Ознакомительная версия. Доступно 17 страниц из 82
Спустя много лет после начала эпохи веб-аналитики, которая сменила эру счётчиков и период лог-анализаторов, в Google Analytics появился инструмент «моделирования атрибуции» – возможность «поиграться» с тем, как будет меняться картина распределения конверсий, исходя из назначения разной ценности различным этапам пути конверсии. Это уже двумерное пространство, в котором каждый источник перехода потенциального клиента может быть учтён. Проблема в том, что это лишь отдельный отчёт. В него можно именно «поиграться», но не использовать ту или иную модель для формирования каких-либо отчётов.
В «Метрике» также появились нововведения – теперь можно получить информацию о конверсиях с учётом «первого перехода» и «последнего значимого». Это, конечно, большой шаг вперёд, особенно в условиях, когда большинство рекламодателей использует небольшое количество рекламных каналов, но не решение проблемы в глобальном смысле. Я очень надеюсь, что этот переходный период пройдёт, и наступит настоящее счастье.
Но самое главное, что нужно понять про веб-аналитику, что она на самом деле трёхмерная. Третье измерение – это инструменты возврата и удержания клиентов. E-mail маркетинг, push-рассылки, ретаргетинг… Учитывая эффективность ретаргетинга как источника клиентов, вы можете заметить, что он очень хорош. Но, при всей его эффективности, он не является источником клиентов! Без других источников привлечения он просто не работает. Совсем. А теперь представьте себе оценку эффективности ретаргетинга в традиционном одномерном пространстве. «Он приводит так много клиентов»…?!
Продолжая вас пугать, расскажу еще одну страшилку. Я практически не верю в прямой трафик. Это когда ваши посетители якобы набирают адрес вашего сайта в строке браузера или положили его в закладки, а потом перешли оттуда. Конечно, такие есть среди ваших визитёров. Например, вы сами. Но в реальности их значительно меньше, чем вам показывает любая система веб-аналитики. Дело в том, что есть очень большое количество посетителей, которые неясно откуда пришли. Либо у них стоит какая-то программа-блокировщик, либо включён режим «инкогнито» в браузере, либо произошел переход по ссылке в письме из программы-клиента электронной почты, да и не только это. Причин, почему не удаётся понять, откуда взялся посетитель – множество. Эти люди отправляются в «прямой трафик».
В реальности, с приходом не очень технически подкованных людей в Сеть, значительно возрос брендовый трафик из поисковых систем. Это когда люди набирают название вашей компании или даже адрес сайта в поисковой системе. Для многих из них Интернет – это Яндекс, ведь именно с этой страницы у них начинается процесс хождения по Сети. Она стоит в качестве домашней, и браузер открывает именно её при запуске. Я больше верю в такой «прямой трафик», чем в показываемый системами веб-аналитики. Я абсолютно убеждён, что органический трафик нужно делить на брендовый и весь остальной. И анализировать успехи поискового продвижения в отрыве от брендового трафика.
Тем не менее, всё это – космос для многих предпринимателей. По не таким уж и старым данным Google 25% сайтов вообще не имеют установленного счётчика. А те, где он присутствует, в массе не имеют настроенных целей, а значит, не смогут посчитать и оценить источники конверсий даже по «одномерному» алгоритму.
Несмотря ни на что, Google Analytics – действительно, на мой взгляд, самая совершенная из общедоступных систем веб-аналитики, но у Яндекс. Метрики есть огромное преимущество в виде уникального инструмента – «Вебвизора». Он показывает «мультики» – так я называю записанные действия людей на вашем сайте. Вы видите, как клиент двигает мышкой, куда нажимает и как заполняет те или иные поля. Этот инструмент нельзя недооценить. Он превосходно подходит для анализа поведения клиента в условиях тех или иных инструментов на вашем сайте. Можно отфильтровать людей, положивших товар в корзину, но не завершивших процесс оформления заказа. Тогда «мультики» могут показать технические проблемы, которых вы не замечаете, так как во время проверки действуете по «правильному сценарию», не совершая нетипичных действий, которые как раз могут делать сторонние посетители.
В моей практике был случай, когда в одном из интернет-магазинов было очень много добавлений в корзину, но очень мало оформленных заказов. Соотношение корзины к заказам – более 20:1. Проверяли корзину, оформляли тестовые заказы. Всё в порядке. Пока не попробовали вебвизор. Тут-то и выяснилось, что определённая и не особо редкая последовательность действий пользователя приводит к тому, что в корзине перестаёт работать кнопка «оформить заказ». Она просто не нажимается. Не представляю, сколько бы мы искали эту ошибку, если бы не вебвизор. Ведь не все клиенты склонны искать ваши контакты и жаловаться, они в таких случаях чаще всего «голосуют» иначе – закрытием окна вашего интернет-магазина и открытием сайта вашего конкурента.
А что же всё-таки делать с аналитикой, если она такая «одномерная»? Из самой первой главы вы уже знаете, каким путём пошли компании, где я управлял этим процессом. При наличии данных можно построить какую угодно аналитику.
Несколько лет назад я рассказал на одной из самых интересных, на мой взгляд, IT-конференций «Стачка», которая проходит в Ульяновске, о том, как мы создавали нашу систему аналитики. Как я уже говорил, у нас особо не было выбора. Никаких других систем, удовлетворяющих нас по функционалу, просто не было. Строго говоря, их и сейчас нет. В конце презентации я задал вопрос залу: «кто теперь займётся созданием чего-то подобного?». Почти треть зала ответила поднятыми руками. Всё дело в том, что в такой системе нет ничего космически сложного. Как я сказал в начале, веб-аналитика – это представленные в нужном виде данные. Что такое данные о посетителях интернет-магазина? В основном это открытия конкретных страниц сайта, источники переходов, метки. Осталось создать контрольные точки, состыковать это всё с данными о заказах и сформировать нужные отчёты.
Может показаться, что данных будет так много, что ни один привычный сервер баз данных не справится. Но ведь мы собираем данные только по нашим магазинам, а не по большому количеству сторонних, как это делает Метрика или Аналитикс. Никакой «бигдаты» (очень большого объёма данных) здесь нет.
Логика нашей системы проста. Каждый посетитель при первом заходе на сайт получает идентификатор (подобным образом сейчас работает почти любая система веб-аналитики). Вся история его посещений записывается в базу. Если он совершит заказ или достигнет иной цели, то мы будем знать все его шаги и источники переходов, предшествующих этому событию. Корректный с моей точки зрения расчёт источников заказа («атрибуция конверсии») – дело нескольких SQL запросов. И, конечно же, мы учитываем все предшествующие заказу заходы, а не только первый или последний.
Один из часто задаваемых вопросов последнего времени – как определить онлайн источник клиента, если он не оформлял заказ непосредственно в интернет-магазине. Один из способов – колл-трекинг. Как я рассказывал раньше, он позволит идентифицировать источник звонящего. Мы изначально пошли другим путём, и я до сих пор считаю его оптимальным. Если покупатель делает заказ по телефону, то продавец просит его назвать уникальный идентификатор, который показывается на сайте в правом верхнем углу. И очень редко мы получаем отказ, если только клиент в данный момент не у компьютера. Получив данные об идентификаторе, аналитика открывает доступ к онлайновой истории клиента, и понимает, какие источники предшествовали заказу.
Ознакомительная версия. Доступно 17 страниц из 82
