В нашем блоге выходит новая статья, которая рассказывает, как анализировать поведение своей аудитории. Возьмем в качестве примера магазин Google в тестовом режиме. Расскажем, какие есть группы посетителей онлайн-магазина, какая информация для чего нужна на каждом уровне воронок продаж.
В итоговом отчете, касательно покупателей, скрыты самые разные идеи. Если вы точно знаете, чего хочет потенциальный потребитель, вам будет проще удовлетворять спрос и получать доходы.
Совсем недавно наши клиенты презентовали отчет о работе сайта, занимающегося электронной торговлей.
Ими было проведено тщательное деление на сегменты в Google Analytics, а во время презентации они подробно рассказывали о каждом сегменте. Мы порекомендовали им усовершенствовать материал. Клиенты были благодарны, ведь рекомендации оказались по-настоящему ценными и во многом помогли им.
В статье мы разместим советы, которые были даны. Демонстрация будет происходить с помощью тестового профиля в Google Analytics и Google Merchandise Store.
С позиций взаимодействия с кодами, придется настроить, как минимум:
- мониторинг продуктов;
- мониторинг сохранения понравившихся товаров в корзину;
- отслеживание создания заказа;
- отслеживание транзакций.
Чтобы упростить процесс настроек, вы можете использовать расширение (GTM/GA Debug)
, которое отлично совмещается с Google Tag Manager
- в синем цвете изображены все сессии, которые были на каждом отдельном этапе;
- чтобы рассчитать процент покупок нужно будет число сеансов с оформлением заказа разделить на количество совершенных сессий
Чтобы просчитать долю отказов, нужно будет разделить число сессий, на которых совершения действий не произошло, на количество всех проведенных сеансов на конкретном этапе.
Это главные показатели, которые потребуется понимать для успешной интерпретации.
Например, в 9,1% сессий клиент переходит в раздел «Корзина».
В 90,1% процентах случаев потребитель переходит в раздел «Корзина» после того, как просмотрит подробное описание товара.
Соответствие отчетных параметров расширенной электронной коммерции элементам воронки продаж:
ALL_VISITS — все посещения;
NO_SHOPPING_ACTIVITY — покупательской активности нет: не открывался раздел подробного описания продукта, не было добавлений в корзину, формирования чека и самого заказа;
PRODUCT_VIEW — был просмотрен товар;
NO_CART_ADDITION — продукты не добавлялись в корзину;
ADD_TO_CART — сеансы, на которых проводилось добавление в корзину;
ADD_TO_CART_WITHOUT_VIEW — сохранение товара без изучения его подробного описания;
ADD_TO_CART_WITH_VIEW — товар был сохранен после изучения деталей;
CART_ABANDONMENT — все сохраненное было удалено;
CHECKOUT — заказ был оформлен;
CHECKOUT_WITHOUT_CART_ADDITION — заказ был оформлен, миновав этап корзины;
TRANSACTION — были проведены транзакции;
TRANSACTION_WITHOUT_CHECKOUT — заказ не был оформлен; TRANSACTION_WITH_CHECKOUT — произошли транзакции, не менее одного заказа, сохранение товара с учетом прошлых и настоящих шагов.
Воронка для изучения поведения потребителя иная, нежели воронка действий с заданной целью.
База анализа поведения потребителя
Если основы понятны, стоит попробовать анализ основных вещей – поведения потребителей на различных стадиях воронки продаж.
Объединенная информация
Параметр, изображенный в зеленом цвете, может быть увеличен с помощью более подробных таргетинговых настроек на посадочной странице. Фиолетовый показатель увеличивается за счет расширения выбора смены настроек таргетинга, желтый – с помощью оптимизации опыта пользователя. После этого стал возможным ответ на такие вопросы:
- какое из устройств дает самые низкие результаты на каждом из этапов?
- на какой канал заходит наибольший трафик на начало воронки, но далее клиенты не идут?
- есть ли какие-то недочеты в работе с поисковиком?
Данные по сегментам
Если предыдущий раздел рассказывал нам о том, как правильно работать с агрегированными сведениями, здесь мы попробуем понять конкретные группы.
Стандартное деление на сегменты происходит в зависимости от вида пользователя:
- основа – куки-файлы;
- основа – браузеры или гаджеты;
- наличие функции «инкогнито», удаленные куки.
Продемонстрированные на изображении цифры рассказывают, что те потенциальные клиенты, которые возвращаются:
- часто просматривают только один продукт;
- больше 50% сохраняют товар в корзине;
- 85% доходят до этапа, на котором нужно оформить заказ;
- Более 70% приобретают продукт.
Проведем анализ доли отказов.
Google предоставил возможность делить аудиторию на группы, основываясь на базовых и кастомных показателях.
Проблему значительно проще обнаружить, когда происходит анализ групп, которые были созданы на основании разных параметров. Так можно увидеть, какой достигнут коэффициент конверсии.
Вам нужно большего практического опыта?
Хотите больше практики?
Углубленное изучение поведения клиентов
Деление на группы для составления SBA-отчета.
Понадобится освоить использование регулярных выражений, понять, как и по каким параметрам можно осуществлять деление на группы.
Показатели, отображающие число сессий с осмотром товара, часто искусственно повышен и недостаточно надежен. Небольшое влияние клиент оказывает самостоятельно, направляя или отказываясь от направления трафика на конкретный раздел.
Попробуем создать два сегмента:
- сессия, где посадочные страницы равняются страницам с описаниями о товаре;
- сессии, где страница с подробной информацией о продукте и целевая страница разные.
Все они помогут подробно изучить все движение покупателя по воронке продаж.
Попробуйте создать сегмент:
Для него нужна такая инфраструктура веб-сайта, чтобы страницы могли легко отделяться одна от другой. В Google Merchandise Store быстро получить эти данные невозможно, поэтому примером станет домашняя страница
Для каждого отчета анализа поведения потребителя рекомендуется применять только один сегмент.
Можно увидеть, что процент сеансов посадочной и домашней страниц одинаковы. Получить данные можно в удобной для клиента форме, например, в составе электронной таблицы.
Полученная информация достаточно сложная, и в ней очень легко запутаться. Всегда стоит помнить, что проведение анализа делается для ответа на вопрос или изучения. Стоит применять только те сведения, которые нужны для решения поставленной задачи.
Сегментирование на основе воронки
Очень многие пользователи не знают об этом способе.
Работает он по такому алгоритму:
Этап 1. Зайти в отчет о поведении потребителя и перевести стрелку мыши на нужный этап.
Этап 2. Создать сегмент.
Этап 3. Изучить созданный сегмент
Всего за 60 секунд можно сделать 3 различных сегмента:
- сессии, во время которых товар добавлялся в корзину;
- сессии, на которых происходил заказ;
- сессии, во время которых производились транзакции.
Вид они имеют такой:
В случае необходимости для следующих проведений анализа понадобится создать еще несколько отчетов:
Подходящий набор сведений на изображении ниже:
В этом отчете по воронке отсутствуют сеансы, на которых был изучен продукт.
В итоге мы получаем 7 сегментов:
Используя настройку в ручном режиме, можно достигнуть большего. Можно выделить сеансы, где было произведено добавление в корзину за исключением те, когда вход в корзину был осуществлен изначально.
Но можно и не усложнять.
Последнее важное напоминание – сегменты, которые были основаны на показателях этапа совершения покупки. Выбрав требуемый сегмент, нужно кликнуть на надпись: «Изменить».
В данный момент вам нужно понимать:
- как происходит отчет анализа поведения потребителя?
- каким образом можно проводить базовый анализ?
- как разделить аудиторию, основываясь на воронке продаж?
Теперь перейдем к следующему шагу. Использовать сегмент вместе с информационным отчетом можно, чтобы понять намерения клиентов.
Применение сегментов, основываясь на воронке
Лучшее – то, что изученные нам сегменты могут применяться фактически к любому из отчетов в Google Analytics. Тем не менее, можно выделить и недостатки:
- установлен лимит размеров сегмента и корреляции параметров;
- за одну попытку можно провести анализ воронки лишь по одному показателю.
Например:
Нужно сопоставить конверсионный коэффициент разных каналов электронной коммерции. Значит, потребуются сессии, во время которых продукт добавлялся в корзину:
- Переходим в источники трафика, во вкладку всего трафика, а из него – в каналы.
- Берем сегмент с сеансами, где товар добавлялся в корзину.
- Убираем стандартные для клиентов показатели.
- Открываем вкладку с нужными метрическими данными.
- Конверсионный коэффициент равен практически 17,5%. Анализируются показатели каждого отдельного канала:
- органического трафика;
- осуществленный;
- прямое посещение.
Гарантий надежности данной метрики нет, но сведения дают полезную информацию о желаниях покупателя.
Можно создать и сопоставить несколько разных сегментов и применить их в отношении каналов, устройств, государств и любым другим параметрам. Так можно узнать больше о своей аудитории и ее задачах.
Данные удобно выгружаются в таблицу, что упрощает анализ.
Единственная сложность может возникать при желании провести анализ сразу нескольких сегментов. Тогда пригодится Google Analytics API.