Сергей Яременко, технический директор интернет-агентства EMPO
Анализ успешности проектов, как коммерческих, так и контентных, - сложная задача, часто требующая больших затрат времени и средств. Однако существует специальный функционал и инструменты, позволяющие провести качественный анализ в сжатые сроки (до получаса) без привлечения сторонних специалистов.
Задача №1. E-commerce проект.
Необходимо построить простой управленческий отчет, из которого можно было бы сделать выводы о целесообразности вложений в различные рекламные каналы.
Можно создать кастомный отчет в GA, но в нем нет вычисляемых полей и нормальной визуализации. Сравнить каналы между собой не получится. В лучшем случае можно будет увидеть ROI, но не по прибыли, а по обороту. Скорее всего, там также не будет маржинальности.
Многие аналитические программы и приложения требуют длительного изучения и последующего внедрения. Но есть отдельные приемы и отчеты, которые можно реализовать за 15 минут, не прибегая к помощи программистов.
Самый простой способ – поставить модуль E-commerce, чтобы передавать более-менее корректные данные о транзакциях без учета себестоимости. После этого можно будет подсчитать прибыль без операционных затрат.
Потом следует передать данные о расходах через cost upload в сервис bi.owox.com. С помощью этого сервиса можно регулярно передавать данные о расходах через API по множеству рекламных каналов, включая социальные.
Для отслеживания звонков следует воспользоваться методом трекинга по кодам. Для этого нужно регулярно отправлять транзакции по звонкам через API lftheycall.
Установка стоит копейки и производится через Google Tag Manager. На этом этапе стоит привлечь программиста, чтобы менеджеры вводили заказы не вручную, а данные передавались бы автоматически из CRM. Когда менеджер вводит телефонный заказ, добавляется одно поле с артикулом (кодом сессии), при этом транзакция отправляется сразу с телефоном. Можно ввести дополнительную метку для телефонных заказов и потом вести по ним отдельную аналитику.
Собранные данные о доходах через модуль E-commerce и расходах – через bi – следует привести к прибыли и визуализировать. Самый легкий способ сделать это – передать данные в Google Spreadsheets (GA Add-on).
С его помощью следует извлечь данные в разрезе канал-источник-кампания, добавить данные о расходах и доходах или данные о revenue транзакций. Остается только преобразовать это все в удобоваримый вид. Если данные были переданы без себестоимости, остается отнять расходы – и получится прибыль. Если передается оборот, можно взять условную среднюю маржинальность и отнимать фиксированный процент от дохода.
Можно также передавать данные по частям, по отдельным категориям и потом это склеивать. После этого от маржинального дохода следует отнять расход, при этом получается поле «прибыль». Осталось свести все данные в сводную таблицу. Получается отчет в разрезе канал-источник-кампания-прибыль по кампании.
У такой системы есть допущения: прибыль рассчитывается по стандартной модели атрибуции GA Last Non-Direct Click – то есть прибыль на последний непрямой источник, с которого пришел пользователь. Подсчитать прибыль с учетом воронки таким методом нельзя. Но такая структура легко строится за 10 минут.
Задача №2. Контентный проект.
Первый вопрос, который стоит рассмотреть – что измерять. Стандартные метрики GA не слишком подходят для выполнения этой задачи. Глубина просмотра без контекста ни о чем не говорит, время на сайте в случае прочтения пользователем длинной статьи на сайте останется нулевым.
Методики, применимые к e-commerce, не подходят к контенту. Считать share и like, по ним подсчитывать конверсию – этого недостаточно.
Система отслеживания релевантных показателей контентного проекта должна позволять анализировать:
- структуру просмотра по авторам статей,
- процент доскролла статей,
- адекватное время просмотра статей.
Решение этой задачи в использовании следующих функционалов: GTM + плагин Scrolldepth + плагин Riveted + Google Spreadsheets. Плагины устанавливаются как custom HTML, и данные передаются в GA.
Первое, что нужно учитывать – процент доскролла. Для этого следует установить плагин Scrolldepth.
При доскролле до определенного места он передает event в datalayer. На них следует отправлять события в GA.
В GTM следует ввести новую переменную (и новое поле) scroll to 50. Она срабатывает однократно, когда пользователь пролистывает до середины статьи. Вместе с событием передаются данные в custom metrics.
В случае, когда scroll to 50 сработал, в custom metrics добавляется 1. Когда пользователь доскроллил до 75%, добавляется еще 1. Получается показатель +1 для каждой отдельной страницы, когда пользователь доскроллил до определенного места статьи. В результате получается таблица формата «доскроллов до 25% - х, доскроллов до 50% - y, доскроллов до 75% - z» и т.д.
Собирать данные об авторе статьи можно в custom dimension. Для этого следует создать переменную, берущую значение из custom javascript, который ищет элемент с нужным классом. Данные передаются со стандартным тэгом GA непосредственно в аналитику.
Для учета времени просмотра страницы используется плагин Riveted, который передает event в datalayer каждые 15 секунд нахождения пользователя на странице.
Данные передаются в GA. В GTM создается переменная (поле), которая знает, что каждые 15 секунд происходит event, и в переменную записывает +15.
Ограничение в 500 хитов на сессию не мешает процессу анализа даже при нахождении пользователя на сайте в течение 1,5 часов.
Данные о доскролле, времени пребывания и авторе вносятся в отчет в Spreadsheets через GA Add-on.
После следует подсчитать все относительные показатели в Excell. Сводная таблица имеет следующий вид:
В таблице можно увидеть автора, данные по количеству доскроллов его статей до определенного места и среднее время с точностью до 15 секунд, которое пользователь провел на странице.
Практическое применение описанных методов состоит в том, чтобы определить, какие статьи представляют настоящую ценность для пользователей. GA стандартной комплектации не подходит для анализа контентных проектов. Но если его дополнить GTM и набором стандартных плагинов, то уровень релевантности анализа повышается, при этом отсутствует необходимость привлечения программистов и проведения а/б тестов. Полученные при этом данные легко воспринимаются владельцами проектов. Кроме того, если установить автообновление скрипта раз в час, то владелец получает доступ к постоянно актуальным данным.
Доклад был представлен на третьей ежегодной конференции по аналитике Analyze! 2015