Книга: Ваш интернет-магазин от А до Я

Веб-аналитика

Веб-аналитика

Вот мы и подошли к самой непростой и противоречивой теме в этой книге. Прежде, чем я перейду к по-настоящему страшным вещам, давайте определимся с тем, что такое веб-аналитика и зачем она нужна. И здесь всё просто. Это данные, собранные тем или иным образом на вашем сайте или переданы из других источников, которые обработали с целью получения информации для принятия бизнес-решений.

К сожалению, далеко не все в курсе, как интерпретировать эти знания, какое значение и важность представляют те или иные цифры. Буквально сегодня ко мне обратился весьма опытный «коллега по цеху», который привёл друзьям в качестве примера хорошего маркетинга компанию «Аудиомания», а в качестве ответа получил: «У них высокий показатель отказов». Я сходу не нашелся, что ответить на такой странный комментарий. Даже с учётом того, что показатель «отказов», то есть, ушедших практически сразу после открытия сайта посетителей, у нас не превышает 20%, что совершенно нормально, оценивать маркетинг интернет-магазина по этой цифре было бы совершенно не логично. Возможно, таким способом можно сравнить СМИ, но даже здесь это спорно.

Также нелогично сравнивать эффективность рекламы по соотношению кликов к показам. Также нелогично сравнивать эффективность организации по посещаемости её сайта. В качестве ставшего уже классическим примера, приведу историю с «чёрными шлангами». Если не слышали, введите в поиск по картинкам Яндекса или Гугла запрос «CTR чёрные шланги». Вам должен понравиться найденный там комикс.

Существует забавный, почти шуточный инструмент razvedaem.ru, который по оценке посещаемости сайта может прикинуть как оборот и маркетинговый бюджет, так и количество сотрудников. Иногда он даже попадает в цель.

Меня периодически спрашивают, как же правильно оценивать эффективность интернет-магазина. И я всегда отвечаю: бизнес следует оценивать в деньгах. Понятно, что существует множество промежуточных и уточняющих результат значений, но первичны всегда деньги. Запустили новую рекламную кампанию – сколько она принесла денег? Привлекли нового подрядчика, который улучшил сайт – сколько это принесло денег? Обратились в агентство – сколько это дало бизнесу? Только не по мнению агентства – это важно.

Основополагающей информацией веб-аналитики является количество заказов, оборот и… их источники. Контроль качества и эффективности вашей рекламы – главная задача данного инструмента. Вторым делом после установки кода системы аналитики на свой сайт следует определить цели. Для интернет-магазина главными целями являются:

1. добавление товара в корзину;

2. открытие корзины;

3. оформленный заказ.

Не стесняйтесь, добавляйте столько целей, сколько хотите отслеживать. Слово «конверсия», часто использующееся в этом контексте, означает не всегда только покупку, это может быть и процент достигших какой-либо цели людей. Заполнение формы обратной связи, просмотр 10 товарных страниц, посещение конкретной категории, посещение товаров конкретного бренда. Не останавливайте свою фантазию. Если вам эта информация будет полезна, создавайте новые цели. У Аудиомании настроено порядка пятидесяти целей. Напомню, используя цели в Яндекс. Метрике, вы сможете настроить показ рекламы людям, их достигших. Я рассказывал об этом в главе про ретаргетинг.

Теперь вы сможете посмотреть источники посетителей, достигших интересующих вас целей. Главное – по возможности «разметить» ваши источники. Для этого все размещаемые где-либо ссылки необходимо снабдить соответствующими дополнениями. Возможно, вы уже слышали про «utm-метки», либо встречали их при переходе на тот или иной сайт. История их появления уходит во времена, когда система Google Analytics называлась иначе и не принадлежала Гуглу. Метка Urchin Traffic Monitor (UTM) – это лишь вершина айсберга запатентованной и самой революционной в то время технологии отслеживания Urchin WebAnalytics, позднее приобретённой Гуглом и ставшей всем известным инструментом.

Метки эти нужно ставить обязательно. Причина тому – огромное количество причин потери информации об источнике перехода. Вы можете ошибочно принять платный трафик за бесплатные переходы. Или наоборот. Но страшнее даже не это, потерянная информация об источнике – это неверно сделанные заключения об эффективности канала. Традиционно используется три или четыре параметра, в которые записывается источник, название рекламной кампании, тип оплаты и, при необходимости, более подробные данные. Как именно группировать значения этих параметров, да и вообще как их использовать – дело ваше. Чем подробнее будет размечен трафик, тем детальнее вы его сможете изучить. Если вам это необходимо. Минимальным и необходимым является utm_source – источник перехода.

И вот теперь я перехожу к самому страшному. Всё дело в том, что традиционные и общедоступные системы веб-аналитики… не до конца корректно показывают вам источники ваших заказов. Да-да. Вы всё прочитали правильно. Как следствие, даже если вы передаёте в «Analytics» или «Метрику» данные о товарах, суммах и статусах заказов, что, строго говоря, обязательно следует делать, вы можете получить неверные итоговые цифры. Вне зависимости от того, системой какого из двух интернет-гигантов вы пользуетесь.

Всё дело в том, что изначально, со времён появления первых систем веб-аналитики, нам предлагается жить в одномерном пространстве.

Посмотрите на рисунок.

Традиционная, одномерная веб-аналитика

Жил-был человек и увидел он где-то в Сети баннер (первая иконка) и перешел на сайт магазина. Посмотрел-посмотрел и ушел. Но мысль о покупке осталась. Он решил воспользоваться поисковой системой (вторая иконка), чтобы найти то предложение. И он нашел его, и снова перешел в магазин. Но ему не хватило информации. Тогда он пошел на форум, где задал несколько вопросов и получил множество ответов со ссылками, одна из которых была на тот самый магазин. И он перешел по ней. Почитал-почитал, но не решился сделать покупку. На следующее утро, задумав совершить покупку прямо сейчас, он пошел на популярный товарный агрегатор, нашел предложение магазина и перешел по ссылке. Теперь он кладёт товар в корзину и оплачивает его.

Вы думаете слишком странный и длинный сценарий? Тогда у меня для вас новость. Этот сценарий совсем не длинный. Бывают куда длиннее и сложнее. Традиционные «одномерные» системы веб-аналитики припишут покупку, конечно же, последнему касанию – товарному агрегатору. Остальные источники останутся не у дел. Тогда как самый первый баннер является основоположником этой продажи. Без него у клиента не возникло бы идеи данной покупки. Выключив все предыдущие источники и оставив только товарный агрегатор, вы удивитесь, как мало у вас стало продаж. И, наоборот, подключая различные источники трафика, вы будете увеличивать количество заказов. В том числе, с тех же самых источников, что и были до того. Некоторые э-коммерс эксперты говорят, что это «эффект синергии». В какой-то степени это правильно, но корректнее всё-таки рассматривать этот эффект в контексте воронки продаж.

Особенно это касается нативной рекламы, когда человек, получая первичную информацию, фомирует потребность и начинает искать подробности. Клик со статьи будет первым, но критически важным. Но клика может даже и не быть. Вот здесь может помочь история с postview, хотя она не всегда возможна для нативной рекламы. А традиционные системы веб-аналитики к этому пока совершенно не готовы. И это не теория. Это – ежедневная практика!

Вероятный сценарий из жизни бедных интернет-магазинщиков:

1. «Баннерная реклама не работает. Выключаем!»

2. Продажи упали в два раза…

3. «Это, видимо, несезон/кризис/спад покупательской активности…»

Другой вероятный сценарий из жизни богатых интернет-магазинщиков:

1. «У клиентов, изначально пришедших с баннерной рекламы, средний чек выше в два раза, чем у тех, кто пришел с контекстной рекламы, а стоимость привлечения почти такая же».

2. «Увеличиваем бюджет на баннеры!»

3. Оборот вырос в три раза…

В России еще весьма популярны телефонные заказы и консультации, когда клиент звонит в магазин, общается со специалистом и, возможно, сразу же оформляет заказ. Таких заказов, в зависимости от рынка, от 20 до 50% от общего количества. И эти цифры создают еще одно неприятное ощущение, что ваша веб-аналитика, и без того не совсем корректная, имеет дополнительную погрешность в 20—50%. Чтобы отследить такие продажи, существуют так называемые системы «колл-трекинга». Зачастую они работают по принципу подмены вашего телефонного номера на сайте на один из пула многочисленных своих номеров в реальном времени, исходя из источника, с которого посетитель перешел на ваш сайт. Таким образом, вы можете получить источник звонка. Если же ваша телефония связана с CRM, то не только звонка, но и заказа.

В некоторых компаниях, особенно в секторе B2B, очень активно используется электронная почта как источник новых заказов или заявок. В этом случае вы можете размещать динамический (изменяющийся) адрес электронной почты в разделе «контакты», то есть разный адрес для разных посетителей. Таким образом, связав ваш почтовый сервер с CRM, вы сможете также выявлять источники заказов. Расскажите своему программисту об этой идее, уверен, на реализацию потребуется не так уж и много времени.

Еще одним важным «лайфхаком» является склейка данных о считающихся разными посетителях, по факту являющихся одним человеком. Ведь мы уже знаем, что один человек может использовать множество устройств для доступа в Интернет. Присвойте каждому авторизовавшемуся, либо тем или иным способом себя идентифицировавшему клиенту, уникальный постоянный идентификатор (можно взять ID покупателя из вашей CRM). И передайте его в Google Analytics через параметр User ID в коде отслеживания. Теперь у вас будут более точные данные об источниках заказов. И не только.

Чтобы все данные о продажах состыковались с веб-аналитикой, их нужно туда передать. Иными словами ваша CRM должна быть связана с Google Analytics. Как минимум, она должна рассказывать ей о том, какие заказы отменились, а какие были созданы сотрудником отдела продаж по телефону или при личном общении в магазине.

Если вы готовы погрузиться в эту непростую, но очень интересную историю, то вам необходимо будет изучить так называемый «Measurement Protocol». Писать об этом динамично меняющемся инструменте в книге было бы странно. Главное, что нужно знать о нём, это то, что он позволяет передать сырые (необработанные) данные практически откуда угодно, из почти любого инструмента в Google Analytics. Хоть из Microsoft Excel. Это не так страшно, как звучит. Если же, всё-таки, страшно или нет желания и времени разбираться самостоятельно, то вам необходимо знать одно имя и фамилию – Иван Никитин. Вы легко найдёте его среди моих друзей на Facebook. Он – настоящий гуру Аналитикса, который работал с этой системой еще до того, как Google приобрела её родоначальника. И не забудьте ему сказать, как вы его нашли. Таким устаревшим образом я смогу выяснить, сколько людей, прочитавших мою книгу, обратились к Ивану за консультацией. Кстати, он периодически проводит вебинары, в которых рассказывает очень интересные вещи. Поищите их записи в Сети. И нет, это не реклама, а совершенно искренняя и бесплатная рекомендация.

И да, не всегда необходимо самостоятельно реализовывать «взаимодействия» с Аналитиксом. Есть сервисы, которые позволяют это сделать, что называется «бесшовно». Вы получите все данные там, где надо, лишь только интегрировавшись с ними на уровне своей системы работы с клиентами.

Вернёмся к одномерному пространству, в рамках которого нам предлагают жить. Давайте представим себе, что наше пространство стало двумерным. Какие возможности нам это дало?

Двумерная веб-аналитика

Это дало нам возможность осознавать, как именно посетитель продвигается по воронке продаж, какие источники его по ней двигают. При этом мы знаем точно, какой источник в эту воронку человека отправил, превратив в потенциального покупателя, и какой источник стал последней точкой в принятии решения купить – и купить именно у вас. Похоже на реальность, правда?

Спустя много лет после начала эпохи веб-аналитики, которая сменила эру счётчиков и период лог-анализаторов, в Google Analytics появился инструмент «моделирования атрибуции» – возможность «поиграться» с тем, как будет меняться картина распределения конверсий, исходя из назначения разной ценности различным этапам пути конверсии. Это уже двумерное пространство, в котором каждый источник перехода потенциального клиента может быть учтён. Проблема в том, что это лишь отдельный отчёт. В него можно именно «поиграться», но не использовать ту или иную модель для формирования каких-либо отчётов.

В «Метрике» также появились нововведения – теперь можно получить информацию о конверсиях с учётом «первого перехода» и «последнего значимого». Это, конечно, большой шаг вперёд, особенно в условиях, когда большинство рекламодателей использует небольшое количество рекламных каналов, но не решение проблемы в глобальном смысле. Я очень надеюсь, что этот переходный период пройдёт, и наступит настоящее счастье.

Но самое главное, что нужно понять про веб-аналитику, что она на самом деле трёхмерная. Третье измерение – это инструменты возврата и удержания клиентов. E-mail маркетинг, push-рассылки, ретаргетинг… Учитывая эффективность ретаргетинга как источника клиентов, вы можете заметить, что он очень хорош. Но, при всей его эффективности, он не является источником клиентов! Без других источников привлечения он просто не работает. Совсем. А теперь представьте себе оценку эффективности ретаргетинга в традиционном одномерном пространстве. «Он приводит так много клиентов»…?!

Продолжая вас пугать, расскажу еще одну страшилку. Я практически не верю в прямой трафик. Это когда ваши посетители якобы набирают адрес вашего сайта в строке браузера или положили его в закладки, а потом перешли оттуда. Конечно, такие есть среди ваших визитёров. Например, вы сами. Но в реальности их значительно меньше, чем вам показывает любая система веб-аналитики. Дело в том, что есть очень большое количество посетителей, которые неясно откуда пришли. Либо у них стоит какая-то программа-блокировщик, либо включён режим «инкогнито» в браузере, либо произошел переход по ссылке в письме из программы-клиента электронной почты, да и не только это. Причин, почему не удаётся понять, откуда взялся посетитель – множество. Эти люди отправляются в «прямой трафик».

В реальности, с приходом не очень технически подкованных людей в Сеть, значительно возрос брендовый трафик из поисковых систем. Это когда люди набирают название вашей компании или даже адрес сайта в поисковой системе. Для многих из них Интернет – это Яндекс, ведь именно с этой страницы у них начинается процесс хождения по Сети. Она стоит в качестве домашней, и браузер открывает именно её при запуске. Я больше верю в такой «прямой трафик», чем в показываемый системами веб-аналитики. Я абсолютно убеждён, что органический трафик нужно делить на брендовый и весь остальной. И анализировать успехи поискового продвижения в отрыве от брендового трафика.

Тем не менее, всё это – космос для многих предпринимателей. По не таким уж и старым данным Google 25% сайтов вообще не имеют установленного счётчика. А те, где он присутствует, в массе не имеют настроенных целей, а значит, не смогут посчитать и оценить источники конверсий даже по «одномерному» алгоритму.

Несмотря ни на что, Google Analytics – действительно, на мой взгляд, самая совершенная из общедоступных систем веб-аналитики, но у Яндекс. Метрики есть огромное преимущество в виде уникального инструмента – «Вебвизора». Он показывает «мультики» – так я называю записанные действия людей на вашем сайте. Вы видите, как клиент двигает мышкой, куда нажимает и как заполняет те или иные поля. Этот инструмент нельзя недооценить. Он превосходно подходит для анализа поведения клиента в условиях тех или иных инструментов на вашем сайте. Можно отфильтровать людей, положивших товар в корзину, но не завершивших процесс оформления заказа. Тогда «мультики» могут показать технические проблемы, которых вы не замечаете, так как во время проверки действуете по «правильному сценарию», не совершая нетипичных действий, которые как раз могут делать сторонние посетители.

А что же всё-таки делать с аналитикой, если она такая «одномерная»? Из самой первой главы вы уже знаете, каким путём пошли компании, где я управлял этим процессом. При наличии данных можно построить какую угодно аналитику.

Несколько лет назад я рассказал на одной из самых интересных, на мой взгляд, IT-конференций «Стачка», которая проходит в Ульяновске, о том, как мы создавали нашу систему аналитики. Как я уже говорил, у нас особо не было выбора. Никаких других систем, удовлетворяющих нас по функционалу, просто не было. Строго говоря, их и сейчас нет. В конце презентации я задал вопрос залу: «кто теперь займётся созданием чего-то подобного?». Почти треть зала ответила поднятыми руками. Всё дело в том, что в такой системе нет ничего космически сложного. Как я сказал в начале, веб-аналитика – это представленные в нужном виде данные. Что такое данные о посетителях интернет-магазина? В основном это открытия конкретных страниц сайта, источники переходов, метки. Осталось создать контрольные точки, состыковать это всё с данными о заказах и сформировать нужные отчёты.

Может показаться, что данных будет так много, что ни один привычный сервер баз данных не справится. Но ведь мы собираем данные только по нашим магазинам, а не по большому количеству сторонних, как это делает Метрика или Аналитикс. Никакой «бигдаты» (очень большого объёма данных) здесь нет.

Логика нашей системы проста. Каждый посетитель при первом заходе на сайт получает идентификатор (подобным образом сейчас работает почти любая система веб-аналитики). Вся история его посещений записывается в базу. Если он совершит заказ или достигнет иной цели, то мы будем знать все его шаги и источники переходов, предшествующих этому событию. Корректный с моей точки зрения расчёт источников заказа («атрибуция конверсии») – дело нескольких SQL запросов. И, конечно же, мы учитываем все предшествующие заказу заходы, а не только первый или последний.

Один из часто задаваемых вопросов последнего времени – как определить онлайн источник клиента, если он не оформлял заказ непосредственно в интернет-магазине. Один из способов – колл-трекинг. Как я рассказывал раньше, он позволит идентифицировать источник звонящего. Мы изначально пошли другим путём, и я до сих пор считаю его оптимальным. Если покупатель делает заказ по телефону, то продавец просит его назвать уникальный идентификатор, который показывается на сайте в правом верхнем углу. И очень редко мы получаем отказ, если только клиент в данный момент не у компьютера. Получив данные об идентификаторе, аналитика открывает доступ к онлайновой истории клиента, и понимает, какие источники предшествовали заказу.

Теперь более сложная история: клиент пришел в оффлайн-магазин и совершил покупку там. В этом случае есть две возможности. Первая – отправить клиенту письмо с уникальной ссылкой, если он по ней перейдёт, его ID посетителя привяжется к данным о заказе. Вторая – подождать пока клиент оформит новый заказ через интернет-магазин. Есть еще пара десятков способов, которые я позволю себе оставить в качестве ноу-хау. Конечно, эти методы не являются 100% гарантией идентификации. По факту мы идентифицируем источники примерно 70% оффлайн-заказов.

Одна из ключевых вещей, которая уточняет данные, но не является функцией веб-аналитики – дедубликация учётных записей клиентов. То есть склейка разных регистраций одного клиента. У нас это – одна из ежедневных практик. Есть как автоматический сервис, так и полуавтоматический, требующий участия человека, удостоверяющегося в том, что это действительно дубль. Многие интернет-магазины совершенно не обращают на этот очень важный момент внимания. А некоторые крупные компании даже, наоборот, стремятся получить как можно больше новых регистраций. Скорее всего, им важно продемонстрировать эти данные своим инвесторам в качестве значительного роста клиентской базы. Мне это напоминает действия представителей некоторых операторов сотовой связи, нанимающих людей раздавать бесплатные сим-карты у метро. Количество «новых подключений» точно вырастет. Вырастут ли доходы от данных мероприятий?

Сейчас конечно не обязательно писать свою систему, даже с учётом того, что ничего в ней нет сложного. На рынке есть множество готовых решений, которые позволят вам отслеживать источники конверсий в разных плоскостях. Появился термин «сквозная аналитика» – технология, которая предлагает анализировать не трафик, при помощи которого пришли покупатели, а заказы, которые мы получили в контексте затраченных на их привлечение средств. Что, строго говоря, и нужно было делать изначально. Просто исторически сложилось, что мы смотрим посещаемость, а уже потом – всё остальное. Хотя для бизнеса-то нужно совсем не это, бизнес интересуют деньги на входе и на выходе. Сейчас очень активно развивается российская система Roistat, которая ставит во главу угла именно бизнес-показатели, а не посещаемость сайта.

Как правило, системы «сквозной аналитики» также обладают и возможностью настраивать модель атрибуции конверсий, которая наиболее приемлема для вашего бизнеса и тактики привлечения клиентов. В статической книге было бы странно описывать инструменты, находящиеся на острие прогресса и активно совершенствующиеся на ежедневной основе. Главное, что теперь вы понимаете: штатных функций Яндекс. Метрики и Google Analytics вам может не хватить для полноценного понимания эффективности вашей рекламы. И путь, куда «копать», вы уже знаете.

Оглавление книги