens van Analytics aan linken, en ook je CRM-data en dergelijke. Het idee is hier om uit deze gecombineerde dataset meer inzichten te gaan halen dan uit elk van de aparte bronnen.

Eigenlijk is BigQuery een tussenstap om de data te visualiseren: je voegt een bron toe, maakt deze schoon indien nodig (bijvoorbeeld spaties worden in URL’s omgezet naar tekens zoals ‘%20’). 

Om het eenvoudig voor te stellen: je gaat uit een grote doos Lego enkel die stukjes selecteren die je nodig hebt om een specifiek bouwwerk (=je rapport) te gaan maken. Wanneer je het geheel zou koppelen heeft de tool een pak meer data om te verwerken en dus meer tijd nodig → vandaar de soms langere laadtijden in je rapporten.

Dus de koppeling, opschoning en selectie doe je best in BigQuery. Welke tool er daarna in de picture komt maakt eerlijk gezegd niet uit, aangezien die tool enkel de data visualiseert. Het komt erop neer met welke tool je het makkelijkst overweg kan als bedrijf of als individu.

Hoe bepalen jullie welke identiteit voor rapportage jullie gebruiken in GA4? Als in, wanneer best Google Signals inschakelen, wanneer niet? Zijn daar verschillen in?

In Google Signals worden een aantal zaken bijgehouden van gebruikers, zoals leeftijd, geslacht, interesses. Maar ook locatiegeschiedenis en welke merken iemand online bezoekt. 

Als adverteerder doe je er je voordeel mee om op basis van de Google Signals de interesses en merkvoorkeur te achterhalen van je doelpubliek. Dus we raden aan om zo veel mogelijk gebruik te maken van deze functionaliteit.

Op basis van deze info kunnen we gebruik maken van similar audiences, affinity audiences, in-market audiences, enzovoort. Dus vanuit de adverteerderspositie kan je hier wel één en ander mee.
De activatie van Google Signals stel je trouwens in binnen GA4 onder Admin>Gegevensinstellingen>Gegevensverzameling.

Moest je zelf redenen hebben om hier geen gebruik van te maken, kan je ze steeds uitschakelen, maar weet dat deze functionaliteit wel strookt met de GDPR-regels, want het is niet mogelijk om op basis van de verzamelde data een individuele gebruiker te gaan identificeren. Het dient enkel om geanonimiseerde inzichten uit te halen waar wij vervolgens als marketeer mee aan de slag kunnen.

Je kan trouwens zelf eens een kijkje nemen hoe jouw persoonlijke Google Signals er uitzien door te surfen naar deze twee linkjes:

Heeft het opzetten/omzetten van Analytics tools nog zin, als dit volgend jaar (2024) niet meer werkt, door het stopzetten van third party cookies? Of gaan die tools switchen naar cookieless (server-side tracking?)

Zeker en vast! De meeste tracking tools leunen op first party cookies, om een onderscheid te kunnen maken tussen nieuwe en terugkerende bezoekers met hun bijhorende sessies. Los van deze first party cookies werken analytics tools (zoals GA4, Matomo, Piwik, …)  NIET met cookies om gegevens door te sturen. Er zullen dus zeker nog gegevens kunnen opgevangen worden waaruit je nuttige inzichten kan halen.

Los van de uitfasering van third party cookies zijn er ook adblockers en andere zaken die ervoor zorgen dat de gegevens niet voor 100% gemeten worden. Om ervoor te zorgen dat je hier wel het hele overzicht blijft behouden, raden we aan om na te denken over server-side tracking zodat er geen afbreuk wordt gedaan aan de kwaliteit van je data.