Asystenci AI (potocznie określani jako chatboty/ chaty AI) weszli niemalże szturmem do wielu dziedzin życia prywatnego i zawodowego Polaków. Poczynając od planowania zakupów, pytania o zdrowie, wkraczając w zarządzanie czasem, analizy danych, wizualizacje metryk, pisanie skryptów i regexów. Sama korzystam z chatbotów każdego dnia. Na przykładzie grupowania treści w Google Analytics 4 podzielę się moimi dobrymi praktykami i spostrzeżeniami w zakresie wykorzystania szeroko pojętego AI w analityce internetowej.
Chatbot i idea grupowania treści
W chacie GPT umieściłam raport ze stronami w mojej firmowej witrynie. Miały stanowić punkt wyjścia do stworzenia grupowania treści w Google Analytics 4. Łącząc wiele adresów w spójne kategorie, zyskalibyśmy pełniejsze zrozumienie zachowań użytkowników na stronie oraz usprawnili proces optymalizacji treści witryny.
Zadanie chatbota polegało na zidentyfikowaniu wzorców w adresach stron i podziale na kategorie. Raport zawierał nie tylko same url-e, ale także powiązane z nimi dane.
Prompt:
“Podziel strony mojej witryny na kategorie treści w Google Analytics 4 na podstawie ich struktury i celów. Mam dane, które obejmują ścieżki URL stron, liczbę sesji, kluczowe zdarzenia oraz średni czas zaangażowania użytkowników na każdej stronie. Chciałabym, abyś na tej podstawie stworzył kategorie”
W wyniku zapytania otrzymałam kategorii, które pasowały do mojej witryny, a jednocześnie odzwierciedlały wejścia użytkowników na strony i przechodzenie pomiędzy poszczególnymi sekcjami.
Tipy:
– dane klientów umieszczamy jedynie w wersjach chatbotów przeznaczonych do celów firmowych (np. chat gpt teams), aby zapewnić wyższy poziom prywatności i bezpieczeństwa informacji
– najlepszym, najczęściej akceptowanym przez chatboty formatem jest csv
– staramy się przygotować pliki, tak aby zawierały jednie ważne dla nas dane, np. wyeksportowany do csv raport z GA4 będzie zawierał wiersze typu: # Wyeksportowany raport w formacie CSV, # Konto: xxx, # Usługa: xxx. Te informacje są zbędne a wręcz mogą utrudnić pracę chatbotom.
Przykładowy poprawny plik:
url,pageviews,avg_time
/oferty-pracy/analityk-danych,450,120
/oferty-pracy/specjalista-seo,320,95
/blog/analityka-internetowa,780,180
Chatbot zna wyrażenia regularne
W kolejnym kroku poprosiłam chatbota o przygotowanie wyrażeń regularnych, które umożliwiłyby dodanie grupowania treści w GA4 za pośrednictwem Google Tag Managera. W szybki sposób uzyskałam podstawę do utworzenia tabeli wyrażeń regularnych.
Prompt
„Stwórz wyrażenia regularne (regex), które pozwolą na przypisanie stron mojej witryny do określonych kategorii treści w Google Tag Manager. Kategoryzacja została już przeprowadzona i obejmuje następujące grupy:
- Kariera: Strony zawierające informacje o pracy, oferty zatrudnienia i rekrutację.
- Strona główna: Strona główna witryny.
- Oferta: Strony zawierające szczegóły dotyczące usług i ofert firmy.
- Portfolio: Strony prezentujące zrealizowane projekty lub produkty.
- O nas: Strony z informacjami o firmie, zespole, misji itp.
- Blog: Strony z artykułami blogowymi.
- Inne: Wszystkie strony, które nie pasują do powyższych kategorii.
W pierwszej wersji odpowiedzi chatbot stworzył wyrażenia regularne, które zamiast grupować wszystkie adresy zawierające jakiś wspólny element, np. oferty pracy w dziale analityki, seo, itd. ograniczyły się jedynie do głównego adresu danej sekcji. Nauczona tym doświadczeniem zmodyfikowałam zapytanie, poszerzając o kryterium weryfikacji:
Prompt 2.0
„Stwórz wyrażenia regularne (regex), które pozwolą na przypisanie stron mojej witryny do określonych kategorii treści w Google Tag Manager. Kategoryzacja została już przeprowadzona i obejmuje następujące grupy:
- Kariera: Strony zawierające informacje o pracy, oferty zatrudnienia i rekrutację.
- Strona główna: Strona główna witryny.
- Oferta: Strony zawierające szczegóły dotyczące usług i ofert firmy.
- Portfolio: Strony prezentujące zrealizowane projekty lub produkty.
- O nas: Strony z informacjami o firmie, zespole, misji itp.
- Blog: Strony z artykułami blogowymi.
- Inne: Wszystkie strony, które nie pasują do powyższych kategorii.
Wygenerowane wyrażenia regularne powinny być dostosowane do ścieżek URL, które odpowiadają tym kategoriom. Upewnij się, że regexy uwzględniają różne możliwe warianty ścieżek i są wystarczająco elastyczne, aby uchwycić wszystkie strony, które pasują do danej kategorii.
W wyniku chciałbym otrzymać listę regexów, gotowych do zastosowania w GTM, z krótkim opisem, jak działa każdy regex i dla jakiej kategorii jest przeznaczony.”
Tipy:
– oczekiwania powinny być dobrze sprecyzowane.
– testuj, testuj, testuj. Warto poprosić chatbota o weryfikację czy podane przez nas wcześniej adresy pasują do wzorców. Dobrym posunięciem będzie także prośba o przypisanie hipotetycznych, przyszłych adresów do kategorii w oparciu o przyjęte reguły.
Chatbot – jasnowidz
Wypróbowałam możliwości chata GPT także w zakresie praktycznej analizy danych. Pierwsze zdanie polegało na wyestymowaniu istotnych z punktu widzenia naszej strony firmowej metryk.
Prompt
„Na podstawie danych o odsłonach z ostatnich 6 miesięcy, przeanalizuj trendy dla każdej grupy treści. Użyj prostego modelu predykcyjnego (możesz użyć Prophet) i pokaż przewidywane wartości na następne 3 miesiące.”
Poprosiłam chatbota o estymacje dla okresu, z którego już dysponowałam statystykami, więc byłam w stanie ocenić w jakim stopniu wyliczone metryki odbiegają od rzeczywistości. Taka walidacja historyczna wykazała, że zastosowany model odbiegał o ok. 12% od danych z konta.
Tipy:
– jeżeli zależy Ci na konkretnym modelu / podejściu do estymacji musisz je doprecyzować
– nie podawaj od razu wszystkich metryk, które chcesz wyestymować. Nadmiar danych połączony z zastosowaniem kilku metod prognozowania może w skrajnych przypadkach doprowadzić do zawieszenia chatu
Chatbot przed zarządem
Ostatnie zadanie chatbota polegało na utworzeniu wykresów ze zmieniającymi się w czasie metrykami z podziałem na kategorie.
Prompt
„Przygotuj zestaw wykresów słupkowych dla danych dotyczących średniego czasu zaangażowania użytkowników w poszczególnych kategoriach (Kariera, Oferta, Blog, Portfolio, O nas) na podstawie raportu zawierającego miesięczne dane (maj, czerwiec, lipiec, sierpień 2024).
Każdy wykres powinien spełniać następujące kryteria:
– Jedna kategoria na wykres: Każdy wykres przedstawia dane tylko dla jednej kategorii.
– Wskaźnik: Oś Y przedstawia średni czas zaangażowania użytkownika w sekundach.
– Okres: Oś X powinna przedstawiać kolejne miesiące (maj, czerwiec, lipiec, sierpień).
– Porządek: Słupki są ułożone chronologicznie (maj -> sierpień).
Wygląd: Wykresy powinny być estetyczne, czytelne i wyróżniać się opisanymi osiami oraz tytułami. Każdy wykres powinien zawierać legendę z nazwą wskaźnika.
Dane: Użyj średnich wartości wskaźnika dla każdej kategorii w danym miesiącu.
Dodatkowo:
– Zastosuj spójny styl wykresów.
– Jeśli to możliwe, dodaj linię trendu dla każdej kategorii, aby pokazać dynamikę zmian.
Po zakończeniu generacji wykresów, przedstaw je w osobnych grafikach lub w formie raportu wizualnego.”
Dojście do wersji wykresu, która byłaby czytelna dla „zwykłego człowieka” zajęło mnie i chatowi trochę czasu. Początkowo tworzył wizualizacje, które przypominały pajęczyny, a w konsekwencji były bezużyteczne. Przetoczony prompt jest wersją uwzględniającą całą ścieżkę prowadzącą do uzyskania dobrego wykresu.
Tipy:
– określ dokładnie: metryki, zakres wykresu, sposób wizualizacji, kryteria.
Na koniec
Chatboty mogą znacznie usprawnić pracę w obszarze analityki internetowej, w tym z Google Analytics 4, poprzez automatyzację powtarzalnych zadań i dostarczanie szybkich analiz.
Wszystkie zadania, które wykonał chat GPT były oczywiście możliwe bez jego wsparcia. Jednak wymagałyby większej ilości czasu a w niektórych przypadkach wiedzy (np. modele prognozowania).
Użyteczność chatbotów zależy od odpowiedniego przygotowania danych, precyzji zapytań i walidacji wyników. To narzędzia, które wspierają specjalistów, ale nie zastąpią ich wiedzy i doświadczenia.
