Dashboard моей мечты

1351

Автор: Владислав Флакс, основатель и CEO компании OWOX. 12+ лет опыта в e-commerce и data analysis. В компании отвечает за стратегию развития OWOX BI, и выступает консультантом для ведущих мультиканальных ритейлеров России. Под руководством Влада OWOX стала первой компанией, получившей сразу оба статуса Google Cloud Platform Technology Authorized Partner and Google Analytics Premium Reseller.

 

24 марта мы в третий раз проводим в Москве конференцию по аналитике Go Analytics!. И, несмотря на то, что все уже научились отправлять каждый клик в Google Analytics, часто даже в крупных компаниях возникает вопрос «И что теперь делать с этим данными?».

Поэтому мы решили собрать в статье примеры дашбордов, которые обновляются в реальном времени и используются в ecommerce-проектах маркетологами, разработчиками, контент-менеджерами и даже (!) аналитиками.

Примеры вопросов, ответы на которые можно получить из отчетов:

  • Какая эффективность онлайн рекламы с учетом офлайн заказов?
  • Кажется просела конверсия. Причина на сайте или в рекламных кампаниях?
  • Ничего ли не поломалось на сайте после обновления jQuery?

Описанное решение сформировано на следующих хотелках бизнес-требованиях:

  1. Не хотим ничего нового внедрять и покупать;
  2. Хотим использовать данные из Google Analytics и привычные Google Sheets;
  3. В отчетах будут данные из разных систем. В идеале чтобы они собирались автоматически, но и возможность загрузки вручную также нужна;
  4. Хотим чтобы все-все данные можно было в любой момент выгрузить в CSV / JSON;
  5. И чтобы все безопасно. А по периметру ров с крокодилами.

Для тех, кто не знаком с Google BigQuery и сводными таблицами Google Sheets сначала расскажу о том, как организовать сбор и обработку данных.

1. Сбор данных

Для объединения и обработки данных мы используем Google BigQuery. Несемплированные данные Google Analytics стримятся сразу в BigQuery, а из остальных сервисов (CRM, Mandrill, CallTouch, Ringostat) данные загружаются автоматически или вручную. BigQuery мы выбрали потому, что каждый сервис может загружать данные в удобном ему формате и режиме. При этом нам не надо заботься об индексах, ядрах и свободном месте на серверах.

Кратко о Google BigQuery для тех, кто с ним раньше не сталкивался: это онлайн-сервис для быстрой обработки данных любого объема; поддерживает SQL-подобный синтаксис; оплата за объем хранимых и обрабатываемых данных. При регистрации дают 300 USD на 60 дней и 1 TB каждый месяц бесплатно.

Преимущества:

  1. Быстрое начало работы без контрактов и покупки серверов;
  2. Несемплированные данные из Google Analytics собираются в реальном времени;
  3. Низкая стоимость — 5$ за 1 TB обработанных данных;
  4. Данные принадлежат владельцу проекта, а не подключенным сервисам.

Ограничения:

  • Сервис платный;
  • Доступна только облачная версия;
  • Нет UPDATE’ов, только полное обновление таблицы.

2. Обработка данных

Чтобы получить в Google Sheets данные из Google BigQuery мы выполняем SQL запрос в этом аддоне и сохраняем его для использования его в будущем.

Да, для создания запроса к Google BigQuery надо использовать SQL. Зато нет никаких ограничений на структуру отчета, количество метрик и данные всегда несемплированные.

В любом случае запросы добавляют один раз аналитики, а в Google Sheets данные обновляются автоматически или по запросу:

Преимущества:

  1. Можно создавать отчеты в любой структуре и не заботься об индексах в базе и свободном месте на серверах;
  2. Обработка даже больших данных происходит очень быстро;
  3. Для запросов можно использовать SQL, не нужно изучать специализированный язык запросов.

Ограничения:

  1. Для изменения отчетов необходимо знание SQL;
  2. Выполнение особо сложных запросов может занимать несколько минут.

3. Построение отчетов

По нашему опыту удобнее всего отчеты строить с помощью сводных таблиц и условного форматирования.

3.1. Маркетинг

В таблице ниже приведено сравнение ключевых показателей рекламных кампаний — количества сессий, дохода и ROAS по неделям.

Преимущества:

  • Можно удобно менять уровень сегментации — source, medium или campaign;
  • В ROAS учтены исполненные заказы, маржа на товарах и даже заказы из физических магазинов, если покупатель использовал на кассе карту лояльности.

Обратите внимание, ROAS в отличии от количества сессий и дохода, должен быть вычислимым показателем, иначе при изменении глубины сегментации он будет считаться неправильно.

3.2 Конверсионные показатели

Для контроля эффективности сайта мы выделяем ключевые микроконверсии: добавление в корзину, переход на оформление заказа, оформленный заказ. И каждую из них сегментируем по типам страниц и браузерам.

Для того, чтобы отчеты было удобно поддерживать и обновлять мы придерживаемся нескольких общих правил:

  1. Один документ — один департамент;
  2. Одна метрика — один лист (и один SQL запрос).

Если нужно объединить несколько метрик для сводной таблицы, это можно сделать вот так:

Например, у нас просел коэффициент конверсии. Проверяем, связно ли это с сайтом в целом или с конкретными страницами. Видим, что более всего конверсия просела на карточках товара, причем именно в Firefox. Данную ошибку разработчики просто не заметили при обновлении jQuery. Благодаря дашборду ее удалось быстро выявить и локализовать.

Преимущества:

  • Анализ микроконверсий с сегментацией до каждого типа страницы и браузера;
  • Актуальная информация с точностью до часа.

Обратите внимание, если данных для сравнения недостаточно — они автоматически фильтруются и не создают “шум”.

3.3. ИТ

Кроме конверсионных показателей, полезно контролировать ключевые технические показатели:

  1. Время ответа сервера;
  2. Время загрузки страницы;
  3. Долю JavaScript-ошибок у пользователя.

Эти метрики также рекомендуется сегментировать по типам страниц и браузерам, чтобы быстрее локализовать причину.

Важно, что измерение этих показателей происходит “с точки зрения пользователя” и для этой задачи является более объективным, нежели данные средств мониторинга работы сервера (zabbix, munin).

Заключение

Преимущества:

  1. Произвольные показатели и структуры отчетов;
  2. Привычный интерфейс и возможности Google Sheets;
  3. Управление доступами на основе Google-аккаунтов и двухфакторной авторизации.

Ограничения:

  1. Замедление работы Google Sheets, при выгрузке в него более 100 000 значений;
  2. Нет встроенного инструмента уведомлений при изменении определенного показателя (только через Apps Script).

А где же крокодилы? На посту, охраняют данные в дата-центрах Google.

Ссылки в помощь:

Если будут вопросы — оставляйте в комментариях, постараемся ответить.

Журналист, новостной редактор, работает на сайте с 2009 года. Специализация: интернет-маркетинг, SEO, поисковые системы, обзоры профильных мероприятий, отраслевые новости рунета. Языки: румынский, испанский. Кредо: Арфы нет, возьмите бубен.