A Métricas Boss é uma agência de Web Analytics e usabilidade. Conte com uma empresa certificada Google Analytics para sua gestão de web analytics.

Métricas Boss - Agência de Web Analytics! 

thumbnail_BANNER_PNG.png

BANNER_PNG.png

favicon.png

Fala aí analítica e analítico de plantão, belezinha?
 

Quando trabalhamos com o Google Analytics, é muito comum termos que conceder o acesso a nossa conta a alguns fornecedores e parceiros (ex.: agências de publicidade, agência de desenvolvimento, parceiros B2B etc.).

Esse processo é bem simples, como vamos mostrar no passo-a-passo ao longo desse tempo. No entanto, além das instruções, também queremos chamar atenção para alguns detalhes importantes de serem avaliados nessas horas.



1º Passo: Abra o seu GA e vá em **administrador no canto esquerdo**
![Design sem nome (4).png](https://imagens.metricasboss.com.br/Design_sem_nome_4_03a214c60a.png)



2º Passo: No canto esquerdo, vá em **conta** e em seguida em **gerenciamento de acesso**
![Design sem nome (5).png](https://imagens.metricasboss.com.br/Design_sem_nome_5_a4aeb21ba7.png)

3º Passo: Você vai ver essa tela, vá em **+** no canto direito da tela 
![Captura de tela 2024-04-01 170820.png](https://imagens.metricasboss.com.br/Captura_de_tela_2024_04_01_170820_2d6ce34365.png)


4º Passo: Você irá ver essa tela, aonde irá adicionar o e-mail do usuário. É muito importante que seja uma conta Google. Pode ser Gmail ou um e-mail corporativo gerenciado pelo Google Workspace.
![imagem 04 sem seta.png](https://imagens.metricasboss.com.br/imagem_04_sem_seta_d070a16b70.png)


 5º Passo: você irá definir as permissões do novo usuário.

![imagem 05 sem seta.png](https://imagens.metricasboss.com.br/imagem_05_sem_seta_7aa734cb36.png)


Confira quais são essas funções e o que cada uma delas representa: 

**Administrador**
Controle total do Google Analytics. Pode gerenciar usuários
(adicionar/excluir usuários, atribuir qualquer função ou restrição de dados)

**Editor**
Controle das configurações no nível da propriedade. Não tem permissão para gerenciar usuários.

**Profissional de marketing**
Pode criar, editar e excluir públicos-alvo, conversões, modelos de atribuição, eventos e janelas de conversão.

**Analista**
Pode criar, editar e excluir determinados recursos de propriedade. Pode colaborar em recursos compartilhados.

**Leitor**
Pode conferir configurações e dados, mudar os dados que aparecem nos relatórios (por exemplo, adicionar comparações e uma dimensão secundária), acessar os recursos compartilhados pela interface do usuário ou pelas APIS.

**Nenhum**
O usuário não tem função para este recurso, mas pode ter em outro.


Em seguida é só salvar e já está inserido o novo usuário do seu GA4.

Para desvendar ainda mais sobre o Google Analytics 4, que tal garantir a sua vaga no Métricas Boss Prime? Conteúdos incríveis e professores excepcionais.

Como dar acesso no Google Analytics 4 
Confira aqui um passo a passo e detalhes importantes a serem avaliados nessa hora. 

large_Design_sem_nome_5.jpg

medium_Design_sem_nome_5.jpg

small_Design_sem_nome_5.jpg

thumbnail_Design_sem_nome_5.jpg

Design_sem_nome_5.jpg

Como dar acesso no Google Analytics 4

Esse mês, os usuários do Google Analytic receberam o seguinte aviso por email:

 

![mudancas de permissao no google analytics01png.jpg](https://imagens.metricasboss.com.br/mudancas_de_permissao_no_google_analytics01png_3febb0735f.jpg)



 


Nesse post, vamos explicar o que isso realmente significa e porque você não precisa se preocupar com isso.

[Para saber mais sobre o níveis de permissão do usuário, confira esse post](https://metricasboss.com.br/artigos/como-dar-acesso-no-google-analytics)

 

Em ambas as versões do Analytics, você pode gerenciar o acesso atribuindo funções. 


<li> Permissões efetivas são as funções e restrições de dados que um membro é atribuído por meio de outros recursos (como a organização, um grupo de usuários ou uma conta que inclui a propriedade atual) mais todas as permissões diretas atribuídas explicitamente para o recurso atual.
</li>

 

<li> Permissões diretas são restrições de função e dados que um membro é atribuído explicitamente para o recurso atual (por exemplo, organização, conta, propriedade).</li>

 

### Quatro funções e duas restrições de dados estão disponíveis:

 

1️⃣Administrador

2️⃣Editor

3️⃣Analista

4️⃣Viewer


 

Para saber mais sobre o níveis de permissão do usuário, confira [esse post](https://metricasboss.com.br/artigos/como-dar-acesso-no-google-analytics)

 

#### E como vão funcionar às datas restrictions?

 

🔸 No Cost Metrics / Sem métricas de custo

 🠒Não é possível ver as métricas relacionadas ao custo.

🠒 As métricas de custo não estão disponíveis em relatórios, explorações, públicos, insights e alertas. 

 

🔸 Sem métricas de receita

🠒Não é possível ver métricas relacionadas à receita.

🠒As métricas de receita não estão disponíveis em relatórios, explorações, públicos, insights e alertas.

 

🔸 Métricas de custo e receita

As funções principais são herdadas por padrão (por exemplo, conta> propriedade). Por exemplo, quando você atribui a um usuário uma função no nível da conta, esse usuário passa a ter a mesma função para todas as propriedades dessa conta.

As permissões efetivas de um usuário equivalem à função mais permissiva para esse recurso.

Por exemplo, se um usuário tiver a função Editor para a conta, esse usuário terá a função Editor para todas as propriedades dessa conta, independentemente de o usuário também receber uma função menos permissiva para uma das propriedades.

 

Além disso, se um usuário for atribuído a uma função mais permissiva para uma propriedade do que o usuário tem no nível da conta, então essa função mais permissiva se aplica a essa propriedade.

Você pode adicionar restrições de dados como permissões diretas, mas não pode removê-las se estiverem em vigor como permissões herdadas. Por exemplo, se um usuário não tiver métricas de custo no nível da conta, esse usuário não poderá ver as métricas de custo de nenhuma propriedade da conta. Você pode, no entanto, adicionar a restrição "Sem métricas de receita" para uma ou mais propriedades na conta.


 

### Como as restrições de dados afetam outros recursos do Analytics

 

🔹 Relatórios

 

Valores de métricas restritas e valores derivados de métricas restritas não aparecem nos relatórios. Os usuários vêem 0 em vez disso.

 

As métricas restritas estão disponíveis em seletores de métricas associados aos relatórios (por exemplo, ao personalizar um relatório). Os usuários sujeitos a restrições de dados podem adicionar essas métricas, mas não podem visualizar os resultados (por exemplo, podem adicionar as métricas a relatórios personalizados, mas não podem ver os valores das métricas nesses relatórios).

 

🔹 Explorações

 

As métricas restritas não aparecem nas explorações.

 

Métricas restritas estão disponíveis em seletores de métricas associados a explorações (por exemplo, ao criar uma exploração). Os usuários sujeitos a restrições de dados podem adicionar essas métricas, mas não podem visualizar os resultados (por exemplo, podem adicionar as métricas às explorações, mas não podem ver os valores das métricas nessas explorações).

 

🔹Audiências

 

Métricas restritas estão disponíveis em seletores de métricas associados a públicos. Os usuários sujeitos a restrições de dados podem criar públicos com base em métricas restritas e editar nomes de público após a criação, mas esses usuários estão sujeitos às limitações listadas abaixo.

 

- Não é possível usar um público-alvo (por exemplo, como filtro de dimensão) que inclui métricas restritas.
- Não é possível ver a contagem de público para públicos que incluem métricas restritas.
- Não é possível adicionar acionadores de público a públicos com base em métricas restritas.

 

🔹Insights automatizados

 

Não é possível ver insights automatizados com base em métricas restritas na interface do usuário.
 
 

🔹Insights personalizados

 

Os usuários com permissão podem criar e editar insights personalizados com base em métricas restritas.

 

Não é possível ver insights personalizados na interface do usuário e não pode recebê-los por e-mail.

 

🔹Métricas personalizadas

 

Os usuários com permissão podem criar métricas personalizadas e indicar que essas métricas incluem dados de custo ou receita. Os usuários com restrições de dados correspondentes não podem remover indicações de que as métricas personalizadas incluem dados de custo ou receita. O acesso a essas métricas personalizadas está sujeito a todas as limitações listadas neste artigo.

 


### Universal Analytics 

 

### Quatro funções e duas restrições de dados estão disponíveis: 


 



🔸 Administrador

 

Substitui a permissão para gerenciar usuários
Controle total do Analytics. Pode gerenciar usuários (adicionar / excluir usuários, atribuir qualquer função ou restrição de dados). Pode conceder permissões totais a qualquer usuário, incluindo ele mesmo, para qualquer conta ou propriedade para a qual tenha essa função.
Inclui a função de editor.

 

🔸 Editor

 

Novo nome para permissão de edição.
Controle total das configurações no nível da propriedade. 
Não é possível gerenciar usuários.
Inclui a função de analista.

 

🔸 Analista

 

Novo nome para permissão Colaborar.
Pode criar, editar, excluir e compartilhar ativos de propriedade. Pode colaborar em ativos compartilhados.
Inclui a função de visualizador.

 

🔸 Visualizador

 

Pode ver dados de relatório e configuração;
Pode manipular dados em relatórios (por exemplo, adicionar comparações, adicionar uma dimensão secundária); 
Pode criar ativos pessoais e compartilhá-los e ver os ativos compartilhados por meio da interface do usuário ou das APIs. 
Não pode colaborar em ativos compartilhados.


 


Dúvidas? Comentários? Sugestões?



Mande um e-mail para gente contato@metricasboss.com.br, até a próxima 😄

Confira aqui as mudanças nas permissões do Google analytics 

medium_Design_sem_nome_6.jpg

small_Design_sem_nome_6.jpg

thumbnail_Design_sem_nome_6.jpg

Design_sem_nome_6.jpg

Mudanças nas permissões de acesso do Google Analytics

Antes de começar a escrever este post, gostaria de fazer algumas perguntas.

1. Você está satisfeito com a forma de visualizar seus dados hoje em dia? 
2. Seus relatórios mostram a informação de forma simples e objetiva? (= seu chefe, cliente ou colegas entendem rápido as informações que você mostra nos seus gráficos? )
3. Só de olhar os gráficos, você já sabe qual ponto você precisa se aprofundar para a sua tomada de decisão?
 
Se você não respondeu "sim" a todas essas perguntas, é porque você precisa começar a pensar sobre visualização de dados. 
 

## 1. O que é Visualização de Dados?
 
Dataviz, ou visualização de dados, é a visualização gráfica dos dados que nós temos. É quando pegamos uma planilha, um conjunto de dados em si e pensamos em como trazer a melhor forma de visualização. Nós temos diversos tipos de visualização, como: gráficos, tabelas, dashboards, infográficos, mapas etc.

[![Inside_post.png](https://imagens.metricasboss.com.br/Inside_post_cb1ac6aad8.png)](https://landing.metricasboss.com.br/modelos-de-dashboard-para-looker-studio?utm_source=metricasboss&utm_medium=inside_post&utm_campaign=prime&utm_content=introducao-a-visualizacao-de-dados)


No meio do marketing, os dashboards têm se tornado cada vez mais comuns. Isto é motivado por uma série de fatores, os quais podemos destacar alguns: 
- Necessidade de visualizar a informação de forma dinâmica e ágil (chega de passar manhãs atualizando planilhas e/ou tirando prints para inserir em um ppt).
- Pensar em padrões e conexões que nos permitam trazer um volume muito grande de informações de uma forma mais fácil de identificarmos sentido a essa informação. É como se fossemos transformar a informação em um cenário para os seus olhos, buscando padrões escondidos 
- Nos permite focar apenas no que é mais importante.
 
## Por que conhecer sobre dataviz é essencial:
 

### **Viabilidade**
 
Não basta termos dados disponíveis, eles precisam ser entendidos. Como estamos vivendo a era de ́"dados são o novo petróleo ́, estamos lidando com volumes cada vez maiores de dados. 	O dataviz entra aqui como se fossem flores desabrochando nesse solo, permitindo que os números se tornem em padrões interessantes e diferentes que possam ser percebidos.
A necessidade de tomar decisões cada vez mais ágeis em diversas indústrias torna essencial buscarmos formas de tornar viável a leitura desses dados. Nós conseguimos isso com visualizações adequadas. 
 

### **Comunicação**
 
É através da visualização de dados que conseguimos trabalhar o conceito de [Data Storytelling ](lhttps://open.spotify.com/episode/19yM0e43LP9bIwVdNb4lsP?si=CSk2Hn55TWqA4L0RBSChVQ) e tornar a mensagem que queremos mais interessante e fácil de entender. Isso é MUITO importante porque os insights que temos a partir da análise de dados são potencialmente inúteis se você não puder comunicá-los às pessoas certas da maneira certa (e consequentemente não não vai conseguir a mobilização das equipes necessárias).

**Todos nós temos certa intuição quando o assunto é visualização de dados de forma eficiente. Mas isso não é suficiente. Precisamos trazer intenção.**

 

## Dashboard e Usabilidade

 

### **1. Visualização do dado**
**Agrupamento dos elementos:** Mesmo que você já saiba o que você quer colocar no seu dash, antes de colocar essas informações de qualquer jeito no arquivo, é essencial que você organize a hierarquia das informações.
1. Elimine as informações que não são necessárias. Você consegue explicar porque aquela métrica precisa estar ali? 
2. Existe um volume máximo de informação que cabe em uma mesma linha/página. O excesso de informações agrupadas torna o conteúdo difícil de ler e quase impossível de focar nos dados importantes: 
 a) O espaço negativo, fica em volta dos elementos gráficos principais. É muito usado para criar efeitos gráficos e dividir informações visuais. Esse papel de “intervalo” feito pelo espaço negativo funciona como as vírgulas em um texto, ou seja, oferecem um tempo para processar uma informação e começar a entender a informação seguinte. Por outro lado, o excesso de espaços em branco pode fazer a visualização parecer incompleta. Logo, precisamos de equilíbrio.
3. Entenda o que é a informação primária, e o que é informação secundária dentro do seu slide. A informação primária deve ter mais destaque, enquanto grupos de informações similares precisam ter o mesmo peso. 
4. Pense no agrupamento de informação não só dentro da página, mas também entre elas.

 

Quando isso não acontece, acabamos tendo isso:

 

![IMAGEM 1.png](https://imagens.metricasboss.com.br/IMAGEM_1_ba6b3cdd6b.png)


 

**Informações visuais devem ser apresentadas primeiro**

 

Para que as pessoas entendam rapidamente as informações transmitidas, é preciso pensar na ordem de exposição das informações. A ordem de leitura em português é da esquerda para a direita, portanto se temos informações visuais e um texto de apoio, é razoável que as informações visuais sejam colocadas primeiro, pois em geral são mais fáceis de entender.
 
Quando uma página apresenta mais texto que imagens, a tendência é que nossos olhos percorrem as informações seguindo um padrão semelhante a uma letra “F”, como mostram os mapas de calor abaixo. Esse padrão é comum em páginas da web que possuem artigos e também em páginas de resultados de busca.
 
Já para páginas que apresentam mais imagens do que texto, a tendência é que nossos olhos percorrem as informações seguindo um padrão semelhante a uma letra “Z”, como mostra o esquema de ordem de leitura abaixo.

### **Você precisa pensar na FORMA.**

 
Às vezes você tem uma informação que é melhor você diferenciar através de cor e não tamanho (e vice-versa). O cérebro funciona melhor para entender certas diferenciações. Isso precisa ser avaliado em cada caso.
**Importante:** Não é simplesmente colocando todas as cores do mundo que ele vai ficar bom ou falar o que você quer dizer.

 
Exemplo:

 

![i2.png](https://imagens.metricasboss.com.br/i2_f9ade06258.png)

 

Além de termos MUITOS segmentos nesse gráfico, potencializa a confusão por termos escolhido o gráfico de pizza. É mais complicado analisar a diferença numa área redonda. Quando temos % muito próximos, fica impossível saber qual cor é maior que a outra. Neste caso, seria mais indicado limitar essa visualização pelos 10 emojis mais usados e trocar para um formato como:
- Gráfico de barras
- Gráfico de área
- Gráfico de árvore
 

### Cores e Fontes

 

Fonte: Ao criar gráficos, é sempre necessário informar a escala dos dados em cada eixo, além de informações complementares nos rótulos de dados, títulos de eixos e do gráfico, legendas, entre outros elementos. Portanto, sempre temos palavras e números escritos para dar significado ao que é mostrado no gráfico.
 

Dessa forma, além de pensarmos qual é o tipo de gráfico mais adequado para nossos dados, precisamos pensar na tipografia.
**É preciso que as informações escritas sejam legíveis e agradáveis de ler, considerando ainda o contexto em que elas são lidas.**

Também é recomendável não alterar mais de um atributo (cor, tamanho, negrito, itálico) em fontes adjacentes (palavras próximas uma da outra):
 

## **2. Tangibilização do dado**
Mais importante do que quais números estão ali é como chegamos até aqueles números. Para isso, precisamos sempre nos preocupar em responder:
- O QUE e estamos levando (importante: destacar o período e a métrica)
- POR QUE estamos levando (fundamentação da sua análise. Você já mostrou o que foi identificado e agora precisa explicar porque é importante entender isso).
 

## **3. Execução dos insights**
Agora que explicamos o que estamos levando, por que é importante, temos que dar a nossa decisão final onde explicamos o insight tirado. É o momento de responder COMO resolvemos um problema ou mantemos uma estratégia acertada.
É aqui que você define as próximas informações a serem testadas e ou executadas.

Faça uma lista final que ambas as equipes precisam ter documentada com o responsável por cada uma delas.

Espero que as dicas que separamos aqui te ajudem a construir dashboards cada vez mais eficientes! LEMBRE-SE SEMPRE: manter a visualização simples e “limpa”, estimulando o engajamento do leitor com o conteúdo.

## Aprenda sobre Visualização de Dados e Google Data Studio

A [Métricas Boss Prime ](https://landing.metricasboss.com.br/metricas-boss-prime?utm_source=metricasboss&utm_medium=inside_post)possui 2 cursos INCRÍVEIS para te ajudar nessa jornada, os cursos de Google Data Studio e Princípios de Visualização de Dados vão te deixar sair do zero ao dashboard! ;)

## Ouça o Podcast Sobre Visualização de Dados

<iframe style="border-radius:12px" src="https://open.spotify.com/embed/episode/3MPLmmFl7HTjmupz9KTUmx?utm_source=generator" width="100%" height="232" frameBorder="0" allowfullscreen="" allow="autoplay; clipboard-write; encrypted-media; fullscreen; picture-in-picture"></iframe>

Você tem dificuldade em construir dashboards e selecionar os KPIS? Aprenda agora sobre introdução a visualização de dados e saia do zero ao dashboard!

small_CAPA POST (1).png

thumbnail_CAPA POST (1).png

CAPA POST (1).png

Introdução a Visualização de Dados

Neste post, vamos falar de um detalhe bem pontual sobre a integração do Google Data Studio com o Google Sheets, mas que pode fazer toda a diferença: **como fazer com que o Google Data Studio puxe os dados daquela planilha de acordo com o filtro de período selecionado.**

Antes de partirmos para o passo-a-passo, um ponto muito importante:: para conseguir puxar esse dado de acordo com o filtro de período, precisamos que a informação da data esteja na planilha. Do contrário, isso não será possível!

Dito isto, vamos para a dica!

Ao integrarmos a nossa base de dados do Google Sheets com o Google Data Studio, aparece uma tela semelhante com a abaixo para nós:

![Como-fazer-com-que-o-filtro-de-período-funcione-com-a-sua-base-de-dados-do-Google-Sheets-docx-Documentos-Google.png](https://imagens.metricasboss.com.br/Como_fazer_com_que_o_filtro_de_periodo_funcione_com_a_sua_base_de_dados_do_Google_Sheets_docx_Documentos_Google_98079430ed.png)

Todos os campos ficam na parte de "dimensão", e nós especificamos na coluna de TIPO se ele é um texto, número, data etc. 

Da mesma forma que precisamos selecionar o tipo "número" para ele entender um dado como métrica e podermos inserir nos gráficos, o mesmo acontece com o campo de data (como podemos ver no exemplo do print acima). No entanto, em alguns casos pode aparecer uma mensagem de erro, informando que o **"O Data Studio não conseguiu converter [campo] em uma data".**

Quando isso acontecer, a primeira coisa a se fazer é revisar como está o formato de data na sua planilha. É possível que ele esteja organizado de uma forma que gere certa ambiguidade na forma do Google Data Studo vai ler e interpretar o dado.

Por exemplo:
- O valor "20201210" representa uma data? Pode representar, mas também pode se referir a um número ou valor de moeda: US$ 20.201.210

- "12/10/2020" representa 10 de dezembro de 2020 ou 12 de outubro de 2020?

## E como resolver isso de forma simples?

Aqui na Métricas, descobrimos que a forma mais acertada de conseguir puxar essa informação é colocando a data no formato AAAA-DD-MM. Você consegue alterar isso no campo de "Data e Hora personalizada". Após fazer isso, atualize a sua conexão com a fonte de dados, que provavelmente ele já vai entender automaticamente que é uma data, com o filtro de período funcionando normalmente!

Espero que essa dica tenha te ajudado a otimizar ainda mais o processo de criação de dashboards :)

[Quer saber TUDO sobre Google Data Studio na prática? Acesse o Métricas ](https://landing.metricasboss.com.br/metricas-boss-prime/?utm_source=metricasboss&utm_medium=inside_post)Boss Prime e aprenda agora mesmo!



Tá penando na integração Sheets e Data Studio? Corre nesse post que vamos te salvar! ;)

small_14 -dicas-visualizacao-dados-que-voce-precisa-usar.png

thumbnail_14 -dicas-visualizacao-dados-que-voce-precisa-usar.png

14 -dicas-visualizacao-dados-que-voce-precisa-usar.png

Como fazer com que o filtro de período funcione com a sua base de dados do Google Sheets + Google Data Studio

Se você trabalha com e-commerce e tem o e-commerce avançado instalado no seu Google Analytics (Universal), é possível que já tenha se deparado com uma dúvida ao comparar as métricas "Sessões com transações" e "Transações" .

No print abaixo eu mostro um exemplo de uma análise que estávamos fazendo,e nos chamou atenção para a diferença entre as métricas. Será que isso era sinal de que algo estava errado na captura dos dados do funil? 

![Sessões com transações GA.png](https://imagens.metricasboss.com.br/Sessoes_com_transacoes_GA_5e0abb3016.png)

A resposta para essa pergunta, felizmente, é: não tem nada de errado!
 
Uma sessão pode realizar múltiplas transações.  Para entender melhor isso, precisamos pensar em como o dado é capturado e na definição dessas métricas:

- Transações = Contagem de todos os diferentes ID's de transações.
- Sessão com transação = Contagem de sessões que realizaram pelo menos uma transação.

Vamos ver um exemplo: 

1. Partindo do princípio de um site novo que nunca teve nenhuma transação antes, ambos dos relatórios vão estar zerados. 
2. Vamos imaginar que um usuário entrou no site e comprou um produto. Logo após essa compra, na mesma sessão, ele lembra que teve um item que esqueceu e que ele não pode deixar para comprar depois.
3. Ele clica no botão de voltar, retorna à home e localiza o produto que tinha esquecido e faz a compra. Aqui, teremos então 2 transações, porém 1 sessão com transação.

Espero que esse artigo curto tenha te ajudado a entender mais sobre essa dúvida que passa na cabeça de tantas pessoas e se você ainda não instalou o Comércio Eletrônico Avançado no seu GA, aprenda [aqui.](/artigos/como-implementar-enhanced-commerce-via-google-tag-manager)

Está com dificuldade em entender a métrica Sessões com Transações do Google Analytics? Aprenda aqui!

medium_Google-analytics-4-blog.jpeg

small_Google-analytics-4-blog.jpeg

thumbnail_Google-analytics-4-blog.jpeg

Google-analytics-4-blog.jpeg

A métrica "Sessões com transações" do E-commerce Avançado precisa bater com a métrica de "Transações"?

Neste post, vamos falar um pouco sobre cada tipo de gráfico para os seus dados. A escolha de qual gráfico usar, não é uma regra exata, e precisa ser avaliada em cada caso. 
Mas sabendo os pontos fortes e fracos de cada formato, ajuda bastante nessa decisão!

## Tipos de gráficos


###  1. Colunas ou Barras

![Colunas ou Barras.png](https://imagens.metricasboss.com.br/Colunas_ou_Barras_530d462df2.png)


- Fácil de entender
- Finalidade: comparação
- Barra horizontal: quando a comparação for entre muitos itens.
- Indicação de uso: Dados em poucos períodos e poucas categorias ou comparação entre poucos itens (frequência relativa, contagem, percentuais.)
- Ponto de atenção: em alguns casos, o gráfico de barras horizontais pode ser mais fácil de ler do que a versão de barras verticais (colunas)


### 2.Linhas

![Linhas.png](https://imagens.metricasboss.com.br/Linhas_27b09c2e4b.png)

- Fácil de entender
- Finalidade: comparação (muitos consideram melhor que o gráfico de colunas para enfatizar as mudanças dos dados ao longo do tempo)
- Indicação de uso: Dados em muitos períodos e não cíclicos ou em poucos períodos e muitas categorias (sessões, vendas, receita, custo)
- Ponto de atenção: excesso de linhas pode dificultar a leitura dos rótulo de dados, e muitas linhas em sobreposição podem dificultar a leitura


### 3. Pizza

![Pizza.png](https://imagens.metricasboss.com.br/Pizza_04153a2f00.png)


- Fácil de entender
- Finalidade: composição de um todo (share)
- Indicação de uso: composição estática, que mostre uma porção simples do total (Visitantes novos e retornantes)
- Ponto de atenção: 
- É um dos gráficos mais controversos que temos, muitos profissionais defendem que nunca devemos usar!  
- Não é adequado para comparar dados, porque a nossa percepção de área não é muito precisa. 
- Não usar se a soma dos elementos não for 100%
- Se a variação entre as partes for muito pequena também caímos no mesmo problema da comparação.
- Não usar se formos ter mais do que 6 fatias (mesmo problema da comparação), nem efeito tridimensional (efeito visual).

### 4. Dispersão

![Dispersão.png](https://imagens.metricasboss.com.br/Dispersao_e76942870b.png)


- Entendimento médio
- Finalidade: distribuição ou relação
- Indicação de uso: Distribuição de duas variáveis ou Interdependência entre duas variáveis (investimento em mídia e vendas)
- Ponto de atenção: O gráfico de dispersão serve para observar o que acontece com uma variável quando outra variável se altera, podendo identificar uma possível relação de causa e efeito entre elas. No entanto, a correlação nem sempre indica relação direta de causalidade.


### 5. Área

![Área.png](https://imagens.metricasboss.com.br/Area_3e4119342f.png)

- Entendimento médio
- Finalidade: composição
- Indicação de uso: Composição variável ao longo do tempo, com muitos períodos ou tipos (visitas, vendas, receita.).
- Ponto de atenção:  áreas empilhadas podem distorcer a visão de cada série, que se apoia na base variável da série que está embaixo, o que atrapalha para identificar padrões nas séries individuais.

### 6. Mapa de Árvore

![Árvore.png](https://imagens.metricasboss.com.br/Arvore_e324cd0624.png)

- Entendimento difícil
- Finalidade: composição  
- Indicação de uso: reconhecimento de padrões de navegação e conversão


O gráfico treemap é a representação visual de uma árvore de dados. Assim como em uma árvore, há um único tronco, que se desdobra em vários galhos, e cada galho pode ter zero ou mais folhas. No gráfico, o tronco, galhos e folhas são diferentes níveis de informação, representados por retângulos, cujo tamanho e cor significam os valores atribuídos a cada elemento. 

Cada retângulo tem uma área e uma cor correlacionada com a estrutura da árvore, o que facilita a identificação de padrões que seriam difíceis de detectar em uma visualização simples de árvore de dados, como o exemplo acima


Depois de entender os pontos fortes e fracos dos gráficos mais comuns que temos, precisamos pensar no que vamos trazer no nosso dashboard e fazer os seguintes questionamentos:

1. Quais são os gráficos mais adequados para cada conjunto de dados? 
2.  Qual é o padrão visual que o dashboard deve seguir?
3. Como os aspectos visuais podem facilitar a interpretação dos dados?
 
 
Alguns lembretes importantes:

### É mais fácil entender comprimento do que área.

A percepção de áreas e comprimentos também é importante se estamos analisando um gráfico de tamanho pequeno ou grande. 
Um gráfico de colunas de tamanho pequeno mostra melhor as diferenças entre cada elemento do que um gráfico de pizza.

Se aumentarmos o tamanho do gráfico de colunas, as diferenças ficam ainda mais claras. Por outro lado, aumentar o tamanho de um gráfico de pizza não facilita a leitura nem traz mais informações.
 
### Gráficos 3D podem distorcer os dados. 

É comum as pessoas pensarem que os gráficos 3D são um recurso moderno que deve ser usado sempre que possível. Contudo, se refletirmos sobre a interpretação dos dados, esse posicionamento é inadequado. A versão tridimensional dos gráficos normalmente distorce a noção das áreas e comprimentos.

### Conclusão

Apesar da utilização de gráficos assustar muitas pessoas, essa é uma forma de visualizar os seus dados de maneira mais fácil, e tirar ótimos insights dessa leitura.

Escolha o que mais faz sentido no seu caso, e estude sobre. Praticando essa utlização você vai ficar fera em utilização de dados nos seus relatórios.

[![Banners inside_post Cursos Métricas Boss Prime - Looker.png](https://imagens.metricasboss.com.br/Banners_inside_post_Cursos_Metricas_Boss_Prime_Looker_4cc4af7659.png)](https://landing.metricasboss.com.br/metricas-boss-prime?utm_source=metricasboss&utm_medium=inside_post&utm_campaign=prime&utm_content=como-saber-escolher-os-graficos)


Quer saber como escolher o gráfico ideal para o seu relatório no Looker Studio? Separamos os principais e a função de cada um para o seu projeto. A escolha do gráfico ideal para o seu relatório facilita a visualização e o entendimento das informações.

small_Capa blog _ Como escolher gráficos_.png

thumbnail_Capa blog _ Como escolher gráficos_.png

Capa blog _ Como escolher gráficos_.png

Como escolher o gráfico para um relatório?

Analíticos e analíticas de plantão, tudo beleza?

Hoje vamos falar sobre Maturidade Digital no mercado brasileiro, uma das palestras do Analytics Summit 2023.

O tema aborda a evolução do mercado digital brasileiro, com destaques de alguns momentos de ruptura pelo qual ele passou.

No início da palestra Rafael aponta que, do ponto de vista gerencial, um momento de ruptura é sempre muito importante para o mercado. 

É a hora de pararmos de olhar apenas para o urgente, e olharmos para o que é importante (e que na maioria das vezes fica esquecido com a nossa rotina corrida).

No mês de julho de 2023, nós chegamos no momento de “vai por bem, ou por mal” para começar a usar o Google Analytics 4 - e para quem ainda não estava preparado, sinto reforçar que não foi por falta de aviso não foi. 

Desde 2020 sabemos dessa nova versão, e desde 2021 sabemos que o Google Analytics Universal será descontinuado.

Em julho chegamos ao clímax do movimento de “migração” do GA4, e para o segundo semestre provavelmente veremos a corrida para fazer a implementação da forma correta (afinal, agora não é mais só instalar a tag e ter os dados prontos, né?)

Paralelo a chegada do Google Analytics 4, nos últimos anos também passamos pelo evento da pandemia, que dentre os seus inúmeros e desastrosos impactos, também teve efeito na forma como o mercado se comporta.

[![blog_ads.png](https://imagens.metricasboss.com.br/blog_ads_8d56fb2cdb.png)](https://landing.metricasboss.com.br/metricas-boss-prime?utm_source=Metricasboss&utm_medium=blog)


Nós vivemos um boom de empresas contratando profissionais a rodo, queimando dinheiro em mídia, não olhando para estratégias de retorno a longo prazo.

Diante disso, quando nos deparamos com o cenário do lance das mídias pagas estar ficando cada vez mais caro, somos obrigados a refletir de uma forma mais crítica o que estamos fazendo no nosso marketing.

O mercado, ainda hoje, não entende bem a importância de disciplinas que não pagam a conta em 15, 30 dias… 

Até mesmo em 6 meses. Ainda é um desafio fazer nossos chefes e/ou clientes entenderem que áreas como CRO, SEO, UX e dados são áreas que olham para o resultado a longo prazo,  e que se depender apenas da mídia paga, você terá um grande problema quando a verba acabar. 

E foi mais ou menos isso que aconteceu após a pandemia (que culminou em um forte movimento de layoff de algumas empresas)

Para tangibilizar um pouco a potência de olhar para mídias orgânicas, podemos olhar os relatórios feitos na Web Estratégica. 

A Web Estratégia é uma agência focada em produção de conteúdo e SEO e para tangibilizar o resultado do seu trabalho, eles se preocupam em analisar se o usuário que está consumindo conteúdo do site está trazendo um LTV maior para a marca. 

Em um cliente deles, foi possível comprovar que 38% dos usuários da jornada de conversão passavam por canais orgânicos, e que a taxa de conversão de quem lê o hub de conteúdo é 40% maior em comparação a quem não lê, ou compra só pelo canal de mídia.

Ler isso te faz pensar em como você está cuidando das suas mídias orgânicas, não é?

Aproveitando o embalo da sua inspiração, queria deixar você que chegou até o final deste resumo com a dica de ouro da palestra do Rafael Rez: a grande tendência que ele acredita para os próximos anos do marketing é trabalhar com um hub de marketing multicanal. 

E a otimização desse hub é o que vai ganhar o jogo. E, atenção: hub multicanal não é ter duas mídias funcionando bem, OK? É trabalhar com estratégias olhando o resultado no longo prazo, olhando o resultado para os próximos 5 anos.

Uma discussão que tem grande possibilidade de pegar carona nesse tema, é o debate sobre os modelos de atribuição. Quando pensamos numa estratégia multicanal, enfrentamos o desafio que de o orgânico é sempre mal atribuído na jornada. 

Os canais que levam mais tempo para converter, eles sempre aparecem menos nos relatórios que a gente tem à disposição.
Agora… O que vai ser defendido nesse debate, só vivendo para saber!

Para concluir, um lembrete importante para não perder o foco em meio a tantos dados, modinhas do mercado, e até mesmo politicagem dentro da sua empresa. 

Lembre-se sempre: **Dado que não ajuda a tomar decisão, não serve para nada.**

Tenha em mente o seu objetivo e quais são os indicadores chaves que vão te ajudar a chegar nesse objetivo. Com os indicadores-chaves, você mapeia as métricas que você, de fato, precisa acompanhar.

Esse foi o tema da palestra  do Rafael Rez no Analytics Summit 2023, o maior evento de Digital Analytics da América Latina realizado pela Métricas Boss.

Se você quer ser o primeiro a ser avisado para a edição 2024, [faça sua inscrição aqui](https://analyticssummit.com.br/?utm_source=Metricasboss&utm_medium=blog&utm_campaign=artigo_sunset_gau_blogmb) e receba em primeira mão!


Entenda sobre a maturidade digital no mercado brasileiro

small_03_Maturidade Digital do Mercado Brasileiro.png

thumbnail_03_Maturidade Digital do Mercado Brasileiro.png

03_Maturidade Digital do Mercado Brasileiro.png

Maturidade Digital do Mercado Brasileiro

Analíticos e analíticas de plantão, tudo beleza?

Hoje vamos falar sobre "De quem é a conversão”, uma das mesas redondas do Analytics Summit de 2023.

Esse tema sempre gerou bastante debate, e nos últimos meses ganhou mais força em consequência do fim de alguns modelos de atribuição e a padronização do DDA para os relatórios do GA4.

E claro que a gente não vai esgotar todo o assunto nessa mesa, nem só pelo limite de tempo, mas porque com certeza teremos novidades ainda nos próximos meses… mas quem sabe iluminar um pouco?

E seguindo nesse fio, trouxemos três convidados de peso!

**Convidados**

A primeira convidada é aquela que é dona das headlines mais criativas de posts do blog, e esá na missão de mostrar como branding e performance podem trabalhar juntos: Guta, da Purple Metrics.

O segundo convidado trabalha como CX e Analytics do Bradesco, além de ser professor do Prime de Firebase. Já salvou bastante a nossa vida (e vai salvar de novo agora). É ninguém mais, ninguém menos que Kleber Forato!

E, por último, trouxemos uma convidada que é matemática, e presidente do IAB (International Advertising Bureau) de mensuração. Ela já  gravou podcast conosco para ajudar a galera que odeia números (~como eu) / a entender (e talvez aceitar) que marketing precisa saber trabalhar com estatística!   Amanda Gasperini.


**Perguntas**
Kleber, a gente tem jornadas complexas, todos falam sobre ser difícil de medir, não conseguir atribuir corretamente, ter várias influências etc. E como você mede o resultado dentro do Bradesco?

**[KLEBER]** Os desafios são como de qualquer outro lugar, quando a gente fala sobre jornada é sempre complexo. Mas se pudesse falar do primeiro passo, seria entender que os usuários não são todos iguais, cada cliente é um cliente. Em segundo lugar, eu diria que é sobre voltar às origens, voltar a fazer o básico bem feito. 

Com tantas ferramentas e novidades do mercado, acabamos voltando a nossa atenção a isso e esquecemos de fazer o básico bem feito. Quando a gente fala de jornadas a grande questão é entender o usuário e não ficar preso a uma máxima de que a jornada mais curta é a melhor - porque isso depende do seu público, da individualização… De inúmeros fatores que vão levar a melhor jornada. 

Tendo isso em mente, não se esqueça que o que vai determinar isso não é a sua intuição, mas sim as métricas. Trazendo um pouco para o mundo do Bradesco, nós temos uma área dedicada a CX (Customer Experience), ou seja, dedicada ao universo de entender a jornada como um todo, olhando para todo esse ecossistema. Inclusive, esse olhar a jornada não se limita ao digital! 

[![blog_ads.png](https://imagens.metricasboss.com.br/blog_ads_8d56fb2cdb.png)](https://landing.metricasboss.com.br/metricas-boss-prime?utm_source=Metricasboss&utm_medium=blog)

Claro que a maior parte acaba sendo de aplicativo e site, mas a gente tem um público gigante no ATM, clientes internos (como gerentes).  Só é possível atuar em todos esses diferentes pontos de contato de forma eficiente com os dados.

**[AMANDA]** complementou essa resposta, alertando sobre as fontes e dados serem muito separadas. Temos uma equipe de social, uma equipe de UX, uma equipe de mídia. E nenhuma delas conversam, sendo que é tudo uma única jornada.
Resumindo em tópicos, para anotar
Antes de olhar as novidades, faça o básico bem feito.

As jornadas menores não são sempre melhores. Entenda a necessidade do usuário.

A jornada é tudo o que tem um usuário no final, não se limita apenas ao digital.

Não existe dado da área X e da área Y. Os dados são dos clientes, e temos que olhar de forma integrada.
Já no embalo dessa discussão final, sobre essa visão apartada de dados e acabamos tendo um frankenstein de dashboards, planilhas e relatórios… 

Chegamos a nossa segunda pergunta, direcionada a Guta, da Purple Metrics:
Guta, as pessoas falam sobre o branding não conseguir ser medido, mas a gente sabe que não é assim. Como medir branding, de uma forma que se conecte com o resultado do negócio?

**[GUTA]** Então, qual é o problema das métricas de branding? 

Marca não é uma coisa que é feita para gerar uma ação imediata, mas desde que nasceu o marketing digital, a gente foi direcionado a olhar ações diretas. A pessoa foi lá e clicou, baixou, comprou. A gente esquece que essa pessoa só agiu porque ela já tem uma concepção daquele produto e/ou serviço.

As marcas, através do branding, vão construindo um monte de informações na cabeça do consumidor para compor dentro dele a sua noção sobre a marca.Eu gosto muito de fazer a associação de que é como o gás, que você vai liberando até ter o suficiente para acender o fósforo, que seria a fase de ativação/performance. 

E como medir um negócio que não tem ação imediata? Onde está essa informação? Está dentro da cabeça da pessoa. O jeito mais usual de mensurar isso é pesquisa, perguntar diretamente ao consumidor, e o outro jeito é através de uma proxy.

Por exemplo, no caso da Purple Metrics, a gente observa que antes de contratar a ferramenta, normalmente os usuários compartilham os vídeos para outras pessoas do seu time.

Para fazer essa proxy, é necessário ter o cuidado de entender de fato qual é esse padrão de comportamento para chegar na proxy. Não é só olhar e falar "ah, teve like". Tá, mas e foi a pessoa certa? Como foi?

Na Purple Metrics, isso está sendo feito da seguinte forma:
Roda pesquisa qualitativa
Com uma metodologia autoral criada pela empresa que é mais focada no transacional. Ou seja, tem perguntas de comportamento declarado. E com isso eles conseguem ter uma noção da percepção da pessoa por aquela marca e como ela pretende se comportar.
Os algoritmos fazem as conexões com base nesses dados.

Cruzar a partir de algoritmos a pesquisa qualitativa com outras fontes de dados (comportamento de busca orgânica, de busca paga, de rede social, de share of voice, métricas do funil etc.). Tudo isso para entender que tipo de percepção leva a este comportamento.
E porque isso tudo é importante?

Você só vai vender se for conhecido.

E mesmo se for conhecido, você tem a sua concorrência. E tem sempre alguém tomando a decisão, e nem sempre é custo. A gente tem a impressão de que as pessoas são 100% racionais, e elas não são.
Atualmente temos uma liderança acostumada a receber dados muito concretos, e tudo muito linear. Queremos encaixar tudo em frameworks. E o ser humano não é assim. E o que a gente precisa fazer como mercado é entregar métricas que deixe todo mundo confortável. A métrica de topo é diferente do meio, que é diferente do fundo.

Para conseguirmos implementar essa cultura, os profissionais de marketing precisam saber dialogar isso com a liderança, para eles entenderem que olhar as métricas intermediárias (como o compartilhamento de um vídeo) é essencial e nem sempre é uma métrica de vaidade.
Também precisamos entender que o marketing é uma ciência econômica (foi por exemplo o que a ciência comportamental fez: trouxe números para psicologia). 
As pessoas de marketing precisam saber e números, e as pessoas de números precisam entender de comportamento humano. Não tem porque deixarmos essas duas vertentes do marketing totalmente apartadas.

Amanda, a ferramenta mais usada no mercado hoje é o GA, e se a galera aqui AINDA não sabe, o modelo de atribuição padrão do GA4 é o DDA,e em setembro tem o sunset dos outros modelos de atribuição. Quais são os modelos de atribuição que recomendam das empresas usarem?

O DDA, do GA, foi feito a partir de um modelo econômico do Supply Value, e ele se propõe a entender, por exemplo: se eu tenho um grupo de 100 pessoas que acessaram via um banner no meu site, e depois acessam via google e 2 pessoas converteram, e eu tenho outro grupo de 100 pessoas que acessaram via esse mesmo banner e depois acessaram via email marketing, e depois acessam via google e 3 delas converteram. O que ele entende disso? 

O percentual de diferença de dois para três é atribuído ao email marketing que foi o que mudou nessa jornada. É um modelo muito inteligente, e faz um processamento muito difícil de você fazer em casa porque precisa considerar todas as jornadas.

Outras oportunidades que temos:
Outras plataformas que trazem outras opções de modelos de atribuição. Temos até algumas plataformas que palestraram aqui.
Uma coisa que tem sido muito discutida no IAB é como trazer esse olhar ao consumidor para construir sua visão única em cima do consumidor e montar seus modelos de atribuição.

 Essa atribuição a gente faz numa tríade de resultados. Alguns exemplos;
Markov Chain: modelo estatístico muito usado para a atribuição e com um processamento mais fácil que o Supply Value, e uma assertividade grande.

Marketing Mix Modeling: como você consegue através de modelos estatístico ver os dados sem ser a nível de usuário, mas consolidado por dia, semana, mês para conseguir estimar a melhor combinação para investimento de marketing.

Lift Correlation: onde você consegue entender através de teste AB entender o quanto você ganhou mais ou menos.

Isso associado a entender quais são as métricas intermediárias nessa jornada, e qual o impacto de uma na outra.

Para encerrar esse debate, Guta complementa que estamos vivendo um período de transição. O marketing agira como se fosse medicina na idade média. Hoje a medicina é totalmente científica, mas tinha uma época que era baseado em "nada". 

Um paciente era tratado com a técnica da sangria porque todos faziam. Se morria era porque era inevitável, se sobrevivesse foi por conta do tratamento. 

Hoje o marketing ainda tem muito essa cultura, baseado em intuição, no "porque sempre foi assim". Mas não precisa ser assim, hoje sabemos que existem dados, e a cultura de olhar e saber trabalhar com eles vem aumentando. É uma época empolgante de estar no marketing.

Outro ponto importante de se lembrar, como comentou Kleber,  é que o Teste AB, não é exclusivo de telas. Existe Teste AB para atribuição também.

 Você cria o seu modelo e vai testar qual funciona melhor, e até para variar de acordo com o momento, o produto.
E para quem não tem estrutura para pensar nos modelos e ter o machine learning, o google atende, claro. Mas cuidado: entendam como é a construção de cada um dos modelos, e qual o comportamento do seu usuário.

E assim chegou ao fim a nossa mesa redonda. 

Como a gente esperava, a gente encerra esse papo com algumas possibilidades, não verdades absolutas (como tudo no marketing). 

Esse foi o tema da Mesa Redonda "De quem é a conversão?", no Analytics Summit 2023, o maior evento de Digital Analytics da América Latina realizado pela Métricas Boss. Se você quer ser o primeiro a ser avisado para a edição 2024, [faça sua inscrição aqui.](https://analyticssummit.com.br/?utm_source=Metricasboss&utm_medium=blog&utm_campaign=artigo_sunset_gau_blogmb)


Mafê Neurauter