Тренды веб-аналитики 2019: ускоренные тестирования, борьба с дивергентностью и уважение к людям

Я полагаю, что тенденции 2019 года станут продолжением трендов 2018: речь об обработке больших объемов данных с помощью искусственного интеллекта и машинного обучения для лучшего понимания бизнеса. Буду скучным и скажу, что очень и очень надеюсь, что это все-таки не станет главным трендом.

Чтобы получить достаточное количество информации, крайне важно иметь конвейер данных, который может собирать, обрабатывать, преобразовывать и загружать данные туда, где они будут исследоваться. Еще одним трендом может стать возврат к основам отрасли – сбору качественных данных в гармонии со всеми аспектами наших компаний и клиентов; ответственному и уважительному отношению к человеку как субъекту данных; и пониманию того, что все данные могут так или иначе относиться к бизнес-задачам. Наша главная проблема сегодня такая же, как и всегда: выяснить, как формулировать бизнес-задачи так, чтобы мы могли понять, какие инструменты или приложения понадобятся для поиска решений.

В этом году можно выделить два основных тренда, за которыми нужно не только следить, но и внедрять. Первый – переход от разового применения аналитики к системному подходу. Бизнес начинает осознавать, что однократного применения какой-то методики анализа данных недостаточно для стабильного роста. Как следствие – растет востребованность специалистов в области интернет-аналитики. Внутри организаций начинают создавать свои команды, которые могут не только выявлять закономерности из огромного потока информации, но и использовать полученные данные для увеличения бизнес-показателей.

Второй тренд – это ускорение процессов тестирования. Благодаря внедрению аналитики во все процессы компании, слабые места будут выявляться намного оперативнее, а значит – быстрее будут генерироваться гипотезы по оптимизации. В связи с этим возрастет потребность более частого запуска тестов и оперативного получения результатов по каждому из них. Компании, первыми внедрившие такой подход к тестированию, смогут занять лидирующие позиции на рынке.

Multi Touch Attribution и интеграция систем сбора данных. Для построения полноценной аналитической платформы необходимо видеть каждый шаг пользователя, для этого необходимо связать сайт с приложением и CRM, а также добавить продажи офлайн (при их наличии) и тренды из поисковых систем (Яндекс.Вебмастер и Google Search Console). Чем больше источников информации получится объединить, тем более точной модель будет в результате. 

Персонализация предложений. Очевидный тренд уже много лет, но, как показывает практика, практически всегда есть потенциал для роста. Основные сложности заключаются в необходимости индивидуально настраивать каждое решение под задачи проекта и очень мало кто умеет правильно использовать всю гибкость персонализации на 100%.

В 2018 году на мир обрушился GDPR, и аналитике это пусть немного, но подрезало крылья. Стало меньше персональной информации. И я думаю, что вероятным трендом будет моделирование поведения пользователей и предсказание его последующих действий. Мы не знаем, кто этот пользователь, но можем предположить, как он будет себя вести. Аналитика становится более предиктивной.

К тому же, нельзя не отметить развитие инструментов аналитики. Инструменты вычищают всю рутину, и аналитик постепенно перестает быть интерфейсом между сырыми данными и отчетами. А значит, наконец наступает время включить голову, и я хотел бы, чтобы аналитика таким образом придвинулась ближе к непосредственно управлению продуктом. Аналитика становится более творческой профессией. Аналитик — это, практически, продюсер, и доля решений, принимаемых если не аналитиком, то с его помощью, будет расти.

Изначально веб-аналитика подразумевала анализ поведения посетителей сайта. Большинство компаний помимо сайтов имеют офлайновые точки продаж, в связи с чем анализировать только онлайн уже недостаточно. Необходимо внедрять программы лояльности и строить аналитические системы, которые помогут оценивать влияние онлайна на офлайн и наоборот, поскольку это двусторонний эффект.

Во-вторых, в подавляющем большинстве случаев платформы веб-аналитики, такие как Google Analytics и Яндекс.Метрика, все чаще используются и будут использоваться только как инструменты сбора данных о посещениях сайта, но не как полноценные аналитические системы. А данные, собираемые из них, в связке с данными, полученными из других источников, будут аккумулироваться в хранилищах. Те, в свою очередь, будут развернуты на таких платформах, как Google BigQuery, ClickHouse, в некоторых случаях — Hadoop.

Если говорить о навыках, которые будут встречаться в вакансиях веб-аналитиков, то вряд ли что-то в ближайшее время изменится. Все чаще будет требоваться знание одного из языков программирования, направленного на работу с данными. Наиболее актуальными являются R и Python. В большей степени это связано с автоматизацией рутины и умением организовать сбор данных из множества различных источников, которых с каждым месяцем будет все больше.

В течение последних лет мы наблюдаем, что бизнес все активнее начинает использовать при принятии решений data-driven подход, даже в традиционных отраслях. Этот сдвиг обусловлен распространением вычислительных ресурсов, что делает обработку и анализ данных более доступными. Развитие данного тренда в 2019 году может происходить по следующим направлениям:

• Практическая применимость. Значимые и точные данные важны для понимания того, как пользователи реагируют на продукт и что для них работает лучше всего. Но просто знать – недостаточно в сегодняшней конкурентной среде. Все больше организаций используют данные как основу своей стратегии, начиная с информирования об акциях и сопровождения клиента в течение всей воронки и заканчивая демонстрацией более актуального контента и повышением лояльности текущих клиентов благодаря кросс-канальному взаимодействию. Это позволяет транслировать целевой посыл и активнее вовлекать аудиторию в коммуникацию.
• Преодоление дивергентности. Чтобы добиться успеха в сегодняшней конкурентной и постоянно бросающей вызовы среде, маркетологи должны избавиться от разобщенности между департаментами, командами и каналами, чтобы консолидировать данные и получить единое представление о клиенте. Объединяя данные, компании могут лучше понять потребности своих клиентов и правильно реагировать на них – и это ведет к росту. Ожидается, что BI-инструменты будут предоставлять все больше и больше возможностей для интеграции между веб-аналитикой, CRM и медиаданными и еще больше упростят этот процесс.
• Продвинутая визуализация и обнаружение данных. По мере того, как принятие решений на основе данных становится все более заметным на разных уровнях управления, инструменты BI должны становиться все более доступными для руководителей высшего звена при принятии ежедневных решений. Стоит ожидать, что развитие визуализации и дашбордов уменьшит зависимость от таких специалистов, как data scientists и BI-аналитиков, при выполнении простых и повторяющихся задач и высвободит больше времени для анализа данных, важных для бизнеса.
• Управление данными. Защита данных пользователей важная задач. Неспособность обеспечить безопасность информации приводит к серьезным последствиям для бизнеса и потере доверия пользователей. 2018 год стал знаковым с точки зрения конфиденциальности, потому что впервые регулирующие органы по всему миру выпустили нормативные акты, предоставляющие пользователям больший контроль над тем, как их данные собираются и хранятся. Такие документы, как GDPR или POPi в Южной Африке, будут и впредь оставаться приоритетными для организаций и сервисов аналитики ввиду своей значительной стоимости. Но это только часть картины. Компании осознали, что образ бренда тесно связан с отношением к проблемам конфиденциальности, таким как утечка данных.
• «Облака» берут верх. По прогнозам Gartner, к 2021 году большинство компаний перенесут значительную часть операций с данными, включая веб-аналитику, в облачные сервисы. Мы уже видим, как этот тренд развивается во многих организациях. Облака с их пропускной способностью, масштабируемостью и готовыми к использованию приложениями позволяют компаниям использовать магию машинного обучения, которая требует сил и ресурсов, недоступных ранее. Это позволяет снизить стоимость владения собственной инфраструктурой и ее обслуживания и сосредоточиться на бизнесе, что важно.