Как веб-аналитика помогает бизнесу стать более эффективным, разберем на примерах

Мы постоянно говорим о SEO-продвижении, контекстной рекламе, таргете и других инструментах привлечения клиентов. Но есть ещё одна не менее важная тема, без которой об эффективности продвижения в интернете можно не мечтать — веб-аналитика сайта.

Клиенты постоянно дорожают. Например, у нас есть один проект, с которым мы работаем уже шесть лет. В начале сотрудничества мы могли получать заявки по 350 рублей, а сейчас эта сумма в разы больше — от 1,5 тысяч и выше. И всё из-за того, что конкуренция за эти шесть лет стала намного больше. Роста к стоимости заявки добавила и пандемия. Ведь во время самоизоляции, чтобы не терять прибыль и продолжать работать, многие компании пришли в интернет. А следовательно, стали покупать тут и рекламу.

Поэтому если раньше можно было позволить себе тратить деньги на неэффективные инструменты и всё равно получать прибыль, то сегодня это уже проблематично. А значит если вы не используете веб-аналитику, не отслеживаете эффективность каналов и не повышаете отдачу от инвестиций, в долгосрочной перспективе вы проигрываете своим более прокачанным в этой теме конкурентам.

Давайте начнём с определения. Веб-аналитика — это инструмент, который помогает собирать данные о пользователях сайта. На их основе мы можем повышать эффективность нашего ресурса и маркетинговых активностей.

Сразу предупрежу, что многих этот инструмент может напугать. Ведь он включает в себя много метрик, отчётов и дашбордов. А следовательно много цифр, которые надо анализировать. Но не всё так страшно.

Давайте на примере. Представьте, что у вас есть сайт, на который вы привлекаете пользователей с помощью разных источников. Это может быть контекстная реклама, когда люди видят ваши объявления в поиске Яндекса или Google, и с них переходят на сайт. Или SEO-продвижение — вы написали интересную читабельную статью, а она проиндексировалась в поисковиках. Также это может быть email-рассылка, таргетированная реклама в соцсетях, реклама у блогеров, материалы, которые вы разместили на других сайтах — источников очень много. И вот представьте, что с помощью веб-аналитики вы можете узнать, откуда именно пришёл тот или иной пользователь, и что именно он делал на сайте: какие разделы просматривал, какие кнопки нажимал и так далее.

Самые распространённые инструменты для сбора онлайн-аналитики — Яндекс.Метрика и Google Analytics. Заниматься обработкой этих данных может отдельный специалист — веб-аналитик. Но также часто это делает интернет-маркетолог или сам владелец сайта.

Об этом мы уже немного поговорили в начале. С помощью веб-аналитики можно увидеть, из каких источников на ваш сайт приходят люди, и откуда трафика идёт больше всего. Например, у вас несколько источников привлечения клиентов: Инстаграм, внешние публикации на других ресурсах, контекстная реклама в Яндекс и Google. Инструменты веб-аналитики покажут, какой из этих каналов приводит на ваш сайт больше всего пользователей. А ещё вы сможете узнать, какая аудитория оставляет больше всего заявок или покупает (если оформить покупку можно прямо через сайт). Из этого можно сделать выводы об эффективности того или иного канала.

Например, мы можем определить, кто чаще обращается в компанию: мужчины или женщины. А ещё какого возраста эти люди, из какого они города, какие у них интересы и т.д.

Также можно посмотреть с какого устройства человек зашёл в интернет: с ПК, мобильного телефона, планшета, телевизора и т.д. И данные есть не только по видам устройств, но и по конкретным моделям, операционным системам и размерам экранов. Это может быть важно, например, для вёрстки сайта.

Помимо того, что мы знаем откуда пришли люди, мы можем посмотреть, что они делают на сайте. Сколько и каких страниц посещают, сколько времени проводят на сайте, какие формы раскрывают, на какие иконки кликают, какую информацию читают и т.д.

Например, в Яндекс.Метрике можно посмотреть карту кликов, где разными цветовыми пятнами будут подсвечены самые кликабельные области. Чем ярче пятно, тем чаще люди туда кликают. Ещё есть инструмент “Вебвизор”. Он показывает вам запись экрана, и вы можете увидеть полную картину того, как клиенты взаимодействуют с сайтом.

Помимо Метрики и Analytics для этих целей используют ещё и Google Tag Manager. Он упрощает работу по отслеживанию событий на вашем сайте. С его помощью можно создать теги, то есть сохранить важные для вас действия пользователей, а потом следить за ними.

В системах веб-аналитики есть базовые данные о том, насколько корректно работает сайт. Например, как долго он грузится, корректно ли отображается в разных браузерах, есть ли какие-то серьёзные ошибки, которые влияют на его работу и т.д.

Конверсии — это соотношение пользователей вашего сайта и заявок, которые вы получаете. Отслеживать их можно через: заполненные формы (сколько человек вписали свои контактные данные и нажали “Отправить”), email-адрес (сколько человек по нему кликнули или скопировали), телефон (для этого нужен дополнительный инструмент аналитики — коллтрекинг). Все эти действия называются макро-конверсиями. То есть это то, что превращает посетителя сайта в покупателя или лида (человека, который оставил свои контакты). Также нужно отслеживать и микро-конверсии. Это небольшие действия на сайте, которые пользователь совершает до момента макро-конверсии. Например, кладёт товар в корзину, нажимает на кнопку “Связаться с нами”, заполняет поля в форме заказа и т.д. Микро-конверсии тоже очень важны, потому что с их помощью мы можем отследить весь путь клиента. А ещё можно узнать, на каком этапе отваливается больше всего людей.

На основе данных, которые мы собираем через инструменты веб-аналитики, можно вносить корректировки на сайт и в рекламные кампании. Плюс отказываться от источников, которые приносят слишком низкую отдачу.

Вот несколько примеров того, как могут пригодиться эти данные:

● Например, мы продаём велосипеды и видим, что к нам на сайт приходит много пользователей из определённого города. После небольшого расследования становится понятно, что кроме нас в этом городе больше нет крупных магазинов, которые бы привозили велосипеды с доставкой. Это может служить сигналом к тому, чтобы сделать для этого города отдельную рекламную кампанию, и направить туда чуть больше бюджета.

● У нас есть рекламные кампании для двух городов: Москвы и Петербурга. Но из данных мы видим, что в Петербурге клиент обходится нам гораздо дешевле, чем в Москве. А средний чек при этом одинаковый. Тогда можно перераспределить бюджеты на рекламу и вливать больше денег в кампании для Петербурга.

● Вы заметили, что поведенческие факторы у людей, которые заходят на ваш сайт с ПК, гораздо лучше, чем у тех, кто сидит с мобильного. Это знак того, что нужно тщательно проверить мобильную версию сайта. Возможно, там есть какие-то недочёты, которые мешают людям полноценно пользоваться вашим ресурсом. А вы из-за этого теряете клиентов.

● У вас есть два канала продвижения: Инстаграм и Яндекс.Директ. Из Инстаграма вы получаете много посещений, но мало заявок. Из Директа посещений не так много, но зато больше людей оставляют вам свои контакты. Логично, что больше внимания и бюджета стоит уделить Яндекс.Директу.

● Вы решили проанализировать, как пользователи взаимодействуют с формой заказа, и заметили, что при заполнении одного из полей, многие люди закрывают сайт и в итоге так и не завершают заказ. Возможно, вы непонятно назвали это поле, и люди не знают, что в него вписывать. Либо пользователи считают эту информацию лишней и не готовы ей делиться. Эту причину нужно выявить и исправить. Тогда конверсия в этом месте может вырасти.

● На одном из проектов мы обнаружили большой интерес пользователей к калькулятору на статейных страницах. В структуре сайта он находился в самом низу, но при этом давал хорошие конверсии по тем людям, которые всё-таки до него добирались. На основе этих данных мы разместили его выше, плюс, добавили кнопку для перехода в него на первый экран. После этого конверсия из блога выросла на 23%.

Тут я перечислил только то, что получилось вспомнить сразу. Думаю, таких историй гораздо больше. Если у вас есть свои примеры того, как веб-аналитика помогала вам повысить эффективность сайта или рекламы, расскажите о них в комментариях. Думаю, это будет полезно всем :)

Наверняка, вы слышали ещё одно понятие: сквозная аналитика. Давайте разберём, чем она отличается от веб-аналитики, о которой мы только что поговорили.

Веб-аналитика отслеживает пользователя на пути “рекламный канал — сайт — заявка”. После того как человек заполнил форму и нажал кнопку “отправить”, начинается бизнес-аналитика. Она хранит данные о том, сколько денег человек принёс компании, что он купил, частоту покупок и т.д. Так вот сквозная аналитика — это инструмент, который помогает связать веб-аналитику с бизнес-показателями.

С её помощью мы можем видеть не только количество заявок, которое пришло нам с одного рекламного источника. А ещё и число реальных клиентов, которых этот источник привёл. Ведь иногда бывает так, что один канал принёс 10 лидов, а второй 100. Но вот из 100 заявок в клиентов превратилось только 2, а из 10 — 5. Если мы оцениваем результаты только по данным веб-аналитики, то можем подумать, что второй канал эффективнее, ведь он принёс нам в 10 раз больше лидов. Но если смотреть на реальный результат по клиентам, которые принесли деньги в кассу, всё уже не так однозначно.

Конечно, если у вас один рекламный канал, то все эти данные и так считаются без проблем. А вот если источников несколько, сквозная аналитика будет очень полезным инструментом. Ведь заявка далеко не всегда равна продаже.

Например, у нас был случай, когда и из Директа, и из Google.Ads мы получали примерно одинаковое количество заявок по примерно одной и той же цене. Но вот заявки из Директа очень плохо конвертировались в покупки, и реклама там была совсем невыгода. В итоге мы решили отказаться от Директа и перевели весь бюджет в Google.Ads. Это моментально повысило отдачу от инвестиций, а без сквозной аналитики мы бы даже даже не узнали о таком варианте.

Ещё пример пользы сквозной аналитики. В отчётах можно увидеть всю информацию по звонкам клиентов. Если в статистике мы замечаем, что многие люди не дождались ответа оператора, а кто-то так и не смог дозвониться, то очевидно, что нужно либо расширять штат, либо уменьшать объёмы рекламной кампании. Тогда операторов будет хватать на всех, и деньги на рекламу не будут сливаться впустую.

На самом деле всё не так радужно, как может показаться на первый взгляд. Да, мы можем отслеживать много разных данных, делать выводы, а потом корректировать сайт или рекламные кампании и повышать свою эффективность. Но в этих данных всегда присутствует погрешность.

Чтобы понять откуда она берётся, нужно разобраться, как именно системы веб-аналитики получают данные о пользователях. Счётчики (Яндекс.Метрика и Google Analytics) получают информацию из браузеров с помощью куки. Это некий резервуар, где собирается информация о поведении пользователя: какие сайты он посещает, что на них делает и т.д. Так вот когда человек заходит на сайт, счётчик берёт все нужные данные из его куки.

Но вот в чём проблема:

● Один человек может использовать несколько устройств, а на каждом куки уникальны;

● Одним устройством может пользоваться целая семья, а значит в куки собираются данные о поведении сразу нескольких человек;

● Существуют специальные программы-блокировщики, которые не дают сайтам отслеживать куки пользователей;

● Многие люди чистят куки в своём браузере, а значит для системы они становятся “чистым листом”.

Чтобы погрешность не так влияла на данные, важно собирать их как можно больше. Чем больше статистики вы собираете, тем более уверенные выводы можно делать на её основе.

Давайте посмотрим на примере. Допустим, вы запустили рекламную кампанию с тремя объявлениями. По одному вы получили 50 кликов, по второму — 40, а по третьему — 10. Но из 10 кликов по третьему объявлению вы получили 2 заявки, а с остальных объявлений не получили ничего. Из этих данных пока нельзя делать никаких выводов.

Или ещё пример: конверсия вашего сайта — 1%. Так вот, чтобы это понять, вам нужно собрать не 100, не 200 и не 300 переходов на свой ресурс. Ведь сегодня из 100 визитов вы можете получить 0 заявок, а завтра из этого же количества посетителей целых 10 заявок. Поэтому при сборе данных важно не торопиться делать выводы. Сначала нужно накопить достаточно статистики, а уже потом делать корректировки.

Данные могут искажаться и в сквозной аналитике. Иногда это происходит из-за того, что CRM-система ведётся некорректно, а инструмент сквозной аналитики берёт данные в том числе и оттуда. Ещё бывает, что в самом инструменте происходит какой-то сбой. Особенно, шансы на это повышаются, когда много сервисов подключаются к нему по API. Поэтому систему регулярно нужно проверять и следить за её исправностью.

Давайте подведём итог и ещё раз посмотрим, что нужно сделать для получения результатов от веб-аналитики:

Вообще, аналитику можно настраивать по-разному. Всё зависит от ваших масштабов: чем больше проект, тем больше нужно данных, а значит нужна и более сложная аналитика. Ведь на кону большие бюджеты. Плюс, в больших проектах данные для аналитики собираются куда быстрее, чем в маленьких. Значит есть смысл отдать работу по их анализу на аутсорс, либо нанять для этого отдельного специалиста.

Надеюсь, у меня получилось понятно донести до вас суть инструмента веб-аналитики. Если у вас есть истории, интересные кейсы или выводы, к которым вы пришли после использования аналитики, делитесь ими в комментариях :)