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:
Описанное решение сформировано на следующих хотелках бизнес-требованиях:
Для тех, кто не знаком с Google BigQuery и сводными таблицами Google Sheets сначала расскажу о том, как организовать сбор и обработку 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:
Ограничения:
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:
Ограничения:
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:
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:
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:
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:
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).
Преимущества:
Ограничения:
А где же крокодилы? На посту, охраняют данные в дата-центрах Google.
Ссылки в помощь:
Если будут вопросы — оставляйте в комментариях, постараемся ответить.
Комментарии