20 лет веб-аналитики
Какое диджитал-агентство без аналитики? В рамках нашего 20-летнего юбилея мы уже вспомнили историю рунета и историю разработки, идём дальше — от самого диджитал-продукта к его продвижению. И здесь много нюансов. Аналитика нужна, чтобы не терять связь с реальностью и эффективно решать задачи клиентов. Каким бы крутым и продуманным не казался вам ваш проект, путь к успеху лежит лишь через налаженное взаимодействие с аудиторией.
Вначале были счётчики
ОК, ещё до счётчиков были анализаторы логов. Они доставали базовую информацию о логах веб-сервера: имя файла, время обращения, реферер (то, откуда перешёл пользователь), IP-адрес и идентификаторы ПО. Технология появилась вместе с протоколом HTTP (1990-92) и без него была бы невозможна.
К сожалению, логи не были долго эффективны: поисковые роботы сильно их засоряли, кэширование и динамические адреса тоже смазывали реальную картину. Частичным спасением стало внедрение дескрипторов JavaScript внутрь самого кода страницы. Затем, на заре 2000-х, вместе со взрывным ростом интернета, такую же взрывную популярность пережили счетчики. Каждый сайт считал хорошим тоном показывать количество посещений и гордиться (или нет). Продвинутые счётчики позволяли узнать страны, из которых пришли пользователи, а самым популярным счётчиком в России стал LiveInternet — сравнительно простой и с базовым мониторингом.
Потом появились системы веб-аналитики
Всё началось с Google Analytics (GA).
Шёл апрель 2005-го. Google купил компанию Urchin Software и начал разработку прототипа под названием Urchin on Demand. В ноябре того же года состоялся релиз, и почти сразу из-за высокого спроса была введена система приглашений. Чуть позже, в 2006, сервис принял привычное нам название и стал доступен для всех пользователей. Функционал первого Google Analytics (GA) был невелик и продолжал наработки Urchin.
Любопытно: UTM-метки для отслеживания трафика рекламных кампаний тоже разработал Urchin. Аббревиатура расшифровывается как Urchin Tracking Module.
Вторая версия — так называемый «GA Classic» — предлагала возможности отслеживания транзакций и большие возможности контроля статистики. Вначале (2007) его код был синхронным, потом (2009) стал асинхронным, т.е. стал выполняться параллельно другим скриптам, что ускоряло загрузку страницы и давало большую точность. Третья версия — «GA Universal» — впервые сместила фокус со служебной статистики сайта с отдельными транзакциями и счётчиками на единое поведение пользователя. Краеугольным стало появление User ID: теперь поведение одного и того же пользователя можно было считывать сразу с нескольких устройств. Версия запустилась в 2012. Вначале в ней можно было создавать аналитические теги для страниц, потом произошёл апдейт — в 2017 появились теги глобальной аналитики. Теперь к коду унифицировано привязались все службы Google, а для одного продукта стало возможным использовать его собственный тег — огромный шаг для аналитики конверсий.
Четвёртая версия — GA4 — была представлена в 2020 году и продолжает дорабатываться. Подробности ниже, если коротко: проще интерфейс, другой подсчет уникальных действий, бесплатная выгрузка данных в BigQuery.
Другая популярная в России система веб-аналитики — Яндекс.Метрика. Система начала разрабатываться в 2008, в свободном доступе с апреля 2009. Наша и «ихняя» система походят друг на друга, обе асинхронны и используют коды отслеживания, но есть и отличия:
- Google Analytics и Яндекс.Метрика по разному считают отказы: любой просмотр без взаимодействия с элементами страницы VS. только просмотры менее 15 сек (т.е. достаточно долгое прочтение уже не отказ);
- У Яндекс.Метрики нет отчётов по многоканальным последовательностям: чтобы узнать путь переходов для транзакции, нужно использовать дополнительные приложения типа Logs API, ClickHouse, Jupyter Notebook;
- считается, что Яндекс.Метрика даёт намного больше информации по фразам поисковых запросов, не скрывая 80% запросов под грифом «other» или «not provided»;
В 2010 году в Яндекс.Метрике появился раздел «Карты», стало возможным напрямую и без всяких дополнительных расширений (типа Page Analytics у GA с 2014) смотреть карту ссылок, карту скроллинга, тепловую карту кликов.
Год спустя в Яндекс.Метрике появился «Вебвизор»: сервис записывает действия пользователей в режиме «реального видео» (без скандала не обошлось: несколько месяцев можно было посмотреть всё, включая ввод личных данных и номеров банковской карточки, — потом баг исправили).Работа в тандеме тулов Яндекс.Метрики и Google.Analytics — база и почти дефолтная норма для профессиональной веб-аналитики. Кардинальные нововведения редки, а интеграции новых подходов к анализу и визуализации данных обогащают то, что имеется. Эволюция продолжается.
С дашбордами стало красиво и понятно (и с системами BI тоже)
Системы визуализации данных начали появляться в 2000-х. С тех пор виды и возможности дашбордов, как интерактивной альтернативы табличным отчётам, всё множатся и множатся. Хороший дашборд уже за первую минуту отвечает на два-три вопроса, позволяет определиться с тем, какие отчёты ещё нужны, и помогает оперативно принять управленческое решение.
Конечно, визуализация данных — это довольно давняя история. Однако в веб-аналитику она проникала постепенно и в итоге стала полноценной и неотъемлемой его частью. В 2011 в Google Analytics появилась визуализация показателей в реальном времени; в 2016 состоялся релиз Google Data Studio, инструмент мог собирать и визуализировать данные сразу с огромного множества сервисов.
Что любопытно, параллельно всей истории с визуализацией в тренд входит сквозная аналитика, которая глубоко интегрирована в CRM и работает не только с сайтом, но и с метриками клиентской базы. В принципе, их развитие можно рассматривать как две части взаимосвязанного процесса: больше данных — больше необходимость визуализации, больше визуализации — больше инсайтов. В дело вступают инструменты BI (Business Intelligence). Они давно появились и давно используются в разного рода интерпрайзах для интерпретации больших и разрозненных данных. Самое то для веба с его растущим количеством трафика, пользователей и каналов.Tableau, популярнейший инструмент визуализации и бизнес-аналитики, появился ещё в 2003 — вместе с технологиями параллельного интерактивного анализа данных VizQL и Data Engine. Power BI — другой мастодонт и детище Microsoft, который был выпущен в 2015 году и вобрал в себя уже существующие надстройки Excel для подтягивания, выгрузки и визуализации больших массивов данных. Решение для крупных компаний, которым нужно очень много проанализировать и свести всё воедино.
Сейчас всё определяет кроссплатформенность (вместе с GA4)
Сама по себе кроссплатформенность не нова и вступила в права вместе с началом мобильного интернета. Другое дело, что веб-аналитика за ней не поспевала:
- кроссплатформенный UJ стал нормой, но в GA Universal его трудно отследить;
- в приложениях/SPA нет веб-страниц; пользователи ходят по экранам, а не по страницам — в результате web и app-аналитика разрознены.
В сервисе Firebase SDK (принадлежит Google c 2014 года) мобильная аналитика считалась отдельно: отслеживались действия и параметры, а не сессии и страницы.
По аналогии работает GA4, вышедший в октябре 2020. В новой версии больший акцент сделан на пользователях и точности их отслеживания. Вместо одного лишь User ID появляется сразу три решения кроссплатформенного слежения: User ID, Google Signals, Device ID. В центре веб-аналитики финально оказывается сам пользователь, а не браузер.
Из других плюшек нового GA4: упрощённый и оптимизированный интерфейс, библиотека шаблонов отчётов, бесплатная интеграция с BigQuery, возможность работать в будущем без cookies (они, кстати, будут сохраняться не более 14 месяцев).
Что впереди?
Будущее туманно, разобраться в этом тумане должна сама веб-аналитика.
Во-первых, вопрос о конфиденциальности данных и GDPR (Общий регламент по защите данных), принятый в 2018 году. В связи с этим в ближайшие годы Google планирует отказ от cookies, вместо этого, быть может, придёт технология FLoC: она будет производить не индивидуальный анализ предпочтений пользователя, а объединять пользователей с похожими интересами в обезличенные группы.
Во-вторых, дальнейшее развитие BigData и интеграция систем сбора данных. Бизнес всё больше будет узнавать про свои аудитории и таргетировать по всё большему количеству параметров и каналов, которые будут выстраиваться в единую систему. Навскидку: речевая аналитика, системы распознавания образов (лиц, фото, видео), аналитика медиаданных, геоаналитика и так далее вплоть до сбора IoT-статистики, когда не только «умная колонка», но и «умный холодильник» способен рассказать много интересного.
В-третьих, поведенческие модели аналитики также продолжат развиваться. Веб-аналитика станет частью предиктивного (предсказывающего) или даже прескриптивного (предписывающего) маркетинга. Выразим надежду, что баланс «пользователь-бизнес» будет соблюдён и веб-аналитика будет предлагать этичные и эффективные решения для всех сторон.
Рекомендуем