Чтобы данные приносили компании пользу, их анализируют и используют в работе: формируют отчеты, строят прогнозы, учитывают при принятии решений. Для аналитической обработки данных используют аналитические информационные системы — это комплексы программного обеспечения, которые собирают и обрабатывают данные. Расскажем, как такие системы устроены изнутри и что они умеют.
Что такое аналитические информационные системы и зачем они нужны
Информационно-аналитическая система — это комплекс из нескольких программ и устройств, которые собирают, хранят и анализируют информацию, а потом представляют ее в удобном для пользователей виде.
Такие системы помогают:
- Трансформировать миссию и стратегию организации в конкретный набор показателей. Например, вы хотите увеличить прибыль компании на 10 млн рублей в год. Аналитическая система построит модель бизнеса с такой прибылью, чтобы вы увидели, какие показатели нужно изменить для достижения цели.
- Составлять точные и достоверные финансовые планы: на основе имеющихся данных предсказывать прибыль и расходы компании, корректировать финансовые планы в соответствии с новыми данными. Также аналитическая система может смоделировать несколько сценариев финансовой жизни компании, например, «оптимистичный» и «пессимистичный», и спрогнозировать, какие стратегии поведения выгоднее в каждой ситуации.
- Вести финансовую отчетность: собирать точную финансовую информацию от всех филиалов, подразделений и дочерних компаний, обрабатывать ее и автоматически формировать нужные отчеты.
- Прогнозировать изменения в работе компании в зависимости от полученных в реальном времени данных. Например, заранее предупредить, что ожидается падение продаж.
В основе информационно-аналитических систем лежит технология OLAP (Online Analytical Processing), а в основе технологии OLAP лежит обработка многомерных массивов данных. В отличие от обычных данных, многомерные содержат от трех и более параметров, позволяют оценить, как эти параметры влияют друг на друга и предсказать значение одной из переменных по значениям остальных.
Структуру информационно-аналитической OLAP-системы можно представить в виде трех компонентов: источников данных, OLAP-сервера и пользовательского приложения.
Данные из источников попадают на OLAP-сервер, где с ними проводится ряд операций по обработке, потом обработанные данные анализа попадают на те приложения, с которыми непосредственно взаимодействует пользователь.
Пользователи, например, аналитики компании или другие сотрудники, работают непосредственно с приложениями, которые умеют визуализировать результаты аналитической обработки данных. Через приложение они отправляют запросы, выводят информацию, производят нужные вычисления и получают результаты: прогнозы для бизнеса, графики и диаграммы, корреляцию показателей.
Откуда может брать данные информационно-аналитическая система
Для аналитической обработки информации OLAP-системе нужны данные. В качестве источников этих данных выступают:
- Базы данных компании, ERP и CRM-системы, в которых ведется учет продаж, производственных процессов, клиентов, поставщиков и сотрудников.
- Хранилища данных — системы данных, где собраны все данные компании. Сюда можно собирать данные из баз, CRM-систем или напрямую с устройств, например, с датчиков или касс.
В хранилищах могут быть выделены отдельные «зоны» — витрины данных. Это срез данных хранилища, где собрана тематическая информация, относящаяся к одному подразделению или направлению деятельности компании. Например, все данные по маркетингу, продажам или финансам. Данные из витрины удобнее и быстрее извлекать, к ним проще посылать запросы из конкретного отдела компании.
На облачной платформе VK Cloud (бывш. MCS) можно в два клика развернуть аналитическую СУБД Arenadata DB на основе многомерной базы данных Greenplum. Это база для хранения и обработки больших данных, она быстро обрабатывает сложные аналитические запросы, работает с разными источниками данных и позволяет анализировать данные в режиме реального времени с последующим прогнозированием.
Что еще почитать:
- OLAP и многомерные СУБД: как устроен оперативный анализ данных.
- Что такое DWH и почему без них данные компании почти бесполезны.
- «Биорг»: как мы решили вопрос с облачной обработкой и хранением документов.
Все течет, все меняется – в том числе в мире диджитал-маркетинга. Цифровая трансформация, явный тренд на омниканальность, изменение конфигурации соцсетей, общее изменение российского рынка весной 2022 года сказываются на поведении потребителей и на результатах продвижения. Узнайте, какие метрики и почему важно отслеживать маркетологам и владельцам бизнеса именно сегодня.
Зачем нужна аналитика в маркетинге
Аналитика – обязательная часть маркетинга, она позволяет отследить эффективность любых мероприятий. Без данных можно долго вливать средства в каналы продвижения, которые приносят мало лидов или много низкокачественных лидов, вместо того, чтобы перераспределить бюджеты. Без аналитики трудно (да что там, невозможно) понять, куда вы движетесь и приближают ли ваши текущие действия вас к поставленной цели.
Подробнее о задачах, которые решает маркетинговая аналитика:
Определение показателей, по которым будет оцениваться работа. Это маячки-ориентиры, индивидуальные для каждого бизнеса и напрямую связанные с маркетинговой стратегией. Показатели должны быть измеримыми – например: стоимость перехода на сайт или лида, дочитки статьи или досмотра видео.
Анализ поведения пользователей, пути клиента и конверсий. Например, так выглядит дашборд в сервисе DataFan…
В DataFan вы можете настроить дашборды с данными и для аналитики работы с соцсетями в целом.
Попробуйте сами – используйте промокод для пробного тарифа DataFan от SMMplanner: SMP-BLOG. Он дает месяц бесплатного доступа к сбору статистики из 3 сообществ или рекламных кабинетов вместо 1 паблика или РК.
Оценка эффективности каналов продвижения. Аналитика помогает оценить эффективность как цифровых каналов маркетинга, так и каналов продвижения бизнеса в офлайне.
Оценка эффективности маркетинговых активностей. Конкурсы, марафоны, акции – все возможно оценить, если вы собираете статистику и занимаетесь ее анализом.
Оценка «веса» компании в сравнении с конкурентами. Аналитика поможет увидеть, как действуют конкуренты, сопоставить их действия с вашими, найти наиболее эффективные идеи и внедрить в собственную стратегию продвижения бизнеса. А значит – сделать компанию более весомой и конкурентоспособной.
Повышение скорости и качества решений. Оперируя данными, специалисты-маркетологи могут аргументировать свое мнение, обосновать действия и выстроить эффективное сотрудничество с топ-менеджментом компании и с другими отделами.
Составление рекомендаций по продвижению на основе данных прошлых периодов. Если анализ проводится постоянно и планомерно, у компании набираются данные за большой период времени – 3, 5, 7, 10 и более лет. Это позволяет оценивать эффективность разных каналов и мероприятий на большом горизонте и более рационально планировать продвижение в будущем.
Инструменты маркетинговой аналитики
Для сбора и анализа данных применяют несколько инструментов. Например:
Яндекс.Метрика. Система собирает качественные данные о том, откуда на сайт приходят пользователи – источники трафика, куда они уходят; показывает точки входа и выхода; а безумно интересный инструмент «Вебвизор» позволяет увидеть путь и все действия каждого посетителя сайта.
CRM-система. Фиксирует каждое касание с пользователем.
Коллтрекинг. Позволяет анализировать работу менеджеров, снижая или исключая человеческий фактор в его негативных проявлениях.
Анализ аудитории в социальных сетях. С помощью парсера Pepper.Ninja можно узнать максимум о собственной аудитории и создать похожие аудитории для показа таргетированной рекламы. На старте бизнеса можно воспользоваться функцией «Кто мой клиент 3.0» и получить экспресс-анализ аудитории с ее социально-демографическим характеристиками, местоположением, образованием, долговременными интересами.
А/В-тестирование. Специфический метод исследования – показ похожей аудитории в одно время двух разных версий лендинга / рекламного объявления / интернет-магазина / поста, чтобы понять, какая версия лучше заходит.
Опросы, кастдевы. Опросы позволяют быстро собрать большую массу не слишком глубоких сведений; кастдевы, или глубинные интервью, помогают детально раскрыть потребности и ожидания потребителей, чтобы использовать эти знания в работе над продуктом и в маркетинговой стратегии.
Все инструменты в идеале должны быть сведены в систему сквозной аналитики – пул сервисов и баз данных, который показывает все моменты взаимодействия компании и клиента, с любыми мелкими шагами и отклонениями. Это позволяет сделать маркетинговую бизнес-аналитику максимально полной и информативной.
Что важно анализировать в 2022 году
Остановимся на том, какие моменты стали особенно актуальными для маркетинговой аналитики-2022.
Анализ пути клиента, или Customer Journey
Это набор действий, которые клиент совершает от момента знакомства с компанией/продуктом до приобретения. Фиксация всех касаний и анализ пути клиента позволяют определить слабые места – когда клиент уходит, так и не совершив покупку. Это могут быть:
- грубость или недостаточная компетентность менеджера по продажам;
- скучный и непрогревающий контент в соцсетях;
- акции с псевдовыгодными предложениями в духе хита всех времен и народов «Купи квартиру – получи бейсболку» – а искушенные, вдумчиво считающие деньги потребители все это прекрасно видят и понимают.
Пример: интернет-магазин игрушек видит, что продажи падают. С помощью Яндекс.Метрики и «Вебвизора» выясняют, что каждый 4-й пользователь, положивший товар в корзину, так в нее и не переходит. Значит, задачи на этом этапе:
- выяснить, все ли корректно работает на сайте, понятно ли пользователям, как перейти в корзину и оформить заказ;
- проверить, хорошо ли попадает в ожидания и потребности клиентов описание товаров;
- убедиться, что на странице товара есть отзывы или другие социальные доказательства.
Чтобы максимально достоверно отслеживать путь клиента, мотивируйте посетителей сайта авторизоваться перед совершением любых действий. В этом случае каждому можно назначить индивидуальный идентификатор и все действия использовать для формирования кросс-девайсного профиля пользователя. Проще говоря, так вы не потеряете и не «задублируете» одного и того же пользователя, который зашел сегодня с десктопа, а завтра – с мобильного гаджета.
Аналитика мультиканального продвижения, или Multitouch Attribution
Это – определение вклада каждого рекламного канала в привлечение и конвертацию клиента. Очень редко клиент взаимодействует с брендом только в одном канале, чаще путь его извилист.
Пример: человек увидел рекламу товара в поиске Яндекса – перешел на сайт, посмотрел, ничего не купил, но подписался на рассылку. Затем увидел таргетированную рекламу ВКонтакте, перешел в канал компании в Дзене, почитал несколько прогревающих статей. А потом получил письмо с предложением скидки, перешел по ссылке и товар купил. Если не вести аналитику мультиканального продвижения, можно сделать вывод: работает только email-рассылка, весь бюджет нужно тратить на нее. На самом деле сама по себе рассылка, скорее всего, не подвела бы пользователя к покупке.
Анализ местоположения клиентов или геоданных
Маркетинговая аналитика геоданных – сегодня это прежде всего геотаргетинг на тех людей, которые посещали точки продаж бизнеса в офлайне. Такие люди уже лояльны к бренду, и стоимость их удержания и мотивации к повторным покупкам будет существенно ниже, чем стоимость привлечения и прогрева новых клиентов. В сложной ситуации, в которой оказался сейчас локальный бизнес, это важно.
Также геоданные можно использовать при настройке таргетированной рекламы в социальных сетях, в том числе брать геоданные аудитории конкурентов, чтобы показывать им рекламу. Собрать все данные об аудитории вашего бренда и конкурентов поможет сервис парсинга аудиторий Pepper.Ninja. Подробнее об этом читайте в статье «Как собрать базу подписчиков конкурентов и поработать с ней на пользу своему бизнесу».
Дополнительные возможности маркетинговой аналитики геотаргетинга – изучение поведения пользователей. Например, если интересные бизнесу жители Москвы приходят в магазины преимущественно с 12 до 14 часов дня, значит, рекламу ваших торговых точек им важно показывать накануне вечером и рано утром, чтобы успеть перехватить аудиторию.
Анализ восприятия компании, или Социальная аналитика в маркетинге
Речь идет о том, как потребители воспринимают бренд – какие отзывы публикуют на отзовиках, что пишут в соцсетях и на форумах.
Анализ такой информации помогает, во-первых, управлять репутацией бренда, во-вторых, дорабатывать и корректировать маркетинговую стратегию – если это необходимо. Для отслеживания используют сервисы мониторинга упоминаний бренда.
Анализ мобильного маркетинга
Вариант анализа, который позволяет увидеть, зафиксировать и изучить поведение пользователей в мобильной версии сайта или в приложении. Мобильный трафик неуклонно растет – и работать с ним в 2022 году есть смысл максимально прицельно. Например, выявляя баги мобильной версии сайта на смартфонах, айфонах, планшетах или повышая функциональность мобильных приложений. Собирать такие данные поможет специализированный софт…
Работа с тремя типами данными
Маркетинг – это слон, которого ощупывают люди с завязанными глазами. Кто-то утверждает, что слон похож на змею, а кто-то – что на большую тумбу. Маркетинговая аналитика помогает свести все данные воедино и понять, что слон выглядит, как слон – и никак иначе. Так происходит в случае, если в компании выстроена работа с данными – полными, достоверными, достаточными не только для анализа прошедших периодов, но и для прогнозирования будущих. Работать важно с тремя типами данных:
- Первичные данные. Компания собирает самостоятельно с помощью доступных ей инструментов. Считаются наиболее достоверными, всегда максимально детализированы.
- Партнерские данные. Это данные, которые приобретаются у партнеров компании, например, у мобильных операторов. Помогают, например, точнее определить дни и время активности аудитории.
- Данные из третьих рук. Здесь подразумеваются большие массивы данных и результаты исследований, например, от компаний-агрегаторов данных. Ценность их в том, что можно получить данные по сегментам аудитории, с которыми бизнес еще не работал, но предполагает это делать.
Чем большим количеством данных оперирует бизнес – тем лучше для цифрового маркетинга и аналитики. Всю информацию можно использовать для автоматизации маркетинга, а главное – для принятия управленческих и стратегических решений.
Еще интересное про маркетинг и аналитику:
- 82 сервиса для маркетинга, которые точно работают в 2022 году
- Большая инструкция по отслеживанию конверсий в соцсетях
- Что меняется в SMM и SEO в 2022 году
Делаем выводы
Маркетинговая аналитика нашего времени – это бизнес-инструмент, который позволяет так точно учесть запросы пользователя, что в итоге продукт будет максимально отвечать его ожиданиям.
Аналитика в маркетинге дает также возможность кастомизации маркетинговых посылов и персонализации предложений – ведь массовые продажи всего и всем сегодня точно ушли в прошлое.
Будущее, которое рождается в том числе при помощи маркетинговой бизнес-аналитики, за персонализированными экосистемами, тонко настроенными на конкретного покупателя. Такие системы должны соответствовать глобальной цели анализа данных в маркетинге – привлечению наибольшего количества качественных лидов при оптимизации бюджета.
Спасибо!
Ваш запрос был отправлен. Мы ответим вам в ближайшее время. Прежде чем вы уйдете, подпишитесь на наши социальные сети, чтобы оставаться на связи.
Практическое применение управляемой аналитики
В прошлой статье мы с вами разобрали, какие бывают виды аналитики. Напомним, что мы определись с тем, что на вопрос о том, что произошло в тот или иной момент времени или за какой-либо период, отвечает дескриптивная (описательная) аналитика, а на вопрос о том, почему произошло то или иное событие, отвечает диагностическая аналитика. Диагностическая аналитика предназначена для выявления основных факторов, оказавших влияние на анализируемое событие, в частности, при помощи статистических методов анализа данных. Например, почему у фирмы сократились продажи определенной продукции? Применяемые в рамках диагностического анализа методы позволят определить, повлияли ли рост цен, сокращение доходов населения или, к примеру, сезонность на данный спад. Но, возможно, всё проще, и спад вызван только тем фактом, что продажи упали в одной конкретной торговой точке, например, в связи со сменой продавца в ней или в связи со сменой режима работы? И для выявления этого может оказаться достаточным использования грамотно построенных дашбордов без использования сложных статистических методов. Так, на помощь приходит guided analytics – управляемая аналитика.
В данной статье мы бы хотели остановиться на том, что же такое управляемая аналитика и поделиться с вами примерами из нашей практики. Для начала давайте рассмотрим следующий пример.
Имеется аналитическая система (наше решение для Министерства здравоохранения Саудовской Аравии), в которой среди прочих тематик анализируется смертность в разрезе групп клиник.
На графике (Рис. 1) мы видим, что самый высокий уровень наблюдается по группе Eastern Cluster . Чем это вызвано? Прежде всего, надо определиться с тем, какая из клиник обуславливает это значение. Для этого в системе настроена возможность перехода на уровень детализации по клиникам выбранной группы. Так, на графике (Рис. 2) видно, какая из клиник является наиболее «проблемной».
Рис. 1. Сравнение уровня смертности по группам клиник.
Рис. 2. Сравнение уровня смертности по конкретным клиникам.
Следующий вопрос состоит в том, в рамках какой клинико-статистической группы заболеваний пациентов данной клиники наблюдается самый высокий уровень смерности.
На следующем шаге нужно ответить на вопрос, а какое конкретное заболевание стало причиной рассматриваемой проблемы?
В примере выше мы проделали с вами возможный «путь» аналитика, выявившего проблему в одной из группе клиник. Пользователя «вели» по цепочке отчетов и детализаций внутри них. Так, мы рассмотрели пример реализации guided analytics.
Термин “guided analytics” используется в зарубежных публикациях, в русском языке для обозначения данного вида аналитики применяется понятие “управляемая аналитика”. Обратимся к истории появления данного термина. В 2004 году понятие управляемой аналитики появляется в онлайн-журнале TIBCO, а в 2007 году управляемая аналитика уже рассматривается как одно из будущих направлений бизнес-аналитики (в публикации IEEE Computer Society Press). В 2016 году такие вендоры, как Qlik и Tableau, предложили управляемую аналитику для решения задач исследовательского анализа данных. Несколько лет назад об управляемой аналитике стали говорить уже не только в контексте интерактивных дашбордов, но и в контексте продвинутой аналитики.
Источник: Knime https://www.knime.com/guided-analytics
Интерфейс Qlik Sense. Источник: https://www.qlik.com/us/products/analytics-products
Так чем же так полезна и удобна управляемая аналитика?
Управляемую аналитику принято противопоставлять self-service аналитике. В отличие от пользователей self-service аналитики, пользователям управляемой аналитики нет необходимости самостоятельно анализировать доступные дата-сеты, строить различные отчеты в поисках скрытых взаимосвязей, все отчеты и интерактивные взаимосвязи между ними уже настроены и доступны пользователю. Здесь и в дальнейшем говоря об отчетах, для упрощения мы не будем разделять понятия отчетов и дашбордов и под отчетами будем понимать любой набор визуализаторов для данных, в том числе вычисляемых.
В отличие от самостоятельно разрабатываемых пользователем отчетов (self-services), отчеты не являются персонализироваными, они одинаковы для всех пользователей, имеющих к ним доступ. Отчеты, детализации внутри них и возможные переходы настроены разработчиками на базе бизнес-требований, специфичных для конкретной компании конкретной отрасли. Иными словами, отчеты и переходы внутри них и между ними настраиваются именно под заданную проблематику.
При построении интерактивных отчетов необходимо заранее определить, какие именно показатели и разрезы потребуется проанализировать при выявлении той или иной проблемы.
Другими словами, необходимо заранее предугадать поведение пользователя приложения, понять, на какие вопросы ему потребуется ответ.
Рассмотрим самый простой пример. У компании в какой-то месяц наблюдается падение выручки от продаж. На какие вопросы могут потребоваться ответы? Например, обусловлен ли такой спад падением выручки в какой-то конкретной торговой точке? Или это связано с сокращением продаж определенного вида продукции? При снижении продукции в конкретной торговой точке – в какой день недели или в какую дату наблюдался спад? В этот день какой был режим работы в точке? Какой продавец работал в этой точке? И так далее…
Пользователям не надо обладать никакими специфичными навыками, нет необходимости строить гипотезы о взаимосвязях между данными, нет надобности тратить время на анализ доступных показателей и выбор подходящих визуализаторов. Благодаря связанным отчетам, пользователь имеет возможность переходить от общего к частному, находить «корни» проблемы, субъектов, поведение которых потребуется скорректировать для решения проблемы. А последовательность шагов для анализа, перечень вопросов, на которые надо ответить, должны быть определены на предшествующем разработке этапу экспертами – специалистами в конкретной проблематике. И по итогам управляемая аналитика должна помочь в выявлении инсайтов в данных и в последующим в принятии верных управленческих решений.
Конечно, нельзя говорить о том, что управляемая аналитика не имеет никаких ограничений. Так, пользователи не имеют возможности сменить визуализатор, добавить еще одну или несколько вычислимых метрик или загрузить данные по дополнительным показателям. Кроме того, для того, чтобы построить действительно ценные отчеты, потребуется немало предварительной работы. Бесспорно, для разработки интерактивных отчетов, несущих ценность для бизнеса, на этапе аналитики необходима глубокая проработка доступных данных.
В рамках нашей компании мы разрабатываем аналитические системы, в которых пользователям доступны как отдельные отчеты, так и взаимосвязанные интерактивные отчеты, позволяющие пользователям «проваливаться» в требуемые детализации, переходить к связанным отчетам, более детально характеризующих нужную проблематику. Для разработки таких систем мы проводим интервью с ключевыми экспертами заказчиков, мы определяем проблемы и «боли» заказчика; при наличии существующих решений, которые перестали удовлетворять пользователей, мы уточняем претензии к имеющимся решениям и требования к новым / усовершенствованию имеющихся. Мы выясняем, какие задачи должно решать разрабатываемое приложение, изучаем доступные данные из внутренних и внешних источников, изучаем доступные разрезы данных и совместно с заказчиком определяем, «как поведем пользователя» сквозь отчеты. Такое детальное обследование бизнес-процессов заказчика на этапе аналитики позволяет в будущем освободить пользователей от необходимости проведения такого рода обследований.
Если у вас остались вопросы, свяжитесь с нами по email, или оставьте заявку на сайте, и мы обязательно ответим вам!
Подпишитесь на блог
Будем делиться с вами своими знаниями и открытиями. Никакого спама, только польза.
Зачем мне настройка аналитики, если я знаю сколько у меня заявок, звонков и продаж?
Аналитика помогает понять, что происходит на сайте и как это можно улучшить.
Например, рекламодатель ведет трафик на сайт из ВКонтакте и рекламы в Google. На каждый канал выделяет одинаковый бюджет. Twitter приносит в три раза меньше клиентов, чем Google, но рекламодатель об этом не знает, потому что ничего не считает. Более того, без аналитики он вообще не узнает, что пользователи делают на его сайте и почему уходят.
В метрике видно сколько людей зашли на сайт, какие страницы просмотрели, сколько из них оставили заявку или купили товар.
У меня стоит Яндекс Метрика, зачем мне Google Analytics?
У каждой системы свои возможности и особенности. Analytics позволяет сегментировать данные по пользователям и товарам, проводить сплит-тестирование. У счетчика мощный функционал в разрезе оценки рекламных кампаний.
Зато Метрика позволяет “подсмотреть” за действиями пользователя с помощью вебвизора.
Установить оба счетчика необходимо, если для продвижения вы используете и Яндекс Директ и Google Ads.
Бывает, что один из счетчиков выходит из строя. Например, недавно лежали сервера Google, периодически такое же случается с Яндексом. Тогда статистику можно посмотреть на другом счетчике.
Почему данные в Яндекс Метрике и Google Analytics отличаются?
У каждой системы своя методика учета.
Кроме этого, есть еще несколько причин:
-
Коды счетчиков установлены в разных местах страницы. Например, код Яндекс.Метрики размещен в начале HTML-кода страницы, а Google Analytics в конце. Пользователь заходит на сайт и мгновенно учитывается Метрикой. Допустим, страница тяжелая и долго загружается. Посетитель уходит, не дождавшись полного отображения информации и не попадает в статистику Google.
-
Неверно настроены часовые пояса. Например, в Яндекс.Метрике установлено московское время, а в Google Analytics – киевское. Тогда в отчетах мы увидим, что трафик по дням, часам и минутам распределен по-разному.
-
Различия в настройках фильтров. Например, в Яндекс Метрике фильтры не установлены, а в Google Analytics исключили внутренний трафик. В этом случае в отчетах Analytics мы не увидим визиты сотрудников компании.
Разные настройки браузеров. Например, пользователь разрешил Google определять местоположение, а Яндексу нет.
Почему данные по продажам у меня в CRM не равны транзакциям в счетчиках?
Транзакции в счетчиках и в CRM могут отличаться в разные стороны если:
-
У пользователя стоит блокировщик рекламы. Тогда транзакции будут проходить мимо счетчиков аналитики, а CRM покажет больше заказов.
-
В счетчике настроены фильтры.
-
У счетчиков и у CRM в настройках указан разный часовой пояс.
-
Пользователи не возвращаются на сайт после онлайн-оплаты, то есть со страницы «Спасибо» после покупки. Счетчики не получают данные.
-
Расхождение также возможно из-за задержки во времени обработки данных. Google Analytics обрабатывает заказы до 48 часов.
Бывают расхождения в обратную сторону, когда счетчики аналитики показывают больше транзакций, чем было в реальности. Причиной может быть повторное посещение пользователем страницы «Спасибо» из-за чего в счетчики снова уходят данные о покупке.
Например, пользователь заказал пиццу. Данные о транзакции ушли в Analytics и CRM. Спустя время пользователь вновь заходит на эту же страницу, чтобы посмотреть, когда будет доставка и снова срабатывает код электронной торговли. Данные дублируются.
Данные могут не совпадать, это нормально. Важно определить допустимый % расхождений и следить за ним в динамике В случае отклонения найти и устранить причину.
Почему показатели отказов в Google Analytics больше, чем в Яндекс Метрике?
Это связано с разным подходом Google и Яндекс к учету данных. Метрика считает отказом визит, при котором пользователь провел на сайте менее 15 секунд и просмотрел не более одной страницы.
Google относит к отказам любую сессию, в течение которой пользователь просмотрел только одну страницу. Даже если посетитель час изучал миссию компании или описание товара, посещение не засчитается.
Для корректного учета в Google данных по отказам достаточно в код счетчика добавить нужно строку:
setTimeout(“ga(‘send’, ‘event’, ‘read’, ‘15_seconds’)”, 15000)
Почему данные по кликам по рекламным кампаниям отличаются от данных по визитам в счетчиках?
Основная причина — разный принцип подсчета статистики в рекламных кабинетах и счетчиках аналитики.
Каждый раз, когда пользователь кликает по объявлению и переходит на сайт, счетчики аналитики фиксируют визит, а рекламные кабинеты — клик по объявлению.
Но у рекламных кабинетов и счетчиков разные задачи:
Яндекс Директу и Google Ads важно отобразить в статистике клики, за которые заплатил рекламодатель, без учета повторов и недобросовестных переходов.
Метрика и Google Analytics учитывает визиты на сайт, независимо от того, совершили их роботы или люди, скликивали рекламу или нет.
Причиной расхождения все еще может стать некорректно установленный код счетчика, блокировщик рекламы, сработавший на стороне пользователя или технические проблемы на сайте.
Разобраться в чем проблема и исправить ошибки могут сертифицированные специалисты агентства Блондинка.Ру.
Почему пользователи добавляют товар в корзину и не покупают?
Причин много. Это может быть:
-
Сложное оформление покупки, много полей для заполнения.
-
Обязательная регистрация.
-
Неготовность пользователя к покупке. Пользователь положил товар в корзину, чтобы изучить его, прицениться и принять решение.
-
Неподходящие варианты оплаты или доставки. Дополнительные затраты на доставку, которые выявляются только при оформлении заказа.
-
Сомнения в безопасности покупки.
Почему у меня на сайте упал трафик / вырос показатель отказов / упала конверсия?
Причин может быть много: запуск или отключение каналов трафика, изменения на сайте, проблемы с сайтом. Чтобы понять и устранить проблему, аналитику как раз и нужны данные счетчиков.
Если на вашем сайте что-то пошло не так, закажите аудит и аналитику. Мы проанализируем ваш сайт, покажем, где вы теряете посетителей и устраним проблемы.
У нас нет разработчика, вы сможете все настроить сами?
Работы по настройке аналитики можно разделить на две части:
Инструментальная — это заведение и настройка счетчиков и целей.
Техническая — все, что касается кода счетчиков и событий, которые должны быть прописаны на сайте.
По каким запросам пользователи переходят на мой сайт из поиска?
Данные по запросам можно посмотреть в отчете Яндекс Метрики «Поисковые запросы». В нем есть список поисковых фраз, по которым посетители нашли ссылку на сайт в результатах поиска. Для каждой фразы можно увидеть, из какой поисковой системы пользователь по ней перешел.
Более подробную статистику по поисковым запросам можно получить с помощью Яндекc Вебмастера и Google Search Console.
В чем разница между аналитикой и сквозной аналитикой?
Счетчик аналитики видит только то, что происходит на сайте: пришел пользователь, отправил заявку, оформил заказ. Дальше заказ поступил в CRM клиента, и мы не знаем, что с ним происходит. Возможно, клиенту не перезвонили или товара не было в наличии и продажа не состоялась.
Сквозная аналитика помогает увидеть весь путь пользователя: от момента захода на сайт до оплаты и получения покупки. Мы видим перешла ли заявка в договор, не было ли отказа и когда доставили товар.
