Маркетолог и автор блога об электронной коммерции Павел Левчук рассказал об особенностях использования Google Analytics для eCommerce.
Я раньше рассматривал продукт Google Analytics как нечто большое и негибкое. В свое время сам Avinash Kaushik писал о GA как о системе с большом количеством слабо организованных отчетов.
Действительно в GA записывается огромное количество интересных данных о поведении пользователей. Писать такие данные к себе в БД накладно, а в GA - ничего не стоит, но выжать инсайты из GA на практике получается редко.
Сегодня я попробую объяснить почему так было с GA и что изменилось.
Начну с начала. GA состоит из 3-х подсистем:
- клиентский JS-скрипт, который собирает данные о действиях и перемещениях пользователя на сайте и передает их на GA back-end;
- GA back-end, который парсит все данные от клинского JS и аккуратно раскладывает эти данные по таблицам (dimensions), создает связи между таблицами, а также делает пред-расчеты;
- GA front-end (собственно сайт GA), который мы все хорошо знаем и используем, чтобы отфильтровать данные, рассчитать метрики и затем их как-то визуализировать.
На мой взгляд проблема GA кроется в том, что это коробочный продукт. Достал и работаешь.
Из-за этого в нем идет много предустановленных отчетов (visuals).
- С одной стороны, это универсальные visuals - они часто не раскрывают суть происходящего.
- С другой стороны, чтобы построить сильный visuals с инсайтом практически всегда нужно понимать внутреннюю структуру таблиц и связей между ними.
Замкнутый круг.
И здесь приходит на ум лишь одно - выгружать данные из GA и рассчитывать и визуализировать их в другом инструменте.
С того момента как появился Power BI Desktop и в нем появился GA connector я несколько раз играл с ним. Он удобен тем, что позволяет единожды построить отчет, а затем обновлять его одним кликом. Ниже простой кейс о том как за 5 минут я получил несколько интересных инсайтов о пользователях сайта.
Итак, с одним из e-commerce проектов мы обсуждали scoring-модель, которая могла бы определить потенциал посетителя, до того как он сделал свою первую покупку.
Одна из гипотез состояла о том, что посетитель, который ищет продукт через поиск на сайте имеет более высокий потенциал, чем тот, кто не ищет. Но как это проверить и оценить?
Итак, я подключился к GA через Power BI Desktop, вытянул некоторые данные из 'Internal Search' dimension и начал задавать себе вопросы.
Первый вопрос: а вообще какая разница в конверсии между посетителями, которые пользуются поиском на сайте и теми, кто просто просматривают товары на сайте?
|
| Ecommerce Conversion Rate by Site Search Status. |
На чарте видно, что клиенты, которые используют поиск на сайте, имеют конверсию в 5х раз выше, чем те, кто не использует поиск.
Это указывает на то, что scoring с использованием этого фактора имеет бизнес смысл.
Второй вопрос: не является ли такой результат следствием поведения повторных покупателей?
|
| Ecommerce Conversion Rate by User Type and Site Search Status. |
На чарте видно, что независимо от типа посетителя (новый или старый) конверсия у тех, кто пользуется поиском на сайте выше. Причем, если у повторных посетителей использование поиска на сайте повышает конверсию в 4х раза, то у новых посетителей этот фактор повышает конверсию в 12х раз!
Это утверждает нас в том, что этот фактор вполне можно использовать для новых (неизвестных нам ранее) посетителей.
Третий вопрос: а много ли таких посетителей, которые используют поиск на сайте?
|
| Sessions by User Type and Site Search Status. |
На чарте видно, что таких посетителей (в том числе и новых) достаточно много.
Это дает нам основания ожидать, что запуск scoring посетителей с этим фактором может дать ощутимый результат.
Четвертый вопрос: как использование поиска на сайте влияет на средний чек?
|
| Average Order Value by User Type and Site Search Status. |
На чарте видно, что есть несколько интересных паттернов поведения.
Для нас же сейчас важно, отметить, что поиск понижает средний чек. Это стоит учесть при формировании разных предложений для клиентов использующих поиск и не использующих.
Бонус: также есть интересный момент связанный с bounce rate.
|
| Bounce Rate by User Type and Site Search Status. |
С одной стороны, очевидно, что если посетитель (особенно повторный) воспользовался поиском по сайту то bounce там уже отсутствует, а в общей массе близится к нулю. С другой стороны, смотрите как позитивно поиск влияет на вовлеченность. Даже у новых посетителей bounce rate в 2.7х раза ниже, чем у повторных, если они воспользовались поиском на сайте. Этот инсайт вполне может стать основой для одной из механик по активации нового посетителя на сайте.
Резюмируя, можно сказать, что гипотеза, в целом, подтвердилась. Новые посетители использующие поиск на сайте имеют хороший потенциал и этот фактор вполне можно использовать для scoring.