Какие метрики Google Analytics провоцируют неверные решения

Google Analytics и Яндекс.Метрика — большие системы. Их интерфейсы изменяются медленно. И за время работы систем аналитики накопились инструменты, которыми сейчас пользоваться нельзя. Команда rick.ai коллекционирует ошибки аналитики и рассказывает, как легко настроить аналитику против себя.
ydjhipt6ynm1h9mza42z9gejw4s.jpeg

Почему круговую диаграмму «Новые и вернувшиеся» интерпретируют неправильно?


Команды оценивают долю вернувшихся пользователей по диаграмме «Новые и вернувшиеся». Если вернувшихся пользователей много, не нужно усиливать или запускать ремаркетинг и ретаргетинг, оптимизировать email-рассылки.
j4fx-9cf7x2yt-x4zjw4rnfcchc.png

Глядя на диаграмму, маркетинг и продакты видят, что 42,2% пользователей возвращаются повторно. А значит, переключать силы команды на работу над возвращением на сайт не надо. Простой понятный вывод.

На диаграме написано new visitors — новые посетители/пользователи. На самом деле, это не пользователи. Этот график построен по сессиям.

Google Analytics считает сессии, а не пользователей


Пользователи систем аналитики, ожидают, что системы умеют все на свете. Это не так.
Я.Метрика и Google Analytics активно развиваются и изменяются. Посмотрите, например, API ChangeLog. Многие вещи, от которых ожидают корректной работы, морально устарели хотя не будут убраны из интерфейса еще пару лет.

У GA есть стандартный инструмент — GA dev tools Query Explorer. Весь интерфейс GA работает поверх их API. Мы можем формировать запросы и они будут показывать те же самые цифры, которые показываются в интерфейсе.

Посмотрим на поведение пользователя с идентификатором 1000046758.15066757751.
Эти двадцать цифр — ga_clientID, уникальный идентификатор пользователя. Запись этого идентификатора в одну из переменных пользователя custom demention позволяет посмотреть, что происходит внутри гугла, и работать с row data. Без доступа к row data понять, что происходит, практически невозможно.

image

30 сентября у пользователя 100…751 было 2 сессии: одна записалась в New visitors, другая — в Returning visitors. В первую сессию пользователь — новый. Во вторую — вернувшийся.

Когда ga запускает новые сессии, можно прочитать в справке:

Один пользователь может выполнить несколько сеансов [сессий], которые могут произойти за один день, неделю, месяц или год. Новый сеанс может начаться только после того, как будет закончен предыдущий, а заканчивается он в следующих случаях:

По времени:

· через 30 минут бездействия
· в полночь.

В случае смены кампании:

· если пользователь перешел на сайт по объявлению одной кампании, покинул его, а затем снова посетил, но уже по объявлению другой кампании.


image

Посмотрим в GA dev tools Query Explorer, что произошло с пользователем 100…751.

В 10:49 человек зашел с гугл-органики, в 10:50 сделал какое-то действие, 10:50 вернулся из канала cardstandart.ru. Платежный шлюз переопределился, как реферральная ссылка. Источник изменился. И запустилась новая сессия.

Число сессий на пользователя — случайная величина.
И это от вас не зависит


Разработчики подключат новый шлюз, нужно будет строить автолинковщик, делать кроссдоменное отслеживание. Но все равно ошибки останутся. К тому же пользователь может отвлечься на письмо или на звонок. Может возникнуть ошибка хрома и так далее.

Реальную картинку возвращаемости можно посмотреть в графике, который называется Когортный анализ. На самом деле, это не когортный анализ, а как раз retention.

image

В этом графике мы видим, что за неделю на сайт вернулись 6,27% пользователей.

image

За месяц на сайт вернулись только 8,99% пользователей. А не 42,2%, как показывает диаграмма Новые и вернувшиеся. Выводы маркетолога и продакта меняются на противоположные: «На сайт возвращается мало пользователей, необходимо оптимизировать email-рассылки, активнее работать с ремаркетингом и ретаргетингом.»

Расчет аналитики по сессиям неизбежно влечет ошибки в выводах, и в конечном счете, — в решениях. Потому что на сайте покупают, регистрируются и платят не сессии, а пользователи. Чтобы считать реальных пользователей и делать правильные выводы, используйте user-based аналитику.

© Habrahabr.ru