Кейс Skillbox и DataGo!: на что обратить внимание маркетингу и аналитике при смене источника данных
- Почему слаженная работа отделов маркетинга и аналитики — важный аспект в достижении успеха;
- С какими не очевидными сложностями можно столкнуться при переезде на альтернативный источник данных;
- Почему DataGo! Streaming SnowPlow — must have для бизнеса и аналитики в текущих реалиях.
О DataGo
DataGo! — платформа для объективной и справедливой оценки digital маркетинга.
Являясь экспертами по работе с данными, мы помогаем компаниям эффективно использовать аналитические инструменты и получать качественные и своевременные данные, выстраивать прикладную отчетность для принятия стратегических решений.
Фокусируйтесь на независимой оценке digital-маркетинга совместно с DataGo!
О Skillbox
Skillbox — крупный EdTech проект, специализирующийся на распространении курсов по различным специальностям, основанный в 2016 году. На сегодняшний день Skillbox предоставляет более 1500 курсов по самым востребованным направлениям: IT, digital, управление, психология, дизайн и др.
Проект Skillbox входит в ГК Skillbox Holding Limited — международный образовательный холдинг (экосистема VK), лидер EdTech рынка России, объединяющий бренды Skillbox, GeekBrains и SkillFactory, Mentorama и Lerna.
Ранее мы уже делились кейсами о смене источника данных: перевозили «Столото», Hoff и «Азбуку Вкуса».
Сегодня мы расскажем, с чем мы столкнулись при миграции крупного EdTech проекта ГК Skillbox Holding Limited: мигрировали более 15-ти доменов (skillbox.ru, skillbox.by, skillbox.kz, geekbrains.ru, academika.ru и др.), а также большого объема поддоменов и лендингов.
Ретро
Во второй половине 2022 года многие российские компании, использующие аналитические инструменты Google, столкнулись со следующими рисками:
- Высокий риск потери собранных ранее данных и используемой прикладной отчетности;
- Потеря существующей аналитической архитектуры проекта и исторических данных;
- Необходимость обучения команды для работы с новыми инструментами в сжатые сроки;
- Несоответствия требованиям СБ российских компаний.
В результате проекты рискуют потерять возможность отслеживать эффективность маркетинга и влиять на его результат, не могут принимать объективные и своевременные выводы об оптимизации рекламного бюджета.
__________________
Update Oct 2024:
На сегодняшний день российские компании уже не могут использовать облачное хранилище Google BigQuery и вынуждены оперативно оптимизировать архитектуру аналитических проектов. Более подробно мы рассказывали в нашем материале и проводили вебинар об отключении GBQ в РФ.
Если вы не успели мигрировать свои данные и ищите альтернативное решение, отправляйте заявку на нашем сайте.
__________________
Решение, которое помогло команде Skillbox сохранить исторические данные, настроенные отчеты и возможность глубокой аналитики получаемых данных, — это переход на безопасный аналитический стек и возможность получения актуальной статистики по эффективности взаимодействия пользователей с сайтом.
Задача
Перед командой Skillbox и DataGo! стояли задачи:
- Сохранить исторические данные для построения отчетности и для ретроспективного обновления используемых отчетов;
- Подобрать альтернативный источник данных независимый от Google, который не подвержен санкционным рискам и калебаниям рынка;
- Настроить корректный сбор данных для 3 доменов Skillbox;
- Собирать данные в привычной структуре для формирования текущей отчетности.
Ожидания команды Skillbox:
- Обеспечение практически бесшовного перехода с существующего стека стриминговых технологий на новый с минимальным воздействием на текущие процессы аналитики;
- Минимальная нагрузка внутренней аналитической команды Skillbox;
- Сохранение высокого качества данных (или его улучшение).
Переезд на альтернативный источник сбора данных
После проведения аудита команда DataGo! было принято решение о переезде на технологию DataGo! Streaming SnowPlow взамен используемому CustomTask.
DataGo! Streaming SnowPlow — open source решение, настроенное на самостоятельную генерацию хитов на стороне сайта и отправку их в заданную точку доступа.
Основное преимущество и значительное отличие SnowPlow от CustomTask — отсутствие санкционных рисков, что позволяет проектам бесперебойно собирать данные даже в случае отказа от аналитических сервисов Google. Также немало важным является отсутствие ограничений и сэмплирования при обработке большого объема данных и “обратная” совместимость с собранными данными в формате Google Analytics Universal (CustomTask).
Переезд на технологию SnowPlow помогает обезопасить сбор данных стримингом.
При миграции проекта мы всегда рекомендуем формировать отчет, позволяющий делать сверку на сходимость данных между стримингами. Будьте готовы увидеть расхождения в собираемых данных. Это обусловлено различной логикой сбора данных и независимостью выбранных вами технологий.
В случае миграции проекта Skillbox расхождения также были обусловлены необходимостью накопления LNDC (Last Non Direct Click) логики для DataGo! Streaming SnowPlow — это ожидаемые риски и период “устаканивания” занимает около 1 месяца.
Вызовы
В этом кейсе мы опишем основные вызовы, с которыми столкнулись команды маркетинга и аналитики в процессе переезда на альтернативный источник данных, и дадим рекомендации, которые важно предусмотреть при миграции.
Использование UTM-меток для внутренних переходов
UTM-метка позволяет отслеживать внешние источники трафика, откуда перешел пользователь. При установке UTM-метки внутри сайта для отображения внутреннего перехода с одной страницы на другую, создается новый источник данных.
Последствия:
Это крайне негативно влияет на статистику посещений и переходов внутри сайта.
Решение:
- Необходимо определить причину/цель изначального использования UTM-меток;
- Принять решение об отказе от внутренних UTM;
- Необходимая статистика собирается стримингом и без UTM-меток внутри своего же пула разных доменов.
Разрывы сессий
Из-за специфичной реализации разметки на сайте Skillbox, происходят нежелательные разрывы сессий. Например, если пользователь сайта открывает одновременно 2 вкладки сайта. В таком случае каждая из вкладок поочередно формирует новую сессию из-за автоматически регистрируемых с определенным интервалом событий.
Последствия:
Завышенное количество сессий, что искажает действительную картину.
Решение:
- Оптимизировать способы корректного расчета сессий. Пересматреть реальную необходимость отслеживания разного типа событий (рефакторинг легаси разметки сайта).
Значительная доля фрод трафика
Фрод — это трафик, который расходует деньги рекламодателя, но не несет пользы, а также влияет на отображаемую статистику. В норме по рекламному объявлению переходят те, кого оно заинтересовало, при фродовом трафике — боты или пользователи, которые получают вознаграждение за целевые действия.
В кейсе Skillbox мы столкнулись с высокой долей "скликивания". По кампаниям в Яндекс.Директ был значительный процент одноразовых переходов с одной и той же рекламной ссылке одним и тем же пользователем.
Перед командой DataGo! не стояло задачи оценить влияние этой аномалии на бюджет проекта, но для стриминга каждый такой переход означал инициацию новой сессии (из-за создания нового уникального ID клика - yclid).
Последствия:
- Слив маркетингового бюджета на нецелевые/фродовые переходы;
- Некорректная статистика посещений.
Решение:
- Настроить точное отслеживание источников с детализацией до уникального yclid и проанализировать все факторы, влияющие на разрывы сессий. Это поможет подсветить проблему скликивания рекламы, которая, возможно, ранее была скрыта и не считалась “багом”;
- Скорректировать логику сессионизации. Проблему фрода все так же можно определить в данных, но на тотал метрики и разрывы сессий такое поведение больше не влиять не будет.
Автоскроллы
На сайте Skillbox был реализован, так называемый, “красивый скроллинг”, где пользователь с помощью прокрутки страницы переходил на следующую.
Именно скролл вниз давал команду движку сайта выполнить переход на новую страницу, когда пользователь, на самом то деле, находится на предыдущей странице.
Минус этой механики в том, что при реализации данной фичи необходимо учитывать специфическую логику: с точки зрения движка сайта, пользователь еще до скролла генерирует события со второй страницы, физически находясь при этом на первой.
Последствия:
Некорректная статистика по переходам через автоскролл. Сессии дублировались в момент захода на изначальный лендинг и имели разные источники трафика, что искажало статистику по кампании в целом.
Решение:
- Провести исследование по причинам расхождений;
- Внести необходимые правки на сайте.
Рекомендации от DataGо!
На примере крупнейшего EdTech проекта SkillBox мы поделились несколькими неочевидными вызовами, с которыми можно столкнуться при переезде на альтернативный аналитический стек.
Что еще важно предусмотреть?
- Обращайте внимание на детали
Учитывайте индивидуальные особенности разработки, логику работы вашего сайта, CMS-системы и аналитических инструментов. Это поможет вам четче сформулировать образ ожидаемого результата и предусмотреть заранее сложности, с которыми можно столкнуться.
- Взаимодействие отделов
Как правило, отделы маркетинга и аналитики работают по принципу “Заказчик-Исполнитель”. Важно, чтобы команды двигались слаженно и параллельно по единому RoadMap и в единой системе метрик при выполнении общей задачи.
Задача отдела маркетинга: четко сформировать образ желаемого результата, а задача аналитиков — подсветить коллегам из маркетинга логику работы аналитических инструментов и сайта и нюансы, которые могут повлиять на конечный результат.
- При проверке альтернативного стека проведите рефакторинг первоисточника
Сверка между разными системами может затянуться не из–за ошибок нового стека, а из-за легаси проблем и ограничений старых настроек. Проведите начальный аудит, соберите требования по доработкам и улучшениям, заполните систему метрик.
(Некоторые ошибки, попадающие в одну систему со своей статистикой, по-другому отражаются во второй системе).
- Заранее определите метрики и срезы под сравнение, автоматизируйте сверки
Из-за разного влияния ошибок на конечную статистику, в похожих аналитических инструментах вы можете увидеть отличную сходимость по верхнеуровневым значениям (количество сессий или событий), но при детальном рассмотрении точечных метрик вы заметите много несоответствий (распределение источников по сессиям или статистику событий по типам страниц).
- Обучите сотрудников
Проведите обучение для вашей команды по использованию нового стека. Убедитесь, что все ключевые пользователи понимают, как работать с новыми инструментами.
- Обратная связь и улучшения
Постоянно собирайте обратную связь от пользователей и используйте её для улучшения системы. Регулярно обновляйте и оптимизируйте процессы на основе полученных данных.
“Работа с DataGo! над проектом переезда с CustomTask на SnowPlow была действительно совместным процессом, требующим вовлеченности обеих команд. Мы сталкивались с различными задачами и вызовами, и благодаря открытому обсуждению и взаимному освещению проблем, нам удалось найти оптимальные решения.
В ходе проекта были ситуации, когда мы обнаруживали незначительные ошибки в продукте DataGo!, которые были оперативно устранены, и мы уверены, что это помогло улучшить стриминг и для других клиентов компании.
Также мы смогли решить у себя проблемы, которые оставались незамеченными много лет, в результате тщательного процесса сверки старых и новых данных. DataGo! продемонстрировала высокий уровень профессионализма, оперативно реагируя на наши запросы и поддерживая продуктивный диалог на каждом этапе проекта”.
Вывод
На проекте Skillbox мы хотим обратить внимание на то, что недостаточно просто определить подходящий источник данных, подключить его к своему сайту или к мобильному приложению и получать инсайты.
Важно исследовать и анализировать полученные результаты, обращать внимание на детали, которые могут исказить конечные результаты, повлиять на принимаемые вами решения, будь то оптимизация рекламного бюджета или формирование вектора развития компании.
Вы всегда можете самостоятельно провести аудит текущих результатов и отслеживать риски, с которыми может сталкиваться бизнес. Или же вы можете обратиться к экспертам, например, к DataGo! за консультацией, и мы вместе подберем оптимальные решения, подходящие под требования вашего проекта.
С заботой о ваших данных, команда DataGo!