Про utm-метки, сквозную аналитику в Power BI / Google Data Studio и курсы по аналитике

Данная статья поможет сэкономить сотни тысяч рублей на внедрении сквозной аналитики. Нужно...

Всем привет! Я Лаптев Алексей, основатель и главный разработчик сервиса сквозной аналитики и коллтрекинга Utmstat, а также Telegram-канала про сквозную аналитику. Сегодня расскажу типовые кейсы разметки трафика, как они влияют на точность данных и возможности построения дашбордов в различных сервисах.

Не смотря на то, что прошлая статья про utm-метки уже набрала 24000 просмотров, часто сталкиваемся в ситуацией что нет понимания какую роль они играют в аналитике.

В этой статье будет 2-я попытка объяснить смысл на более понятных примерах.

Для кого-то статья покажется очевидной, но если бы проблема так остро не стояла - статья бы не писалась

Для простоты понимания, в качестве id кампаний, объявлений и прочих сущностей будут браться круглые значения.

В основе любого сервиса сквозной аналитики лежат 3 таблицы:

Выглядят они примерно вот так:

На картинке упрощенный вариант, чтобы вам было проще понять смысл, в реальности там чуть больше данных, тут можно посмотреть боевой вариант.

На основании этих таблиц считаются типовые метрики примерно вот так:

Код я упростил для понимания смысла.

Все!

Такая структура данных и такой код в любом сервисе сквозной аналитики.

Поэтому если вы сделаете разметку не так как надо и не передадите например ad_id, то аналитика не построится.

Важно понимать, что такая структура диктуется внешними факторами, а не видением конкретного сервиса аналитики. Это как законы физики.

Вот эти факторы:

Поэтому не стоит искать чудес и уникальных подходов в разных сервисах.

Основная разница между сервисами - в корректности заполнения данными этих 3-х табличек и вытекающая точность расчета метрик.

А теперь давайте посмотрим как влияют различные способы простановки utm-меток на возможность считать данные.

Пример ссылки

apple.com/?utm_source=yandex&utm_medium=cpc&utm_campaign=1000000&utm_content=2000000&utm_term=apple&utmstat=us|yandex|cid|1000000|aid|2000000|gid|3000000|pid|4000000|keyword|apple

Хвост - это параметр "utmstat" или аналог в других сервисах. Выделено жирным.

Что в таблицах

Что это значит

Во всех таблицах есть данные по всем срезам и можно без проблем автоматически строить типовые отчеты.

Обратите внимание что "хвост" в ссылке от сквозной аналитики, в данном случае параметр "utmstat", всего лишь дублирует данные из utm-меток. Он содержит некоторые дополнительные параметры, такие как номер группы - gid, номер фразы - pid и некоторые другие.

Все параметры там берутся например из макросов яндекс директа - все стандартно, никакой отсебятины. Документация яндекса - здесь.

Еще раз хочу подчеркнуть, что непонятный хвост в ссылках сквозной аналитики - это лишь дублирование данных из utm-меток.

Это нужно для того, чтобы:

Формат хвоста в разных сервисах может быть разный, но смысл везде один и тот же - передача значений всех стандартных макросов, например из Яндекса.

Сервисы сквозной аналитики никакие свои параметры не придумывают кроме самого параметра для передачи макросов.

Пример ссылки

apple.com/?utm_source=yandex&utm_medium=cpc&utm_campaign=1000000&utm_content=2000000&utm_term=apple

Что не так

Не передан id фразы

Что в таблицах

Что это значит

В целом все также хорошо, но строить аналитику по тексту ключевого слова, а не по его id местами может вызвать проблемы и неудобства.

Не зря есть phrase_id.

Самый частый кейс.

Именно тут сжигаются бюджеты на дорогое внедрение аналитики, хотя проблему можно решить очень просто, делая грамотную разметку через генератор utm-меток.

Пример ссылки

apple.com/?utm_source=yandex&utm_medium=cpc_cpc&utm_campaign=Новая_кампания&utm_content=айфоны&utm_term=apple

Что не так

Не переданы id кампаний, объявлений. Вместо них ничего не значащие названия.

Что в таблицах

Что это значит

В utm-метках не переданы campaign_id, group_id, ad_id, а API рекламных площадок не отдает расходы в разрезе utm-меток, только по campaign_id, group_id, ad_id.

А это значит что мы не сможем свести расходы, продажи и посчитать ROMI/ROI - окупаемость рекламы, а ведь именно из-за этой информации аналитика вся и строится.

Ну по крайней мере автоматически и почти беcплатно, без услуг золотых дата-аналитиков.

Пример

Это и смешно и грустно, но вот пример на базе школы аналитики.

Домен я скрыл, но найти в выдаче не очень сложно.

Представленных данных недостаточно чтобы построить полноценную аналитику и понять какой источник приносит больше денег. Какой там учат аналитике - я не знаю.

Как правильно - смотрите кейс 1 и кейс 2.

Вот ссылка на инструмент проверки разметки из скриншота.

Пример ссылки

apple.com/?gclid=Cj0KCQjws-OEBhCkARIsAPhOkIZuDoELDf1TcQMr6NC9

Что не так

Не переданы id кампаний, объявлений, ключевое слово

Что в таблицах

Что это значит

Вообще нет данных - и отчеты не построить.

Но тут есть нюанс.

Обратите на параметр gclid (google) и yclid (яндекс)

apple.com/?gclid=Cj0KCQjws-OEBhCkARIsAPhOkIZuDoELDf1TcQMr6NC9

Эти параметры нужны для связки Яндекс Директ и Яндекс Метрики, а также Google Ads и Google Analytics.

То есть если ли вы крутите рекламу только в Яндекс Директ, то в Яндекс Метрике у вас будет более менее нормальная аналитика при грамотно настроенных целях. Яндекс внутри своей экоситемы по параметру yclid подтянет все данные. Ему не нужны utm-метки.

Аналогично работает Google Analytics и gclid.

Проблемы начнутся, когда вы заходите свести расходы со всех источников.

Ведь Яндекс не имеет доступа к расходам Google и Facebook, Google не имеет доступа к расходам Яндекс и Facebook.

При попытке загрузить все в единое хранилище, например в Google Big Query или Google Analytics, будут проблемы со сведением данных, о которых и написана эта статья.

Поэтому без разметки можно, но только если у вас реклама в одном источнике и вся аналитика внутри экосистемы конкретного рекламного источника.

Но в большинстве случаев задействовано 3-5-10 рекламных источников и такой вариант не подходит.

Пример ссылки

apple.com

Что не так

Не переданы id кампаний, объявлений, ключевое слово

Что в таблицах

Что это значит

Сервис сквозной аналитики данные не получает.

Яндекс/Google тоже данные не получает.

Корректно свести расходы и продажи фактически нельзя.

Перечислил все типовые варианты, теперь проще понять какая разметка какие возможности дает.

Нужно делать разметку как в кейсе 1 или кейсе 2.

Это очень просто, если использовать генераторы utm-меток и автоматическую разметку внутри сервисов сквозной аналитики.

Лишние 5 минут времени, потраченные на разметку сэкономят месяцы времени и зарплат на страданиях с не размеченными данными.

Тут важно понимать, что Power BI / Google Data Studio, это лишь инструменты визуализации данных. Визуализация данных в сквозной аналитике - это вершина айсберга.

Основная проблема на рынке - проблемы с разметкой представленные в кейсе 3 и дорогостоящие работы по сведению таких данных .

Если данные не размечены и подрядчик по каким-то причинам не исправляет проблему, то стоимость внедрения аналитики растет в геометрической прогрессии, ну или данные в отчетах будут приблизительные.

Вот еще задачи сквозной аналитики, которые не решить в Power BI / Google Data Studio:

Более подробно описано здесь.

В итоге получается, что с одной стороны хочется "бесплатно" и выбор падает на бесплатный "Power BI / Google Data Studio", с другой стороны стоимость загрузки в них данных и поддержки, может быть кратно выше "платного" сервиса. Тут надо считать на дистанции в год.

Но истина по середине.

Если вы хотите строить аналитику в Power BI / Google Data Studio, то правильней всего делегировать техническую часть загрузки данных в GA/GDS в платные сервисы, а визуализировать уже на базе Power BI / Google Data Studio.

Так вы прилично сэкономите на технических работах по подготовке данных и при этом получите мощные дашборды с точными цифрами.