Дашборды для бизнеса: 3 примера практического применения

8
1532

Современные системы аналитики способны отслеживать каждое действие посетителей сайтов. Но просто отправлять эту информацию в Google Analytics не достаточно. Чтобы не тратить ресурсы без видимой пользы и не упустить возможную выгоду, данные нужно анализировать, причём в полном объёме.

Поэтому в этой статье мы делимся примерами отчетов, которые строятся на основе полных данных и обновляются в реальном времени. Такие отчеты будут полезны маркетологам, разработчикам, контент-менеджерам и аналитикам, помогая своевременно решать задачи Ecommerce-проектов.

Используя эти дашборды, вы ответите на многие важные вопросы, например:

  • Как определить эффективность онлайн рекламы с учетом офлайн заказов?
  • В чем причина падения показателей конверсии — в рекламных кампаниях или проблемах на сайте?
  • Все ли работает на сайте после обновления JQuery?

В описанном решении мы учли следующие пожелания:

  1. Не совершать дополнительных внедрений и покупок.
  2. Собирать данные из Google Analytics и использовать привычные Google Sheets.
  3. Автоматически (а при необходимости — и вручную) загружать данные в отчёты.
  4. Выгружать данные в CSV / JSON формате в любых количествах и в любое время.
  5. Высокий уровень безопасности. И ров с аллигаторами по периметру.

Обо всём по порядку: поговорим о том, как организовать сбор и обработку данных, что такое Google BigQuery и где в Google Sheets искать сводные таблицы.

1. Собираем данные

Для объединения и обработки данных наши клиенты используют Google BigQuery. Этот инструмент выбран не случайно: данные из каждого сервиса загружаются в удобном формате и режиме, при этом не нужно беспокоиться о свободном месте на сервере.

Если вы ещё не знакомы с Google BigQuery — это облачный сервис для быстрой обработки и анализа больших объёмов данных при помощи SQL-подобных запросов. Вы платите только за объём хранящихся и обрабатываемых данных, причём первый терабайт данных в месяц обрабатывается бесплатно. Также при регистрации пользователи получают 300 USD на расходы в течение 60 дней.

Преимущества:
  1. Быстрый старт без подписания контрактов и приобретения серверов;
  2. Данные из Google Analytics не семплируются и собираются в режиме реального времени;
  3. Невысокая стоимость обработки данных — 5$ за 1 TB;
  4. Данные принадлежат владельцу проекта, а не подключенным сервисам.
Ограничения:
  1. Сервис платный;
  2. Существует только облачная версия;
  3. Нет частичного обновления (UPDATE), только полное пересоздание таблицы.

Для получения полных данных советуем использовать OWOX BI Pipeline. С его помощью несемплированные данные из Google Analytics отправляются напрямую в Google BigQuery в режиме реального времени, а из остальных сервисов (CRM, почтовые сервисы, коллтрекинг) данные можно загружать автоматически или вручную.

2. Обрабатываем данные

Чтобы данные из Google BigQuery попали в Google Sheets, можно использовать OWOX BI Pipeline. С помощью аддона можно получить результаты SQL-запросов и сохранить нужный запрос для последующего использования.

Преимущество использования SQL-запросов для построения отчётов том, что количество метрик и структура отчётов ничем не ограничены, а полученные данные всегда полные и несемплированные.

К тому же, аналитику или разработчику достаточно составить запрос один раз. В дальнейшем данные в Google Sheets обновляются автоматически или по запросу:

Преимущества:
  1. Не нужно заботиться об индексах в базе данных и свободном месте на серверах;
  2. Можно создавать отчеты в любой структуре;
  3. Любые объемы данных обрабатываются очень быстро;
  4. Не нужно изучать дополнительный язык запросов, достаточно знания SQL.
Ограничения:
  1. Не нужно изучать дополнительный язык запросов, достаточно знания SQL.
  2. Очень сложные запросы могут выполняться в течение нескольких минут.

3. Строим отчеты

Исходя из нашего опыта отчеты удобнее всего строить при помощи сводных таблиц и  условного форматирования.

3.1. Для маркетинга

В приведенной таблице представлено сравнение основных показателей рекламных кампаний — количества сессий, дохода и ROAS по неделям.

Преимущества:
  • Уровень сегментации (source, medium или campaign) можно легко поменять;
  • ROAS посчитан с учетом исполненных заказов, маржи на товарах и даже заказов из физических магазинов — например, если покупатель воспользовался картой лояльности (или другим идентификатором).

Обратите внимание, в отличии от количества сессий и дохода, ROAS должен оставаться вычислимым показателем, иначе он будет считаться неправильно при изменении глубины сегментации.

3.2. Для измерения показателей конверсии

Ключевые микроконверсии, такие как добавление в корзину или переход на оформление заказа, можно использовать для контроля эффективности сайта. Мы рекомендуем разделять их по типам страниц и браузерам и придерживаться нескольких простых правил, для удобной поддержки и обновления отчетов:

  • Один документ — один отдел;
  • Одна метрика — один лист (и один SQL-запрос).

Если нужно объединить несколько метрик для сводной таблицы, это можно сделать вот так:

Например, просел коэффициент конверсии. При помощи отчета проверяем, связано ли падение конверсии с сайтом в целом или только с отдельными страницами. Видим, что больше всего конверсия просела на карточках товара, причём именно в Firefox. Проблема возникла потому, что разработчики допустили ошибку при обновлении jQuery, а благодаря дашборду ее удалось быстро выявить и локализовать.

Преимущества:
  • Микроконверсии можно проанализировать с сегментацией до каждого типа страницы и браузера;
  • Новые данные о действиях пользователей появляются в Google BigQuery не позже, чем через пять минут; при этом частоту обновления данных в отчётах вы можете выбрать по своему усмотрению.

Обратите внимание: если данных для сравнения недостаточно — они автоматически фильтруются и не создают искажений.

3.3. Для IT-отдела

Некоторые технические показатели тоже полезно отслеживать, к примеру:

  1. Время ответа сервера;
  2. Время загрузки страницы;
  3. Долю JavaScript-ошибок у пользователя.

Эти метрики мы также рекомендуем сегментировать по типам страниц и браузерам, чтобы локализовать причину проблем было быстрее и проще.

Стоит уточнить, что измерение этих показателей происходит «с пользовательской точки зрения», поэтому такие данные будут более объективны, чем полученные от сервисов мониторинга работы сервера (таких как Zabbix или Munin).

Заключение

Преимущества:
  1. Возможность строить отчёты любой структуры и выбирать любые параметры;
  2. Хорошо знакомый и гибкий интерфейс Google Sheets;
  3. Двухфакторная авторизация и управление доступами на основе Google-аккаунтов.
Ограничения:
  1. При выгрузке в Google Sheets более 100 000 значений, работа сервиса ощутимо замедляется;
  2. Нет встроенного функционала отправки уведомлений при изменении показателей (только через Apps Script).

А где же аллигаторы? Стерегут данные в дата-центрах Google.

Полезные ссылки:

Вас также могут заинтересовать