iMetrics 2011: польза веб-аналитики для SEO и SMM

В профессиональной секции «Индустриальный взгляд на веб-аналитику. Чем веб-аналитика может быть полезна для SEO, SMM, usability и веб-студий?» представители ведущих российских интернет-компаний раскрыли секреты, как получить данные о действиях пользователей на сайте и страницах в соцсетях, и как применить эти данные на практике.

Первым выступил Анатолий Сергеев (AdLabs) с докладом «Практическое применение веб-аналитики для SEO, веб-студий, SMM: отслеживание эффективности тэгов на сайте, отслеживание флэш-приложений, веб-аналитика для SEO».

Вначале Анатолий подробно рассказал, как можно отслеживать поисковый трафик с помощью Google Analytics. Раньше сделать это быстро и просто было достаточно проблематично (приходилось отслеживать показатели нескольких параметров, например, «запросы», источники трафика). Теперь все гораздо удобнее – в GA есть целый раздел посвященный поисковой оптимизации.

Для оценки трафика из соцсетей следует обратить внимание на отчет GA «Соцфункции». Чтобы узнать, кто поделился материалом в соцсетях, можно использовать функцию TrackSocial, где после указания необходимых параметров можно получить следующую информацию:

- активность пользователей;

- как контент распределяется в соцсетях;

- пользователи каких соцсетей наиболее активны;

- какие материалы вызывают интерес;

- какие разделы сайта способствуют распространению контента.

Для того, чтобы узнать в GA, как пользователи взаимодействуют с виджетами, flash-элементами и играми, Анатолий посоветовал скачать с code.google.com специальный компонент для flash и установить.

Следующим слово взял Петр Митюшкин (SKCG) с докладом «Измерения маркетинга в социальных медиа. Домашняя работа, которую забыл сделать SMM-специалист». По словам Петра, на официальной странице бренда в соцсетях следует отслеживать то же самое, что и на обычном сайте: например, подписка на новости, получение промо-кода для каких-либо услуг, запись на тест-драйв (для автомобильных салонов).

Как следует из Twitter-ленты наиболее запоминающимся выступлением секции стал доклад Антона Терехова (ichiba) «KPI в управлении клиентскими базами данных и приемы RFM - сегментации для интернет-магазинов».

Свое выступление Антон начал с описания «ценного» клиента - это клиент, совершивший покупку в прошлом, и ожидается, что он совершит ее в будущем. На разноценных клиентов стоит и тратить время по-разному.

Хорошего клиента можно определить по показателю Life Time Value (LTV). Данная метрика не только показывает, из каких рекламных источников приходят наиболее ценные клиенты, но и помогает понять, на каком этапе происходит наибольший отток клиентов, и сформировать трансформационную цепочку.

Для бюджетирования интернет-магазина Антон посоветовал сделать следующее:

- определить шаг сегментации (основной фактор – средний интервал между повторными покупками),

- посчитать конверсию второй раз (из тех, кто сделал заказ №1 в период N, выбрать тех, кто сделал заказ №2 в период N+1).

Чтобы рассчитать вероятность, когда клиент может совершить следующую покупку, можно использовать принцип бинарной сегментации:

Период	Q1	Q2	Q3	Q4	Вес клиента
Вес периода	1	2	4	8
Стабильный клиент	1	1	0	1	1+2+8=11
Новичок	0	0	0	1	8
Плохой клиент	1	0	0	0	1

Разбиваем необходимый период на части (например, год на 4 квартала), каждому Q присуждается определенный коэффицент, причем каждый следующий показатель вдвое больше предыдущего. Если клиент совершил покупку в каком-либо квартале, ставим 1, если нет – 0. Затем для каждого клиента складываем вес тех кварталов, когда была совершена покупка, и тем самым получаем его собственный вес. Чем больше вес клиента, тем больше вероятность покупки в ближайший период.

Если же период между покупками клиента становится все больше, надо его «задобрить» - дать подарок, скидку и т.д. Но если клиент стабилен, делать ничего не следует.

Для более продуктивной работы следует составить «поведенческий» профайл клиента (когда посещает сайт, покупает, обращается в службу поддержки и т.д.) и затем описать следующее:

- обычное поведение клиента,

- желаемое поведение клиента.

Работать надо с теми, кто отклоняется от нормы. Тратить деньги нужно не на стабильных клиентов, а на тех, кто находится в процессе изменения поведения. Для разных клиентов, выбираем разные стратегии:

- поднимаем историю по ушедшим клиентам, выявляем изменения до их ухода, разрабатываем стратегию мер для клиентов, у которых намечаются аналогичные изменения,

- то же самое делаем с лучшими клиентами, и применяем полученные знания для тех, кто немного не дотягивает до данного уровня.

В конце доклада Антон подытожил вышесказанное, еще раз напомнив о необходимости использования показателя LTV и построения трансформационной цепочки для переходных клиентов.

Однако самое интересное участников конференции ждало впереди – а именно, выступление гуру веб-аналитики Авинаша Кошика, обзор которого появится очень-очень скоро.