Войти в систему
Войти с помощью соц. сетей:
В главе 2 мы уже говорили о ключевых показателях эффективности (KPI), а сейчас проанализируем ключевые методы их измерения и создания отчетов о KPI. Мы уже рассматривали их на протяжении всей книги, но теперь поговорим подробнее. Попросту говоря, аналитика – это инструменты отчетности, которые позволяют пользователю просматривать ключевую статистику производительности сайта. Набор статистических данных значительно расширился с 2005 года и на данный момент включает в себя, например, сбор данных в режиме реального времени, демографические данные, мониторинг социальных медиа, атрибуцию и сравнение пользовательского опыта в нескольких версиях сайта и на разных устройствах.
Есть две формы аналитики: 1) серверная аналитика (server-based analytics), когда считываются лог-файлы сервера; 2) теговая аналитика (tag-based analytics), когда на веб-страницы сайта добавляют теговый код, позволяющий собирать данные. Важно рассмотреть особенности этих двух разновидностей аналитики.
Серверная аналитика появилась раньше теговой. Она собирает данные в лог-файлы, которые хранятся на сервере, и таким образом показывает активность на сайте. С момента возникновения этого метода (в начале 1990-х) возникли определенные сложности. Во-первых, она подсчитывает только «хиты», которые, как мы обсуждали выше, не показывают истинное количество посетителей сайта. Это выяснилось, когда появилась возможность подсчитывать количество просмотров и посещений веб-страницы. Поисковые роботы, или «пауки» (методы, используемые поисковыми системами для мониторинга интернета и индексирования сайтов), и другие сложности, такие как кэш, затрудняли подсчет истинного количества пользователей с помощью серверной аналитики. Это означает, что вы можете не увидеть кэшированные посещения, но в состоянии отследить посещения поискового робота.
Теговая аналитика появилась в середине 1990-х годов. Читатели постарше, возможно, помнят ярко-зеленые счетчики посещений в нижней части многих веб-страниц. Такие счетчики всё еще можно найти в закоулках интернета. В большинстве своем, мне кажется, они исчезли к 2000 году. Их заменил крохотный невидимый пиксель, с помощью которого программы серверной аналитики могут регистрировать информацию об активности на странице и пользовательском поведении. Метод постепенно развивался: вместо пикселя начали использовать программный код (хотя некоторые по-прежнему называют его пикселем). На данный момент это наиболее распространенный метод веб-аналитики, потому что он позволяет преодолеть некоторые проблемы, с которыми сталкивалась серверная аналитика.
Основные преимущества серверной аналитики – интеграция и SEO-решения. При данном методе используются серверные лог-файлы, которые уже созданы компанией, а потому со стороны программистов не требуется дополнительных усилий; это также означает, что компания собирает данные круглосуточно, что является ключевым фактором при покупке услуги по сбору данных. Кроме того, поскольку серверная аналитика включает данные о посещении поисковых роботов, с точки зрения SEO ее информация лучше, чем в случае теговой аналитики. Это связано с тем, что у вас появляется доступ к данным поисковых роботов, а не к ограниченным данным, загруженным в программу теговой аналитики. Например, хорошо известно, что Google Analytics снизил аналитику SEO для теговых решений.
Теговая аналитика предпочтительнее, если вы заинтересованы в расширенных данных (rich data) о взаимодействии с пользователем. Этот метод позволяет регистрировать определенное взаимодействие с элементами веб-страницы и собирать расширенные данные о пользователях: например, каким браузером они пользуются. Еще одно преимущество такой аналитики – возможность подсчета кэшированных страниц, то есть около трети общего количества посещений сайта. Популярнейшим инструментом веб-аналитики по-прежнему остается Google Analytics (использующий теговые методы), в первую очередь из-за своей фримиум-модели и высокой эффективности. Бесплатные программные продукты Google ограничены в возможностях, но стандартные программы достаточно эффективны для большинства организаций. На этом рынке есть еще несколько ключевых игроков, о которых мы вскоре расскажем, а потому Google, разумеется, не монополист в данной области.
Полезно рассмотреть кейс использования Google Analytics компанией Nissan.
АНАЛИЗ КЕЙСА
Nissan
Бэкграунд
Компания Nissan запустила множество сайтов по всему миру, чтобы облегчить покупателям решение о покупке автомобиля. На них Nissan предлагает разнообразные опции, упрощающие выбор автомобиля, в том числе характеристику продукции, возможность скачивать рекламные буклеты и сервис для заказа тест-драйва. Таким образом, это были не просто сайты электронной коммерции. Nissan поставил перед собой амбициозную цель: не только продавать автомобили, а понять предпочтения клиентов – например, узнать какие модели и цвета пользуются наибольшей популярностью.
Стратегия
Nissan воспользовался программным обеспечением Google Analytics и использовал функциональность электронной коммерции совершенно по-новому, чтобы собрать и проанализировать эту информацию. Если потенциальный клиент заказывал тест-драйв или скачивал рекламный буклет, ему предлагалось заполнить онлайн-анкету и не просто указать контактную информацию, но и рассказать о своих предпочтениях, то есть о том, какие автомобили ему интересны. Простое добавление специального тега на страницу с благодарностью за заполнение анкеты позволило собирать всю информацию, которую предоставил пользователь.
Результаты
Nissan смог собрать и проанализировать необходимые данные, сделать выводы о том, какие автомобили пользуются неизменным интересом, и соответственно подстроить маркетинговую стратегию под каждый рынок.
Ключевые уроки
• Ключевой аспект стратегии – сбор подробных данных, которые позволяют принять эффективное коммерческое решение и сформировать цифровую стратегию.
• Инновационное использование теговой аналитики позволяет повысить эффективность сбора данных.
Войти с помощью соц. сетей: