Power BI x Google Analytics: simpel verbinden?

Google Analytics is een webanalysedienst van Google die websiteverkeer bijhoudt en rapporteert. Het is veruit de meest populaire tool binnen marketingteams om inkijk te krijgen in hun websitedata en hun online gebruikers. Google Analytics is geweldig en ook wij gebruiken het wekelijks om aanpassingen aan onze website aan te brengen. Maar er is een manier om nog véél meer uit je websitedata te halen. Je kan de Google Analytics inzichten namelijk in relatie brengen met andere bedrijfsdata. Hoe dan? Wel dat kan eenvoudig met Power BI!

Multi-channel marketing

Een bezoek naar je website is vaak een belangrijke stap voor een (toekomstige) klant. Daar geef je namelijk meer informatie over je onderneming alsook over de diensten en producten die je aanbiedt. Vele wegen leiden tot je website. Google, Instagram, Facebook advertenties, nieuwsbrief... Een goed marketingteam zal steeds gebruik maken van meerdere kanalen om nieuwe leads naar je website te lokken. Dit is wat men een "multi-channel approach" noemen.

Google Analytics kan soms overweldigend aanvoelen, het slaat 100'den datapunten op.

Jules Vandierendonck - Power Partners

Wanneer deze bezoekers op je website belanden, wordt allerlei data geregistreerd. Source, sessies, bounce, duur, taal, locatie, geslacht leeftijd, duurtijd, gedrag, toestel, IP en nog honderden andere datapunten.

Een frustratie die vaak voorkomt bij het gebruiken van Google Analytics is de overload aan informatie. Maar hoe ga je dan op zoek naar de data die je nodig hebt? Weet je überhaupt zelf waar je naartoe op zoek bent? Multi-channel approach, remember? Je marketingteam maakt dus gebruik van meerdere kanalen om leads naar je website te lokken? Interessant! Nou, welk kanaal werkt het best? Dat is een goed uitgangspunt, laat ons hiermee onze analyse beginnen.

Power BI Connector

We willen data van onze websitebezoekers (Google Analytics) in relatie brengen met onze Google, Facebook en Instagram campagnes. In de toekomst misschien ook nog met data uit TikTok, Mailchimp, Hubspot, Salesforce...maar vandaag starten we met deze drie. Daar gaat namelijk elke maand behoorlijk wat advertentiebudget naartoe. Het wordt dus maar eens tijd om deze in detail te gaan vergelijken. Oke, mooi! Maar daar hebben we natuurlijk eerst data voor nodig.

Een verbinding tussen Google Analytics en Google Ads is eenvoudig, beide zijn onderdeel van hetzelfde platform. Je kan een connectie opzetten in Google Analytics en daar de data van je Google Ads campagnes gaan vergelijken. Oke, mooi, dan hebben we dat al.

Maar de volgende stap is wat moeilijker, hoe kunnen we de data van Facebook en Instagram ook gaan vergelijken in Google Analytics (GA)? Hier is namelijk geen integratie voor. We zullen dus een andere oplossing moeten vinden. Excel dan maar? Elke maand een paar uur werken aan een spreadsheet om deze dan weken na de campagnes te presenteren in een meeting waar enkel slaperige collega's zitten?

Nee dat is verleden tijd!

Maar hoe evalueer je dan al deze inspanning?

Simpel! Met een Power BI marketing dashboard natuurlijk.

Maar hoe begin ik hier aan?

Je kan maar beter goed beginnen en je analyse meteen opzetten in Power BI. Ook als je vandaag enkel GA data wil analyseren, start je beter direct in Power BI. Je kan later dan altijd data uit andere systemen toevoegen aan je datamodel. Je kan je dashboard en datamodel namelijk steeds opslaan en verder ontwikkelen.

Heb je Power BI desktop nog niet geïnstalleerd? Het is volledig gratis!

Je data uit GA halen en eenvoudig in Power BI trekken? Dat doe je met de gratis connector, zie deze video.

Is je droom dashboard al gebouwd? Nee? Wel dan kan dit voorbeeld je misschien helpen inspiratie op te doen.

Een voorbeeld

Je bent een marketingmanager van een B2C onderneming. Samen met je team sta je in om online zoveel mogelijk mensen in aanraking te brengen met jullie producten. Een deel van je taken bestaat eruit om 1 keer per week een Facebook en Instagram campagne te lanceren. Je merkt dat bepaalde campagnes betere scoren dan anderen, "je voelt het gewoon".

Nochtans gebruik je steeds wisselende budgetten voor de campagnes. Ook de prijzen van de producten die jullie aan de man brengen variëren tussen 50 en 1750 €. Toch wil je als team een duidelijke afweging tussen de kanalen, campagnes en producten. Het liefst wil je een dashboard waar elk teamlid de nodige informatie eenvoudig kan terugvinden.

Maar er is meer

Wat met producten waarvoor er doorheen het jaar meerdere campagnes werden opgezet?

Hoe evalueren we de campagnes indien ze verschillende doelgroepen hebben?

Je merkt het, we zitten met vele variabelen voor de campagnes:

• kanaal
• product
• doelgroep
• regio
• tijdstip van de campagne
• budget
• ...

We hebben een eenvoudige KPI nodig!

Voor B2B ondernemingen zonder webshop

Return van de ingezette middelen = Campagne budget / bezoekers naar website (GA)

Gezien we geen webshop hebben zal dit eerder een indirecte indicatie van de verkopen zijn. De resultaten van de KPI zou dan als volgt kunnen uitzien.

• Facebook: € 25 per 100 clicks naar website
• Instagram: € 18 per 100 clicks naar website

De evolutie van deze KPI's zou je dan kunnen vergelijken doorheen de tijd. Maar er is meer, je zou kunnen gaan filteren per:

• product (of productgroep)
• doelgroep
• weekdag/weekend
• regio

-> Uit ons dashboard blijkt nu dat we de verkoop van wasmachines kunnen optimaliseren door meer in te zetten op Facebook campagnes en dit best tussen 9-12u op een weekdag.

-> Ook bleek dat de verkoop van premium laptops toeneemt wanneer we Instagram campagnes plannen tussen 18-22u in stedelijke regio's.

Voor B2C ondernemingen met webshop

Volgende stap zou zijn om conversies op te zetten in Google Analytics. Telkens wanneer er een aankoop is op je website, komt de conversie en het bedrag van de aankoop door in GA.

Return van de ingezette middelen = Campagne budget / aankoop op website (conversie in Google Analytics)

• Facebook: € 1 aan advertenties levert € 1.35 verkopen
• Instagram: € 1 aan advertenties lever € 1.75 verkopen

Indien we in de campagne een referentie zetten naar het type product, dan kunnen we al deze KPI’s per product gaan onderzoeken. Maar we kunnen de KPI ook gaan filteren per:

• regio
• leeftijd
• geslacht
• ...

-> Uit ons dashboard blijkt nu dat we de advertenties voor koptelefoons moeten terugschroeven op Facebook en dit budget moeten gebruiken voor Instagram advertenties voor adolescenten in de regio Brussel. De KPI voor dit product in deze regio bedraagt namelijk 1.9

Voor elke euro in advertenties, ontvang je € 1.9 aan nieuwe verkopen! Een geldmachine?!