Библия интернет-маркетолога - Иван Барчёнков

Подобная ситуация часто возникает, когда владельцы сайтов забывают отправить идентификатор заявки из CMS в web-аналитические системы. Хотя его можно отправлять не только в модуль электронной коммерции, но и в Google Analytics и «Яндекс. Метрику» в качестве атрибута события или индивидуальной переменной на уровне сессии;

• сложные взаимосвязи. Иногда в компании, помимо CRM, в которой собираются данные о клиентах, работает также 1С, где хранится информация о конечном статусе реализации. В этом случае процесс объединения данных усложняется, поскольку добавляется еще одна система, которую потребуется связать с остальными.

Входящий номер звонившего – второй важный признак, который необходимо сохранять в CRM и связывать с целевым действием. Это позволит связать данные из системы коллтрекинга, а именно – данные по дате звонка, UTM-меткам и HT TP-referer, с последующей историей заявки.

Основная проблема при этом: часто операторы, которые принимают звонки, не делают никаких отметок в системе коллтрекинга. В результате ей не хватает данных о том, был ли звонок целевым или нет, что происходило после звонка, была ли получена выручка с этой заявки. Поэтому гораздо проще сопоставить данные из системы коллтрекинга по API с данными из CRM-системы, используя в качестве ключа номер звонившего и дополнительно дату, чтобы можно было сопоставить эти данные.

Куда выгружать данные для сквозной аналитики?

Когда собрана вся необходимая информация для сквозной аналитики, наступает следующий этап – выгрузка данных в систему управления базами данных (СУБД). Проверенные и наиболее простые в обслуживании облачные технологии:

• Google BigQuery (GBQ);

• Yandex Managed Service for ClickHouse (YCH).

Основное их различие – в Google нет необходимости формировать базу данных. Вы просто создаете нужную таблицу, загружаете данные в GBQ и выполняете необходимые запросы или планируете расписание, когда они будут производиться.

Однако в GBQ есть особенности по оплате, которая взимается:

• за единицу хранимых данных;

• за единицу обработанных во время запроса данных.

Кажется, что обслуживание этой СУБД дорогое, но это иллюзия. Цена за единицу настолько мала, что порой грамотно выстроенная система в GBQ может обходиться даже дешевле, чем коробочное решение[33].

Для развертывания YCH потребуются некоторые навыки администрирования, поскольку сначала создается кластер ClickHouse, который будет обслуживать «Яндекс». К этому кластеру производится подключение и только потом в него загружаются данные. Нужно отметить, что в YCH не такой дружественный интерфейс, как в GBQ, и запросы лучше выполнять во внешней программе. Скорее всего, работать непосредственно в web-интерфейсе не получится. Впрочем, это неудобство компенсируется оплатой – она взимается ежемесячно и зависит от производительности кластера.

Визуализация данных

К сожалению, в GBQ и YCH нет встроенных инструментов для визуализации данных. Если это необходимо, можно использовать внешние системы, которые будут подключаться к имеющимся СУБД. В качестве базовых рекомендую остановиться на:

Google Data Studio, https://datastudio.google.com/u/0/;

Yandex DataLense, https://cloud.yandex.ru/services/datalens.

Google Data Studio часто получает обновления и новый функционал от Google. Из него можно напрямую отправлять запросы в GBQ, что делает связку СУБД и визуализатора удобной, особенно если вы работаете не на рынке РФ. Также у него интуитивно понятный интерфейс, который позволит быстро создавать нужные визуализации. В качестве примера на рис. 36, 37 можно рассмотреть части простого отчета, который формирует система.

Рис. 36. Пример отчета по общей статистике Google Data Studio.

Рис. 37. Пример отчета эффективности рекламы по типам кампаний Google Data Studio.

Как видите, в Google Data Studio есть масса возможностей по визуализации данных и созданию элементов для взаимодействия с ними. Причем на рисунках показана лишь малая часть отчетов. Самое главное – собрать максимум данных.

Yandex DataLense – новичок на рынке визуализации данных. Функционал в нем более скромный, чем в Google, но есть и свои плюсы. Так, если связать визуализатор с YCH, меньше времени займет настройка информационных панелей (дашбордов). Кроме того, все данные, включая визуализацию, будут храниться в «Яндекс. Облаке», которое можно оплачивать со счета юридического лица, зарегистрированного в РФ, и получать полный пакет необходимых закрывающих документов. Что немаловажно: он соответствует ФЗ-152, а значит, его могут использовать компании с государственным участием.

На рис. 38, 39 показаны примеры визуализации отчетов из этой системы.

Рис. 38. Пример отчета Yandex DataLense.

Рис. 39. Пример отчета Yandex DataLense.

Наверняка вы обратили внимание, что с точки зрения набора визуализаций DataLense пока уступает Data Studio. Однако система активно развивается. А за счет простой интеграции с кластером ClickHouse на «Яндекс. Облако» становится незаменимым инструментом, когда все данные размещаются в облаке.

Глава 4

Как повысить конверсию сайта?

Вопрос на миллион. Конечно, есть очевидные точки роста, например, почти у всех CMS-систем, на основе которых делают интернет-магазины, поиск по товарам работает ужасно. Нет поддержки опечаток, синонимов, транслитерации и т. д. Во 2-ой части книги я уже упоминал решение, которое помогает справиться с этой проблемой: система умного поиска Searchbooster.io. Она позволяет детально настраивать поиск товаров на сайте, управлять им и повышать продажи. Систему уже используют сотни интернет-магазинов, и, если вы торгуете в интернете, она поможет и вам.

Но это очевидные вещи, как и SEO-продвижение. А что делать, если внедрение изменений на сайт не настолько очевидно? Тогда нужно придумывать гипотезы и тестировать их.

Для этого существует несколько решений. Наиболее распространенное – Google Optimize. Сервис позволяет запускать тестирование изменений страниц сайта и тестирование результатов. В бесплатной версии доступны следующие виды экспериментов:

• эксперимент А/Б (возможность менять любые элементы страницы и анализировать их влияние на количество целевых действий);

• многовариантный эксперимент (тестирование вариантов с несколькими разделами);

• эксперимент с переадресацией (для конкретных веб-страниц, например, создаете два вида страниц с небольшими отличиями и проверяете, какой работает лучше);

• персонализация (оптимизация страницы под целевую аудиторию).

У любого эксперимента должна быть цель. Вы можете выбрать одну из созданных вами целей или задействовать транзакции из Google Analytics.

В качестве вариантов для тестирования можно загрузить уникальные страницы вашего сайта, которые вы сделали в других приложениях, либо через редактор открыть нужную страницу сайта, внести изменения и запустить эксперимент (рис. 40).

Рис. 40. Редактор Google Optimize позволяет видоизменять контент сайта без доступа к CMS.

Добавьте созданный системой код эксперимента на нужную страницу сайта, запустите тестирование и ждите результатов. Система покажет процесс выполнения по интересующим вас параметрам (рис. 41). А затем он или завершится сам, или вы можете остановить его принудительно, если посчитаете, что накопили достаточно данных для принятия решения в пользу конкретного варианта.

Рис. 41. Пример процесса тестирования.