В этой статье мы вместе с маркетологом Василием Мирулёвым расскажем о важности правильно настроенной веб-аналитики, потому что

E-commerce — основное направление деятельности We Wizards, и мы всегда заинтересованы в росте выручки продаж с сайта для клиента. Зачастую сегмент малого и среднего бизнеса не уделяет достаточного внимания анализу поведения пользователей на веб-сайте: для большинства все заканчивается установкой счетчика от Яндекс.Метрики или Google Аналитики. На самом деле, такие данные дают лишь частичное и на 80% искаженное представление о реальном поведении пользователей.

Исследование поведения пользователей на сайте — ключевой инструмент для роста онлайн-продаж

Проводя аналитику, руководители МСБ-проектов чаще всего ориентируются на два показателя:

  • количество входящего трафика;
  • конверсия в продажу/заявку.

На основе этих данных принимаются решения об эффективности подрядчиков по трафику, успехах рекламных кампаний и так далее. Разумеется, выручка является целевой метрикой для бизнеса, но такой подход совершенно исключает процесс понимания пути клиента, оценки эффективности UX/UI сайта, выявления точек роста и определения проблемных этапов, на которых теряется конверсия.

Например:

Проект закупил рекламу у блогера и выдал ему персональный промокод и ссылку на сайт с UTM-меткой. Базовая аналитика видит 1000 переходов и 50 покупок. Делаем вывод, что эффективность блогера составила 5%, а для рассчета стоимости одного лида делим стоимость коллаборации на 50.

Но что случилось с остальными 950? На каком этапе они остановились? Может, у них не загрузилась страница товара из-за VPN или они не смогли ввести SMS для авторизации? Возможно, их заинтересовал товар, которого нет в наличии, и они добавили его в лист желаний? В какой момент передаются данные о покупке/заявке в аналитику? Может, фактически их было больше?

Наблюдая промежуточные конверсии и создавая кастомную логику передачи событий персонально под каждый проект, мы исключаем вероятность ошибочного дублирования конверсий и видим полную картину поведения пользователей с максимальной точностью данных, что позволяет нам на ранней стадии выявлять проблемы в CJM, узнавать о технических проблемах на сайте и определять «узкое горлышко» воронки для точечного применения инструментов маркетинга.

Почему нельзя считать достоверными данные, которые собирают базово настроенные бесплатные инструменты?

Чтобы событие сработало (логика для Yandex и Google одинаковая), его устанавливают на посещение конкретного URL, так как это не требует привлечения команды по разработке (либо JS-код привязывают к конкретной кнопке при помощи разработчиков).

Разберем на примере, что происходит в этот момент:

  • пользователь пришел от блогера на сайт
  • перешел в каталог
  • посетил две страницы товаров
  • добавил один товар в корзину
  • перешел к оформлению заказа
  • решил добавить второй товар, который просматривал ранее (для этого вернулся в каталог и снова перешел в карточку товара)
  • добавил второй товар
  • перешел к оформлению снова
  • оплатил
  • не перешел на страницу “спасибо” (по статистике 40-50% пользователей переходят на нее после оплаты)

В результате, даже если были установлены дополнительные события, стандартная аналитика увидит: 

  • 3 посещения товара;
  • 2 добавления товара в корзину;
  • 2 начала оформления  (большая часть проектов не обладает этими данными, так как это событие не входит в стандартный перечень для электронной коммерции);
  • 0 покупок. 

Бизнес, проводя анализ эффективности блогера, придет к выводу, что покупок от него нет, а 2 клиента остановились на оформлении. А если пользователь в процессе обновит страницу, например, при слабом интернете, то событие будет еще раз отправлено в систему аналитики. Такая аналитика, умноженная на количество пользователей, приводит к совершенно не репрезентативным данным.

Что видит аналитика наших клиентов? 

  • 2 посещения каталога (с названиями категорий товаров) ;
  • 2 посещения карточки товара (с общей стоимостью всех просмотренных товаров без дублирования за повторный просмотр) ;
  • 2 добавления товара (с уточнением, на какую сумму были добавлены товары);
  • 1 начало оформления (с уточнением общей суммы и названием промокода);
  • 1 переход к оплате (с  уточнением суммы, названием метода доставки и оплаты);
  • 0 посещений страницы “спасибо”.

Благодаря только этому отчету становится ясно, где «узкое горлышко» в проекте (показатель «ценность события» — это сумма событий в рублях).

Кастомная аналитика предоставляет максимальное качество передачи данных, и наши клиенты уверены в отчетах, на основе которых принимаются стратегические решения для развития онлайн-проектов.

На скриншоте выше видно, что пользователи добавили товаров на 2,5 млн рублей, а к моменту начала оформления осталось только 960 тыс. рублей. Это однозначно формирует задачу для маркетолога по повышению выкупа корзин. На этапе перехода к оплате остается только 210 тыс. рублей, что свидетельствует о том, что на сайте есть проблемы с формой заказа.

Выходит, что реклама у блогера могла быть эффективнее, если бы на странице оформления не было технической проблемы.

Наши проекты по внедрению кастомной аналитики

Кейс #1

Один из клиентов We Wizards осуществляет деятельность по всему миру, и для этого вынужден был подключить несколько разных систем оплаты. Многие из них сильно снижали выручку за счет комиссий и налогов, но просто отключить их грозило снижением продаж.

Мы настроили аналитику, которая собирала данные об общем анализе поведения пользователей и методах оплаты, которые они выбирают, вместе со стоимостью заказов. Через месяц мы с клиентом проанализировали собранные данные и выяснили, какие методы оплаты чаще всего выбирают в каждой стране присутствия бизнеса. В итоге оставили 3 метода оплаты вместо 6.

Таким образом можно анализировать любое действие пользователей, важное для вашего бизнеса.

Кейс #2

В одной из статей мы писали о том, как с помощью SMS-авторизации клиент повысил выручку из онлайна. Без аналитики было бы невозможно увидеть потерю и определить оптимальное решение.

Почему кастомная аналитика необходима малому и среднему бизнесу?

Главная задача маркетинговой аналитики — это увеличение конверсии. Но разработка собственного ПО требует огромных вложений, как временных, так и финансовых. Базовый функционал бесплатных инструментов может помочь на начальном этапе, но для решения бизнес-задач его недостаточно, потому что он не персонализирован под нужды конкретно вашего проекта.

Решение, которое мы предлагаем нашим клиентам — это аудит, кастомная аналитика и выдвижение гипотез с их последующим внедрением и тестированием. Объем разработки зависит только от сложности проекта и желаемой детализации. Мы используем бесплатные инструменты от Google и с помощью кастомизации делаем недорогой и простой в управлении инструмент, который позволяет анализировать поведение пользователей, выявлять слабые места сайта и разрабатывать гипотезы на основе этих данных для увеличения конверсии в выручку. Область применения такого инструмента не ограничена: можно отслеживать непопулярные товары и поднимать их в топ, внедрять акции, редактировать UI и многое другое.

01

Изучение веб-ресурса

Анализируем бизнес-процессы клиента, выявляем потребности, учитываем используемые маркетинговые инструменты, вырабатываем первичную стратегию взаимодействия с сайтом.

02

Составление карты событий (event map)

Мы формируем схему, в которой детально указываем, какие события необходимо отслеживать конкретно вашему проекту, расписываем условия их срабатывания и дополнительные параметры. Согласовываем с клиентом.

03

Техническая реализация

Реализуем утвержденную схему событий, вносим требуемые изменения в стандартный Google Analytics , проверяем срабатывание триггеров и корректность передачи данных.

04

Подготовка рабочего пространства и проведение обучения для клиента

Нам важно, чтобы заказчику было удобно работать с готовым инструментом, поэтому мы уделяем особое внимание этому этапу.

Мы успешно внедряем кастомную аналитику, погружаясь в процессы с фокусом на бизнес-задачи клиентов: кастомизируем логику передачи событий на основе бесплатного сервиса Google персонально под потребности проекта, вплоть до перехода в социальные сети или выбора конкретной вариации продукта. Это значительно сокращает смету на разработку (примерно в 20-30 раз по сравнению с полностью самописной системой аналитики), что делает ее доступной для среднего и малого бизнеса.

Небольшой глоссарий:

МСБ — малый и средний бизнес
CJM — Customer Journey Map
Событие — действие, совершенное пользователем на вашем сайте.
Триггер — условие, при котором сайт должен отправлять событие в аналитическую систему.
Дополнительные параметры — данные о конкретном действии, которые должны быть переданы вместе с событием для анализа.
URL — адрес конкретной страницы вашего сайта.
JS код — строка кода, которая передается в систему аналитики для распознавания события.

Материал подготовили We Wizards и Василий Мирулёв.