16-17 февраля 2016 года прошла ежегодная конференция «AllinTopConf» в Москве. Это единственное российское мероприятие, в рамках которого обсуждаются практические аспекты поисковой оптимизации и веб-аналитики. Участники конкуренции особенно детально обсуждали поисковые системы и их сервисы, перспективы развития отрасли, рассмотрели массу практических вопросов.

На конференции выступал основатель компании «Иван Никитин и партнеры» Иван Никитин. Свой доклад он посвятил сравнению популярных аналитических систем для сайтов «Яндекс Метрика» и «GoogleAnalytics», проанализировал их плюсы и минусы.

0_161450_31976280_L

Сегодня на рынке есть масса всевозможных аналитических инструментов для сайтов. Наиболее популярными из них считаются «GoogleAnalytics», «Яндекс.Метрика» и «LiveInternet».

Согласно информации «Wappalyzer», чаще всего в мире пользуются именно «GoogleAnalytics». На данный момент доля этого инструмента на рынке составляет 67%, у «Яндекс.Метрики» – 7%, и всего 3% — у LiveInternet.

0_117647_33acbb2a_L

«LiveInternet»

Многие крупные сайты России пользуются именно этим инструментом:

0_117648_ef30da4a_L

Видим несколько всплесков на диаграмме, они отражают повышение интереса пользователей к тем сайтам, которые пользуются этими счетчиками.

Преимущества:

  • Охватывает порядка 30% российского рынка.
  • Есть «глобальная статистика», которую, обычно, не так просто найти.
  • Можно просматривать статистику конкурентов (при условии, что они ее не закрыли).

Недостатки:

  • Не очень большой охват привел к низкой репрезентативности данных.
  • Примитивность.
  • Нет каких-либо аналитических инструментов.
  • Сложно провести анализ произвольных периодов, отсутствует возможность сравнивания между собой разных периодов.

«Яндекс.Метрика»

На данный момент этим инструментом статистки пользуются такие известные сайты:

0_117649_bb7083ac_L

На специализированных форумах часто спорят, что лучше «Яндекс Метрика» или «GoogleAnalytics» («Гугл Аналитикс»). Оно и логично, ведь многие российские сайты продвигаются, прежде всего, в «Яндексе», поэтому важно иметь актуальную статистику для этого поисковика. Но, все же, чтобы провести объективное сравнение счетчиков посещаемости, нужно изучить плюсы и минусы каждого из них, и уже потом делать выводы.

Преимущества:

  • Достаточно большая популярность и широкий охват.
  • Наглядные диаграммы и графики.
  • Простота в использовании.
  • Можно посмотреть статистику запросов в поисковике «Яндекса».
  • Умеет отображать закрытые запросы (на данный момент зашифровано порядка 80% запросов). Эти запросы отображаются внизу списка (отчет «Поисковые фразы»). Большая часть из них будут закрытыми для просмотра, но могут отображать запросы из «Яндекса». Очень важное преимущество.
  • Удобные и функциональные кликовые и тепловые карты.
  • Вебвизор (хоть и необходимость в нем возникает редко).

Недостатки:

  • Примитивные сегменты (введены в обновленной версии инструмента).
  • Цели достаточно примитивные.
  • Такого понятия, как «событие», нет. Приходится пользоваться «reachGoal». Нет такого класса, как категоризация и группировка событий.
  • Есть мнение (неподтвержденное), что впоисковик «Яндекс» сливаются все данные.
  • Есть мнение (тоже неподтвержденное), что инструмент искажает данные (снижает показатель количества показов, и, может быть, ведет учет не всех сессий).

«GoogleAnalytics»

Данным инструментом пользуется огромное количество российских сайтов, в том числе и сайт «Сбербанка»:

0_11764c_83fca2d5_L

Преимущества:

  • Очень широкие возможности.
  • Большой выбор аналитических инструментов.
  • Можно настроить интеграцию с иными сервисами.
  • Огромные возможности в плане анализа «e-commerce».
  • «MeasurementProtocol»позволяет передавать в «GoogleAnalytics», помимо данных с сайтов, еще и данные с других источников (1С, CRM и т. д.).
  • Простота расширения функций.

Недостатки:

  • Сложность, особенно по началу (инструмент ориентирован, прежде всего, на профессионалов).
  • Сложность внедрения (для получения более глубокой аналитики, необходимо программировать или пользоваться «GoogleTagManager»).
  • Требует планирования на больших сайтах.
  • Проблема со спамом (refspam) – следствие инструмента «MeasurementProtocol».

Рассматривая этот сервис, в том числе, в контексте сравнения «GoogleAnalytics»vs«Яндекс Метрика», Иван Никитин отметил, что в случае больших объемов, GA учитывает статистику не для каждой сессии отдельно, а по их группам. Это явление называют «сэмплированием». С возрастанием объема трафика сэмплирование становится более «грубым», поэтому растут погрешности в определении отдельных показателей. Количество сессий выводится точно, но поведение, конверсии, показатель откликов могут показывать расхождения. Погрешности при сэмплировании заметны, если трафик составляет порядка 50-100 тысяч сессий за день. Решить эту проблему можно, перейдя на премиум-аккаунт.

В завершении этого сравнения, докладчик отметил, что не столько важно, чем «Яндекс Метрика» отличается от «Гугл Аналитикс», как то, насколько правильно используются эти сервисы. Естественно, у них есть свои отличия, один инструмент лучше для решения каких-то определенных задач, другой – для иных целей. При этом многие профессионалы используют эти сервисы вместе. Поэтому Иван Никитин подчеркнул, что очень важно коррелировать инструменты между собой, если они используются одновременно.

Основные методики контроля и метрики трафика

Чтобы работать с аналитикой, необходимы своего рода опорные метрики.

0_11764e_b50d0158_L

Есть разные методики измерения эффективности. Наиболее распространенным является ABC-анализ.

В его основе лежат такие показатели:

  • Acquisition – объемы привлеченного трафика.
  • Behavior – качество привлеченного трафика, поведение.
  • Conversion – конверсии.

Ниже приведена таблица, в которой собрана сводная статистика для нескольких маркетинговых каналов. Точно так же можно сравнить мобильные устройства с не мобильными; рекламные объявления и т. п.

Исходя из данных таблицы, видим, что огромную часть трафика приносит «SEO». Показатель конверсии этого канала составляет 2,3%, а показатель отказов – 20%.

0_11764d_68db55e6_L

Смысл такой матрицы заключается в том, что можно и не видеть сам сайт, но вы поймете, куда нужно двигаться. К примеру, в случае с приведенным выше ресурсом, прежде всего, нужно отключить рекламу. По органике коэффициент конверсии выше в 5 раз. Раз уж сайт имеет такие показатели, на нем не нужно ничего менять, можно сконцентрироваться на других каналах.

Но, очень часто необходимо проводить более глубокий анализ. В этом нам помогут сегменты — произвольные срезы накопленной информации. «GoogleAnalytics» предоставляет возможность проведения сегментного анализа.

Например, для одного клиента компании провели такой анализ – определили 3 сегмента за достаточно большой временной отрезок:

  • Брендовые запросы (упоминание названия компании).
  • Транзакционные – коммерческие запросы («с доставкой», «купить»).
  • Прочие запросы.

Затем под эти группы была построена матрица ABC:

0_11764f_f6f354f1_L

Видим очень малое количество брендовых запросов (всего 0,11%, и 12% транзакционных). Большая часть трафика обеспечивается остальными запросами – 65%.

Можно настраивать сегменты для любых задач:

0_117659_fc8fdf91_L

Докладчик подчеркнул, что поведение и транзакции – это не универсальные метрики. К примеру, такой показатель, как вовлеченность аудитории, будет полезен тем, кто продает товары не повседневного спроса, соответственно, есть необходимость в возвращении клиентов на ресурс.

0_11765b_dfb1fa86_L

Также можно использовать когортный анализ: сгруппировать пользователей по датам посещения, выделить транзакционные и остальные запросы, просмотреть статистику удержания посетителей в этом контексте:

0_11765e_c11d89e_L

Виды конверсий

Принято выделять следующие виды конверсий:

  • Микро- и макроконверсии.

Микроконверсия – действие сопутствует по времени (пользователь посетил сайт, однако, еще ничего не приобрел).

Макроконверсия –пользователь совершил целевое действие (лид, покупка и т. п.).

  • Отложенные и прямые конверсии (купил сейчас или сегодня увидел, а купил позже). Интервал работы с сайтом порой бывает достаточно большим, даже более месяца. Среднее время для принятия решения о заказе в секторе «B2C», примерно неделя. Доля пользователей, которые сразу же совершают покупку, составляет всего порядка 8%.

Ассоциирование конверсий

Ассоциации являются методикой оценивания многоканальных конверсий. Ее суть заключается в построении цепочки взаимодействий под конкретного пользователя. Если произошла конверсия, это событие ассоциируется со стартом цепочки. Например, пользователь только узнал об этом магазине. Такая конверсия является первым взаимодействием, а не последним.

0_117665_91a715e_L

Скриншот показывает, что в течение месяца произошло 1300 конверсий. Ассоциируются 400 из них, то есть 30%. Такую статистику дает «GoogleAnalytics» после настройки целей.

Если воспользоваться ассоциацией для бесплатного поиска, всего конверсий с последним взаимодействием было 935. Еще 360 ассоциированных нужно к ним прибавить. Эти нюансы влияют и на доход: если учитывать цепочку взаимодействия, то SEO обеспечивает 1,5 миллиона, если нет – лишь 700 тысяч.

В сфере «B2C» цепочки, как правило, короткие, составляют всего 2-3 взаимодействия.

0_117666_265337d6_L

Для того чтобы понять, куда нужно относить стоимость покупки, применяются модели атрибуции: первое взаимодействие или последнее.

0_117667_cb015280_L

Таблица показывает, что, с учетом первого взаимодействия, прибыль с прямого канала будет ниже на 71%, чем с учетом последнего. Такая ситуация объясняется тем, что сначала пользователи, к примеру, узнали о ресурсе через рекламу, а уже через определенное время посетили его по прямой ссылке.

Также докладчик отметил, что реальность не может отразить ни одна из рассмотренных моделей. Для этой задачи нужно их комбинировать. Важно выполнять корреляцию данных.

В конце выступления Никитин сказал, что сейчас есть очень много аналитических инструментов. Они отличаются между собой, выбирать нужно, исходя из конкретных задач. То же самое касается и метрик анализа. Если нужно, количество контролируемых показателей следует сделать достаточно большим. К тому же, очень важно проводить анализ поведения пользователей не только за один сеанс, а также учитывать то, как они взаимодействуют с различных устройств.