Go Analytics! 2015: Подводные камни в выстраивании системы аналитики интернет-магазина

19 марта в Москве прошла профессиональная конференция по онлайн-аналитике Go Analytics!. Техническое направление конференции открыл Юрий Батиевский, генеральный директор Antop, с докладом «Подводные камни в выстраивании системы аналитики интернет-магазина».

Очень часто, работая над системой аналитики, специалисты настраивают какие-то очень сложные вещи, но забывают о базовых элементах.

Можно выделить три первостепенных блока аналитики:

1. Общие показатели интернет-продаж

  • Как работает ваш бизнес и насколько он эффективен?
  • Как работают все подразделения компании?

2. Каналы привлечения клиентов

  • Сколько клиентов (посетителей) и по какой стоимости?
  • Какие каналы наиболее эффективны?
  • Каков потенциал рекламных каналов?

3. Эффективность сайта

  • Решает ли сайт поставленные задачи?
  • Какова конверсия на различных сценариях и как ее повысить?
  • Есть ли технические проблемы, связанные с сайтом?

К общим показателям интернет-продаж можно отнести, например, количество заказов, доход и прибыль, средний чек, посещения и уникальные посетители, конверсия сайта, конверсия заказов в продажи, затраты на рекламу и стоимость привлечения клиентов, CPO, ROMI, количество клиентов, LTV, Churn Rate и т. д.

По словам Юрия, для эффективной работы необходимо несколько инструментов: контекстная реклама, поисковые системы, сайт, колл-центр и CRM, а также система учета. Затем все эти данные собираются и переносятся в хранилище. На этапе сбора данных важно избежать ошибок, которые могут возникнуть в любой момент.

Следующий этап после сбора данных — агрегация, хранение и визуализация данных. В качестве хранилища данных могут выступать собственные сервера и хранилища (MySQL, MS Access), Google BigQuerry, Amazon Web Services (AWS), Microsoft BI Services. Для визуализации можно использовать Google Sheets, Excel, Tableau, Chart.io, Looker.

Итак, обычно выстраивание системы аналитики проходит в несколько этапов:

  1. Установка инструментов сбора данных
  2. Техническая проверка установки
  3. Настройка фильтров и сегментов
  4. Проверка правильности сбора данных
  5. Внесение корректировок

Хотя первый этап кажется очень простым, необходимо помнить, что неверная установка может привести к ряду ошибок:

  • Конфликты скриптов: не всегда подгружается счетчик (неполные данные) или не подменяется номер в колл-трекинге.
  • Умножение данных и событий.
  • Обрывы сессий.
  • Неверное присваивание источников трафика целевым действиям.

Каждая из этих ошибок отслеживания может в итоге привести к получению неверной статистики.

На этапе настройки счетчиков важно обратить внимание на следующие моменты:

  • Фильтрация трафика: влияние на мультиканальные последовательности, отключение собственного трафика, отключение ботов, важность нескольких профилей и чистого профиля.
  • Прямая передача (бeз JS) данных о целевых действиях (повышение точности).
  • Длина таймаута сессии и новые визиты.
  • Google Tag Manager и дополнительные возможности трекинга.

Проверку правильности сбора данных необходимо проводить после каждого релиза. В ходе проверки нужно убедиться, что:

  • Все заявки фиксируются, нет дублей и пропущенных номеров.
  • Все события отправляются и фиксируются в разных браузерах и на разных устройствах.
  • Несколько счетчиков показывают примерно одинаковые цифры.
  • На всех основных сценариях фиксируются все необходимые события.

Ошибки в установке и настройке систему аналитики могут привести к неправильной оценке эффективности каналов, CPO и ROI и даже блокировать некоторые функции сайта.

Еще один важный момент при настройке системы аналитики — идентификация человека во всех точках входа на сайт и привязка всех его идентификаторов к основному. 

Наиболее распространенные способы привязки:

  • Cookies, fingerprint и т.п.
  • Авторизация в социальных сетях
  • Приложения на мобильных устройствах
  • ClientID и UserID в Google Analytics
  • Номер мобильного телефона
  • Email
  • Обычный логин

Чтобы проиллюстрировать важность этого пункта, Юрий привел следующий пример. В компании N до склеивания пользователей считались, что стоимость привлечения покупателей равно 400 руб. Но после склеивания пользователей по UserID число уникальных контактов уменьшилось на 25%, что увеличило реальную стоимость привлечения клиентов до 535 рублей. Из чего следует, что первоначальная оценка ситуации была слишком оптимистичной и давала неверную картинку ситуации.

Также в системе анализа данных важно обратить внимание на уникальные и первые контакты, период принятия решения, время от рекламного события до фактического поступления денег и модели атрибуции.


(Голосов: 5, Рейтинг: 5)