Лого vc.ru

Кейсы: Как настроить Google Analytics и другие системы для работы с рекламными кампаниями

Кейсы: Как настроить Google Analytics и другие системы для работы с рекламными кампаниями

Александр Павлов, ведущий веб-аналитик CubeLine Agency, написал для рубрики Growth Hacks колонку о способах настройки аналитики и тестирования, а также разобрал конкретные кейсы принятия решений, основанных на анализе данных.

Поделиться

Интеграция и настройка веб-аналитики

Перед тем как анализировать данные, нужно откуда-то их получить. Соответственно, первым шагом перед запуском любых кампаний будет подготовка платформы для сбора корректных данных и последующего анализа. Так мы создаём основу для принятия решений. Давайте рассмотрим этот алгоритм на примере кейса.

Кейс 1

Клиент: крупная ecommerce-компания.

Задача: подготовить платформу для корректного сбора данных и последующего анализа.

Решение:

  1. Установка Google Tag Manager.
  2. Установка счетчиков через Google Tag Manager и настройка отслеживания целей и событий.
  3. Построение воронок пути пользователя.
  4. Сбор CLIENT_ID и USER_ID.
  5. Правильная UTM-разметка источников и каналов.

А теперь разберём по порядку.

Установка Google Tag Manager

Google Tag Manager (GTM) — бесплатный инструмент для маркетологов. С его помощью можно вставлять различные теги и скрипты непосредственно в код сайта на различные страницы.

Почему это удобно? Маркетологу достаточно один раз поставить контейнер на сайт и больше не прибегать к помощи разработчиков. Таким образом, инструмент экономит время и маркетологов, и разработчиков, а также всех людей, которые взаимодействуют с кодом сайта.

Установка счетчиков через Google Tag Manager и настройка отслеживания целей и событий

Через GTM очень удобно проводить различные счетчики и скрипты. Если маркетолог работает с Google Analytics, то GTM очень сильно упрощает работу с отслеживанием целей и событий.Также через GTM мы можем в кратчайшие сроки установить и протестировать практически любой front-end инструмент, опять-таки, без помощи разработчика.

Построение воронок пути пользователя

Если это не ecommerce-проект, то строится обычная воронка (визуализация последовательностей в Google Analytics): c того момента, как пользователь пришел на сайт, проходя через различные микро-конверсии и заканчивая главным целевым действием (например, отправка заявки).

Соответственно, если это крупный ecommerce-проект, то мы интегрируем плагин Universal Analytics Enhanced E-commerce, и уже непосредственно по нему можем понять, как пользователь пришел на наш сайт, какие действия он совершил, как добавляет товары в корзину и как оформляет заказ. Enhanced E-commerce намного мощнее, чем обычные воронки, потому что эти данные можно сегментировать в самом GA.

Сбор CLIENT_ID и USER_ID

CLIENT_ID — это идентификатор браузера пользователя.

USER_ID — это идентификатор пользователя, который выдается, когда он совершает регистрацию или авторизацию.

Собирая эти идентификаторы, можно получить данные по всем сессиям авторизованных пользователей, начиная с первого посещения. При отправке события в пользовательский параметр (custom dimension) Google Analytics через GTM, появляется возможность анализировать эти данные в GA, а также выгружать их и агрегировать с данными из CRM.

Правильная UTM-разметка источников и каналов

Каждый канал, источник, кампания, каждый баннер, объявление и ссылка должны быть размечены, для того, чтобы в последующем можно было анализировать все эти данные.

Это позволяет точно узнать, какой баннер лучше отработал, какая ссылка, какое объявление, а на основе этих данных можно оптимизировать рекламные кампании.

Результат:

  • Так мы получили полноценную платформу для сбора аналитических данных.
  • Благодаря GTM теперь можно интегрировать любые теги и скрипты, настраивать отслеживание целей и событий. А также тестировать различные front-end инструменты и сервисы.
  • Благодаря настроенной воронке теперь можно понять, в каких местах на сайте пользователь испытывает различные проблемы. Собираются данные для оптимизации блоков, страниц и отдельных элементов.
  • С помощью USER_ID и CLIENT_ID мы получаем данные по всем сессиям авторизованных пользователей, начиная с первого посещения.
  • И так как все кампании у нас размечены по UTM, все данные собираются корректно.

Имея всю эту информацию, мы получаем огромное поле для дальнейшей работы. Теперь мы можем анализировать и тестировать эти данные, а затем принимать на их основе решения, которые повысят эффективность наших кампаний.

Тест и анализ параметров мобильного трафика

После того, как мы собираем практически все данные, у нас появилась возможность работать с ними. Зачастую аналитика и тестирование приводит к совершенно неожиданным выводам. Я приведу в пример свой любимый кейс.

Кейс 2

Клиент: приложение Skout — глобальная сеть для новых знакомств и общения.

Задача: максимально сегментировать трафик по различным параметрам, оптимизировать
рекламные кампании и повысить количество установок приложения.

Решение: использовать следующие инструменты для анализа:

  • AppsFlyer — трекер установок мобильного приложения и рекламных каналов.
  • Google Analytics — анализ активности и поведения пользователя внутри приложения.
  • Для этих целей на других проектах используются различные аналоги: Adjust, MAT, MixPanel, Voluum и так далее

Мы отслеживали все параметры: пол, возраст, тематика, площадка, локация.

Первоначально рекламные кампании были таргетированы на ожидаемую целевую аудиторию: молодые люди и девушки (в основном) в возрасте от 16 до 28 лет. Были созданы различные рекламные материалы (креативы) в нескольких вариантах. Основной таргетинг был на тематику social, то есть на тех пользователей, которые интересуются и пользуются различными мессенджерами и социальными сетями, а также знакомятся в них. Были запущены кампании по общим таргетингам, разделенные по возрастным группам.

Итог: полученные данные после тестовых рекламных кампаний показали, что приложение больше скачивают и используют пользователи не из целевой аудитории и не по самому очевидному подходу.

Был выставлен таргетинг social, но скачивали также по категориям business, newsstand, books. И оказались, что в основном приложение интересует мужчин в возрасте 40+, а ожидалось, что большая часть пользователей — молодые люди и девушки.

Результат: более 10000 установок в день, значительный прирост активных пользователей приложения.

Анализ поведения покупателей

Анализируя поведение покупателей, мы можем оптимизировать цели и менять KPI в зависимости от приоритетов. Иногда поведенческие факторы заставляют менять курс.

Кейс 3

Клиент: крупная ecommerce-компания.

Задача: максимально сегментировать трафик по различным параметрам и проанализировать показатели.

Решение: проводить сегментирование по следующим параметрам:

  • Источники.
  • Каналы.
  • Демография.
  • Типы устройств.
  • Операционная система.
  • Вовлеченность.
  • Активность пользователей по времени суток и так далее.

Итог:

Мы также проанализировали огромное количество целей и конверсий: заказ, регистрация в интернет-магазине, добавление в корзину и самое главное для этого кейса — подписка на рассылку. Так как email-маркетинг имеет самый высокий коэффициент конверсии на данном проекте, полученные данные оказали существенное влияние на ход кампании.

Мы поняли, что конверсия в подписку на рассылку с мобильных устройств на 40% выше, чем по компьютерам и планшетам (причём конверсия по определенным брендам и ОС смартфонов тоже разная). Поэтому мы приняли решение таргетировать кампании по подписке на рассылку только на мобильные устройства и значительно расширить этот канал.

Результат: создали новые рекламные кампании по подписке на рассылку, таргетированные на мобильные устройства и получили значительный прирост к базе подписчиков (около 15%), а значит и к доходу.

Персонализированная аналитика

После того, как мы уже получили все данные по сегментам и наиболее конверсионным источникам, следующим этапом будет создание детальных портретов пользователей. Так мы сможем оптимизировать наши кампании для достижения максимальной релевантности предложения и, в конечном счёте, продавать свои товары только тем, кто их купит.

Кейс 4

Клиент: крупная ecommerce-компания.

Задача: проанализировать поведение конкретных пользователей и создать различные сценарии рассылок по сегментам.

Решение: понятно, что на сайте мы собираем не все данные. Но мы можем их обогатить. Собрать всё то, что собрали в Universal Analytics, данные о заказах, e-mail, данные из системы внутреннего учета (к примеру, заказ который оформлен, не обязательно доставлен и выкуплен) и прочие регистрационные и персональные данные. С помощью интегрированного решения мы можем собрать все данные о пользователе в рамках одной системы.

Мы используем наше собственное решение, которое строится на базе трекера Piwik. Собираем данные в свою базу данных. И потом, используя различные инструменты, агрегируем и строим отчеты по ним.

Итог: мы видим профиль конкретного пользователя с именем, фамилией, другими персональными параметрами. Видим все его сеансы и знаем, с каких устройств он заходил, а также видим его активность на сайте: какие товары он просматривал, какие добавлял в корзину и какие заказы оформлял. Со временем такой информации может накопиться достаточно много, и она несомненно будет полезна.

По этим данным можно сделать вывод, какое количество денег приносит пользователь за всю свою жизнь на сайте (LTV), посчитать стоимость привлечения (CAC), ну и самое главное: понять, что его интересует и какие
товары он чаще всего покупает.

На основе этих данных, можно делать email-рассылки по сегментам, и предлагать пользователям те товары, которые их больше всего интересовали в предыдущих сеансах. Также могут варьироваться цены и персональные предложения для таких пользователей.

Результат: имеем обогащенные данные и профиль по каждому, конкретному пользователю. Возможность рассылок по сегментам.

Вспомним, зачем всё это

Подводя итого по всему вышесказанному, я постарался продемонстрировать, как должна строиться работа с аналитикой и рекламными кампаниями. Но на самом деле это только начало. Потому что в мире, где пользователь становится конкретным человеком, с которым мы постоянно взаимодействуем и накапливаем о нем данные, у нас появляется возможность не только заработать больше денег, но и, наконец, стать более релевантными для него.

Двигаясь в этом направлении, мы перестанем видеть назойливую рекламу, и нам будут продавать только те товары, которые нам нужны и интересны.

Популярные статьи
Показать еще
Комментарии отсортированы
как обычно по времени по популярности

Хотелось бы развернуто: где собирать CLIENT_ID и USER_ID и куда их отправлять. А также поподробней про трекер Piwik.

Сида можно вытащить скриптом по ссылке
prometriki.ru/measurement-protocol-novay-vozmognost-universal-analytics/

0

У нас в блоге есть материал, в котором мы более подробно рассказываем о USER_ID, немного о CLIENT_ID и Piwik. Почитайте, если интересно: blog.cubeline.ru/posts/personalnaja-web-analytica.html
Там есть ссылочки на другие полезные материалы по этой теме.
И спасибо вам за фидбэк! Возможно, посвятим этой теме целую статью :)

0

"Как настроить Google Analytics и другие системы для работы с рекламными кампаниями" - где? Показали только кейсы. Вопрос задан, ответа "как" нету. Непрофессионально.

Ээ.. пиар CubeLine штоле?
Вся статья рассказывает о том ЧТО делается, но нигде нет объяснения КАК делается. Ни примера кода, ни конкретной настройки от начала до конца.
В чем тут "Growth Hacks" то?

Я пока не читал, но есть подозрения, что все инструменты бесплатны и укомплектованы крутыми гайдами, алгоритм использования (кажется) описан, за деталями в гайды.

Имея всю эту информацию, мы получаем огромное поле для дальнейшей работы. Теперь мы можем анализировать и тестировать эти данные, а затем принимать на их основе решения, которые повысят эффективность наших кампаний.

Вот хотелось бы узнать какие решения вы приняли на основе данных, которые собирали в статье.

Ведь главное не только знания, но и умение воспользоваться своими знаниями.

Как перейти на GTM?
Войти в сервис по ссылке www.google.com/intl/ru/tagmanager/
Установить себе расширение
support.google.com/tagassistant/answer/2947093?hl=en (каждый выберет для своего браузера)
Добавить ресурс, создать контейнер, создать тег связанный с аналитикой.
Удалить тэг со страниц сайта и залить на них код контейнера.
Через GTM можно делать события любого типа и создавать тэги с любым содержанием (релевантным обсуждению, не стоит воспринимать буквально). Самое известно это запихать код метрики в GTM.
Ну и отдельно можно сказать что количество событий не будет ограничено 25 стандартными или 625 хитрыми целями.

0

Основная беда GA - он скорее погоду показывает, а не реальные цифры. причем давно. давече воткнул на сайт. через несколько дней посмотрел. в день по 40-50 уникальных пользователей. в логах засветилось с десяток уникальных IP адресов, да и те от поисковиков. ну, несколько случайных заходов.

0

Итог интересный конечно, но самой никогда не разобраться. Я гугл эдитор с трудом освоила даже с пошаговым уроком от lifeplayer, а тут все сложнее. Буду продолжать метрикой пользоваться

0

У Гарри на 2 коммента выше получилось лучше описание работы по настройке GTM & GA. В статье - 4 кейса какие мы крутые.
А вообще агентства кроме GTM & GA что-то другое используют? Woopra, KISSmetrics, Mixpanel, Localytics, Crazy Egg - или все кроме GA моветон? Или это клиентам не продать, что-то кроме бесплатного GA и Я.М?

0

Возможность комментирования статьи доступна только в первые две недели после публикации.

Сейчас обсуждают
Ирэна Моисеева

а что мнение должно формироваться если он только обидел?)))))

Олег Тиньков потребовал от сотрудников есть один раз за рабочий день и «не красть время» акционеров перерывами на кофе
0
Ирэна Моисеева

хы главное чтоб я не стала героем Тинькова, а то опять башкой об стенку ща начнет биться от правды)) вон его покорные шестерки по команде фас уже набежали защищать своего рабовладельца)) хотя вот что подумалось - люди которые не ценят и не любят себя, что идут РАБотать на такого муд...а заслуживают подобного отношения, короче находят друг друга по типу м..к му..а видит издалека)

Олег Тиньков потребовал от сотрудников есть один раз за рабочий день и «не красть время» акционеров перерывами на кофе
0
Yury Molodtsov

Насколько я знаю, в Тинькофф в большинстве отделом принято работать больше 8 часов, так что не совсем в кассу.

Олег Тиньков потребовал от сотрудников есть один раз за рабочий день и «не красть время» акционеров перерывами на кофе
0
Arseniy Prosvirin
7SkyStudio

Ааааа. Я запутался... кто кому должен, чьи контакты где использовались и кто виноват??

Неизвестные загрузили в App Store приложения-клоны Gett, Uber и других такси-сервисов
1
Andrei Ionov

ну наконце-то мой метаболизм с приемом пищи один раз в день может пригодиться, осталось понять как я могу быть полезен такой огромной компании и жизнь удаласть

Олег Тиньков потребовал от сотрудников есть один раз за рабочий день и «не красть время» акционеров перерывами на кофе
0
Показать еще