Применение аналитики веб-сайта в цифровом маркетинге

Какова ваша эмоциональная реакция, когда вы слышите слово «данные»?

Стресс? Страх? Разочарование?

К счастью, данные и аналитика не обязательно должны быть страшными. На самом деле, это может быть весело (или, по крайней мере, интересно), если вы знаете, как превратить все эти цифры и отчеты в действенную информацию, которую можно использовать для развития вашего бизнеса.

В этой главе вы узнаете о методологии проведения аналитики и данных в вашем бизнесе, о показателях, которые имеют наибольшее значение, о жаргоне, который вы будете использовать, чтобы говорить об этом, а также о командах или ролях, которые должны отвечать за это.

Но сначала давайте поговорим о том, почему данные и аналитика так важны для успешного бизнеса.

Почему данные имеют значение

Данные бывают двух видов: недостаточно и слишком много.

Проблема, с которой сталкивается большинство людей, заключается в том, как превратить цифры в значимые решения. Статичные цифры сами по себе бессмысленны.

Так зачем же вам заниматься аналитикой?

Чтобы понять ответ, давайте рассмотрим несколько примеров:

Клуб «Окленд Эйс Атлетикс».

Билли Бин занял пост генерального менеджера клуба «Окленд Эйс» в 1997 году. Там он применил статистический анализ (известный как саберметрика) к игрокам, радикально изменив способ приобретения игроков.

Подход Бина заключался в том, чтобы сфокусироваться на конкретных показателях, таких как биты и пробежки, чтобы найти недооцененных игроков, которых никто не замечал. Такой подход сделал команду «Окленд Эйс» одной из самых экономически эффективных команд в бейсболе и привел ее к 20 победам подряд, плей-офф и даже мировой серии.

По сути, данные позволили «Эйс» конкурировать с гораздо более крупными клубами, работая при этом с бюджетом в треть размера.

Netflix

Netflix верит в то, что индивидуальный подход обеспечивает лояльность клиентов, и это убеждение ставит данные в центр их корпоративной стратегии.

Когда Netflix еще была компанией по прокату DVD-дисков, она инвестировала значительные средства в технологию добычи данных для разработки алгоритма рекомендаций фильмов, став лидером в использовании данных для обеспечения высокого качества обслуживания клиентов. И это сработало. Рекомендации обеспечили 50% трафика.

После принятия модели потокового вещания этот подход, основанный на данных, продолжился, и это сделало их одним из лучших сервисов потокового видео по запросу.

Сегодня это дает им понимание потребностей клиентов, необходимое для создания успешного оригинального контента, такого как Daredevil, Stranger Things и Orange is the New Black.

Все это было бы невозможно без данных.

DigitalMarketer

Мы тоже не чужды данным. Я расскажу об этом более подробно позже в этой главе, но здесь, в DM, мы полагаемся на данные, чтобы помочь нам принимать бизнес-решения, которые практически гарантированно сработают.

Как мы считаем? Интуиция может быть хорошей, но данные никогда не лгут.

Сложность, конечно, заключается в ваших методах. Как перейти от электронных таблиц к стратегическим решениям, которые развивают ваш бизнес? Давайте посмотрим.

Методы хорошо реализованной стратегии анализа и данных

Чтобы овладеть аналитикой и данными, вам необходимо усвоить 3 руководящих принципа:

• Дайте данным работу. Это основа анализа данных. Каждая собранная вами часть данных должна помогать вам отвечать на вопросы и принимать разумные решения.
• Используйте проверку гипотез для преобразования вопросов в стратегии. Именно это делает данные значимыми. Это процесс преобразования необработанных данных в бизнес-решения.
• Применяйте контекст для учета неизмеримого. Некоторые вещи трудно измерить. В таких ситуациях необходимо контекстуализировать данные.

Аналитика и данные не должны вызывать стресс. Но это легко почувствовать, когда есть так много источников, из которых можно черпать информацию, каждый из которых форматирует данные по-своему, а иногда даже дает разные цифры для одной и той же метрики.

Куда направить свое внимание? Как сравнить данные из разных источников?

Для начала дайте своим данным работу.

Принцип №1: Дайте вашим данным работу

Один из самых простых способов понять данные — это представить себе маркетинговую воронку.

Это основополагающая концепция, которая позволяет легко представить себе привлечение клиентов в маркетинге. Маркетинг вашего бренда создает осведомленность и привлекает новых посетителей на ваш сайт. Некоторые из этих новых посетителей будут достаточно заинтересованы, чтобы оценить ваш бизнес и продукцию, и определенная часть из них станет клиентами.

Для продаж это хорошая модель, но нам нужно подправить воронку, чтобы она работала также и для аналитики и данных.

Эта модель представляет собой блок-схему метрик воронки, которая не только отображает этапы пути клиента, но и перечисляет метрики, которые следует измерять на каждом этапе.

При таком подходе мы используем те же 3 фазы воронки, но переименовываем их следующим образом:

1. TOFU, или верхняя часть воронки, — это фаза осведомленности
2. MOFU, или середина воронки, — это фаза оценки
3. BOFU, или низ воронки, — фаза конверсии.

Но мы не хотим останавливаться на достигнутом. Нам также необходимо измерить, что происходит после того, как кто-то становится клиентом.

Поэтому мы добавляем еще один этап: этап постконверсии, который фокусируется на том, как превратить клиентов в повторных покупателей, пожизненных подписчиков и сторонников вашего бизнеса.

Именно так вы даете своим данным работу. Вы не рассматриваете все данные сразу. Вы назначаете различные показатели для каждого этапа воронки.

Вместо того чтобы оценивать здоровье вашего бизнеса только по итоговым показателям, вы измеряете его здоровье на каждом этапе — выявляете утечки в воронке, находите стратегические способы их устранить и облегчаете конверсию.

Для начала давайте определим, какие метрики воронки вам нужны для каждого этапа пути ваших клиентов.

Категоризация данных по этапам воронки

TOFU (Top of Funnel)

Ваша цель на этом этапе? Новые посетители.

Ключевым вопросом при выборе метрик для этого этапа является следующий: Дает ли мне эта метрика представление о совершенно новых посетителях?

Хороший пример метрики TOFU: Прямые новые посетители.

Прямые новые посетители — это количество людей, которые набирают URL вашего сайта непосредственно в Google? С его помощью можно измерить эффективность онлайн и офлайн рекламы:

• Если вы запустили рекламу для повышения осведомленности, вы должны увидеть всплески от людей, пытающихся узнать о вас больше.
• Если у вас есть рекламные щиты, на которых указан ваш URL, вы должны увидеть всплеск в геозонах, окружающих рекламный щит, когда они переходят на ваш сайт.

MOFU (середина воронки)

Ваша цель на этом этапе? Превращение новых посетителей в потенциальных клиентов.

Ваш главный вопрос при принятии решения о том, подходит ли та или иная метрика для середины воронки, заключается в следующем: Дает ли мне эта метрика представление о том, насколько хорошо я добиваюсь от посетителей принятия обязательств?

«Приверженность» можно определить как:

• люди, подписавшиеся на рассылку
• Люди, заполняющие веб-форму
• Люди, следующие за вами в социальных сетях.

Это означает, что люди дают вам разрешение обращаться к ним и предлагать больше ценностей.

Хороший пример метрики MOFU: CTA-клики.

Если у вас есть запись в блоге с баннером, предлагающим узнать больше об одном из ваших продуктов. Вам нужно знать, сколько кликов получает этот баннер и какой процент посетителей вашего блога нажимает на него, чтобы вы могли оценить, насколько хорошо ваш контент конвертирует посетителей в потенциальных клиентов.

BOFU (Bottom of Funnel)

Ваша цель? Превращение потенциальных клиентов в покупателей.

Ваш главный вопрос при выборе метрик для этого этапа: Дает ли мне эта метрика представление о том, насколько хорошо перспективы конвертируются в клиентов?

Этот этап особенно важен, поскольку, как только кто-то покупает у вас что-то — даже что-то небольшое и недорогое — вероятность того, что он купит снова, увеличивается в 10 раз, а его готовность инвестировать в отношения значительно возрастает.

Хороший пример метрики BOFU: процент конверсии.

Сколько людей кликнули или совершили покупку в рамках коммуникации бренда? Это подскажет вам, какие предложения работают и какие предложения следует делать новым клиентам.

Удержание и монетизация (после конверсии)

Ваша цель на этом этапе? Удовлетворение потребностей клиентов. Вы хотите увеличить количество участников, окупаемость трафика, удержание и пожизненную стоимость клиента.

Главный вопрос при изучении показателей после конверсии: Дает ли эта метрика представление о том, насколько довольны наши клиенты?

Вы ищете метрики, которые описывают реальные результаты использования вашего продукта. Что-то вроде этого:

Эти данные не ждут вас в Google, поэтому их труднее получить, но довольные клиенты обычно готовы ими поделиться. Здесь, в DM, мы ищем положительные отзывы от людей в нашей зоне членства. Это говорит нам о том, насколько хорошо мы помогаем людям достигать их целей.

Имейте в виду, это не суетные показатели. Они помогают нам понять, что нужно сделать, чтобы удержать людей в DM Lab и побудить их рассказать о ней своим друзьям.

Пример постконверсии: отчет о включении/выключении участников

Этот отчет отслеживает, сколько людей мы добавляем в продукт подписки, сколько людей мы теряем и как мы их теряем.

Эти показатели говорят нам о том, насколько здоров продукт, а если их объединить с другими отчетами, то можно увидеть, что мы делаем, чтобы снизить количество отмен или увеличить число участников. Эта информация очень важна для продукта членства, поскольку удержание членов определяет прибыль.

Категоризация данных по типам

Мы только что рассмотрели метрики TOFU, MOFU и BOFU, которые представляют собой способ категоризации показателей по этапам воронки. Но есть и другой способ классификации метрик — по типу информации, которую они предоставляют.

Существует 2 типа метрик:

Ключевые метрики определяют общее состояние здоровья. Эти показатели подобны термометру для вашего бизнеса. Чтобы метрика была ключевой, вы должны иметь возможность посмотреть на нее и сразу понять, хорошо ли идут дела в вашем бизнесе или нет.

Метрики, позволяющие получить ответы на важные вопросы. Эти показатели являются более детальными и помогают понять, что происходит в конкретных областях вашего бизнеса.

Как правило, вы используете оба типа показателей вместе, а не один или другой. Если ключевые показатели говорят вам о том, что дела идут хорошо, вы используете более детальные показатели, чтобы понять, почему, и повторить свой успех.

Например:

Повышение посещаемости баннеров на сайте

Средний % нажатия на баннер — это ключевая метрика. Она показывает, насколько высока вероятность того, что посетитель нажмет на рекламный баннер в одной из ваших статей.

Чтобы понять, почему показатель кликов составляет 3,25% и как мы можем улучшить это число, нам нужна более детальная метрика: насколько вероятно, что посетитель кликнет на рекламный баннер в одной конкретной статье?

Не так давно мы сделали это для блога DM. Проанализировав все посты нашего блога и проанализировав конкретные метрики, мы смогли определить факторы, влияющие на количество кликов. Применив полученные результаты, мы улучшили показатель кликабельности баннерной рекламы примерно на 2% по всему блогу.

Улучшение поискового трафика

В данном примере ключевой метрикой являются новые посетители: Сколько посетителей впервые попадают на ваш сайт?

Чтобы узнать больше, можно использовать более подробную метрику — Share of Search: Какой процент поискового трафика принадлежит какому человеку или бренду?

Здесь вы можете сравнить количество поискового трафика, получаемого вами по ключевому слову, с количеством трафика, получаемого вашими конкурентами по тому же ключевому слову. Это позволит вам найти области, в которых вы можете конкурировать с гораздо более крупными компаниями, поскольку ключевое слово принадлежит вам. Кроме того, это подскажет вам, над какими ключевыми словами вам нужно поработать.

Улучшение электронной коммерции

В данном примере ключевой метрикой является средняя стоимость заказа. Чтобы детализировать этот показатель, вам нужно посмотреть на фактические заказы.

Вы хотите знать, откуда поступает основная часть дохода от вашей средней стоимости заказа. Это может показать, что вам нужно что-то изменить в вашей воронке продаж или что вам нужно продвигать одну акцию больше, чем другую, потому что ее средняя стоимость заказа намного выше.

Как вы видите, есть два способа задать работу своим метрикам.

1. Вы можете назначить их на определенный этап воронки: TOFU, MOFU ИЛИ BOFU.
2. Вы можете использовать их для измерения здоровья различных областей вашего бизнеса, а затем ответить на более глубокие вопросы о том, как и почему.

Как только вы поймете общее состояние вашего бизнеса и то, где все работает (или не работает), вы сможете начать использовать метрики для решения проблем.

Принцип №2: Использование метрик для решения проблем

Данные собираются на приборной панели, верно? Но на приборной панели — это необработанные данные. Ваша работа как аналитика данных заключается в том, чтобы превратить сырые данные в активные.

Для этого вы используете аналитический процесс принятия решений.

Этот процесс во многом похож на научный метод, за исключением того, что он основан на метриках.

В научном методе вы начинаете с вопросов и гипотез, а затем делаете прогнозы о том, что может произойти, если вы проверите различные гипотезы.

То же самое происходит с данными и аналитикой. Вы изучаете свои данные и начинаете задавать вопросы о них. Вы выдвигаете гипотезы о том, что может произойти, если вы сможете повлиять на любое из этих чисел. А затем вы разрабатываете тест, чтобы проверить, правы ли вы.

Просто просмотрев результаты, вы сможете ясно увидеть, что нужно сделать для улучшения вашего бизнеса. Принятие решений теперь зависит не от вашей интуиции, а от того, что говорят вам данные.

Такова теория, во всяком случае.

Но на практике мы часто не знаем достаточно, чтобы понять, какие вопросы нам следует задавать. В таких ситуациях часто помогает еще одно погружение в данные.

Обзор ключевых показателей, чтобы вдохновить на вопросы

Когда вы не знаете достаточно, чтобы понять, что вам следует спросить, ваши показатели часто дают вам необходимую информацию.

Шаг 1. Начните с анализа ключевых показателей. Определите места, где ваши показатели лучше, чем ожидалось, или, возможно, имеют тенденцию к снижению. Во многих случаях это послужит поводом для вопросов.

• Трафик этой записи в блоге в два раза выше, чем у большинства других записей. Что заставило его работать лучше?
• Мы получаем новых подписчиков каждый день, но общее количество подписчиков остается прежним. Что происходит? Где мы теряем подписчиков? Почему?
• Каждый раз, когда писательница SM пишет пост в блоге, трафик и количество подписчиков выше, чем обычно. Что делает ее записи в блоге лучше, чем у других?

В качестве примера, просматривая отчет «Включение/выключение участников» для DigitalMarketer Lab, мы увидели некоторые странные несоответствия в колонке «Добавленные участники».

В некоторые недели мы добавляли 131, 112 или 106 новых членов. В другие недели — только 11 или 21. После того как мы увидели эти цифры, у нас возникли вопросы:

• Что вызывает эти всплески конверсии подписчиков?
• Что вызывает периоды снижения конверсии?

Шаг 2. Сформируйте гипотезу о происходящем. Сделайте несколько предположений о том, что происходит. Для нашей непоследовательности с «Добавкой участника» мы сделали три предположения:

• Пробная версия за 1 доллар — лучшее предложение, потому что она конвертирует больше посетителей из всех источников трафика.
• Отток участников с пробной версией за 1 доллар выше, чем у участников с полной оплатой, что означает, что это не способствует достижению нашей цели — росту лаборатории.
• Люди продолжают перезапускать пробное предложение за 1 доллар после истечения срока его действия, что завышает процент конверсии.

Подсказка: Не соглашайтесь только на одну гипотезу. Лучше всего рассмотреть несколько объяснений — в идеале 5-7 гипотез — и проверить их все. В противном случае вы ограничиваете свою способность узнать, что происходит.

Видите ли, в большинстве случаев у проблемы, которую вы наблюдаете, нет только одной причины. Несколько факторов могут способствовать успеху или неудаче, которые вы хотите понять. Чем больше у вас гипотез, тем больше шансов выделить все факторы.

Шаг 3. Используйте метрики для проверки гипотез. Для этого вы будете использовать более подробные, детализированные данные, чтобы выяснить, что является причиной проблемы, которую вы пытаетесь понять.

Эти данные обычно не просматриваются ежедневно, но они существуют, и вы знаете, где их найти. Это также данные, которые помогают ответить на подобные вопросы.

Для этого конкретного вопроса мы использовали когортный анализ, чтобы проверить наши 3 гипотезы. Мы создали 7 когорт, или различных способов группировки людей в DM Lab, включая дату аннулирования, средний процент выплат, продолжительность активности и многое другое.

Проанализировав всю эту информацию, мы поняли, что пробная версия за 1 доллар была более выгодным предложением, чем предложение с полной оплатой.

Шаг 4. Примите меры на основе ваших выводов. В результате анализа данных мы пришли к выводу, что пробное предложение генерирует больше платящих клиентов, чем среднее. На каждые 100 человек, которых мы направили в DM Lab, 21 человек пришел с пробного предложения, а 20 — с предложения с полной оплатой.

Хотя это не такая уж существенная разница, со временем она может увеличиться. Поэтому мы изменили наше первоначальное предложение. Пробное предложение за 1 доллар теперь является нашим основным предложением, и на данный момент оно принесло дополнительно 1 000 членов Лаборатории.

Принцип №3: Контекстуализация данных для учета неизмеримого

Неважно, насколько хороши ваши данные, иногда они не говорят вам всего, что вам нужно знать.

Допустим, вы просматриваете свои данные и видите тенденцию. Почему эта тенденция сформировалась? Возможно, вы проводили кампанию в этот период. Может быть, ваши конкуренты сделали что-то уникальное. А может быть, у вас возникла технологическая проблема, которая исказила данные.

Если вы не учитываете эти факторы при оценке данных, вы, скорее всего, сделаете предположение, основанное на неверном наборе данных. Ваш вывод не будет достоверным.

В таких ситуациях контекст поможет вам учесть различия в данных. Существует 4 контекста, которые необходимо учитывать.

Исторические контексты

Чего ожидать от истории? Рассматривая данные через призму истории, вы можете понять тенденции и типичное поведение ваших клиентов.

Например, в DigitalMarketer мы заметили, что летом продажи падают. Последовательно. Каждое лето.

Поэтому вместо того, чтобы беспокоиться о снижении показателей, мы разработали стратегии по увеличению продаж в конце весны. Мы также сокращаем расходы на рекламу летом, потому что знаем, что окупаемость инвестиций будет не такой высокой.

Внешние условия

Какие изменения вне нашего контроля повлияли на наши показатели? Возможно, на рынок вышел новый конкурент. Или, может быть, изменилась технология, что потребовало серьезных изменений в вашей работе.

Вспомните обновления алгоритмов Google.

Внешние факторы могут быть вне вашего контроля, но вы должны помнить о них при оценке эффективности.

Внутренние факторы

Внесли ли вы изменения в свою стратегию, которые влияют на производительность? Внесли ли вы изменения на своем сайте или запустили кампанию?

Это больше похоже на самоанализ. Подумайте, какие изменения, внесенные вами внутри компании, могли повлиять на ваши показатели.

Контекст

Это связано с тем, как вы получаете данные. Вы сравниваете необработанные цифры или проценты? Не искажены ли ваши цифры выбросами? Есть ли у вас данные, которые не имеют смысла из-за внутренних или внешних факторов?

В совокупности эти контекстуальные факторы помогут вам учесть неизмеримые вещи, то, что вы не можете предвидеть или объяснить в своих данных. Они также помогают оценить достоверность ваших данных.

Приведение данных в действие

Как видите, три принципа грамотно проведенной аналитики и работы с данными помогут вам превратить случайные цифры в действенные задачи для вашего бизнеса.

Вам необходимо распределить роли между данными, чтобы знать, к какому этапу воронки они относятся и помогают ли они узнать что-то (ключевая метрика) или дают информацию для ответа на вопрос (углубленные метрики).

Вам также необходимо использовать данные для принятия более разумных решений для вашего бизнеса. Используйте их для проверки ваших идей о том, что работает, а что нет, и как вы можете улучшить результаты. Когда вы просматриваете цифры, чтобы ответить на вопрос, вы знаете, что вы пытаетесь доказать или опровергнуть.

И наконец, вам необходимо рассматривать данные в контексте, оценивая факторы, которые могут привести к росту или снижению показателей. Если привязать данные к реальному миру, цифры будут иметь больше смысла, и их будет легче использовать в своем бизнесе для стимулирования роста.

Язык, который используют аналитики

Существует 5 терминов, которые необходимо понимать, чтобы грамотно говорить об аналитике и данных.

Аналитическое принятие решений

Это научный метод исследователя данных. Это процесс, который вы будете использовать для определения вопросов, которые вам следует задавать, и лучших методов для ответа на них.

Инструментарий аналитика

Это инструменты, шаблоны и ресурсы, которые вы будете использовать для превращения концепций и идей в данные и отчеты. Ваш набор инструментов поможет вам задать правильные вопросы и разработать процесс, облегчающий анализ данных.

Параметр UTM

Это код, который можно добавить к URL-адресу, чтобы получить больше информации о том, откуда идет трафик.

В этом примере желтое выделение показывает фактическую ссылку. Все, что после этого, является UTM-параметром. Именно эта дополнительная информация помогает вам отслеживать источники трафика.

• Зеленый цвет выделяет source, который говорит вам об аудитории или ссылающемся сайте (список домов).
• Розовым цветом выделен medium, что говорит о том, как был направлен трафик (электронная почта).
• Синим цветом выделено content, которое является идентификатором объявления/контента (data cert launch email1).
• Серым цветом выделена ваша campaign, которая идентифицирует акцию или стратегию, с которой пришел этот трафик (data cert 1-1-2016).

Когда вы добавляете UTM-параметры к своим ссылкам, все, кто нажимает на эти ссылки, будут помечены, и вы сможете отслеживать эти метки в Google Analytics.

Это позволит вам увидеть, какие источники и коммуникации дают вам лучший трафик.

Ключевой показатель эффективности (KPI)

KPI — это еще один способ обозначить метрику в целом, и обычно он используется для обозначения метрики, которая, как кто-то считает, является движущей силой его бизнеса. KPI — это еще один способ говорить о ключевой метрике.

Приборная панель

Приборная панель — это веб-страница, на которой собраны ваши показатели из определенного источника. Скорее всего, у вас будет своя приборная панель для каждого источника данных: Google Analytics, поставщик услуг электронной почты, платформы социальных сетей и т.д.

Большинство приборных панелей также содержат графики, которые превращают ваши данные в наглядные изображения, позволяя легко увидеть, насколько хорошо вы работаете.

Приборные панели должны быть доступны каждому члену команды. Они помогают легко понять, что происходит в бизнесе, что помогает членам команды увидеть, как их работа влияет на успех вашего бизнеса.

Роли: Кто должен быть в курсе?

Кто должен владеть данными вашего бизнеса? Какое место в компании занимает анализ данных?

Данные и аналитика

Команда аналитиков (или отдельный человек) должна нести основную ответственность за сбор, проверку и интерпретацию ваших данных и аналитики.

Более крупные команды могут также иметь менеджера по внедрению данных, который собирает всю эту информацию и превращает ее в красивую приборную панель, удобную для восприятия.

Маркетинг

Каждый маркетолог, стоящий своей соли, должен знать немного об аналитике и данных. Проводите ли вы кампании на Facebook, пишете в Twitter 50 раз в день или публикуете статьи в своем блоге, вам необходимо знать, что работает, а что нет.

Оптимизация коэффициента конверсии (CRO)

Люди, которые проводят тесты для оптимизации маркетинга, в значительной степени полагаются на данные для разработки гипотез, проведения тестов и измерения эффективности.

Подведение итогов

Аналитика не обязательно должна быть страшной или подавляющей — даже если вы не любитель цифр. Вам просто нужен процесс работы с цифрами, способ определить, какие из них помогут вам выявить возможности, а какие следует игнорировать.

Как только вы выстроите свой процесс, вы можете обнаружить, что вам нравится аналитика. Нет лучшего чувства, чем уверенность в том, что ваш маркетинговый план работает, и именно показатели дадут вам эту уверенность.

Мы подошли к концу нашего обзора цифрового маркетинга. Следующий (и последний) урок — оптимизация коэффициента конверсии, которая представляет собой простой процесс улучшения результатов маркетинга с течением времени.

Честно говоря, оптимизация коэффициента конверсии, или CRO, как ее часто называют, — это секретный соус для вашей стратегии цифрового маркетинга, и вам понравится, как он направляет вашу энергию на решение задач, которые имеют наибольшее значение.