eCommerce начинается с аналитики - PROMO для Icomm

Руслан Близнюк


ЦелиМикро

• открыл страницу “контакты”

• нажал кнопку “заказать обратный звонок”

• подписался на рассылку (ecommerce-проект)

• положил товар в корзину

• воспользовался чатом для консультации

действия, которые характеризуют вовлеченность, но никак не выражаются в деньгах

Макро• купил товар (не путать с “положил в

корзину”)

• оставил заявку на замер (установка окон)

• записался на пробное занятие (абонементы в спортзал)

• подписался на рассылку (контентный проект)

действия, которые дают “предварительное соглашение” на передачу денег за услугу

лидважное действие


О проектеСеть фитнес-клубов

Задачи онлайн-рекламы:

• продавать он-лайн абонементы в фитнес-клубы

• клиент имеет право на пробное занятие, после этого решает платить или нет

Определения лида:

• для подрядчика – пользователь оставил заявку на абонемент и пришел на пробное занятие

• для клиента – пользователь оплатил абонемент после пробного занятия


Что делаем?1. Выдвигаем гипотезу по типу: “А что если в наш спортзал чаще

записываются те, кто просмотрел видео-ролик с презентацией спортзала?”

2. Превращаем гипотезу в сегмент.


О’кей Гугля настроил цели, как теперь превратить в лидов знание о том, что мой промо-ролик смотри 3000 человек в месяц?

Подсказка: сегментами и ремаркетингом


Как принимаем решение?1. Смотрим расхождения с базовыми показателями.

2. Создаем аудиторию для ремаркетинга


Что мы только что сделали?

• Придумали гипотезу

• Протестировали её достоверность на реальных показателях

• Запустили нужный инструментарий в работу


Пару идей, которые стоит проверить

Цели:• брошенные корзины (добавил товар, но не

купил)

• станица контактов, FAQ, о нас, как проехать

• промо-ролики, pdf-презентации, скачивание прайс-листов

• взаимодействие с онлайн-чатом, подписка на рассылку

• повторный сеанс

• взаимодействие с баннерами акций

• последовательные повторные посещения инфо-блога со статьями определенной тематики

Поведение:• выясните, какие показатели

вовлеченности характеризуют самую конвертируемую аудиторию • страниц на сеанс

• среднее время на сайте

• дней от первого визита

• кол-во повторных сеансов

• создайте группы ремаркетинга для самой конвертируемой группы, при этом не отсеките слишком много • можно углублять детализацию, например,

поведен группы в рамках интереса к определенной товарной категории

• можно разделить группы по городам, и по другим критериям, которые будут оправданы


Про модели атрибуциив двух словах


Простой способ* изменить отношение к источнику трафика

*без СМС и регистраций


Где смотреть?Последний пункт в меню Google Analytics:

Конверсии

Атрибуция

Инструмент сравнения моделей


О многоканальных последовательностях

в трех словах


Сколько взаимодействий с сайтом делает пользователь прежде чем сделать транзакцию?


Сколько дней проходит от первого контакта до принятия решения


По каким каналам/источникам пользователь возвращался к сайту


Какой “вес” источника трафика во всех транзакциях, в которых он участвовал?


Где смотреть?Пункт над “Атрибуция” в Google Analytics:

Конверсии

Многоканальные последовательности


и почему не стоит использовать усредненные значения там, где можно использовать точные

Почему не хватает одной только Google Analytics



НУ БЫВАЕТ

ЧТО ПОДЕЛАТЬ


• надо воспользоваться выгрузкой транзакций • учитывать как оплаченные

• так и отклоненные (в идеале с причиной отказа)

• идентификатором транзакции в CRM должен совпадать с идентификатором транзакции в GA

• используя Excel и VLOOKUP сопоставить данные по транзакциям из GA и выгрузки • проанализировать откуда транзакции пришли

• проанализировать поведенческие факторы

• проанализировать причины отказа

• спросить, в конце-концов, что происходило на стороне офлайна


Зачем это делать?Частые причины отказных транзакций:

• накрутки • специально

Фрилансер Вовочка пообещал за 1000 грн в месяц поднять конверсии из контекста в три раза до конца недели. Немного не справился и попросил друзей помочь, купив пару товаров с левыми контактными данными.

• не специально Программист Геннадий занимался настройкой расширенной электронной торговли и тестировал работоспособность с основного домена.

• проблемы на стороне офлайна • кол-центр давно не мотивировали (чтобы это не значило) • служба доставки начала проигрывать улиткам по скорости • товар внезапно закончился на складе • <вставьте причину, по которой вы отказывались от услуг или товаров>

• проблема из серии “ожидание - реальность” На сайте пообещали одни условия, а по факту они другие.

А ТЕПЕРЬ ПРЕДСТАВЬТЕ

ЧТО У НАС ЕСТЬ ВОЗМОЖНОСТЬ АНАЛИЗИРОВАТЬ ЭТО КАЖДЫЙ ДЕНЬ


И не только это• подтягивать маржинальность на каждый продукт в каждой транзакции

• следовательно из п.1 – вести правильный подсчет ROI

• видеть показатели в нескольких моделях атрибуции

• подтягивать данные из колцентра

• подтягивать данные по расходам по всем источникам трафика

• оценивать влияние цен конкурентов на вашу конверсию

• начать, наконец, работать с LTV

• избавиться от семплирования данных


и таких решений существует множество

Для этого стоит собирать и хранить данные в сторонней базе данных


Одно из возможных


Как минимизировать число ложных выводов


Правильная динамикаКакие выборки нельзя считать репрезентативными: • ярко выраженная сезонность

• сравнить январь с декабрем в нише подарков

• сравнения без учета внешних факторов • запустили 5 дополнительных кампаний в контексте, удивительно почему же вырос трафик?

• провели акцию на товар через соц. сети – озадачиваемся влиянием сезонности на популярность товара

• пришла жара – покупают кондиционеры; подрядчик заявляет о своем гигантском вкладе в успех продвижения

• данные очень искажены за счет семплирования


И про сегменты не забывайте

• товарные группы (по отчетам электронной торговли)

• категории (по страницам входа)

• по характеристикам трафика

• по городам

• по типу и модели устройства

• по технологиям (ОС, разрешение экрана)

• тысячи их…

ВОПРОСЫ

СПАСИБО ЗА ВНИМАНИЕ

Data & Analytics

eCommerce начинается с аналитики - PROMO для Icomm