Как «склеить» клиента для веб-аналитики, если он заходит с разных устройств?

Мы уже очень долго занимаемся веб-аналитикой и накопили достаточно большой опыт.

Мы – одни из лидеров веб-аналитики в России по практическим результатам, а не по количеству сотрудников, получивших GA IQ. Мы первыми сделали телефонную аналитику, первыми связали телефон с CRM и персонифицированной веб-аналитикой, первые сказали, что Google Analytics — не идеальная система и предложили альтернативы.

Аналитика, в нашем понимании, — это венец любой интернет-маркетинговой системы.

Для многих веб-аналитика — это набор какого-то программного обеспечения, будь-то Google Analytics, Яндекс.Метрика или еще каких-то сервисов, которые собирают какие-то данные по сайту. Но это далеко не так. Почему же так поверхностно относятся к веб-аналитике? Почему не используют ценнейшие данные в стратегии бизнеса?

По нашему мнению, есть ряд достаточно серьезных проблем в массовой веб-аналитике, которые не позволяют многим использовать ее в полной мере.

Проблемы веб-аналитики.

• Веб-аналитика ведется по далеким от бизнеса показателям (общей конверсии сайта или посадочной страницы, показатель отказов, прироста трафика, времени на сайте).
• Рублевая эффективность рекламы отслеживается только по последнему каналу взаимодействия и не учитывает многоканальности принятия решений о покупке.
• Модуль электронной коммерции в Google Analytics не связан с телефонией (по которой может проходить множество заказов), с CRM-системой и 1C для учета оплаченных по договору рублей.
• Веб-аналитика в том виде, в котором она есть сейчас, считает одного человека, который в течение 3-4 месяцев взаимодействовал с вами через интернет по нескольким рекламным каналам, как нескольких разных людей.
• Веб-аналитика сегодня настроена на измерение одного действия посетителя (покупку через корзину, звонок, отказ), а не на его многомесячный жизненный цикл (CLV).

Если вы хотите перейти к веб-аналитике, основанной на жизненном цикле клиента, и уйти от достаточно бессмысленного показателя ROI, необходимо серьёзно пересмотреть свой взгляд на измерения и интернет-маркетинг в целом.

Подробнее обо всех нюансах того, о чем написано выше, и конкретных решениях этих проблем, смотрите наши вебинары:

Современная веб-аналитика для B2B, связанная с CRM и телефонией.

Какой должна быть веб-аналитика.

Построение и повышение продаж через интернет.

Решение проблем — персонализированная аналитика.

Для того, чтобы персонализированная аналитика заработала, необходимо распутать клубок пути клиента и убедиться, что все взаимодействия с сайтом, звонки и другие обращения по разным каналам с разных устройств на самом деле осуществлял один и тот же человек.

Так называемая «склейка» профилей и персонификация направлена как раз на это. Чтобы записать в CRM-систему действия конкретного человека на сайте и в телефоне, необходимо определить, что даже с разных устройств, с разных браузеров, разных телефонов с нами контактировал один и тот же человек.

Способы «склейки»

Давайте кратко рассмотрим несколько популярных способов «склейки», которые мы используем в своей практике для B2B-компаний, где циклы принятия решений всегда длительны, а многоканальность из 4-6 каналов — норма жизни (Яндекс.Метрика или Google Analytics в этих случаях абсолютно бесполезны).

• Файлы cookie (не с разных устройств, не из разных браузеров).
• Авторизация через сайт/openid (Фейсбук и пр).
• Ввод любого контакта на сайте (email, телефон, персональный код).
• Через мобильное приложение.
• Через автоопределение номера звонящего и сверку с номером на сайте.
• Дописывание к артикулу товара id юзера при заказе по телефону.
• Пользователи с теми же контактными данными, ФИО, из одного города, но разными почтами и пр.
• Дополнительные механизмы на сайте, обязывающие посетителя оставлять контакты («забронируй текущую стоимость — скоро повышение») и пр.
• Комментарии, отзывы, прочие активности на сайте, с подписью.
• Уникальные email-ящики для каждого менеджера и добавочные номера к телефонам менеджеров, указанные на сайте.
• «Подменные» номера телефонов на сайте (например, на рекламный канал).

Как только мы будем иметь на руках несколько записей о действиях каких-то людей (мы ещё не знаем, кто они) и увидим, что у этих записей есть общие поля (email, телефон, ФИО, cookie, openid и т.д. по списку выше), мы тут же скажем, что это был один и тот же человек, и произведём «склейку» разрозненных профилей в один. Вуаля!

Безусловно, чем больше способов используется, чем больше совпадений, тем точнее доверительная вероятность правильной и достоверной «склейки».