через содержимое меток нужно связывать данные из рекламных кабинетов с web-аналитикой.
Но, к сожалению, мало кто занимается разработкой UTM-разметки рекламных кампаний на своей стороне. Хотя это важный этап, который позволяет структурировать работу разных подрядчиков и дает возможность аналитикам сопоставлять эти данные с тем, что они видят в web-аналитической системе.
Ключевые особенности «Яндекс. Метрики»
«Яндекс. Метрика», пожалуй, один из лучших бесплатных инструментов для web-аналитики, с которыми мне довелось столкнуться. Этот сервис активно развивается, улучшается и представляет огромное количество преимуществ. Наиболее интересные особенности «Яндекс. Метрики»:
1. Отсутствие семплирования[30] позволяет анализировать огромные объемы данных и делать качественную аналитику.
2. Вебвизор дает возможность просматривать «запись» взаимодействия некоторых пользователей с сайтом для обнаружения точек роста конверсии.
3. Анализ форм и тепловая карта помогают увеличивать конверсию на сайте.
4. Глубокая кастомизация сегментов.
5. Сквозная аналитика позволяет загружать и анализировать данные, например заказы из CRM, звонки, расходы по рекламным кампаниям в инвентаре, который не принадлежит «Яндексу».
6. Возможность передавать до 1000 параметров в одном визите и поддержка иерархической вложенности до 10 уровня позволяют создавать значительные по объему сегменты и анализировать данные.
7. Logs API позволяет выкачивать сырые данные из «Яндекс. Метрики» и использовать их для анализа в своей БД.
8. Поддержка разных типов устройств в моделях атрибуции. Почти на каждом гаджете в России стоят приложения «Яндекса», которые позволяют системе анализировать взаимодействие пользователя со множеством устройств, что делает «Метрику» незаменимым инструментом в работе маркетолога.
В «Яндекс. Метрику» можно передавать следующие типы параметров: объект, строка, число, массив, true, false или null.
Это далеко не полный список способностей «Яндекс. Метрики». В первую очередь она незаменима при работе с отраслями, в которых ретроспективный анализ событий требует охватить период более 90 дней. Google Analytics не работает с такими временными интервалами.
Ключевые особенности Google Analytics
Раньше Google Analytics был лидирующей системой на российском рынке интернет-маркетинга, но сейчас уступил пальму первенства «Яндекс. Метрике». Однако он продолжает успешно работать по всему миру: за пределами России и Китая в 99 % случаев вы столкнетесь именно с Google Analytics. Его преимущества:
1. Интуитивно понятный интерфейс.
2. Отличная поддержка электронной коммерции с возможностью анализа использования промокодов.
3. Естественная интеграция с Google Optimize – системой тестирования сайта, которая помогает улучшать его метрики[31].
4. Интеграция в Google Marketing Platform, который включает множество незаменимых в Европе и США инструментов, например DV360, DCM, Google Studio и т. д., необходимых для продвижения крупных брендов.
5. Возможность передавать расходы, офлайн-данные, а также пользовательские параметры и метрики для сегментации.
6. Интеграция с Google Ads, позволяющая отображать расходы и метрики по контекстной рекламе.
Говорить про web-аналитические системы можно долго. Главное, что важно помнить: каждая из них имеет свой набор преимуществ, а если использовать их вместе, можно решить большое количество задач по продвижению, аналитике и рекламе сайта.
Чтобы вам стало проще ориентироваться в настройках аналитических систем, чтобы быстро проверить или поставить задачу по проверке качества их настройки, предлагаю использовать чек-листы в Приложениях 6 и 7.
Глава 2
Модель атрибуции
Вы уже понимаете, что в создании и администрировании сайта участвует немало специалистов, каждый из которых отвечает за свой участок работы. Владельцу сайта необходимо периодически проводить анализ результативности сотрудников. Однако еще важнее и сложнее другая задача – определить, какие действия по привлечению посетителей наиболее эффективно улучшают позиции сайта и увеличивают продажи.
Чтобы понять суть проблемы, предположим, что по вашему сайту работали несколько подрядчиков:
• SEO-специалист – оптимизировал сайт, чтобы пользователь нашел его по определенному запросу, изучил и оставил почту для рассылки;
• email-маркетолог – отправил пользователю письмо со скидкой. Пользователь вернулся на сайт по ссылке из письма, изучил содержимое и покинул его;
• специалист по контекстной рекламе – запустил рекламную кампанию по ремаркетингу и вернул пользователя на товар с акцией, после чего произошла покупка.
Вопрос: кто из них заслужил премию за продажу? Согласитесь, ответ вовсе не очевиден. А если в команде также были PR-менеджер, CPA-специалист (менеджер по развитию партнерской сети) и медийщик, то вообще не понятно, что делать: отдать премию целиком одному из них или поделить сумму на всех.
Вот примерно такую задачу и помогает решить модель атрибуции – набор правил, которые распределяют источники трафика по вкладу в конверсию.
Покажу на примере: пользователь совершил покупку, посетив сайт несколько раз.
Источниками трафика стали:
1. Yandex/cpc – в первый раз пользователь попал на сайт через «Яндекс. Директ» по каналу с оплатой за клики либо по каналу, отмеченному меткой cpc.
2. Email – затем пользователь пришел на сайт по ссылке, которую получил на почту; это значит, что ранее он подписался на рассылку или иным образом оставил контакт либо знакомый прислал ему ссылку на сайт по почте. Естественно, для владельца сайта предпочтительнее получить адрес пользователя как можно раньше, потому что email-рассылки – это, по сути, один из самых дешевых каналов коммуникации с целевой аудиторией.
3. Organic – пользователь приходил на сайт через результаты органической выдачи (естественной, не рекламной) поисковой системы; этот трафик сайты получают за счет SEO-продвижения. Пользователь сделал запрос в поисковике и перешел по поисковому сниппету.
4. Retargeting/cpc – пользователь снова оказался на сайте по платному каналу, в данном случае через ремаркетинг[32]; опять посмотрел товары и ушел.
5. Direct/none – пользователь еще раз перешел на сайт уже либо из закладок, либо запомнил домен сайта и вбил его в адресной строке браузера. И это был последний этап в цепочке его действий, который завершился покупкой.
Как видите, пользователь пять раз посещал сайт на протяжении определенного периода времени, прежде чем оформил заказ. Теперь его путь поможет понять, как разные модели атрибуции влияют на решения по работе с интернет-маркетингом и бизнесом в целом.
Типы моделей атрибуции
По умолчанию в Google Analytics используются следующие модели:
• первое взаимодействие;
• последнее взаимодействие;
• последний непрямой клик;
• последний клик в Google Рекламе;
• линейная;
• временной спад;
• на основе позиций.
Они отличаются правилом, которое определяет, какому именно посещению сайта из совершенных пользователем будет присвоена результативность. Результатом может быть совершенная покупка или, если речь идет не об интернет-магазине, другое целевое действие. Аналогичные модели есть и в «Яндекс. Директе», но там используется меньше вариантов, потому рассмотрим пример Google Analytics.
Рис. 34. Модели атрибуции с учетом их результативности.
На рис. 34 показано, какому именно посещению в последовательности из пяти этапов присвоена результативность. Ярким цветом выделен этап, которому зачитывается итоговое действие. Чем выше столбец, тем большая часть
