Олег Катрышев, руководитель отдела маркетинга AIZEL, представил интересный доклад в рамках крупнейшей конференции по веб-аналитике – iMetrics 2016. Он указал на проблемы организации «облака знаний» о пользователях, предложил кейсы по использованию продвинутой персонализации данных и удобному ведению органайзера.
AIZEL – это бутик женской одежды, созданный в 2003 году. В офлайне он просуществовал почти 10 лет. Потом уже появилась идея «перекочевать» в интернет, развивать направление маркетплейс и расширять команду, ассортимент, инвестиции.
Как это удалось? Благодаря наличию чёткой стратегии и работы с ней на протяжении всего периода «переквалификации» бутика в интернет-магазин.
На скриншоте ниже представлена схема с обратной связью:
AIZEL в настоящее время представляет собой не просто витрину, а систему взаимосвязанных друг с другом элементов: GA, Google Tag Manager, Ретаргетинг и т.д.
Одна из основных задач подобных сайтов-систем – создавать и заполнять базы данных о пользователях, чтобы у вас было своё «облако знаний» о них. Дальше в игру вступают люди: маркетологи и продакшн. Они анализируют это облако знаний и пытаются кластеризовать всех пользователей, разбить на различные сегменты, чаще всего – на платёжеспособные группы.
Это необходимо для чёткого таргетирования УТП (уникального торгового предложения), формирования подходящих каналов коммуникации. Дальше на основе гипотез запускаются тесты, а на основе тестов – реальные стратегии взаимодействия с пользователями. После этого создаются объявления, предложения и распространяются по маркетинговым каналам, всё больше пользователей приходят на сайт. Вы изумительны и можете собой гордиться.
Для того чтобы всё это так и работало, необходимо создать максимально полный профиль знаний о пользователе и научится передавать эту информацию во все системы с минимальными потерями данных.
Какие в этой задаче есть сложности:
1. Нет единой точки доступа ко всем данным.
Нет единой базы, где есть всё. Эта проблема до сих пор никем не решена окончательно: у вас есть Google Analytics, есть CRM, есть браузерные данные, и везде присутствует частичка информации, но полной картины нет. Основная цель заключается в том, чтобы в каждой системе было максимальное количество данных, потому что везде сейчас машинные алгоритмы, а для них очень важны количество и качество созданных данных.
2. Хаос в трекерах на сайте.
Когда вы начинаете устанавливать теги, вам говорят: «Вот, поставьте этот код в начало, этот туда, этот сюда, этот в футер, этот на кнопку повесьте» и так далее. В результате, когда есть пять событий – ещё нормально, когда 10/20/30 – невыносимо. А так как сайт – живая система, там постоянно меняется дизайн, меняются события, классы на кнопках, то из раза в раз может теряться часть информации. Такая система рано или поздно начнёт недополучать данные.
В AIZEL было решено вести органайзер событий, в котором можно видеть, какие события на каких кнопках висят. Но это тоже не до конца решает проблему, так как органайзер становится огромным, и за ним очень сложно следить. Поиск открытой системы, которая смогла бы за всем этим следить, поддерживалась бы разработчиками и исправно функционировала без вылетов привёл к тому, что лучше сервиса Google Tag Manager пока ничего нет.
3. GTM не до конца решает поставленную задачу, если использовать его в голом виде. Хаос из трекеров переезжает в хаос из тегов в GTM.
И здесь логично предположить, что нужна ещё какая-то прослойка, чтобы одни машины могли общаться с другими машинами на понятном для них языке. И эта прослойка называется «Уровни данных», она есть и у Googlе. Однако по факту, у Google нет никакого стандарта оформления данных: называйте, как хотите, размещайте, как хотите, делайте, что угодно. Если нет стандарта, у программистов нет чёткой документации. И когда вдруг уходит программист или аналитик, единственный человек, который вообще что-то понимает в этом карнавале данных, потом очень трудно разобраться в оставленных цифрах.
Кейс N1: как собрать все данные в одном месте.
AIZEL использовал для достижения цели сервис Digital Data Manager. Достаточно один раз настроить data layer, а дальше жизнь упрощается. Большинство интеграций уже предустановлены в сервис, остальные интуитивно понятны. В сервисе есть один узел, через который проходит вся полученная информация и распределяется по необходимым сегментам.
Настройка основных интеграций:
Настройка дополнительных параметров интеграции:
Результат: чистый GTM, в котором есть набор определённых триггеров, тегов и стандартные интеграции:
Многие согласятся с предположением, что чем больше карточек товаров посмотрел пользователь (неважно, за одну сессию или несколько), тем выше шансы совершения им покупки. Сервис Digital Data Manager позволяет сохранять и анализировать любую переменную.
Кейс №2: быстрая настройка сложных РК.
1. Собрать информацию о кол-ве просмотров карточек товара перед покупкой.
2. Рассчитать медиану.
3. Передать вместе с транзакцией сегмент в Google и Яндекс и повысить ставки.
4. Проанализировать полученные данные и при необходимости передвинуть медиану.
Продвинутая персонализация данных от AIZEL
1. Каждому пользователю, который получал товар больше 3, но меньше 14 дней назад, при заходе назад показывается окно:
Это помогает получить фидбэк от пользователей и понять, что именно их (не) устраивает.
2. Определение лояльной аудитории помогло таргетировать рекламное объявление только на лояльных клиентов. Так, предложение об установке нового приложения появлялось только на экранах пользователей, которые посещает сайт с iPhone и находятся в категориях: good buyers, casual buyers, VIP.
3. Для новых пользователей и тех, кто провёл на сайте менее 10 секунд при попытке закрыть вкладку предлагался небольшой опрос о том, что конкретно их не устроило на сайте.
Такой приём также помогает получить фидбэк, отследить статистику и в последующие разы таргетировать какие-либо предложения и объявления.
Читайте также: