Школа аналитиков, урок 1: зачем нужна веб-аналитика и как собирать данные

201
4851
Материалы для скачивания

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.

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.

Содержание

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.

Направления работы аналитиков

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?

  1. Аналитическое мышление.
  2. Знание предметной области.
  3. Технические компетенции и инструменты.
Навыки аналитиков

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.

бонус для читателей

Видео докладов с конференций: Analyze, GoAnalytics и Ecommerce

Скачать материал

Типология аналитиков

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

Типы аналитиков

Рассмотрим основные типы веб-аналитиков:

  1. 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.
  2. Системный аналитик. Он по сути занимается тем, что передает идею бизнес-аналитика в разработку.
  3. UX-аналитик. Анализирует взаимодействие пользователей с интерфейсом сайта. Ставит себя на место пользователя, определяет, как сделать функционал сайта более удобным.
  4. 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.
  5. Big Data аналитик. Работает с массивами данных, правильно их структурирует, обрабатывает и выдает в нужной структуре, чтобы потом можно было использовать их в отчетах.
  6. 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.
  7. 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.

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

По нашему опыту, перед бизнесами обычно стоят три основных цели:

  1. Меньше тратить.
  2. Больше зарабатывать.
  3. 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?

Типы онлайн-проектов и их KPI

Давайте освежим в памяти самые распространенные типы онлайн-проектов и основные KPI, которые важны для этих бизнесов:

  1. Онлайн ритейл — коэффициент конверсии, средний чек, CPC, CAC, средний доход на сессию.
  2. 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.
  3. Телеком — ARPU, доля дохода с сайта и мобильного приложения.
  4. SaaS сервисы — конверсия в бесплатные пакеты, конверсия в платные пакеты, конверсия из бесплатных пакетов в платные.
  5. Маркетплейсы — доход CPC и CPA моделей, глубина просмотра.
  6. Контент проекты — среднее время на посещение, показать отказов, глубина просмотра.
  7. Банковские и финансовые услуги — количество заявок в зависимости от рекламной кампании.

Архитектура и сбор данных

Теперь давайте разберемся, с чем же аналитик работает. Вся веб-аналитика стоит на четырех китах:

  1. Сбор данных. Определяем, какую информацию нужно собрать для решения поставленных задач.
  2. 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.
  3. Обработка данных. Очищаем, приводим к единому формату и объединяем данные из разных источников.
  4. Визуализация, построение отчетов. Здесь важно учитывать, для кого эти отчеты и какие ответы нужно получить с их помощью.
4 кита веб-аналитики

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:

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.

Исследование Search Engine Market Share Worldwide (2017- 2019)
Исследование Search Engine Market Share Worldwide (2017- 2019)

Воронка пользователя

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

Воронка пользователя

Воронка состоит из 5 этапов:

  1. Привлечение внимания пользователей любыми способами.
  2. Контакт пользователя с сайтом.
  3. Удержание пользователя. Чтобы посетитель возвращался на сайт, используют, к примеру, ретаргетинг.
  4. Конверсия.
  5. 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.
Откуда собираем данные

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:

  1. В рекламных сервисах собирается информация о показах, кликах и расходах.
  2. В системах аналитики собираются данные о поведении посетителей сайта, источниках трафика, которые приводят пользователей на сайт.
  3. На сайте хранятся данные о товарных категориях.
  4. В CRM хранятся данные о пользователях и выкупленных заказах.
  5. В складских системах находится информация о марже и разных атрибутах товаров.
  6. Еще есть информация из службы доставки о статусе доставки, которая периодически обновляется.
Куда собираем данные

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:

Объединение данных
  1. 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.
  2. 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.
  3. 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.
  4. Дополняем информацию в GBQ данными из CRM/ERP, систем коллтрекинга.
  5. Визуализируем собранные данные, строим отчеты, графики, дашборды.

Узнайте больше об объединении данных в статье «Сквозная аналитика — 2 способа настройки».

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.

В следующей статье мы поговорим о том, что такое система метрик, зачем и как ее внедрять на сайт. Не пропустите!

Вас также могут заинтересовать