Как оценить влияние рассылки на привлечение, прогрев и продажи: руководство по работе с веб-аналитикой
Рассылку часто используют для прогрева аудитории, но как понять, что она справляется с этим? Ведь простой подсчет покупок из рассылки не покажет ее вклад во все остальные продажи. Разбираемся, как использовать расширенные возможности веб-аналитики на практике вместе с экспертами Sendsay и Roistat.
Привет! Это Sendsay – омниканальная CDP-платформа.
Рассылка – крутой инструмент удержания, прогрева и продаж. Но ее влияние на продажи сложно оценивать, особенно если клиент может хаотично взаимодействовать с разными каналами коммуникации. Например, человек несколько месяцев читает рассылку, а потом просто открывает сайт напрямую и делает заказ. Как узнать, что до этого он грелся через контент?
Ответ один: анализировать поведение клиентов с помощью систем веб-аналитики Google Analytics и Яндекс Метрики. А если вы хотите понять, какой вклад рассылка вносит в конечное решение о покупке, то придется научиться работать с ассоциированными конверсиями и моделями атрибуции.
Обо всем этом и поговорим в статье:
- в чем плюс веб-аналитики
- что такое ассоциированные конверсии
- что такое модель атрибуции и какие бывают
- как они помогают анализировать путь клиента и понимать, как рассылка влияет на желание покупать
- где искать отчеты с ассоциированными конверсиями
В материале почти не будем говорить о метриках, а сосредоточимся на углубленном методе анализа рассылок. В этом нам помогут эксперты Sendsay и Виталий Горюнов – маркетинговый аналитик Roistat.
Как веб-аналитика помогает анализировать влияние рассылки на продажи
Два основных сервиса веб-аналитики – Яндекс Метрика и Google Analytics (GA).
Эти сервисы собирают, структурируют и анализируют действия пользователей на сайте после перехода из рассылки: какие страницы смотрели, сколько времени провели на сайте, что положили в корзину, что купили. По сути, они дают дополнительную информацию к тем данным, что есть в сервисе рассылки.
Чтобы они правильно работали, нужно настроить цели – конкретное действие на сайте, которое должен сделать пользователь. Например:
- открыл главную страницу
- кликнул по конкретной кнопке
- перешел в каталог
- пролистал страницу до конца
- добавил товар в корзину
- не закончил оформление заказа
- закончил оформление заказа
Именно за этим будет следить веб-аналитика: откуда человек пришел на сайт, когда и сколько раз он сделал нужное действие. А также она будет рассчитывать конверсию каждого действия по отношению к заданным параметрам: просмотрам, кликам, посещениям.
А дальше останется размечать все ссылки в письмах UTM-метками и следить за статистикой.
Читать в блоге: «UTM-метки в email-рассылках: как правильно их использовать».
Разберем на примере, как оценивать влияние рассылки
Например, у нас рассылка, цель которой – прогрев к услугам компании. Поэтому нам важно не количество продаж, а увеличение интереса к услугам. И чтобы его оценить, мы можем воспользоваться статистикой в сервисе рассылки и веб-аналитикой.
Начнем с сервиса рассылки Sendsay: в нем есть статистика по каждому письму от количества открытий до тепловой карты кликов. Опираясь на нее, можно посчитать конверсию открытия в клик и количество переходов на сайт, чтобы понять, насколько хорошо сработало письмо.
Например, 100 человек открыли письмо, 20 из которых перешли на сайт. Конверсия в клик 20% – здорово. Похоже, что рассылка смогла привести аудиторию на сайт, но есть ли в этом толк?
Читать также: Как повысить Open Rate и CTR рассылки
Чтобы это выяснить, анализируем поведение этих подписчиков в веб-аналитике, и видим, что:
- 11 человек через 5 секунд закрыли сайт – так себе
- 5 пролистали страницу до конца и закрыли – неплохо
- 2 человека перешли на другие страницы – хорошо
- 1 человек оставил контактные данные для запроса услуги – отлично
Таким образом видим, что рассылка была хороша, и не только привела потенциального клиента, но и заинтересовала других людей настолько, что они изучали подробности на сайте.
Обычно при анализе рассылки на этом останавливаются. Но у веб-аналитики есть еще один полезный инструмент, который помогает оценить прямой и косвенный вклад рассылки в общую воронку продаж. Это – ассоциированные конверсии и анализ пути клиента. О них и поговорими дальше.
Яндекс Метрика и Google Analytics существенно дополняют внутреннюю статистику сервисов рассылки. Их обязательно нужно использовать для более глубокого анализа качества рассылки.
Что такое ассоциированные конверсии и зачем они нужны
Представим, что человек несколько раз заходил на сайт из рассылки, но не купил. А через пару дней перешел из контекстной рекламы и сделал заказ. Веб-аналитика зафиксировала, что продажа совершена после перехода из рекламы. И если не учитывать рассылку, то можно сделать ложный вывод, что контекстная реклама работает лучше всего и вкладывать в нее весь бюджет.
Поэтому важно смотреть на весь путь клиента и анализировать вклад каждого канала в конечную продажу. Для этого у веб-аналитики есть специальные инструменты – ассоциированные конверсии и отчет «Пути конверсий».
Читать в блоге: Составляем Customer Journey Map: советы и инструменты
Ассоциированные конверсии – это все зафиксированные посещения сайта, которые показывают, откуда пользователь заходил на сайт до совершения целевого действия. То есть, они показывают весь зафиксированный путь клиента от первого клика до последнего, когда он совершил целевое действие.
При этом у веб-аналитики есть разные способы анализа этих ассоциированных конверсий. Например, какие касания считать более ценными? Первые, промежуточные или последние? Или все касания одинаково важны?
Если взять наш пример с рассылкой и рекламой, то какое касание будет считаться ассоциированной конверсией – контекстная реклама или рассылка?
Чтобы понять, по каким правилам веб-аналитика оценивает важность этих касаний, нужно разобраться с понятием атрибуции и ее моделями.
Что такое модели атрибуции и как их использовать для анализа рассылки
Атрибуция – это способ присваивать ценность каналам, с которыми пользователь взаимодействовал до покупки. А модель атрибуции – это правила, по которым веб-аналитика рассчитывает ценность каждого отдельного касания.
То есть, это способ определения, какой канал был сопутствующий и принес ассоциированную конверсию, а какой канал – главный, благодаря которому произошла конверсия в действия.
Есть две основные модели атрибуции – на основе данных и на основе правил.
Самая удобная модель – на основе данных. В этом случае система веб-аналитики опирается на накопленные данные о вашей компании, и с помощью искусственного интеллекта самостоятельно решает, какие каналы были важнее. Вам не нужно ничего делать, веб-аналитика все сделает сама.
Например, после перехода из контекстной рекламы люди редко покупают, а вот если до этого они несколько раз переходили из рассылки – часто. В таком случае веб-аналитика делает вывод, что больший вклад в продажу внесла рассылка.
Но эта модель не подходит компаниям, которые только начинают работу с веб-аналитикой. Им нужно использовать атрибуции на основе правил. Также такие модели позволяют лучше понимать, на каком этапе рассылка работает эффективнее: на привлечении, прогреве или продажах.
Поэтому разберем модели атрибуции на основе правил подробнее. Начнем с Google Analytics, а затем перейдем к Метрике.
Важно: выбор модели атрибуции по умолчанию влияет на подсчет стоимости конверсии, поэтому не меняйте ее без веских причин. Для анализа контент-маркетинга достаточно поменять модель атрибуции в отчетах, не меняя всю систему в целом. Далее мы покажем, как это сделать.
Модели атрибуции на основе правил в Google Analytics
1. Последний непрямой клик – эта модель 100% ценности присуждает последнему каналу взаимодействия, не учитывая прямые заходы на сайт. Она хорошо подходит для анализа конверсионности разных каналов.
2. Первое взаимодействие – вся ценность присваивается первому контакту пользователя. Эта модель подходит для охватных проектов, когда важно знать, где именно человек впервые узнал о сайте: в блоге, соцсетях или рекламе.
3. Линейная модель – в этом случае учитываются все каналы взаимодействия и им присваивается одинаковая ценность. Такая модель подойдет для длинного цикла продаж, где каналы коммуникации одинаково важны.
4. Модель с учетом позиции – по 40% ценности присваивается первому и последнему каналу взаимодействия, а между промежуточными распределяются оставшиеся 20%. Эта модель показывает, какой канал хорош в привлечении, а какой – в продажах. Но при этом уменьшает ценность промежуточных каналов.
5. По последнему клику в Google Ads – эта модель присваивает всю ценность последнему действию с рекламой, игнорируя другие каналы коммуникации. Для анализа контент-маркетинга она не подходит, да и реклама в Google для России сейчас недоступна.
6. Давность взаимодействия – эта модель большую ценность присваивает тем каналам, которые по времени были ближе к моменту конверсии. Такая модель подходит для анализа краткосрочных рекламных кампаний. С одной стороны, она учитывает разные каналы взаимодействия, а с другой – какой канал в период акции сработал лучше всего на продажу.
Модели атрибуции в Яндекс Метрике
У Яндекса меньше моделей. Они очень похожи на те, что есть в Google Analytics, но с небольшими отличиями:
- Первый переход – то же самое, что и у GА: вся ценность присваивается первому каналу взаимодействия.
- Последний переход – последний источник перед совершением конверсии является главным, остальной путь клиента игнорируется. В отличие от GА, учитываются и прямые переходы.
- Последний значимый переход – Яндекс делит источники переходов на значимые и незначимые, снижая приоритетность последних. Это очень похоже на модель последнего непрямого клика в GА, но пессимизируются не только прямые заходы на сайт, но переходы с сохраненных страниц и внутренние переходы по сайту.
- Последний переход из Директа – аналогичная GА модель, которая основную ценность в цепочке взаимодействий отдает рекламным объявлениям Директа.
Какую модель атрибуции выбрать для анализа – решать вам. Ориентируйтесь на цели рассылки и длину цикла сделки. Они помогут понять, по каким критериям нужно оценивать ее эффективность.
Вот несколько рекомендаций:
- Длинный цикл – линейная модель или с учетом позиции. Они покажут, какие каналы коммуникации участвуют в цепочке взаимодействия чаще, и есть ли среди них рассылка.
- Короткий цикл или ограниченная по времени акция – модель по давности взаимодействия. Станет понятно, за последние неделю-две принесла ли рассылка конверсии.
- Конверсия – модель по последнему непрямому или значимому взаимодействию покажет, как часто рассылка становится источником продаж.
- Охват и конверсионность – модель с учетом позиции. Увидите, откуда приходят люди, и какие каналы чаще конвертируют их в покупателей.
Выбор модели атрибуции зависит от многих факторов – прежде всего типа бизнеса и задач, которые необходимо решить. Базово рекомендовал бы добавлять в отчеты атрибуцию «Последний значимый переход», чтобы достигнутые цели не относились к прямым визитам. Это важно применять, так как часто внимание пользователей захватывают именно платные источники трафика.
Но во время аудитов мы предпочитаем учитывать все касания, чтобы дать объективную оценку эффективности канала и маркетинга в целом. Так, можно использовать модели «Первый переход» и «Последний значимый переход», чтобы учесть как можно больше касаний пользователей при анализе.
Например, спортсмен ищет беговые кроссовки. Сначала он перешел на сайт интернет-магазина из VK Ads, затем из рекламной выдачи поисковика по запросу «купить беговые кроссовки», а после совершил конверсию, используя прямой переход по сохраненной ссылке.
И благодаря моделям «Первый переход» и «Последний значимый переход» мы объективно оценили пользу каждого рекламного канала в цепочке визитов.
В каких отчетах искать ассоциированные конверсии
Ассоциированные конверсии хорошо представлены в Google Analytics, но почти не используются в Метрике. Поэтому подробно разберем их анализ сначала в GA.
Отчеты с ассоциированными конверсиями в Google Analytics
Сейчас большинство компаний использует Universal Analytics – старая система веб-аналитики Google. Но 1 июля 2023 года этот ресурс перестанет работать, и статистика перейдет в Google Analytics 4. Поэтому в нашей статье мы будем рассказывать про отчеты из GA 4.
В GA 4 отчет с такими конверсиями находится в разделе Реклама → Пути конверсий. Вначале идет диаграмма с визуализацией рейтинга каналов:
- ранние точки взаимодействия – каналы, с которыми пользователь контактирует в начале пути, ведущему к целевому действию
- средние – промежуточные каналы взаимодействия
- последние – каналы, которые привели к конверсии
Вид диаграммы зависит от модели атрибуции. Если выбрана модель по последнему клику, то будут видны только каналы, приведшие к конверсии. Если по первому – наоборот. И так далее.
Ниже в отчете есть таблица, в которой указаны все каналы коммуникации, с количеством конверсий и доходом от них, количеством дней и касаний до совершения конверсии.
Символом х2 отмечены каналы, с которыми пользователь касался несколько раз
Чтобы качественно проанализировать данные, нужно настроить отчет под себя:
- выбор целевого действия – если у вас настроено несколько целей, то по ним можно отфильтровать отчет и изучить каждую в отдельности
- выбор группы пользователей – если вы сегментируйте пользователей по определенным параметрам, можно проанализировать отдельно каждый сегмент
- регулировка длины пути – доступно отслеживание до 50 касаний, если надо проанализировать короткий цикл, то количество касаний можно сократить
- выбор модели атрибуции – то, о чем мы говорили в начале: не надо менять модель атрибуции во всей аналитике, достаточно поменять ее в отчете и изучить данные
Все эти настройки помогут сделать понятный отчет для анализа рассылки, как часть воронки продаж.
Где искать данные по ассоциированным конверсиям в Яндекс Метрике
У Метрики нет отдельных отчетов по ассоциированным конверсиям. Отчасти это связано со скудными возможностями атрибуции, из-за чего Яндекс не умеет качественно отслеживать многоканальные касания.
У Яндекс Метрики ограниченны возможности анализа ассоциированных конверсий, поэтому ее отчеты редко используем. Для полноценного анализа таких конверсий мы предпочитаем использовать Google Analytics и системы сквозных аналитик, например, Roistat.
Единственно, что можно сделать – найти источники трафика, которые привели к достижению целей. И потом эти каналы сравнить между собой, чтобы понять, какой из них наиболее конверсионный.
Нужный отчет находится в разделе Отчеты → Стандартные отчеты → Источники → Источники, сводка. Там показано, сколько было прямых заходов, переходов из поисковика, рассылки и прочих источников. В настройках отчета также можно выбрать цель и изучить ее отдельно, а также посмотреть результаты по разным каналам атрибуции.
У аналитики контентных каналов есть две ноги, которыми она идет – владение инструментами и насмотренность. Они обе важны, и ваши навыки могут быть сначала сильны в чем-то одном, и только потом можно развить второе.
Например, кто-то сначала изучает методы анализа данных, описанные в этой статье, и инструменты аналитики, которые позволяют их собирать. Потом тренируется на проектах и уже с практикой приобретает чувство и понимание того, как ведут себя цифры. Какие можно считать хорошими, а какие – плохими, и на каком этапе. Насмотренность позволяет ОЦЕНИТЬ результат. Инструменты – СОБРАТЬ данные.
В моем случае было так, что я сначала владел примитивным набором инструментов – разбирался только в основных отчетах Яндекс Метрики. Шли месяцы моего наблюдения за трафиком в них, и я начал чувствовать, как он себя ведет, и предугадывать его поведение. И тогда я начал развивать инструментальную базу – изучать другие отчеты в Метрике, осваивать Google Analytics, изучать теорию.
Вставайте с любой ноги и не забудьте о второй.
Краткая памятка по аналитике рассылки, как канала продаж
Для полноценного анализа нужно подключать системы веб-аналитики, чтобы отслеживать действия пользователей на сайте. Но недостаточно просто смотреть на конверсию и клики, важно изучать ассоциированные конверсии и отслеживать путь клиента до целевого действия. Для этого надо выбрать подходящую модель атрибуции в отчетах и изучать влияние рассылки на продажи.
А чтобы получить максимально исчерпывающие данные, нужно внедрять сервисы сквозной аналитики.
Ну, и напоследок 👉 подключайтесь к Sendsay, чтобы отправлять омниканальные рассылки в почте, мессенджерах и push-уведомлениях. У нас удобный интерфейс и подробная статистика по рассылкам.
И, конечно, телеграм-канал с котиками и интересными статьями из нашего блога → подписывайтесь! 🐈