Роман с Data Science. Как монетизировать большие данные

Внутренней веб-аналитике сайта уделяется не так много внимания, как рекламной – на рекламу тратится куда больше денег, чем на сайт, поэтому руководство хочет знать, насколько эффективно они потрачены. А ведь действия посетителя на сайте, которые как раз являются объектом внутренней аналитики, очень важны. В этот анализ входят: воронка продаж, анализ заполнения форм и анкет, мерчандайзинг, функционализм сайта, карты кликов, запись действий пользователя (например, Яндекс. Вебвизор). Используя эти инструменты, можно гораздо лучше понимать свою аудиторию.

Воронка продаж выглядит почти как обычная воронка – посетитель сайта «проваливается» по ней, пока не достигнет целевого действия, например заказа. В среднестатистическом интернет-магазине конверсия посетителя в заказ составляет обычно один процент, то есть лишь каждый сотый посетитель доходит до дна воронки продаж и совершает покупку. Улучшению этого показателя уделяется очень много времени, ведь если растет конверсия сайта, то вы зарабатываете больше при тех же затратах на рекламу. Хотя реклама рекламе рознь: можно гнать на сайт небольшой поток почти готовых покупателей или большую толпу посетителей, подавляющее большинство которых уйдут с сайта сразу. В первом случае конверсия может быть высокой, во втором низкой, но и стоить первый вариант будет дороже. Поэтому я не сторонник «меряться» конверсиями, более важный показатель – средняя стоимость привлеченного заказа (Cost per Order). Он позволяет объективно сравнить экономики двух интернет-магазинов в первом приближении. Воронку продаж можно также рассматривать как последовательность микрошагов из целевых действий:

1. Сделал хотя бы один клик после перехода (non-bounced visitor).

2. Добавил товар в корзину.

3. Нажал кнопку «оформить заказ» (checkout).

4. Оформил заказ.

Оптимизируя каждый шаг, можно увеличить число посетителей, которые доходят до конца воронки.

Анализ мерчандайзинга – это самое лучшее, что я узнал о внутренней веб-аналитике, когда изучал систему Omniture (ныне Adobe) SiteCatalyst. Анализ мерчандайзинга – это способ оценки эффективности виртуальных полок интернет-магазина. Сайт интернет-магазина включает в себя несколько типов страниц: главная, поиск, страница категории товаров, страница информации о товаре, корзина, шаги заказа и личный кабинет пользователя. На каждом типе страниц размещаются блоки товаров (рис. 12.2) – например, горизонтальная линия из пяти ротируемых товаров или большой блок списка товаров на страницах категории. В любом товарном блоке товар подается со следующими атрибутами: картинка, сниппет с небольшой информацией, цена, название товара, кнопка добавления в корзину или быстрого заказа. Что можно делать с дизайном подачи товара в блоке? Можно увеличить картинку, убрать какие-то элементы. А вот посчитать, что изменилось в метриках, можно с помощью анализа мерчандайзинга, где аналогом обычной полки в магазине будет блок товаров в интернет-магазине.

Рис. 12.2. Пример мерчандайзинга сайта интернет-магазина

Сам анализ работает следующим образом: все ссылки на товары (картинки, названия, кнопка добавления в корзину) помечаются специальными невидимыми тегами, где могут быть указаны тип страницы (главная, поиск и другие), название блока (горизонтальный, листинг), тип ссылки (картинка, название, кнопка добавления в корзину). Для каждого клика на таком блоке система запоминает, на каком товаре в каком блоке какой пользователь кликнул. Затем система в течение заранее установленного времени (например, 24 часа) следит за пользователем, что он будет делать с этим товаром после клика. Если пользователь добавил его в корзину или заказал, то эта метрика будет приписана к тому невидимому тегу, который был при клике. На выходе вы можете получить следующую статистику (табл. 12.1).

Таблица 12.1. Расчет эффективности мерчандайзинга

Обычно я выгружаю такую статистику в Excel, разбиваю тег на три поля (тип страницы, тип блока и тип ссылки) и получаю возможность легко решать следующий круг задач:

• Каков вклад в продажи каждого типа страницы? Например, 15 лет назад я вычислил, что страница поиска Ozon.ru дает половину от всех добавлений в корзину на сайте.

• Каков вклад рекомендательных блоков в продажи? На момент моего ухода из Ozon.ru система рекомендаций обеспечивала около 38 % всех добавлений в корзину.

• Откуда чаще покупают – после клика на картинке товара или на его названии? Тогда я выяснил, что чаще кликают на изображении, но названия товаров дают больше продаж.

Когда аналитик может это считать, у компании появляется неограниченное поле для экспериментов «а что, если»: увеличить картинки товаров, убрать картинки из поиска, поменять местами блоки товаров, изменить алгоритм рекомендаций в блоке товаров. Если у вас есть метрики мерчандайзинга, появляется гораздо больше возможностей для модификации сайта.