iMetrics 2012: веб-аналитика для решения нестандартных задач: обзор

Веб-аналитика по-прежнему остается одной из самых интересных и актуальных для обсуждения тем. Как правило, ни одна SEM-конференция не обходится без секций и докладов, где эксперты делятся знаниями и опытом, что и как измерять. Особенно приятно, когда аналитике посвящают все мероприятие целиком, как, например, конференция iMetrics, которая уже второй год собирает ведущих экспертов веб-аналитики. В этом году конференция проходила в два дня: 8 ноября – доклады, 9 ноября – мастер-классы. Среди докладчиков представители iConText, AdLabs, WebProfiters, Wikimart, RussianPromo, AdFox, Grape, ArrowMedia и многих других компаний.

blackcat87 ‏@blackcat87

#imetrics итак... наше путешествие в мир веб аналитики началось...

Altera ‏@altera_media

Мы тоже сегодня на #imetrics учимся и вдохновляемся. Поднимают настроение улыбчивые и интересные коллеги.

Yuri Ustinov ‏@SukaHitriy

Кто хотел хардкор на #imetrics ? Велком в техническую секцию, все очень подробно и технично, никакой воды.

Секция «"Сложная" веб-аналитика. API систем веб-аналитики. Работа с собственными системами веб-аналитики» была открыта Алексеем Макаровым, Russian Promo. Алексей представил доклад «Эффективное использование API Google Analytics без программирования».

Google Analytics API позволяет создавать персонализированные отчеты, собственные инструменты анализа, выгружать данные статистики в большом объеме, создавать виджеты для сайта, использующие аналитику. Работает API Google Analytics следующим образом:

Структура запроса к Core Reporting API включает в себя обязательные параметры (ids – уникальный id профиля Google Analytics, start-date – дата начала сбора данных, end-date – конечная дата сбора данных, metrics – запрашиваемые показатели) и необязательные параметры (dimensions – сегментация по критериям, filters, segments, max-results, start-index, sort).

Инструменты, которые можно использовать при работе с API:

• Google Query Explorer + Excel (плюсы использования: возвращает до 10 000 строк, выгрузка в TSV, можно использовать до 10 параметров и до 7 показателей в одном запросе, тестирование и расшаривание запросов)
• Различные надстройки для Excel (например, Excellent Analytics)

Секцию продолжил Андрей Суховой, OWOX, с докладом «Аналитика для тех, кто и так все знает». Андрей представил 5 кейсов с разными задачами, которые были решены с помощью веб-аналитики.

Кейс №1. Определение расходов на платное привлечение покупателей, которые уже делали ранее заказ.

Бизнес-задача: повысить эффективность рекламы за счет перераспределения расходов на каналы привлечения клиентов.

Аналитическая задача: определить долю расходов на платное привлечение посетителей, которые уже делали заказ ранее.

Техническое решение: назначать Customer Variable уровня Visitor при возврате покупателей.  _gaq.push([‘_setCustomVar’,3, ‘Customer’, ‘1’, 1]);

Результат:

Возможные ошибки:

Кейс №2. Автоматический сбор данных из разных аккаунтов Google Analytics в Excel/Google Spreadsheets.

Бизнес-задача: повысить эффективность работы аналитиков за счет уменьшения времени на составление отчетов.

Техническая задача: автоматизировать процесс сбора и актуализации данных из GA.

Техническое решение: использовать набор Google SpreadSheets функций для работы с GA от Mikael Thuneberg.

Возможные ошибки:

Также Андрей подчеркнул, что не стоит начинать подобную работу в пятницу вечером, т.к. в лучшем случае она будет окончена утром в субботу. И стоит быть достаточно внимательным, чтобы ненароком не расшарить документ со своим паролем.

Кейс №3. Автоматическая интеграция данных из Google Analytics и MailChimp/SendGrid.

Бизнес-задача: Повысить эффективность рассылок за счет наглядного анализа их эффективности.

Аналитическая задача: оценить динамику изменения показателей (отклик на письмо, ценность на письмо).

Проблема: Google Analytics не знает, сколько писем было отправлено.

Техническая задача: автоматизировать сбор данных из Google Analytics и SendGrid в Google SpreadSheets.

Кейс №4. Проектирование правильного конструктора комплектов товаров: магия SQL

Цель: поднять среднюю маржу за счет продажи аксессуаров.

Аналитическая задача: определить оптимальное количество категорий и сами категории.

На основании данных, было вычислено, какой процент пользователей использует то или иное количество категорий. 

Кейс №5. Использование облачных технологий и машинного обучения в построении пользовательских рекомендаций

Бизнес-задача: повысить все, что только можно.

Аналитическая задача: определить, что и когда предлагать определенным клиентам.

Техническая задача: найти максимум косинуса угла в векторном пространстве матрицы товаров и клиентов, которая постоянно обновляется в режиме реального времени.

Проблемы:

- огромные объемы данных

- отклик, менее чем за 0,1 секунду

- мало информации по новым пользователям

Необходимость быстрой перестройки в зависимости от последних действий

Сервисы, которые используются: Google Prediction и Amazon Elastic MapReduce.

Никита Пасынков, AdFox, рассказал о моделях атрибуции конверсии post-click и post-view.

При post-click атрибуции действия пользователя выглядят следующим образом: увидел баннер на Яндексе, кликнул, купил. Соответственно конверсия засчитывается баннеру.

Post-view атрибуция: пользователь видит баннер, но уходит. Затем вспоминает, находит компанию и покупает.

При анализе эффективности рекламных площадок недостаточно учитывать только post-click активность пользователей. Нужно также учитывать и post-view.

Учет post-view конверсии влияет на перераспределение бюджетов. Если мы смотрим только на post-click конверсию, получается большая разница, и доля той или иной площадки может сильно уменьшиться.

Поток продолжился секцией «Веб-аналитика для решения нестандартных задач. Конкурентный анализ и имиджевые кампании в веб-аналитике».

Петр Аброськин, ArrowMedia, выступил с докладом «Как оценить развитие бренда с помощью Google Analytics?».

Оценить эффективность вложений на рекламу бренда можно несколькими способами. Один из них – использование Google Analytics. Для того чтобы подсчитать узнаваемость бренда, воспользуемся следующей формулой:

(количество поисковых запросов по бренду + количество прямых посещений) / (делить )

(общее количество поисковых запросов + количество прямых посещений)

Например:

При анализе узнаваемости бренда важно проводить анализ тенденций – как растет узнаваемость после проведения рекламных кампаний, к примеру:

Повысить узнаваемость бренда можно несколькими способами: наружная реклама, брендированный канал на YouTube, социальные сети, КМС Google. Каждому бизнесу подходит свой способ. Например, офлайновому игроку будет больше пользы от офлайн-рекламы.

Закрывал секцию Андрей Травин, Надежная покупка, докладом «Конкурентный анализ в интернет-коммерции». Андрей рассказал о сервисах, которые можно использовать для мониторинга.

Анализ посещаемости конкурентов:

Также можно воспользоваться сервисами Netchart, Alexa, LiveInternet.

Для SEM и SEO-анализа можно пользоваться следующими инструментами:

Для того чтобы отслеживать действия конкурентов в социальных сетях можно воспользоваться самыми разными сервисами:

Читайте также: