Аналитика Интернет-маркетинг

FAQ: Google Analytics для начинающих. Основы анализа данных

Этот текст – для маркетологов, которые делают первые шаги в анализе посещаемости своего сайта и эффективности рекламных кампаний. Мы будем рассказывать на примере Google Analytics, но все ниже написанное на уровне подхода может применяться и для других систем веб-аналитики: Яндекс.Метрики, IBM Coremetrics и др.

На вашем сайте установлен Google Analytics. Вы прошлись по стандартным отчетам и хотите сделать выводы на основании собранных данных. Но сначала проверьте, проделана ли вся необходимая предварительная работа.


Технический этап: корректность сбора данных

  1. Проверьте, чтобы код отслеживания Google Analytics был установлен на всех страницах вашего сайта, куда может попасть посетитель.

Обратите внимание на страницы и разделы, куда пользователи попадают после регистрации. Проверьте новые посадочные страницы. Код Google Analytics должен быть установлен на каждой из них.

Обратите внимание, чтобы на страницах вашего сайта был только один код отслеживания Google Analytics. Иногда по ошибке ставится два кода, и тогда данные записываются некорректно. Например, после установки Google Tag Manager иногда на сайте остается и код Google Analytics, что приводит к двум его вызовам.

  1. Проверьте, чтобы при переходе на посадочные страницы вашего сайта не срабатывал редирект: не было подмены URL или переадресации.
  2. Если вы используете фильтры в представлениях данных Google Analytics, проверьте корректность их настройки и сбора информации.

Настройка целей Google Analytics

Определите, какие ключевые действия пользователь может выполнять на вашем сайте и настройте отслеживание этих действий в качестве целей Google Analytics. Для интернет-магазинов обязательно настройте и цели, и отчеты «Электронной торговли».

Мы рассмотрим основные принципы анализа данных только в привязке к достижению целей, т.к. этот сценарий является наиболее распространенным.

Опционально вы можете использовать другие варианты анализа, основываясь на показателях вовлеченности аудитории (время пребывания на сайте, глубина просмотра), отчетах «Электронной торговли», мультиканальных последовательностях, LTV или других значимых для вашего сайта показателях.


Использование UTM-меток

Убедитесь, что используете UTM-метки во всех рекламных кампаниях.


Анализ данных

При анализе статистики вашего сайта, изначально вы оперируете данными о всех посетителях. А нужно работать только с данными о значимой части пользователей – целевой аудиторией.

Анализировать в Google Analytics нужно только значимую часть посетителей – целевую аудиторию. Твитнуть

Два основных инструмента, которые позволят выделить из всей аудитории сайта только целевую – это фильтры в представлениях данных и сегменты в отчетах. Из-за особенностей их использования, придется применять оба инструмента, так как для большинства задач они не являются взаимозаменяемыми.


Фильтры в представлениях данных

Преимущества:

  • Настраиваются один раз. Применяются непрерывно до того момента, пока вы не удалите или не измените фильтр. Существенно экономят время.
  • Есть возможность фильтрации по ряду параметров, которые нельзя обрабатывать на уровне сегментов, например, по IP-адресу.
  • Есть возможность создавать отдельные представления данных с фильтрацией по источнику трафика или другим параметрам рекламной кампании. Удобно использовать, если рекламодатель хочет предоставлять своим подрядчикам (CPA-сети, сайты) только ту часть статистики, которая касается привлеченного ими трафика.

Недостатки и особенности:

  • Фильтры применяются в момент сохранения данных. Правила начинают работать только в момент, когда вы создали или изменили какой-то фильтр.
  • Фильтр не влияет на данные в предыдущих периодах, собранные до момента его создания.
  • Если вы допустили ошибку при создании правила для фильтра, то потеряете часть ценных данных на уровне представления.

Сегменты в отчетах

Преимущества:

  • сегменты можно использовать для работы со статистикой за любой период времени.
  • пользовательский сегмент не влияет на процесс сбора и сохранения данных, только на их отображение в отчетах.
  • из сегмента Google Analytics можно быстро создать отдельную аудиторию ремаркетинга в Google AdWords.

Недостатки и особенности:

  • не все параметры можно использовать в сегментах.
Читайте також:  Медийная реклама и видео: ведущие рекламодатели октября 2018

Практическое применение фильтров и сегментов для выделения ЦА

На уровне фильтров в представлениях данных вы «обрезаете» ту часть аудитории, которая заведомо не является вашей ЦА. Мы рекомендуем исключать при помощи фильтров:

  • заходы на сайт собственных сотрудников;
  • переходы с сайтов по трудоустройству на страницы с описанием вакансий;
  • реферальный спам – бот-сессии, генерируемые рекламными сервисами.

Эти посетители не будут делать покупки на вашем сайте или оставлять заявки. Доля таких визитов может составить 10-20% от общей посещаемости, что размывает показатель конверсии и искажает статистику.

Также можно «обрезать» статистику по географии, оставив только данные из нужного региона или страны. Но этот подход спорный: можно потерять статистику о клиентах из других стран, которые изредка могут выполнять целевые действия на вашем сайте.

Например, у многих украинских интернет-магазинов есть заказы из Молдовы, где точкой доставки товара указывается Одесса или населенный пункт возле границы.

Сегменты в отчетах для отсечения не целевой аудитории будем применять в том случае, если у нас не настроены фильтры. А также для сегментирования ЦА и ситуативных задач.


Давайте разберем на примере.

На сайте blog.uamaster.com есть только одно целевое действие, настроенное как цель в Google Analytics: подписка на email-рассылку.

Когда мы смотрим на общую посещаемость сайта, и оцениваем эффективность посещений, то видим, что коэффициент конверсии составляет 1%: при 10 000 визитах подписчиками становится 100 человек.

В данном примере мы будем оценивать эффективность в привязке к визитам (сессиям), а не к пользователям.


Шаг 1. Все ли посетители сайта являются ЦА?

1.1. Собственные сотрудники

500 визитов в блог сделали сотрудники нашего агентства. Если мы заранее настроили фильтр по IP-адресу в представлении данных, эти визиты уже исключены из отчета.

Фильтр по IP-адресу

Исключать данные по IP-адресу на уровне сегментов нельзя, поэтому обязательно настраиваем этот фильтр на уровне представления данных.


1.2. Соискатели

Вакансий в блоге нет, поэтому исключать заходы с сайтов по трудоустройству в данном случае мы не будем.

Если необходимо исключить визиты соискателей, то делаем это следующим образом:

  • Исключение при помощи фильтра в представлении данных – рекомендуемый вариант, настраивается единоразово.

Фильтр по соискателям

  • Исключение при помощи сегмента, если не был выполнен предыдущий пункт.

сегмент по соискателям

1.3. Реферальный спам

Как и в предыдущем случае, реферальный спам лучше исключать на уровне представления данных. Если не добавили своевременно фильтр, уберите лишние визиты при помощи сегмента. Правила точно такие же, как и для job-сайтов.

Исключаем визиты с сайтов: semalt.semalt.com, buttons-for-website.com, semaltmedia.com, buttons-for-your-website.com, best-seo-offer.com, 100dollars-seo.com и им подобных.

Их общая характеристика: доля новых пользователей близка к 100%, показатель отказа 100%, глубина просмотра – 1 страница. Время пребывания на сайте – 0 секунд.

При переходе по ссылке на такой сайт чаще всего вы видите сервис для поисковой оптимизации или другой инструмент интернет-рекламы. Это программно сгенерированные визиты на ваш сайт: накрутка, а не живые посетители.


Возвращаемся к нашему примеру.

Предположим, что у нас с блоге было 500 «накрученных» переходов с подобных сервисов. И еще 500 визитов собственных сотрудников.

После исключения трафика собственных сотрудников и реферального спама у нас осталось 9000 визитов и те же 100 подписок.

Считаем коэффициент конверсии, и получаем уже 1,11%.


Шаг 2. Все ли посетители могут стать подписчиками? Проверка на возможность выполнения целевого действия.

При анализе источников визитов мы видим, что 3000 посещений было получено из нашей емейл-рассылки. Эти пользователи не могут повторно подписаться, достижение конверсии для них невозможно.

Подумайте, кто из посетелей вашего сайта не может выполнить определенное целевое действие. Например, для интернет-магазина или онлайн-сервиса аналогично нужно исключать трафик существующих (зарегистрированных) клиентов при анализе новых регистраций.

Итого у нас осталось 6000 визитов, которые могли превратиться в подписчиков, и 100 подписок. Еще раз пересчитываем коэффициент конверсии. 100/6000*100%=1,66%.

Мы добрались до той цифры, от которой нужно отталкиваться при детальном анализе: определили коэффициент конверсии для значимой части аудитории, которая может выполнить целевое действие.

Продумайте, какими характеристиками вы описываете вашу ЦА, и какую часть посетителей нужно исключить из анализа. Возможно, вы добавите еще 1-2 своих параметра.

В данном примере мы предполагали, что все визиты, независимо от географии, являются целевыми.

Читайте також:  Интернет-реклама и 15 крутых утверждений о ее будущем

Если нас будет интересовать аудитория только из Украины, добавляем еще одно правило в сегмент. Остается 5000 визитов, и те же 100 подписок. Коэффициент конверсии: 2%.


Шаг 3. Анализ аудитории.

Работаем со значимой аудиторией, делая различные срезы.
Начнем с типов устройств.

Наши 5000 посещений распределились следующим образом:

device

Исходя из отчета видно, что «провалились» мобильные устройства: они дают 20% трафика и лишь 5% конверсий. Коэффициент конверсии существенно хуже, чем у других типов устройств.

Нашли существенное отклонение? Анализируйте источники трафика и качество привлеченной аудитории, а также юзабилити сайта.

В нашем случае проблема в юзабилити – форма подписки на рассылку находится внизу страницы, оформлена не привлекательно.

Помимо типов устройств проверьте всё, что может влиять на показатель конверсии вашего сайта. Это могут быть дни месяца, дни недели, время суток, ОС и браузер, размер экрана, источники трафика, посадочная страница и т.д.

Наша задача: найти параметры, статистика по которым имеет существенное отклонение.

Отклонение конверсии

В данном случае есть существенные изменения коэффициента конверсии в течение месяца. Значит, при планировании рекламной кампании нам нужно учитывать это и в контекстной, и в баннерной рекламе. Снижаем стоимость клика в начале месяца, увеличиваем в конце месяца, и отдельный упор на 24-26 числа.


Шаг 4. Анализ аудитории по двум и более показателям.

На предыдущем шаге мы искали отклонения коэффициента конверсии для одного показателя.

При более детальном анализе нужно искать связки

Например, тип устройства + день недели; пол + возраст.

Рекомендуется делать анализ по отдельным источникам трафика. Важно искать в первую очередь те отклонения, где вы можете сделать выводы и дать рекомендации по изменению настроек рекламной кампании или вашего сайта.

Ситуация №1. При анализе рекламной кампании интернет-магазина А обнаружили, что коэффициент конверсии у разных возрастных групп отличается в зависимости от позиции объявления AdWords в поиске.

age

Цифры интересные, но по большому счету сами по себе бесполезные. В поисковой рекламе AdWords нельзя настроить таргетинг по возрасту.

Статистику по коэффициенту конверсии в возрастных группах можно учитывать только вместе с другими показателями: размером аудитории, средним чеком и пр.

Ситуация №2. Проанализировали статистику интернет-магазина B по дням недели. По коэффициенту конверсии четверг – лучший день недели для мужской аудитории (0,9%); и худший – для женской (0,5%).

Мы можем таргетировать рекламу по полу во многих инструментах: Google Display Network, социальные сети, часть баннерных размещений. Необходимо управлять стоимостью клика по дням недели, или отключать показы рекламы в наименее эффективные дни.


Шаг 5. Выводы или гипотезы.

После того, как проведен анализ, необходимо сделать вывод или выдвинуть гипотезу.

Если для анализа было достаточно данных, и при сегментации результат не меняется, можно делать вывод.

Например, мы проанализировали данные онлайн сервиса за несколько месяцев, и увидели:

  • в будние дни вечером коэффициент конверсии в два раза выше, чем в рабочее время.
  • в выходные дни коэффициент конверсии в полтора раза выше, чем в будние.

В веб-аналитике вывод подразумевает не только констатацию факта, но и рекомендации. Для этого примера: пропорциональное повышение стоимости клика в системах Google AdWords и Яндекс.Директ во временных интервалах с высоким коэффициентом конверсии.

Гипотеза выдвигается в том случае, если для анализа используется короткий промежуток времени, есть сомнения в достоверности данных или данные можно дополнительно сегментировать. На основании одного среза данных иногда можно выдвинуть несколько гипотез. Все гипотезы нуждаются в проверке.

Например, интернет-магазин проработал только 1 месяц. В статистике по дням недели видим, что по вторникам коэффициент конверсии был существенно выше, чем в остальные дни.

Гипотезы:

  • На один из вторников месяца пришелся день зарплаты (10 ноября). Как правило, в день получения зарплаты конверсия у многих e-commerce проектов существенно вырастает. День выдачи ЗП привязан к дате, а не к дню недели. Проверить, все ли вторники отчетного месяца показывали коэффициент конверсии выше среднего. Проверить, сохранится ли такая статистика в следующие месяцы.
  • Если мы анализировали весь трафик, нужно сделать срез по каналам и источникам. Возможно, по вторникам выходит емейл-рассылка, которая дает существенный прирост продаж. Или каждый вторник компания проводит конкурс в социльных сетях. Проверяем, все ли источники трафика показывают рост коэффициента конверсии по вторникам.
  • Есть ли другие факторы, влияющие на коэффициент конверсии и продажи, не связанные с рекламой и трафиком? Возможно, по вторникам в магазин приходят новые товары или стартуют скидки на старые товары.
  • Особенность данного сайта в том, что его покупатели более активны по вторникам, и это не связано с настройками рекламы, новинками, скидками и т.д. Значит, необходимо настроить показ рекламы так, чтобы мы в этот день недели получали максимум трафика и продаж.
Читайте також:  Три самые популярные ошибки маркетологов в диджитале

Часть гипотез вы сможете сразу же подтвердить или опровергнуть при помощи более глубокого анализа и дополнительных данных. Для проверки оставшихся гипотез понадобится время на сбор дополнительной статистики.

После проверки гипотез и получения выводов всегда вносите корректировки в ваши рекламные кампании.


Зачем мы всё это делали?

Задача веб-аналитики — анализ данных для принятия решений, направленных на повышение эффективности рекламной кампании. Основыми точками изменений могут быть:

  • Веб-сайт в целом или отдельно взятая посадочная страница: контент, юзабилити, функционал. Задача: повышение коэффицента конверсии.
  • Оптимизация рекламной кампании: корректировки ставок, график выхода рекламы, смена креатива и т.д. В зависимости от целей рекламной кампании, тактическими задачами могут быть снижение стоимости клика, снижение стоимости целевого действия, повышение охвата, снижение стоимости охвата и т.д.
  • Изменение ассортимента или ценовой политики компании.

Иногда незначительные на первый взгляд изменения могут существенно улучшить эффективность вашей рекламы.

Ситуация №3: Продвижение услуг банка. Цель рекламной кампании: получение онлайн-заявки на кредит. Используемый инструмент: контекстная реклама. На основании данных веб-аналитики мы регулярно вносили изменения в рекламную кампанию для повышения коэффициента конверсии (CR). Корретировали ставки по географии, времени суток и другим параметрам. За пять недель CR вырос с 3,3% до 4,2%.

Одновременно шла работа над оптимизацией стоимости клика за счет роста показателя качества в AdWords. Как результат, средний СРС снизился с 2 грн до 1,8 грн за пять недель.

На сколько важным может быть для бизнеса повышение конверсии на 0,9% и снижение СРС на 20 копеек?

CPA

Стоимость онлайн-заявки на кредит за пять недель снизилась с 60,42 грн до 42,85 грн. Оптимизация рекламного бюджета составила 29%.

Веб-аналитика и последующие изменения в вашей рекламной кампании позволяют существенно повысить эффективность рекламы и продажи, оптимизировать бюджет.

Выше описанные этапы являются обязательными для базового анализа эффективности интернет-рекламы. Если вы продаете недорогие товары, а ваши покупатели не совершают повторных покупок, этих шагов может быть для вас достаточно.


Шаг 6 – глубокий анализ.

Для рекламных кампаний с использованием большого количества инструментов; для сложных или дорогих товаров нужно использовать более глубокий анализ.

Предпосылки:

  • Баннерная и видео реклама дают конверсии со смещением во времени. После окончания рекламной кампании еще 1-2 недели будут совершать покупки те, кто видел ваш баннер или видео.
  • У онлайн-сервисов с бесплатной демо-версией или freemium-моделью между датой привлечения посетителя и датой первого платежа может пройти от нескольких дней до нескольких месяцев.
  • Перед совершением дорогой покупки пользователь несколько раз заходит на сайт продавца, по разным рекламным источникам, и с разных устройств.
  • Если компания рассчитывает, что покупатели станут постоянными клиентами, необходимо анализировать LTV (life-time value, также используются обозначения customer lifetime value, CLV, CLTV).

Этот текст посвящен базовому анализу в веб-аналитике, поэтому о более сложных сценариях оценки эффективности интернет-рекламы мы напишем в отдельных статьях.

Если у вас появились вопросы по оценке эффективности интернет-рекламы, задавайте их в комментариях.

Евгений Шевченко, UaMaster

КАК ПРОКАЧАТЬСЯ В ВЕБ-АНАЛИТИКЕ?

FAQ: Google Analytics для начинающих. Основы анализа данных
4.3 (85.22%)
23 голос[s]

Статті по цій темі:

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.



Статті по цій темі:
Предыдущая статья

Есть вопросы по интернет-рекламе?

Следующая статья

Конференция контент-маркетинг 2015: рекомендации рекламодателям