Подписка на блог

Customize in /user/extras/subscribe-sheet.tmpl.php.

Sample text.

Twitter, Facebook, VK, Telegram, LinkedIn, Odnoklassniki, Pinterest, YouTube, TikTok, РСС JSON Feed

Sample text.

Что делать веб-аналитику, если на сайте мало конверсий?

ВЫБИРАЕМ ПРАВИЛЬНУЮ МЕТРИКУ ДЛЯ ОЦЕНКИ ЭФФЕКТИВНОСТИ КАНАЛОВ ТРАФИКА

Проблема

Как проводить какие-то тестирования, оценку экспериментов, если конверсий на сайте мало?

Выбрали период месяц, все пользователи.

Мало конверсий — мало данных. Любые выводы при таком раскладе мало чем отличаются от гадания на ромашке или консультации с секретарем. Мы пытаемся протестировать гипотезу «Пользователи из Москвы конвертируются лучше, чем пользователи из регионов», включаем соответствующий сегмент и получаем одинокую вершину. Аналитик рыдает.

Вот как конвертируются москвичи.

Чтобы спасти ситуацию, пытаемся выкрутить период на квартал или год, но упираемся в ограничения:

  1. цели были добавлены недавно, и по ним отсутствует статистика, или
  2. нужно быстро принимать решения в будущем, тестировать гипотезы по 3-6 месяцев расточительно.

Когда я сталкивался с такой проблемой, то ничего не оставалось, как скатываться к поведенческим метрикам и анализировать по показателю отказов и времени на сайте. Но это не те показатели, которые стоит воспринимать серьезно при подобном анализе.

Маркетологи из интернетов рекомендуют в этой ситуации разметить не 2 цели, а все микро-конверсии, которые намекают на «теплоту» пользователя:
→ написал в онлайн-консультант
→ заказал обратный звонок
→ скачал прайс
→ записался на монтаж / замер / тест-драйв
→ добавил в корзину
→ просмотрел более 20 страниц и т. д.

И это не решение проблемы.

Дополнительные цели конвертируются слабо.

Вы можете сделать и 20 целей, но если каждая конвертирует так себе, никакого анализа не выйдет. Будем принимать решение, опираясь на тех, кто положил в корзину, или тех, кто заказал обратный звонок? И что бы мы ни выбрали, это пойдет вразрез логике и статистической значимости — слишком мало данных.

Это касается и трафиковых сайтов, где у пользователя масса заказать товар: от классической корзины до Whats app. Большое количество транзакций размазывается по целям, и снова получаем нехватку данных — приходится тратить больше времени, прежде чем принять решение.

Решение на базе Яндекс Метрики

Формируем составную цель и считаем, что человек «горячий», если выполнил хотя бы одну цель из списка:
→ или оформил заказ
→ или положил в корзину
→ или написал в консультант
→ или сделал что-то еще полезное.

Главное не добавить в список что-то странное, что моментально превратит «горячую» аудиторию в «еле теплую», например цель «Просмотрел 2 страницы», тогда конверсия легко достигнет 50%, но толку.

Пример настроенной цели, которая фиксирует любое целевое действие и засчитывает конверсию на сеанс пользователя.

Теперь чтобы ни сделал пользователь из этого списка, конверсия сосчитается, а я пойму, что пользователь тепленький. Аналитик прыгает от радости, ведь теперь для проверки гипотез у него хватает данных.

А что там с Analytics?

Гибкость и возможности системы радуют. Если у вас мало конверсий, можно
Ничего не делать
В ряде отчетов Analytics позволяет выбрать нужные цели для анализа: конверсии по ним суммируются. Например, отчет «Конверсия → Атрибуция → Инструмент сравнения».

Любимый отчет по атрибуциям, где видны достижения цели и CPA. Выбираем нужные и смотрим на таблицу

Создать общую цель по аналогии с Метрикой

В настройках представления «Вычисляемые показатели», складываем нужные цели A+B+C. Чтобы посчитать еще и конверсию: (A+B+C) / Сеансы

Пишете название цели и Analytics подсказывает подходящие показатели.

Пользовательскую метрику можно увидеть только в собственных отчетах, создаем в «Специальные отчеты → Мои отчеты». Я вывел только эту метрику для примера.

Чтобы в данных не было каши, нужен порядок в utm-метках.

Создать «умную цель»

Считаю, что это плохая идея. Допускаю как дополнительный сигнал, но не полную замену целей и вот почему.
Умные цели изначально создавались как помощь в оптимизации рекламных кампаний Adwords. Причем для тех рекламодателей, которые даже не в состоянии разметить свои цели на сайте.

Используя машинное обучение, «умные цели» обрабатывают десятки сигналов, связанных с сеансами на сайте, чтобы определить, какие из них чаще всего приводят к конверсиям. Учитываются такие сигналы, как длительность сеанса, число страниц за сеанс, местоположение, устройство и браузер.
Из справки Google Analytics

Analytics по поведенческим метрикам пытается понять, какая аудитория более качественная и должна лучше конвертироваться. Adwords старается выкупить больше такой аудитории. Вы, вероятно, должны ощутить сильное снижение стоимости заказа (CPO) с данного канала.
И, черт возьми, Analytics действительно хорошо вычленяет качественную аудиторию, но «некачественная» аудитория тоже принесла конверсии и доход.

Yes — качественная аудитория. No — ну, такое.

Если будем оптимизировать рекламу с оглядкой только на этот показатель, не уроним ли количество заказов? Мы не использовали «умные цели» как опорную точку в оптимизации рекламных кампаний, поэтому мысль выше — предположение. Снижение CPO, конечно, хорошо, но только когда количество O(rders) при этом не падает также стремительно. Так ведь можно заиграться и бизнес оставить без работы.

Заказывайте performance-маркетинг aberix и будут вам лиды. До скорого!

Рубцов Александр
co-founder
Подписаться на блог
Поделиться
Отправить
Запинить