Как собрать отчёт по эффективности авторов на Гугл Таблицах

Всем привет, меня зовут Павел, я маркетолог-аналитик. Хочу рассказать, как можно оценивать эффективность авторов до KPI действий на сайте. Метод максимально простой, без баз данных и программирования. Всё на Гугл Таблицах, доступных любому. В конце отдам шаблон.

Последние годы контент-маркетинг очень востребован. Бренды организуют блоги и журналы. Иногда, это дань моде, иногда — очередной рекламный канал, где во главе всего стоит работа с аудиторией и многоканальные стратегии коммуникации. При этом за, казалось бы, обычными статьями, лежит огромная работа команды писателей, дизайнеров и маркетологов.

Да и наверняка у главреда есть собственная информация, основанная на его метриках, визуальном рабочем опыте с большинством сотрудников и обратной связи. В большинстве случаев это и есть основные метрики внутренней оценки эффективности. Но на мой взгляд их мало.

Мало потому, что зачастую бизнесу нужно больше. Метод, описываемый далее, я не выдумал из головы и уже внедрял подобную отчётность для редакции одного крупного бренда и его главреда в частности.

На самом деле инициатором создания отчётности был даже не главред, а топ-менеджер по маркетингу, в интересах которого было помочь редакции улучшить показатели.

Проблема звучала примерно так: «Как мне понять, какой из авторов пишет наиболее эффективные статьи? Эффективные не только до стандартных показателей вовлечённости, но и до текущей воронки бизнеса: визит → микроконверсия → заявка → KPI действие».

Кратко отвечу на данный вопрос, потому что далее пойдёт сугубо практическое руководство.

Итак, чтобы оценивать эффективность авторов и редакторов на основе конкретных цифр, необходимо построить отчёт на основе данных из веб-аналитики, например, Яндекс Метрики или Гугл Аналитикса. Далее связать данные по статьям и авторам/редакторам с метриками вовлеченности (показы, клики, отказы) и эффективности (достижения целей и показатели конверсии). Если в веб-аналитику пробрасываются данные по заявкам и их статусам из CRM, то используем и их.

Чтобы отчётом мог пользоваться любой человек он будет построен в Гугл Таблицах на основе Гугл Аналитикса. Для этого идём в Гугл Таблицы и устанавливаем приложение Google Analytics.

Итак, нам необходимо выбрать основные метрики оценки эффективности редакции, при этом мы ограничены данными из Гугл Аналитикса. Поскольку посетители с блога находятся на одном из первых этапов знакомства с брендом, прямых заявок от них ждать нужно в последнюю очередь. Следовательно основные метрики — это показатели вовлеченности, а именно:— глубина просмотров страницы, выраженная в «scroll 50, 75 и 90%»;— время на сайте более 60 сек через «view 60sec»;— само собой количество визитов на страницу.

Они находятся на скрине ниже в блоке Metrics, где ga:sessions отвечает за визиты, а «Goal_Completions» с порядковыми номерам за цели, настроенные в Google Analytics.

Важно, по умолчанию цели «scroll ….» или «view __ sec» не настроены в Гугл Аналитике и чтобы их добавить, нужно обратиться к веб-аналитикам, либо сделать это самим.

Кратко порядок такой: Устанавливаем на сайт Google Tag Manager через разработчиков сайта → Настраиваем отслеживание целей с помощью триггеров и отправку в Аналитикс с помощью тегов → Настраиваем приём целей из GTM в Аналитиксе

Поле Metrics мы разобрали, осталось Dimensions и Filters. Остальные просты в понимании, Limit — это количество строк выгружаемых в отчёт. Start Date — начальная дата с которой нужно выгрузить данные. End Date — конечная дата по которую выгружаем данные.

Итак Dimensions — это показатель, для которого мы подбираем метрики. В нашем случае, в этом качестве выступает ga:landingPagePath — адрес url по которому посетитель пришёл на сайт. То есть мы смотрим, сколько та или иная статья блога/журнала привела посетителей и достижений целей из Metrics.

Ну а блок Filters, помогает нам отсеять лишние ga:landingPagePath, указывая, что должны содержать адреса страниц. Например, это может быть часть урла как /journal, /blog или /news, говорящие нам о страницах журнала или блога.

Теперь, как мы разобрались с параметрами и заполнили их, запускаем выгрузку данных через «Run reports».

Выгрузка будет выглядеть следующим образом.

Фактически за указанный период мы получаем данные по посещаемости и целям в разрезе статей. Но сами по себе адреса статей нам ничего не дадут, такие данные изучать не получится.

Чтобы их преобразовать в удобный вид, необходимо получить от редакции табличку темника или иного документа, где есть информация по статье: url, автор, название статьи. Это будет своего рода справочник. В него можно добавить не только авторов, но и редакторов и прочие варианты деления, важные для бизнеса.

Обратите внимание на второй столбец, там работает функция отсекающая https://test.ru.

=REGEXREPLACE(A2;".*:\/\/test\.ru";"")

Сделано так по той причине, что выгрузка из Гугл Аналитикса приходит в таком же виде и чтобы склеивать эти данные, нужно привести их к одному виду.

Касаемо названия статьи, его можно не прописывать вручную редакции, а вытаскивать автоматически с помощью функции Гугл Таблиц — IMPORTXML

Массив данных — это большая таблица где склеиваются данные из разных мест. В нашем случае из справочной таблицы от редакции и с выгрузки из ГА. Массив нужен для того, чтобы по нему сделать сводную таблицу и оценивать эффективность авторов.

По второму столбцу стоит уточнить, что в нём мы формулой с регулярным выражением убираем мусор из URL страниц, т.к. Гугл Аналитикс отдаёт ссылки с лишними символами вроде знаков препинания. Формула выглядит так:

=REGEXREPLACE(A2;"\?.*|\&.*";"")

Чтобы было понятнее схематично изобразил архитектуру аналитического решения.

Я также добавил красным в слое источников данные по зарплатам авторов. При наличии такой информации, итоговые отчёты будут более информативными. Условно видим, что показатели автора плохие, но при этом мы ему платим больше всех — выводы напрашиваются сами собой.

И данные по расходам на дистрибуцию. Это должна быть выгрузка по рекламным кампаниям, в нейминге которых будет зашита метка передающая название статьи. В дальнейшем это позволит склеить данные по рекламе с остальными. Или метку зашиваем в один из параметров utm_меток. Расходы позволят видеть корреляцию эффективности статьи и эффективности автора, поскольку успешная статья может быть таковой не за счёт автора.

Ещё важно, что работа авторов, как правило, распределена на несколько проектов. Поэтому в исходных данных, например, табличке от редакции, можно учитывать и эту информацию и понимать насколько эффективен автор без привязке к темам бренда. Если отрицательная динамика для автора сохраняется от проекта к проекту, то видимо дело в авторе.

Самое сложно мы миновали и теперь можно расслабиться. Нам предстоит построить обычные сводные таблицы — на изи.

Выделяем всю таблицу нашего массива с прошлого шага и вставляем сводную через меню «Insert» → «Pivot table». После выводим нужные срезы и метрики, например:

Эффективность статей

Эффективность авторов всего и в среднем

Как я говорил, мы не ограничены в видах отчёта. Всё зависит от источников данных, которые мы добавим. Добавим расходы на зарплаты, получим в отчётах эти показатели. Добавим расходы на рекламу — увидим и их в общих сводных таблицах.

На мой взгляд, отчётность по эффективности редакции нужна. Она позволяет ориентироваться на цифры, а не на ощущения. Позволяет оценивать эффективность элементов редакции не только показателями вовлечённости, но и стандартной воронкой бизнеса. При этом цель отчёта не привязать редакцию к KPI, а скорее обелить тёмную сторону направления.

Ну и по традиции отдаю вам шаблон отчёта для контент-маркетинга на Гугл Таблицах.

Ещё больше шаблонов публикую в Телеграм канале, заходите. А если хотите получить их все разом, просто оставьте емэйл тут.