+7 (495) 640-89-97

Какой должна быть веб-аналитика. Часть 3

Владимир Давыдов
Владимир Давыдов 05.08.2013
Веб-аналитика и измерения

В продолжение начатого в предыдущей статье разговора о практической стороне веб-аналитики, поговорим в этой связи о целях бизнеса и путях их достижения, а также корректировке данных целей.

Для любого бизнеса финальный путь всегда есть деньги, но не стоит путать финальную цель, которая априори есть для всех бизнесов, и те цели бизнеса, которые мы достигаем в Интернете. Когда подрядчик вам говорит, «я повышаю вам продажи», «я улучшу вам воронку продаж», «мы строим воронку продаж через Интернет», это здорово. Но не стоит забывають о других целях бизнеса, которые также можно и необходимо достигать с помощью  интернет-маркетинга. В итоге что-то продали, какой-то кусочек закрыли, но при этом мы видим, что через Интернет этот бизнес не решает многие другие задачи, при том, что какое-то количество чего-то было продано через Интернет с помощью контекстной рекламы  и посадочной страницы.

Таким образом, для того чтобы выстраивать полноценный вариант интернет-маркетинга, не только по продажам, но и по другим целям бизнеса, нам нужна бизнес-аналитика, веб-аналитика и автоматизация бизнеса.

Если какого-то слагаемого уравнения у нас нет, мы автоматически попадаем в псевдоизмерение. То есть, мы либо не видим какой-то части бизнеса, либо не видим части какой-то Интернета, либо мы все это не можем в автоматизированном режиме выгрузить и сравнить. В этом случае мы начинаем предполагать, что было бы эффективно, каков примерный охват и т.п., но это не всегда соответствует действительности. Надо всегда помнить, что технические возможности системы аналитики не должны вас вводить в восторг и заблуждение: можно построить много таблиц, но как это реально работает, какие данные реально собираются, и какие из этих данных действительно подходят вам, это большой вопрос, требующий конкретного выяснения. Цели бизнеса должны определять настройку и выбор систем веб-аналитики.

История из практики

Как показала практика, уже в 2004 году программисты PHP и Javascript вместе с владельцем бизнеса, который понимал, зачем ему нужна аналитика, были способны написать этакий микро Google Analytics для своего сайта. Возможно, отчетность была еще не на современном уровне — обычная Exсel таблица, но в этой таблице были отмечены пользователи, которые зашли на сайт, можно было увидеть — из которого рекламного канала эти пользователи приходят, и как часто. То есть уже была реализована многоканальность.

Также было реализован момент, когда пользователь скачивал какой-то софтверный продукт, в самом софтверном продукте была система отслеживания того факта, что посетитель, пришедший на ресурс с сайта или какого-либо рекламного канала, потом открыл на данном ресурсе платный счет. То есть речь идет о полноценной системе аналитики, которая выгружает в  Exсel все данные по финальным продажам, по каналам и отлично работает по сей день.

Данный пример доказывает тот факт, что если вы знаете, что вы хотите измерять, четко знаете, что вы хотите получить от интернет маркетинга, вам по большому счету никакие системы аналитики не должны навязывать свой режим. Все новинки веб-аналитики, которые сейчас появляются, были известны еще в период с 2004 по 2006 год,  никаких уникальных нововведений, стандартов введено не было до сих пор.

Отрицательных примеров из практики, то есть как не надо заниматься веб-аналитикой, также хватает. Например, до сих пор существует «оплата за увеличение конверсии».

Другой пример из практики, недавний, от крупного агентства контекстной рекламы.

Здесь аналитика канала привлечения позволила сэкономить миллионы рублей.

Следующий пример — недобросовестные SEO-подрядчики.

В течение 1 года компания оплачивала услуги SEO-компании по продвижению сайта. Каждый месяц SEO-компания предоставляла отчеты по позициям, которые стабильно находились в ТОП-10. Оказалось, что по результатам за год компания-заказчик работала в -13% убыток.
Выяснилось, что за весь год доход с сайта упал на 13%, конверсия на 30%, количество покупок на 15%, конверсия составляет всего 1,36% (при нормальной конверсии в тематике около 4%).

В принципе несложная аналитика в Гугле, позволяет понять как за год, по сравнению предыдущим, у нас изменился тренд, каким образом упали показатели. В итоге удалось разобраться, какие поисковые запросы были убыточными. Также была радикально пересмотрена стратегия поискового маркетинга: была предпринята корректировка, и с поисковым продвижением удалось «подружиться», подобрать нормальное ядро, правильным образом его распределить по сайту и уже измерять его эффективность по факту.

Какие цели ставить перед измерением эффективности?

Перед измерением эффективности мы для себя выработали вот пирамиду целей бизнеса, возможно, кто-то из вас использует что-то похожее. Мы рассчитываем, начиная с верхнего уровня – от целей бизнеса и целей интернет-маркетинга. После этого мы смотрим, как это все соответствует уникальному торговому предложению компании. Некоторым компаниям в принципе не рекомендуется выходить в интернет с их УТП.

Дальше у нас идут ценности, убеждения, принципы работы, потом идет стратегия интернет маркетинга, базирующаяся на верхнем уровне пирамиды. Потом идет уже непосредственно придавливаемая всеми целевыми уровнями пирамиды СЕО, контекст, СММ, медиа, пиар, мобильные технологии. И все это придавливает окончательно своим весом сайт, телефон, SRM, как основные каналы, которые отмечены в этой пирамиде.

Вот такую пирамиду мы проходим, и соответственно на ее основе выстраиваем свои измерения, стратегию, которую мы реализуем. Никакого секрета здесь нет, мы пользуемся моделью 4P и 4C, это классический маркетинг. Использование классического маркетинга при планировании и измерении интернет-маркетинга является основой последнего.

Если подрядчик этим не пользуется, или что чаще, клиент говорит, «зачем вам это, ваше дело продвинуть, раскрутить, контекст дать», тогда это не будет эффективным сотрудничеством, вам лучше расстаться с таким клиентом. Здесь надо понимать, чтобы эта таблица работала и эта пирамида работали, бизнес должен быть открыт для вас, в меру объективных возможностей, а подрядчик должен интересоваться этим.

Вот эту бизнес модель мы переводим в цели бизнеса уже в интернете. За бортом у нас обычно остаются такие показатели как конверсии, лиды. трафик. Я думаю, большинство из вас знает, зачем эти схемы были придуманы, и знает, как развивался российский бизнес поисковой оптимизации и поисковых систем. Почему возникали все эти схемы работы, прямая связь с алгоритмами, с усложнением алгоритмов поисковых систем и отработки, выработки всей отрасли соответственно. Это не новость и поэтому такие метрики неинтересны.

Простой пример, что может быть целями вашего бизнеса.

По этим целям можно быстро сделать таблицу, чтобы она была перед глазами всегда. Вот как она может выглядеть.

Для формирования всех целей и задач (на основе вышеприведенной таблицы) и сведения их в единую аналитическую модель (таблицу эффективности) может уходить 2-3 месяца напряженной работы на всех уровнях компании и общения со всеми ответственными сотрудниками по отделам, а также с директорами по маркетингу, рекламе, брендингу, коммерческими, техническими и даже генеральными директорами. Пример таблицы.

Все эти метрики надо рассматривать в разрезе привлечения, вовлечения, конвертации и удержания. Само по себе, количество уникальных посещений или количество просмотра страниц никак вам не поможет. Оно работает лишь в том случае, когда вы соединяете количество уникальных просмотров с уникальными посетителями, с транзакциями, и размером транзакций, а также с ключевыми словами, только в этом случае такая модель будет работать.

Есть в аналитике также интересные нюансы, которые необходимо упомянуть. Например, видеореклама очень похожа на медийную, но у нее есть еще такая интересная дифференциация измерения, как просмотр видео целиком или просмотр видео до какой-то точки, это очень важно, потому что вам нужно понимать до какой точки вас смотрят, что означает — до какой степени «потреблен» креатив, который в заложен вами в видеорекламе, насколько она была эффективна. Это очень важная информация для видеорекламы в целом.

Опросы, которые поставляют данные для аналитики, касаются, в основном брендинга, узнаваемости, имиджа, желания купить и рекомендовать. Опросы имеет смысл проводить, когда нет возможности реально что-то пощупать в цифрах, что-то измерить. То есть если больше никак нельзя получить обратную связь, можно использовать опрос.

Важно понимать, что выбирая рекламные каналы, надо смотреть, насколько они будут эффективны. Чтобы смотреть, насколько они эффективны, нужно построить какую-то модель. Модель должна быть для конкретного бизнеса, для достижения его конкретных целей.

Вот пример того, как например на сайте по продаже обоев можно в довольно простом варианте подойти к табличке с целевыми действиями. В данном случае мы выяснили, что у нас есть собственник квартиры, есть дилер, который перепродаст эти обои, и дизайнер который представляет собственника при выборе этих обоев.

Это бизнес цели, бизнес-сегменты, то, что каждый из этих людей может делать в указанной табличке, и все это сводится к покупке, заказу обоев через интернет, напрямую через личный кабинет, через корзину. заказу со склада, по телефону, все это отмечается в единой системе 1С, которая связана с ведением клиента. Рабочая модель абсолютно четко показывает эффективность рекламных мероприятий.

Пример фрагмента таблицы уже из Google Analytics.

Как мы видим, здесь видны все полные разрезы по данным. Самая большая ценность этих данных, не в том, например, что за определенный период 31 дизайнер обратились на сайт, сделали запрос стать дизайнером этой компании, а в том, что мы можем распределить эту информацию по каналам, учесть многоканальность, наши затраты, и все это собрать в единую систему.

Не технические системы определяются для вашего бизнеса, а ваш собственный бизнес определяет какую систему вы будете использовать!

Какую систему веб-аналитики выбрать

Систем веб-аналитики много. Есть дорогие, большие системы, и от Yahoo, и от Adobe, каждая система позиционирует свою уникальность.

Cамые важные критерии при выборе системы веб-аналитики, которые надо иметь в виду:

  • стоимость владения системой, которая складывается из лицензии и из внедрения + настройки, что обязательно нужно учитывать, все системы нужно настраивать;
  • какое хранилище данных: будет ли оно отдельным, будет ли это какое-то SAAS хранилище,
  • обслуживание и тех.поддержка системы.

Важна также возможность персонификации, отслеживает ли система веб аналитики конкретного пользователя, а не просто абстрактные показы, возможно вам и хватит абстрактных показов, просмотров, и возможно вашему бизнесу вполне себе это подойдет, общая статистика по посетителям. Но, возможно, вам понадобится персонифицированная аналитика.

При этом нужна одна система, в которой все показатели, все пользователи, будут приведены к единым метрикам, это очень важно. Анонсированная Google Universal Analytics демонстрирует уже совершенно другую идеологию, рассчитанную на конкретного посетителя, где главную роль играет user-id.

Пример из практики работы с автосалоном: пользователь пришел на сайт из контекста, посмотрел что-либо, ушел, затем пришел из поисковой выдачи, посмотрел, опять ушел, пришел из социальной сети, заказал тест-драйв, пришел на этот тест-драйв, через месяц купил машину.

Весь этот многоканальный, многоступенчатый процесс можно отследить, если «склеить» все эти действия по user-id, для этого нужна бизнес-аналитика, то есть автоматизация бизнеса, чтобы это вводилось через CRM, а также, как правило, нужна также телефонная аналитика, чтобы отслеживать контакты по телефону, таким образом, здесь требуются серьезные бизнес-решения.

Хотя на сегодняшний день мобильная аналитика выходит на очень важное место, что касается мобильных приложений, то даже в США ситуация весьма печальная. Согласнои сследованию Google (2318 опрошенных): 59% мобильных приложений никак не анализируются, а 23% производят некоторые замеры, но не видят всей картины. Веб-аналитика приложений отличается от аналитики мобильного сайта. Анализируемые показатели иные. Вот то, что обычно анализируем мы:

1. Скачивания.

2. Модели устройств и операционных систем.

3. Сессии, география.

4. Экраны за сессию, порядок показа экранов.

5. Ошибки, сбои приложения.

6. Частота возвратов в приложение.

7. Скорость загрузки компонентов приложения.

8. Настраиваемые события: нажатия на кнопки (социальные рекомендации, баннеры).

9. Транзакции и электронная торговля по отношению к приложениям.

Весьма популярные (из-за простоты установки,настройки и работы с интерфейсом) в России Google Analytics и Яндекс.Метрика являются не самыми сильными с точки зрения того функционала, который был приведён в структурной схеме веб-аналитики. Безусловно, эти системы предоставят вам море полезных статистических данных, которые на начальном этапе 100% помогут развитию любого бизнеса (от корпоративного сайта до Интернет-магазина). Мы сами активно используем Google Analytics для сбора стат.данных данных в удобном формате. Однако более сложные задачи, возникающие в современной электронной торговле, в корпоративных сайтах сегмента B2B, играх, мобильных приложениях, приложениях для соц.сетей, SaaS-сервисах, эти системы решить уже не в состоянии.

В бесплатных версиях Google Analytics и Яндекс.Метрики данные вам не принадлежат. Они хранятся у провайдера (Яндекса или Google) и доступ к ним весьма ограничен. Стыковка с операционными бизнес-системами, то есть экспорт/импорт данных, возможен слабо. Данные отображаются и становятся доступными НЕ в режиме реального времени. В режиме реального времени в Google Analytics сейчас показываются только география, новые/вернувшиеся, просмотры страниц, источники трафика. Срезы по данным возможны далеко не во всех вариантах, в каких вам хотелось бы (трудно или невозможно построить многомерные отчёты из произвольно взятых данных).

В бесплатных версиях Google Analytics и Яндекс.Метрики данные статистически схлопываются для быстроты подготовки и вывода отчетов. То есть вы получаете не все данные! И никогда их не получите полностью. Персонификация невозможна в принципе (согласно лицензиям использования систем). А значит анализировать вы можете только в общих чертах. О каких-то поведенческих шаблонах и подстройках сайтов здесь говорить, увы, не приходится. Очень ограниченный набор возможно отслеживаемых событий. Есть ограничения по количеству данных, которые могут собираться в определенный промежуток времени. Высокие нагрузки и big data не поддерживаются.

Например, стоимость ассоциированных конверсий Google Analytics считает в корне неверно. Приходится использовать старый добрый Excel. Все ассоциированные источники (исключая источники последнего взаимодействия), считаются по типовой схеме и если повторяются в пути несколько раз, то не складываются, а игнорируются. Т.е., если прямой трафик появился 2 раза в пути (в начале или в середине), то Google Analytics НЕ считает, что он там появился 2 раза, а считает как 1 ассоциированную конверсию и присваивает этой ассоциированной конверсии полную ценность!

Сегодняшние проблемы веб-аналитики в России являются проблемами переходного периода.

И здесь важнейшим звеном становятся те, кто эту веб-аналитику выполняет, то есть специалисты по веб-аналитике. От их действий зависит развитие данной сферы интернет-маркетинга.

Мы надеемся, что вам пригодится информация, которую вы здесь почерпнули. Вы можете задавать нам вопросы по нюансам веб-аналитики, которые интересуют именно вас, мы рады будем ответить на них в будущих материалах блога. Всем удачи!

Хотите получить предложение от нас?

Свяжемся в течение рабочего дня



comments powered by Disqus

Депеша от Комплето

Хотите получать полезную информацию про электронный маркетинг?