- Суть и задачи цифровой аналитики
- Плюсы и минусы цифровой аналитики
- Инструменты цифровой аналитики
- SQL и разновидности
- Python и библиотеки
- R
- Jupyter Notebook
- DBeaver
- Talend
- Tableau, Power BI
- Visual Studio Code
- Excel
- SAS
- Метрики цифровой аналитики
- Необходимые навыки для цифрового аналитика
- Умение задавать вопросы и слушать ответы
- Критическое мышление
- Системность
- Эмпатия
- Будущее цифровой аналитики
- Часто задаваемые вопросы о цифровой аналитике
- Чем веб-аналитика отличается от цифровой?
- Как получить профессию цифрового аналитика?
- Что является залогом успешного анализа данных?
25 рабочих гипотез для увеличения конверсии на 40%
Скачать материалы
О чем речь? Цифровая (digital) налитика – комплекс мер для сбора и анализа данных, на основе которого принимаются стратегические и тактические решения в бизнесе. Работа осуществляется с использованием разных инструментов: от Excel до крупных BI-систем и скриптов на Python или R.
На что обратить внимание? Цифровая аналитика использует не только ПО, но и набор метрик: ROI, LTV, CAC, CPA, CPL. Производить их расчет могут руководитель бизнеса самостоятельно, начальники подразделений, бизнес-аналитик или целый отдел.
Суть и задачи цифровой аналитики
Инновационные технологии, мировые кризисы, глобальные изменения в политике и финансах – все это заставляет искать более эффективные способы анализировать ситуацию и делать выводы на достоверной актуальной информации.
Существующие мощные системы администрирования уже сейчас позволяют использовать цифровую аналитику для нахождения оптимального баланса компании, а именно определения порога, приближение к которому грозит ей убыточностью.
Появилась возможность автоматически принимать рутинные управленческие решения, основанные на изучении различных цифровых значений. Наем персонала, определение размера премий, продвижение продукта в конкретном сегменте рынка – это лишь малая часть функций, выполнение которых значительно упростилось.
Благодаря этому транзакционные издержки снижаются, а производительность работника растет. Перед бизнесом отрываются новые горизонты: при аналогичных размерах инвестиций он становится более продуктивным и прибыльным.
Бизнес-аналитика – обширное понятие, куда входят и небольшие скрипты на Python, и колоссальные по масштабу информационные продукты. Это две крайние точки, между которыми – масса звеньев, различных по набору текущих задач. Маркетинг – одна из сфер, где цифровая аналитика способна упростить работу специалистов за счет предоставления результатов изучения таких данных, как поведение клиентов, реакция аудитории на рекламные кампании, лояльность потребителей и так далее.
Плюсы и минусы цифровой аналитики
С целью повышения эффективности работы компании осуществляют сбор, измерение, исследование и интерпретацию данных, собранных в самых разных источниках – на веб-сайтах, в мобильных приложениях и социальных сетях. Поговорим о том, какие преимущества получают коммерческие структуры, активно внедряющие в свою деятельность инструменты цифровой аналитики:
- Лучше понимают потребности своих клиентов. Машинные методы изучения поведенческих факторов предоставляют полную картину взаимодействия пользователей с цифровыми платформами. Компания знает, по каким запросам люди приходят на ее площадки, что им нравится, а что нет, насколько они активны при изучении контента, на каком моменте покидают сайт или приложение. Грамотно используя полученные данные, бизнес может корректировать поведение потенциальных потребителей в свою пользу.
- Могут оптимизировать кампании цифрового маркетинга. Анализ таких показателей, как количество кликов, коэффициент конверсии и вовлеченности, позволяет коммерческим организациям улучшать стратегию цифрового маркетинга, делая его более эффективным и менее затратным.
- У них больше возможностей для определения перспектив развития бизнеса. Компании, применяющие цифровую аналитику, на шаг впереди конкурентов, которые не считают нужным внедрять такие технологии. Более продвинутые бизнес-структуры способны предугадать актуальные тенденции в своей отрасли и заранее переориентировать производство, занять новые рыночные ниши.
- Более эффективны с точки зрения экономики. Традиционные методы исследования могут обходиться дороже, чем внедрение инструментов цифровой аналитики в повседневную деятельность предприятия.
- Доступны актуальные данные. Поведение пользователей анализируется в режиме реального времени, что позволяет оперативно предпринимать шаги по удовлетворению меняющихся запросов целевой аудитории.
- Всегда на шаг впереди конкурентов. По сравнению с соперниками, не использующими цифровую аналитику, такие компании владеют свежей достоверной информацией, на основе которой делают выводы и принимают правильные управленческие решения.
При всех перечисленных преимуществах недостатки у этого метода сбора и изучения данных тоже имеются:
- Недостаточный объем исходных сведений. Объектом исследования является информация, которую удалось найти на общедоступных цифровых платформах. Не всегда этого достаточно для получения полной и достоверной картины, даже блокировщики рекламы могут негативно повлиять на сбор данных. В итоге выводы будут неверными, а принятые на их основе решения – ошибочными.
- Необходимость специальных знаний. Проводить грамотный анализ полученной с интернет-площадок информации и интерпретировать результаты исследования не сможет человек без соответствующих навыков и специального образования. Если крупные компании могут себе позволить иметь штатного аналитика (или нескольких), то для небольших предприятий расходы на содержание такого профессионала могут оказаться слишком большими.
- Большое количество итоговых данных. Важно понимать, что результатом использования инструментов цифровой аналитики является огромный объем различных показателей. Принимать решения, опираясь на эту информацию, без навыка стратегического мышления очень сложно.
- Проблема соблюдение конфиденциальности. Поскольку собираются данные о конкретных пользователях, необходимо предусмотреть процедуру получения их согласия на обработку информации.
- Субъективный подход к результатам анализа. Предвзятость и склонность к интерпретации итогов исследования в свою пользу могут серьезно навредить компании. Важно соблюдать отстраненность и независимый взгляд на ситуацию.
- Высокая стоимость. Цифровая аналитика зачастую требует от бизнес-структуры серьезных инвестиций в программное обеспечение, инновационные технологические решения, грамотный персонал.
Инструменты цифровой аналитики
Программ, технологий и приложений, которыми пользуются аналитики, немало, но не надо стремиться освоить как можно больше существующих инструментов. Гораздо полезнее разбираться в функционале наиболее распространенных и понимать, для решения каких задач лучше подходит каждый из них.
SQL и разновидности
SQL (Structured Query Language) – особый язык, формирующий запросы к базе данных по определенной структуре. Собранные с его помощью сведения впоследствии обрабатываются с использованием более гибкого языка программирования, например, Python.
Разновидности SQL предназначены для решения узких задач. Так, система управления базами данных MySQL позволяет хранить любые данные: карточки товаров, контакты покупателей, сведения о дате размещения материалов на сайте и так далее. Более сложная разновидность PostgreSQL создана для управления большими базами данных и обработки сложных запросов, в том числе в промышленности, сфере финансов, крупном ритейле. Открытый исходный код позволяет пользоваться SQL и его разновидностями предприятиям любого формата и направления деятельности.
Python и библиотеки
Python представляет собой универсальный инструмент для сбора и обработки информации. Простой синтаксис этого языка ускоряет написание кода по сравнению с другими, например, Java. Встроенный интерпретатор позволяет аналитикам сразу проверять свои гипотезы.
Для упрощения работы с этим инструментом цифровой аналитики создателями предусмотрены библиотеки, то есть файлы с шаблонами. Такое решение помогает обойтись без постоянного набора одного и того же кода. Аналитик подставляет в готовый шаблон свои данные и получает результат. Перечислим наиболее популярные библиотеки.
- Pandas. Применяется для анализа неполных и неупорядоченных данных, с которыми приходится иметь дело чаще всего. Библиотека Pandas включает готовые методы фильтрации и классификации данных.
- Matplotlib. Разработана для визуализации результатов анализа, на ее шаблонах строятся все виды графиков.
- NumPy. Предназначена для работы с большими массивами данных и упрощения осуществляемых с ними математических операций.
R
Этот конкурент Python разрабатывался для работы со статистическими данными. Изначально бесплатный инструмент, который может быть интегрирован в другие, например, Tableau или Excel, на условиях дополнительного взноса. Основные сферы применения этого языка – научные и медицинские исследования, банковские и образовательные системы.
Jupyter Notebook
Бесплатная интерактивная среда для языка Python, инструмент, с помощью которого дата-аналитик справится с большинством задач. Позволяет запускать код и затем работать с полученными результатами. Есть возможность проверять каждую созданную функцию, не запуская программу полностью, или выводить результаты сразу после написания фрагмента кода.
Jupyter Notebook предусматривает коллективную работу нескольких специалистов через настройку совместного доступа и предоставление материалов из своих записных книжек через Dropbox, Jupyter Notebook Viewer или по почте.
DBeaver
Программа для аналитики, позволяющая работать с такими базами данных, как MySQL, PostgreSQL, Oracle и т. д. В число ее функций входит:
- администрирование баз данных (анализ, экспорт и импорт данных, работа с пользовательскими сессиями);
- визуализаций собранной информации;
- просмотр, редактирование, сортировка и фильтрование данных.
Talend
ETL-инструмент, созданный с целью оптимизации и упрощения процесса интеграции данных. Технология ETL (Extract, Transform, Load – извлечение, преобразование и загрузка) востребована при необходимости оперативно объединить данные, полученные из нескольких источников. Предположим, компания реализует автомобильные шины в офлайн-точках и через интернет-магазин.
Понять, какой канал продаж эффективнее, можно путем подгружения данных из разных баз. Обычно информация скачивается поочередно из систем аналитики веб-трафика, CRM и других источников. Talend позволяет получить все данные одновременно и интегрировать их для последующего анализа.
Поскольку разработчики оставили исходный код открытым, платить за использование базовой версии не придется.
Tableau, Power BI
Полученную в результате своей работы информацию дата-аналитик должен визуализировать, представив ее в виде графика, отчета или диаграммы. Можно сделать это вручную, а можно ускорить процесс, используя специальные инструменты, например, Tableau. Однако эта программа по карману не каждому, поэтому можно прибегнуть к более доступному варианту – Power BI от Microsoft.
Платить за десктопную версию не надо, инструмент обладает необходимым функционалом для обработки большого массива данных, собранных из MySQL, Google Analytics, CRM и т. д. Для просмотра готовых отчетов больше подходит мобильное приложение Power BI Mobile. Для пользователей предусмотрена возможность прокомментировать отчет и поделиться с коллегами графиками или диаграммами.
Visual Studio Code
Этот инструмент дата-аналитики любят за помощь в написании кода. Разработчики научили VSCode распознавать синтаксис популярных языков программировании, что позволяет избегать ошибок. Он взаимодействует со всеми интепретаторами Python, поэтому работоспособность кода можно проверить сразу.
Специалисты ценят простоту VSCode. Он позволяет открывать в одном окне файлы разного типа и переключаться между браузерами, благодаря чему результаты можно получить быстрее.
Excel
Таблицы Microsoft в качестве инструмента цифровой аналитики пока еще в ходу в небольших компаниях, с их помощью собираются и анализируются ограниченные объемы данных. Более крупные бизнес-структуры часто используют Excel для визуализации результатов, создавая в нем сложные графики и диаграммы.
Альтернативный вариант – Google Таблицы, где удобно планировать бюджет и отслеживать расходы. Каждая категория трат будет выглядеть как сектор диаграммы.
SAS
В этом программном пакете собраны все перечисленные выше технологии. Аналитическая платформа, позволяющая проводить сбор, обработку, визуализацию данных, составлять отчеты, осуществлять расширенный анализ, задействуя алгоритмы статистики и прогнозных моделей. SAS чаще всего используется дата-специалистами в крупных корпорациях, заботящихся о безопасности своих клиентов.
Метрики цифровой аналитики
Метрикой в цифровой (digital) аналитике называют показатель, который можно измерить в реальных числах. Задача специалиста – правильно интерпретировать это значение.
KPI – ключевой показатель эффективности, выражаемый в процентах и находящихся в неких нормативных пределах. Бизнесу необходимо знать свой KPI, чтобы сопоставить его со среднерыночными значениями и понимать реальное положение компании.
Ключевые показатели эффективности необходимы при поиске зон роста и зон риска. Из этого следует, что при разработке стратегии продвижения надо ставить измеримые и конкретные цели, например:
- Увеличить средний чек до 30 000 рублей.
- Снизить стоимость заявки до 300 рублей.
- Привлечь 1500 человек на конференцию за 2 месяца.
- Повысить прибыль компании на 20 % за 3 месяца и т. д.
- Коэффициент конверсии (CR). Метрика, показывающая, сколько процентов пользователей выполнили целевое действие (купили продукт, зарегистрировались на сайте, скачали приложение).
- Кликабельность (CTR). Показатель, который означает процент посетителей сайта, кликнувших по баннеру, от общего числа пользователей, которым он был показан. Метрика позволяет оценить эффективность контекстной и медийной рекламы.
- Цена за клик (CPC). Помогает понять, во сколько вам обходится каждое нажатие по рекламному объявлению и, соответственно, насколько эффективна кампания.
- Цена за действие (CPA). Это сумма, выплачиваемая рекламной платформе за совершение пользователем целевого действия, какого именно, выбираете вы. Как правило, определяют стоимость подписки на рассылку, на бронь тура, на запрос звонка и т. д.
- Стоимость лида (CPL). Лид – это посетитель рекламной площадки, оставивший свои контакты и тем самым подтвердивший намерение приобрести продукт. Метрика помогает понять, не выходят ли ваши расходы на привлечение клиентов за установленные рамки.
- Стоимость привлечения клиента (CAC). Каждый новый покупатель обходится вам в определенную сумму, в которую входят затраты на рекламу, содержание отдела маркетинга, приобретение программного обеспечения, услуги дизайнеров.
- Окупаемость расходов на рекламу (ROAS). Метрика, которая точнее остальных подтверждает или ставит под сомнение эффективность онлайн-маркетинга. ROAS показывает, сколько вы заработали (или потеряли) в пересчете на каждый рубль, вложенный в продвижение. ROAS выше 100 % говорит о том, что кампания прошла успешно, ниже – свидетельствует об обратном.
- Окупаемость инвестиций (ROI). ROI или ROMI (для маркетинга) – метрика, по которой собственник бизнеса делает выводы о степени доходности своего предприятия. ROI нельзя путать с ROAS. Если ROI равен 100 %, ваша прибыль вдвое превышает расходы. ROAS в 100 % показывает, что вы ничего не заработали.
- Средний доход с пользователя/клиента (ARPU/ARPC). По этой метрике судят о количестве средств, поступающих от каждого реального клиента за определенный промежуток времени. Известное значение ARPU помогает рассчитать трафик на сайт, достаточный для получения запланированного дохода.
- Показатель оттока клиентов (Churn Rate). Показывает, сколько процентов подписчиков, пользователей, клиентов прекратили сотрудничество с вашей компанией за определенный период.
- Коэффициент удержания клиентов (CRR). Метрика, позволяющая понять, возвращаются ли пользователи за повторной покупкой. Сохранение существующих клиентов обходится дешевле, чем привлечение новых, и это серьезный повод держать на контроле значение показателя.
- Пожизненная ценность клиента (CLV или LTV). LTV показывает, какую прибыль компания получает на протяжении всего срока взаимодействия с покупателем. Можно рассчитать фактическое или прогнозируемое значение метрики.
- Customer Retention Rate (CRR). Показатель, который измеряет способность компании удерживать своих клиентов и сохранять их лояльность на протяжении определенного периода времени. Высокий уровень CRR является одним из ключевых показателей успешности бизнеса, так как удержание существующих клиентов обычно более выгодно, чем привлечение новых.
Необходимые навыки для цифрового аналитика
Может показаться, что многие навыки, о которых пойдет речь, необходимы любому сотруднику современной компании. Однако именно для дата-аналитика это набор ключевых умений, помогающий продуктивно общаться и с заказчиком, и с работниками компании, принимающими участие в процессе. К таким навыкам относятся.
Умение задавать вопросы и слушать ответы
Навык интервьюирования необходим бизнес-аналитику для погружения в процессы и поиска отправной точки для их оптимизации.
От того, насколько точно и грамотно будут сформулированы вопросы к заказчику, во многом зависит результат работы цифрового аналитика. Чтобы понять потребности клиента, потребуется целый комплекс прямых и косвенных вопросов, через ответы на которые специалист сможет составить представление о сути проблемы.
Критическое мышление
Поскольку цифрового аналитика приглашают для исследования ситуации и получения конкретных рекомендаций по ее улучшению, он должен в полной мере осознавать степень лежащей на нем ответственности.
Чтобы быть уверенным в своей правоте и не навредить клиенту ошибочными советами, бизнес-аналитик должен постоянно перепроверять свои гипотезы и при малейшем сомнении выдвигать новые, работая в контакте с представителем заказчика.
Системность
В процессе сбора информации о бизнес-процессах компании аналитик выслушивает большое количество ее сотрудников. Не все полученные им сведения пригодятся для решения рабочих задач.
Предположим, что специалисту предстоит оптимизировать управление системой складского хранения. Для этого он интервьюирует работников склада, пытаясь определить текущие проблемы. Помимо полезной он услышит массу ненужной информации, например, о конфликте между кладовщиками и водителями большегрузов. Умение выделить главное и отсечь второстепенное является одним из ключевых профессиональных навыков дата-аналитика.
Эмпатия
Общение с людьми – необходимая часть работы этого специалиста, и умение сопереживать, принимать сторону собеседника часто помогает глубже вникнуть в проблему и собрать достоверную информацию.
Например, перед аналитиком стоит задача по оптимизации торгового процесса в крупном магазине, в том числе путем внедрения касс самообслуживания. Сотрудники, которым он задает вопросы, с трудом идут на контакт, поскольку предвидят последующее за этим сокращение штата. Эмпатия поможет бизнес-аналитику найти подход к собеседникам и получить ответы на свои вопросы.
В разных компаниях к цифровому аналитику могут выдвигать свой набор требований, но чаще всего от специалиста ожидают экспертных знаний по нескольким направлениям:
- Разработка ПО. Бизнес-аналитик обязан разбираться в этом вопросе, поскольку его деятельность напрямую связана с использованием специальных программ.
- SQL. Владение языком поисковых запросов хотя бы на базовом уровне – еще один важный профессиональный навык бизнес-аналитика.
- Excel или Google-таблицы. В качестве места хранение данных компании часто используют именно эти инструменты, поэтому от дата-аналитика ожидают уверенного владения Excel и таблицами Google. В них осуществляются расчеты, составляются диаграммы и графики, а при помощи надстройки VBA делается быстрый срез по полученным данным.
- Нотации построения бизнес-процессов. В большинстве случаев речь идет о BPML, госучреждения могут применять EPS. Знание UML – языка моделирования бизнес-процессов – повышает шансы специалиста на получение заказа.
Будущее цифровой аналитики
Конкуренция в диджитал-пространстве постоянно увеличивается, поэтому для процветания бизнеса требуются новые инструменты и сервисы, с помощью которых можно не просто собирать и анализировать данные, но и предсказывать, давать рекомендации и наставления.
Сегодня прогресс пронизывает все сферы жизни, незаметно переходя в разряд обыденных вещей и явлений. Например, голосовые помощники, которые еще недавно казались фантастикой, стали привычными. В отрасли цифрового маркетинга появляются сервисы, усиленные машинным интеллектом и значительно превосходящие по своим возможностям более ранние инструменты.
Цифровая аналитика будущего сможет предсказывать поведение пользователей на основе анализа истории покупок, а также определять клиентов, склонных к оставлению отзывов.
Цифровая аналитика будет использовать безграничные возможности искусственного интеллекта. Например, при нехватке данных их можно будет смоделировать на основе имеющейся информации.
Часто задаваемые вопросы о цифровой аналитике
Чем веб-аналитика отличается от цифровой?
Веб-аналитика – более узкое понятие, одна из составляющих цифровой аналитики. Веб-аналитика представляет собой сбор и изучение данных, получаемых с сайтов, портативных устройств и бытовой техники с выходом в Интернет, умных часов, ТВ-приставок и игровых консолей.
Как получить профессию цифрового аналитика?
Соответствующая специальность есть в технических вузах. Обучение на факультете искусственного интеллекта займет четыре года. Можно заняться самостоятельным изучением технологий и программ по книгам или видео в YouTube. Однако эффективным этот способ не назовешь, поскольку постоянно появляются новые инструменты и сервисы.
Что является залогом успешного анализа данных?
Исходные сведения должны быть достоверными. Если за основу взять непроверенные, ошибочные или неполные данные, выполненный анализ будет бесполезен, а сформулированные по его итогам рекомендации могут навредить бизнесу. Золотое правило аналитика – данные должны подтверждаться как минимум двумя способами.
Преимущества цифровой аналитики перед традиционными методами сбора и изучения информации неоспоримы. Компания, которая хочет опережать конкурентов, удовлетворять потребности покупателей и оперативно принимать важные решения, опираясь на точный и достоверный анализ данных, должна понимать, что без современных технологий сделать это крайне сложно.
