Статьи
Зачем нужна веб-аналитика и как собирать данные
В течение четырех лет в рамках OWOX Analytics School опытные аналитики делились техническими навыками и тонкостями профессии со студентами. А лучших учеников мы приняли в свою команду. Теперь пришло время поделиться знаниями с читателями нашего блога. Этой статьей мы запускаем серию публикаций по материалам школы аналитиков. Начнем с азов: разберем, что такое веб-аналитика и зачем она нужна каждому онлайн-бизнесу, а также поговорим об архитектуре и сборе данных.


Содержание
- Что для нас означает веб-аналитика
- Как аналитика помогает бизнесу
- Архитектура и сбор данных
- Краткие выводы
Что для нас означает веб-аналитика
В интернете вы найдете очень много определений, что такое веб-аналитика. По нашему мнению, все их можно сократить до одного главного предложения: «Аналитика — это измерение влияния усилий на результат». Технологии и работа аналитиков — это усилия, а дополнительная прибыль, которую получает бизнес — это результат.

Работу аналитиков, в том числе и членов команды OWOX BI, можно разделить на три основных направления:
- Изучение новых технологий, которые позволяют показать бизнесу, где он получит большую прибыль.
- Помощь в создании торговых предложений, чтобы аудитория онлайн-бизнесов росла и становилась качественнее.
- Помощь в управлении рекламой, настройка модели атрибуции, поиск инсайтов для развития бизнеса.
Какими навыками должен обладать хороший аналитик?
- Аналитическое мышление.
- Знание предметной области.
- Технические компетенции и инструменты.

Что из трех перечисленных навыков важнее для аналитика? На этот счет есть два мнения. Первое заключается в том, что хороший аналитик-универсал должен быть «прокачан» равномерно в трех областях. К примеру, вы можете обладать хорошим аналитическим мышлением, но без повышения компетенции и изучения новых инструментов вы останетесь просто теоретиком.
Если же повышать знания только предметной области, игнорируя развитие аналитического мышления, то вы будете классным стратегом, но вряд ли сможете самостоятельно решить бизнес-задачу. Если говорить про полный уход в технические инструменты, то вы станете классным программистом и будете вариться в цифрах и потоках данных.
Второе мнение в том, что навыки аналитика могут развиваться с бОльшим уклоном в одну из трех областей. И тогда от этого навыка будет зависеть специализация аналитика. Допустим, вы сместили свой вектор в развитие технических компетенций, то есть не полностью ушли в них, но стали уделять больше внимания, чем аналитическому мышлению и знанию предметной области, тогда вы будете Data Scientist. Если вы уходите в знание предметной области, вы становитесь Data Miner.


Типология аналитиков
Существует более десятка специализаций, связанных с аналитикой, и со временем их количество только растет.

Рассмотрим основные типы веб-аналитиков:
- Бизнес-аналитик. Это человек, который лучше всех понимает, какие цели преследует бизнес, и формулирует задачи для их решения. Впоследствии он спускает эти задачи для реализации другими аналитиками или разработчиками.
- Системный аналитик. Он по сути занимается тем, что передает идею бизнес-аналитика в разработку.
- UX-аналитик. Анализирует взаимодействие пользователей с интерфейсом сайта. Ставит себя на место пользователя, определяет, как сделать функционал сайта более удобным.
- Продуктовый аналитик. Анализирует взаимодействие пользователей с продуктом. Например, у OWOX BI есть целая команда продуктовых аналитиков, которая анализирует, как наши пользователи ведут себя с нашими продуктами.
- Big Data аналитик. Работает с массивами данных, правильно их структурирует, обрабатывает и выдает в нужной структуре, чтобы потом можно было использовать их в отчетах.
- Интеграционный аналитик. Знает, в каких местах хранится вся информация компании, умеет правильно эти данные объединить и выдать на выходе структуру, которая будет учитывать абсолютно все источники данных.
- Data Scientist. Формулируют гипотезы для роста бизнеса и на основании этих гипотез строит модели данных. По результатам расчетов этих моделей делает выводы и прогнозы, как улучшить бизнес.
Все эти специализации может совмещать в себе один человек или же этим может заниматься целая команда из десятка людей.
Читайте также: чем Digital-аналитик отличается от Data Scientist и как применять статистические методы для A/B тестов и сегментирования пользователей.

Ключевые особенности в работе аналитика
- Работа аналитика начинается вовсе не с анализа данных:
- Соберите начальные требования и пожелания бизнеса, задавая правильные вопросы.
- Сформируйте понимание того, что нужно клиенту, в аналитическую задачу и уточните, правильно ли вы все поняли.
- Определите способы и возможные инструменты решения.
- Статистика без пояснения, визуализации, рекомендаций и прогноза – неэффективна. То есть, если вы просто научитесь использовать инструменты, выгружать отчеты из GA и в первозданном виде показывать их клиентам, вам за это не заплатят. Вы должны:
- Формировать базу по методологии расчета и работать с этой базой по roadmap. Раскладывать на шаги, показывать, почему выбрана именно такая методология, согласовывать с клиентом. Если клиент вам не верит, лучше узнать это на начальном этапе.
- Отвечать для себя на вопрос: как клиент сможет использовать предоставленные вами данные. Если это таблица в 4 тысячи строк без фильтров, без сводной таблицы, без визуализации, то скорее всего никак. Он положит отчет на полку и никогда не откроет.
- Проверять данные на адекватность.
- Развивайтесь – это залог успеха!
Как аналитика помогает бизнесу
Зачем нужна веб-аналитика? По нашему опыту, перед бизнесами обычно стоят три основных цели:
- Меньше тратить.
- Больше зарабатывать.
- Автоматизировать все, что возможно. Особенно это актуально для CEO и CMO компаний, которые хотят: «чтобы меня меньше трогали».
Эти цели по сути являются бизнес-моделью и разветвляются на отдельные задачи, например: оптимизировать расходы, повысить узнаваемость бренда, обеспечить бесперебойную работу сайта и т. д. И под каждую бизнес-задачу есть свои KPI, свои вопросы и набор данных, которые нужно собрать.
Вот, к примеру, несколько таких вопросов, на которые помогает ответить аналитика:
- Сколько страниц в среднем просматривает пользователь за посещение?
- У какого товара самая низкая конверсия в покупки?
- Какая доля покупок совершается с двух посещений и больше?
- Какая часть пользователей авторизована на сайте?
- В каком браузере наблюдается самое большое количество JS ошибок?
- Как запуск рекламы на YouTube повлиял на онлайн-продажи?
- Как онлайн-реклама влияет на продажи в физических магазинах?
- Как отличие от цены конкурентов влияет на конверсию?
- На сколько процентов изменился средний чек после внедрения блока аксессуаров?
- По каким платным кампаниям переходят на товары, недоступные для продажи?
Читайте также: как оценить эффективность и увеличить ROI онлайн-рекламы. Какой доход приносят SEO-трафик, мобильные приложения и медийная реклама, в том числе видеоролики.

Типы онлайн-проектов и их KPI
Давайте освежим в памяти самые распространенные типы онлайн-проектов и основные KPI, которые важны для этих бизнесов:
- Онлайн ритейл — коэффициент конверсии, средний чек, CPC, CAC, средний доход на сессию.
- Мультиканальный ритейл — доля авторизованных пользователей, ценность кампании с учетом офлайн-заказов. При переходе из одного канала взаимодействия в другой часто теряется трафик, поэтому здесь на передний план выходят ROPO-отчеты. Это отчеты про влияние офлайна на онлайн и наоборот.
- Телеком — ARPU, доля дохода с сайта и мобильного приложения.
- SaaS сервисы — конверсия в бесплатные пакеты, конверсия в платные пакеты, конверсия из бесплатных пакетов в платные.
- Маркетплейсы — доход CPC и CPA моделей, глубина просмотра.
- Контент проекты — среднее время на посещение, показать отказов, глубина просмотра.
- Банковские и финансовые услуги — количество заявок в зависимости от рекламной кампании.
Читайте также: подборка главных показателей эффективности, которые подойдут большинству компаний, и без которых digital-маркетинга и веб-аналитика теряют свой смысл.

Архитектура и сбор данных
Теперь давайте разберемся, с чем же аналитик работает. Вся веб-аналитика стоит на четырех китах:
- Сбор данных. Определяем, какую информацию нужно собрать для решения поставленных задач.
- Настройка системы аналитики. После того, как определились с данными, нужно понять, какие системы аналитики мы будем использовать и как их правильно сконфигурировать, чтобы на выходе получить необходимую информацию.
- Обработка данных. Очищаем, приводим к единому формату и объединяем данные из разных источников.
- Визуализация, построение отчетов. Здесь важно учитывать, для кого эти отчеты и какие ответы нужно получить с их помощью.

Разновидности систем онлайн-аналитики
Для сбора данных аналитики используют различные инструменты. Им несть числа: Google Analytics, Яндекс. Метрика, Kissmetrics, Clicky, PIWIK, Adobe Analytics, Mixpanel, SimilarWeb и другие. Если интересно, вы можете ознакомится с рейтингами аналитических систем по ссылкам:
- Лучшие инструменты веб-аналитики 2019.
- Web Analytics Tools.
- 35 Amazing Web Analytics Tools 2018.
- Web Analytics Software.
Почему из всего этого разнообразия мы выбрали Google Analytics? Ответ прост — Google безоговорочный лидер среди поисковых систем мира. Более 90% всех поисковых запросов приходится на его долю. Кроме того, GA легко интегрируется со всеми продуктами Google: Tag Manager, Google Ads, Optimize, Search Console, AdSense.

Воронка пользователя
Рассмотрим воронку пользователя на пути к конверсии, чтобы понимать, зачем аналитики собирают те или иные данные.

Воронка состоит из 5 этапов:
- Привлечение внимания пользователей любыми способами.
- Контакт пользователя с сайтом.
- Удержание пользователя. Чтобы посетитель возвращался на сайт, используют, к примеру, ретаргетинг.
- Конверсия.
- Возврат платящих клиентов, завоевание лояльности. Бизнесу недостаточно одной покупки, нужно, чтобы клиент оставался заинтересованным и продолжал платить.
Какие данные собираем
Какие данные мы можем собирать, чтобы проанализировать путь пользователя, найти проблемные этапы воронки и улучшить ее:
- Источники трафика — показы рекламы, клики, расходы. Берем их из рекламных кабинетов Google Ads, Facebook, Яндекс. Директ, Bing и т. д.
- Поведение посетителей — какие страницы посещали, с какими элементами взаимодействовали, как долго. Данные собираются в системы аналитики Google Analytics, Яндекс. Метрика, Adobe Analytics, Google BigQuery.
- Товарные предложения — цена, остатки, наличие, описание, характеристики. Ecommerce проектам нужно контролировать наличие, чтобы поддерживать актуальное предложение на сайте. Эта информация чаще всего хранится в CRM-системах (1C, SAP).
- Заказы — общий доход, стоимость товаров, скидки и купоны. Эти данные хранятся в CRM.
- Клиенты — ФИО, email, номер телефона, история покупок. Эта информация также хранится в CRM и ERP.
Откуда собираем данные
Источники этой информации могут быть самые разные:
- Сайт.
- Звонки в колл-центр.
- Офлайн-магазины.
- Мобильные приложения.

Все эти источники нужно объединить, чтобы получить из данных смысл. Чуть позже мы расскажем, как это делать.


Куда собираем данные
Данные, необходимые для анализа, сохраняются в разные системы:
- В рекламных сервисах собирается информация о показах, кликах и расходах.
- В системах аналитики собираются данные о поведении посетителей сайта, источниках трафика, которые приводят пользователей на сайт.
- На сайте хранятся данные о товарных категориях.
- В CRM хранятся данные о пользователях и выкупленных заказах.
- В складских системах находится информация о марже и разных атрибутах товаров.
- Еще есть информация из службы доставки о статусе доставки, которая периодически обновляется.

Зачем аналитику знать, в какой из систем хранится та или иная информация? Чтобы получить ответ на конкретный вопрос, он должен понимать, какую информацию и из каких источников нужно объединить.
Пример 1. Как исполняемость заказов влияет на коэффициент конверсии рекламных кампаний? Здесь нужно понимать, из каких кампаний приходили пользователи (данные в системе веб-аналитики) и был ли этот заказ выполнен или нет (информация в СRM). Чтобы узнать ответ, нужно информацию из системы аналитики дополнить данными из СRM.
Пример 2. Как изменится ROAS рекламных кампаний, если вместо дохода считать прибыль? Здесь, помимо информации из GA и СRM, необходимы данные о расходах и марже товаров.
Как объединить информацию
Есть много способов собирать и объединять данные различной степени сложности. Мы делаем это автоматически с помощью OWOX BI и вам рекомендуем:

- С помощью Google Tag Manager собираем данные в Google Analytics. Почему именно GTM, мы объясним в следующих лекциях. Если кратко, то он позволяет очень быстро и без разработчиков внедрять и модифицировать код на сайте. Рекомендуем всем настраивать сбор данных в формате Enhanced Ecommerce. Даже если у вас не Ecommerce сайт, этот модуль почти всегда можно адаптировать под любой бизнес.
- Затем мы собираем расходы в GA из не-Google источников. Чтобы настроить интеграцию с Google Ads не нужны дополнительные коннекторы. Достаточно в настройках ресурса GA связать свои аккаунты.
- Дальше мы передаем все эти данные в Google BigQuery. Это облачное хранилище, которое позволяет обрабатывать большие объемы информации без семплирования и других ограничений интерфейса GA.
- Дополняем информацию в GBQ данными из CRM/ERP, систем коллтрекинга.
- Визуализируем собранные данные, строим отчеты, графики, дашборды.
Кстати, у OWOX BI есть trial-период — вы можете бесплатно объединить данные из разных систем и попробовать все возможности сервиса.
Краткие выводы
Напоследок хотим поделиться некоторыми выводами, которые мы сделали из собственного опыта:
- Никакой набор сервисов не является окончательным. К примеру, нельзя использовать только Google Analytics и быть уверенным, что он останется актуальным и через 10 лет. Нужно всегда держать руку на пульсе, интересоваться аналогами на рынке. Возможно, появится что-то новое и более интересное, что позволит собирать данные, недоступные в GA.
- Не существует такой метрики, которую нельзя улучшить. Если ничего не менять, вы не будете расти и проиграете конкурентам.
- Аналитик — это не просто должность, а функция каждого сотрудника. Каждый сотрудник компании должен без помощи аналитика уметь находить метрики, которые касаются его зоны ответственности, в системах аналитики.
- Ценность данных раскрывается со временем. Очень часто к нам приходят маленькие компании, которые только настроили GA, и говорят, что им этого достаточно. А через какое-то время они хотят посмотреть информацию, которая у них не собиралась. Если бы они изначально правильно настроили аналитику, то могли бы уже ретроспективно смотреть данные, которые их интересуют.
Если у вас есть аналитические или маркетинговые задачи, которые вызывают затруднение, мы готовы помочь. Запишитесь на демо — и наши специалисты обсудят с вами решения, подходящие вашему бизнесу.

Наши клиенты
растут на
22%
быстрее
Растите быстрее, анализируя, что лучше сработает в вашем маркетинге
Измеряйте KPI, находите зоны роста и увеличивайте свой ROI
Записаться на демоЧасто задаваемые вопросы
-
Что такое веб-аналитика?
В интернете вы найдете очень много определений, что такое веб-аналитика. По нашему мнению, все их можно сократить до одного главного предложения: «Аналитика — это измерение влияния усилий на результат». Технологии и работа аналитиков — это усилия, а дополнительная прибыль, которую получает бизнес — это результат. -
Зачем нужна веб-аналитика?
По нашему опыту, аналитика помогает бизнесу решить три основных задачи:- Меньше тратить.
- Больше зарабатывать.
- Автоматизировать все, что возможно.
-
Как объединить данные для веб-аналитики?
Есть много способов собирать и объединять данные различной степени сложности. Мы делаем это автоматически с помощью OWOX BI и вам рекомендуем.