Наконец-то настали те времена, когда стали проводиться полноценные конференции (а не отдельные потоки в рамках различных мероприятий), посвященные веб-аналитике. Это значит, что направление развивается, а специалисты и клиенты все больше осознают потребность в знаниях по этой проблеме. На конференции iMetrics, прошедшей в пятницу одиннадцатого числа одиннадцатого месяца одиннадцатого года, собрались все те, для кого веб-аналитика не сводится к простым действиям подсчета трафика и конверсий, а для кого важно понимать ее истинные цели, уметь пользоваться инструментами и развивать направление в целом на благо интернет-отрасли и бизнеса.
Конференция разделилась на два потока: профессиональный и бизнес. С ключевым двухчасовым докладом выступил западный эксперт Авинаш Кошик (его выступлению мы посвятили отдельный обзор). Другие докладчики пусть и не были столь харизматичны (не бросались в публику шоколадками и мало шутили), но выступали по существу. Уровень докладов в целом оказался достаточно высок, много практической информации, почти «без воды». Вот немного тезисов.
Николай Хлебинский (менеджер по интернет-маркетингу ABBYY) представил доклад на тему «Веб-аналитика для корпоративных сайтов. Отслеживание эффективности трафика. Способы повышения конверсии в формах заявок с помощью А/Б-тестирования». Туннель конверсии сайта включает в себя составляющие: привлечение трафика, заинтересованность, конверсия. По мнению Николая, для корпоративных сайтов строить аналитику вокруг заказов неудобно (в отличие от интернет-магазинов). Для управления эффективностью для корпоративных сайтов аналитика строится вокруг лидов. Расчет средней стоимости лида подразумевает:
- выбор уровня точности (по сайту в целом, по источнику трафика, по региону и т.д.);
- затраты на источник трафика (подрядчики, штатные специалисты, рекламные сервисы; средневзвешенная стоимость с учетом нескольких источников);
- количество лидов по каждому источнику.
В итоге, стоимость лида = затраты/количество лидов.
Важно определить ценность лидов. Они могут приходить разными путями (требуемый уровень точности - формы, email, приход в офис, звонки и т.д.). Ценность лида = оборот/количество лидов.
Почему стоит заниматься конверсией: 1) единовременные затраты дают постоянный результат; 2) показатели формы отправки лидов (показатель отказов, процент заинтересованных визитов в отказах); 3) показатель выходов.
Для получения результативности можно проводить А/Б тестирование, которое подразумевает, что посетители сайта делятся на 2 группы. Им предлагаются разные формы сайта, а после оценивается конверсия. Используя значения, можно сравнить плотности распределения конверсии. Однако, при проведении А/Б тестирования есть угрозы:
- больше плохих лидов;
- недостоверные данные;
- меньше хороших лидов;
- нулевой результат (одинаковые показатели разных вариантов).
Николай представил кейс ABBYY по тестированию формы заказа. Целями их тестирования были: увеличение продаж, улучшение коэффициента конверсии, просмотра страниц, показателей выхода, уменьшение стоимости лида. Был составлен план тестирования (сначала трафик делился пополам, каждая группа видела свою страницу формы заказов, а позже 10/90). В форме заказов ABBYY были изменены: удаление отвлекающих элементов, воздействие на эмоции, «слияние» шагов формы, совершенствование юзабилити. В результате тестирования произошло падение конверсии на 11%, но хорошие лиды увеличились на 30% (с полной версией презентации Николая можно ознакомиться ).
Следующий доклад «Трафик-менеджмент. Автоматизированное управление качеством контекстной и social рекламы в тесной связке с инструментами веб-аналитики» представил Кирилл Петровский (Artics Internet Solutions). Он рассказал о трех шагах веб-аналитики (сбор данных, анализ, принятие решений). Те же три шага есть в рекламе, только принятие решений подразумевает под собой ручную и автоматическую оптимизацию. При этом оптимизация рекламы в отрыве от оптимизации сайта неэффективна. Поэтому требования к бизнесу должны быть следующие:
- четкая модель заработка;
- знание информации о посетителях;
- готовность оптимизировать свой сайт.
Затем Кирилл разобрал подробно, как их агентство запускало один из купонных агрегаторов. Было несколько этапов развития:
- набор базы пользователей (CPA играет ключевую роль);
- запуск проекта, реальные акции, первый доход (задачи на этом этапе – продолжать набирать базу пользователей + учитывать ROI);
- стабильное развитие, оптимизация рекламных каналов, ориентироваться на регистрации.
По каждому шагу воронки регистрации учитываются процент конверсии, процент падения на каждом шаге, затраты на каждом шаге. Для получения данных использовались различные инструменты аналитики и внутренняя статистика. Важный момент – трафик нельзя оценивать в сумме, надо его сегментировать. Детальные данные + сегменты = сила. Сложности: много данных и параметров, которые сложно обрабатывать вручную, нужна автоматизация управления. Были представлены кейсы и сделан вывод, что для хорошей рекламной кампании нужно: четкое понимание клиентом задач, правильно организовать сбор данных на сайте.
Алексей Долотов из Яндекса рассказал про сегментацию для понимания аудитории интернет-проектов. Сегментация необходима потому, что
- средняя температура по больнице неэффективна;
- чтобы видеть картину детально;
- зная сегменты аудитории, можно анализировать их отдельно, понимать их мощности.
Два способа делать сегментацию: придумать классы из головы и критерии, по которым эти классы различать; кластеризовать «математикой» по всем значащим факторам. Лучше использовать оба способа.
Сегментация бывает разная: социально-демографическая, географическая, тематическая, платформы, временная, поведенческая, по целям, сегментация рынка. Сегментация дает понимание аудитории, возможность измерять сегменты, возможность нацеливать продукты на сегменты, диверсифицировать.
Алексей Иванов (ISEE Markering) представил доклад на тему «Анализ и управление малоактивной аудиторией сайта». Малоактивную аудиторию трудно анализировать, так как нет необходимых данных, ведь такие люди редко просматривают больше одной страницы сайта. Веб-аналитика не про статистику и цифры, а про понимание поведения людей, которые приходят на сайт. Анализ поведения посетителей:
- выбор сегментов посетителей с одинаковыми признаками: источники прихода людей, действия на сайте, страница выхода;
- выявление характерных особенностей поведения;
- управление поведением и отслеживание результата.
Анализ поведения на странице: движение взгляда, лишние клики, точки прерывания просмотра. Параметры анализа просмотра страниц: скорость просмотра, фокус внимания, возврат к ранее просмотренной информации, клики по некликабельным областям. Выявив эти моменты можно понять, что изменить в сайте. Анализ off-line активности: сбор статистики звонков и привязка ее к статистике посещения сайта, мотивация позвонить для посетителей, которые готовы сразу приехать. Алексей полагает, что важны не инструменты измерений, а понимание того, что нужно анализировать, чтобы сделать правильные выводы.
Далее Александр Иванов (iСontext) представил доклад на тему «API Яндекс.Метрики и Google Analytics: зачем они нужны, как их использовать и чего можно добиться». API – это интерфейс, посредством которого можно «говорить» со сторонним приложением. API Google Analytics позволяет получать данные по статистике прямо внутри приложения, API Яндекс.Метрики позволяет не только получать статистику, но и управлять счетчиками и целями. Яндекс.Метрика проще, заметил Александр. Ее API работает на уровне отчетов, не требуется дополнительных библиотек, в отличие от Google Analytics. Однако, последний позволяет делать более сложные вещи, чем веб-интерфейс (у Яндекс.Метрики фантазия ограничена существующими отчетами), можно создать практически любой отчет, XML – сложнее для программиста (у Яндекса JSON – просто для программистов).
Для чего нужен API:
- смотреть статистику сайта (для потенциальных рекламодателей это возможность решить, требуется ли им размещение);
- сводки (для segment и т.д.);
- отчетность (API позволяет формировать именно тот отчет, который вам нужен);
- большие клиенты (иногда объем трафика настолько велик, что система веб-аналитики не может его обработать);
- сложный анализ.
Когда пользоваться API: вы постоянно делаете одну и ту же работу, которую можно автоматизировать; вы натолкнулись на ограничения веб-интерфейса; у вас появилась идея, как работать с данными статистики; вам не хочется разбираться в интерфейсах систем веб-аналитики, а просто нужно смотреть на KPI проекта.
Смотрите также: iMetrics 2011: польза веб-аналитики для SEO и SMM.
Теги: