4 основные нетехнические ошибки в веб-аналитике12.07.2016 17:07

Директор по аналитике и технологиям ADLABS, преподаватель «Нетологии» Олег Рудаков написал колонку, в которой рассказал о типичных ошибках веб-аналитики.

В статье я не буду говорить о технических ошибках, вроде «код отслеживания Google Analytics установлен не в head, а в body. Об этом уже много написано и таких ошибок можно избежать простейшими чек-листами, которые очень просто найти в сети.

Я описал проблемы и ошибки, которые часто встречаются у начинающих веб-аналитиков и тех, кто погружается в веб-аналитику, будучи специалистами в смежных областях. Все ошибки не выдуманы и основаны на реальных вопросах или утверждениях слушателей программ обучения «Нетологии».

Именно обозначение этих проблем позволит многим обойти острые углы и избежать части сложностей, связанных с погружением в веб-аналитику. Для технических вопросов, которые остались за рамками статьи, есть справки систем веб-аналитики, и там нет философии, а есть явные ответы почти на все вопросы.

1. Придумывать свой ответ, а не искать готовый

В вопросах, на которые может явно ответить справка систем веб-аналитики, многие придумывают или додумывают свой вариант ответа.

В этом случае мне вспоминается чудесный вопрос в группе по веб-аналитике на Facebook. Вопрос звучал примерно так: «Прочитал в справке Google Analytics, что код счетчика нужно разместить перед , но многие размещают в футере. Как быть?».

Мое мнение по этому и аналогичным вопросам — как написано в справке, так и быть. В подавляющем большинстве случаев это наилучший из вариантов.

Веб-аналитика — не самое документированное направление интернет-маркетинга, и зачастую приходится долго искать ответы на свои вопросы. Однако в тех вопросах, на которые точно можно найти ответы в авторитетных источниках (например, в справке), лучше сэкономить время для более важных задач.

2. Сначала собрать, потом анализировать

Часто вижу желание в первую очередь выстроить систему для сбора всех данных из всех доступных источников и только после — переход к анализу данных.

Сейчас можно объединить в одно целое системы веб-аналитики, рекламные площадки, системы отслеживания телефонных звонков, внутренние CRM или ERP систем. Понятно, что цель объединения — получение точных, очищенных данных о поведении посетителя с возможностью сегментации базы и взаимодействия с нужными пользователями. Поэтому часто возникает мысль сначала построить систему и только потом заняться аналитикой, ведь в обратном порядке придется опираться на неточные данные.

С одной стороны, подход оправдывает себя, с другой стороны, построение системы часто становится основной целью, хотя изначальная цель заключается в использовании полученных данных для оптимизации.

Поэтому стоит начинать с небольшой и простой системы и использовать ее для оптимизации ключевых показателей эффективности: это позволит с самого старта использовать уже имеющиеся данные и сразу получать результат.

После, с течением времени и усложнения процессов, можно переходить к выстраиванию сложной системы аналитики. Хороший подход — заранее продумать итерации разработки и внедрения системы с учетом оптимизации, которая будет возможна с использованием системы.

3. Отсутствие подхода к анализу данных

Во многом это проблема не только веб-аналитики, но и вообще всего, что происходит в интернет-маркетинге. Часто к веб-аналитике подходят бессистемно, хватаясь то за один, то за другой кусок. Понятно, что в таком бессистемном подходе может потеряться что-то важное, и результат может быть получен значительно позже, чем при подходе последовательном.

Для начинающих веб-аналитиков это обычно сводится к тому, что в первую очередь пытаются изменить общий вид сайта, после начинают анализировать источники привлечения трафика и после переходят к анализу поведения пользователей.

Логика понятна, «Яндекс.Метрика» показывает карты кликов, ссылок, скроллинга и «Вебвизор». Всем этим пользоваться гораздо проще, чем стандартными отчетами. Да и придумывать, что изменить на сайте, исходя из своих внутренних ощущений, легче, чем думать о поведении пользователей.

Вот и получается, что весь подход к аналитике строится от того, что проще использовать с точки зрения инструментов, а не с точки зрения того, что, например, может принести наибольший результат за минимальное время.

У меня нет универсального решения подхода к анализу данных. Но в данной ситуации, необходимо расставлять приоритеты исходя из следующих пунктов:

• скорость внедрения изменения;

• сложность внедрения изменения;

• потенциальное улучшения KPI;

Добавив свои пункты в данной схеме, можно расставить приоритеты и получить подход, результатом которого будет необходимая оптимизация заданных KPI с учетом всех сложностей, трудностей и возможного эффекта.

4. Анализ данных без обдумывания поведения пользователей

Несмотря на все доступные в настоящий момент возможности автоматизированного анализа данных, веб-аналитики зачастую забывают о том, что все получаемые данные связаны с поведением пользователей.

Есть байка на эту тему.

Веб-аналитики очень часто оперируют числами и не переводят их на возможные паттерны поведения пользователей. В итоге получаются странные выводы: если увеличить вот это число, то снизится вот это число.

Думаю, что качественный подход к веб-аналитике на выходе должен иметь описание цели и поведения пользователей и рекомендаций к тому, как возможно в будущем повлиять на этих пользователей. Для этого необходимо строить и тестировать гипотезы, которые основаны на данных.

В заключение надеюсь, что эта статья позволит избежать возможных ошибок и даст вектор развития для начинающих веб-аналитиков. Если у прочитавших есть дополнительные пункты аналогичных ошибок — пишите в комментарии под статьей, буду рад обсудить.

Полный текст статьи читайте на Нетология