Яндекс Метрика 2.0. Как обновленный сервис переходит на светлую сторону интернет-маркетологов. Часть 2.
В первой части данной статьи мы познакомились с новой Метрикой версии 2.0. Да, пока это в большей степени, функционал Метрики версии 1.0 с некоторыми полезными дополнениями. Но данная бета версия на текущий момент – первый шаг к многофункциональному сервису и сильному конкуренту Google Analytics.
В части 2 мы рассмотрим основные задачи, которые могут решаться интернет маркетологами в рамках ежедневной работы с рекламными источниками.
Задача 1. Анализ эффективности контекстной рекламы и SEO.
Это анализ базового уровня, который выполняет каждый менеджер направления контекстной рекламы или SEO продвижения. Аналитическая задача – выявить ключевые слова, которые не приносят результат. Результатом в нашем случае будут заявка на услугу через сайт.
Давайте сформируем большой отчет по всем ключевым словам и с количеством выполненных достижений страницы «Спасибо за заявку». Начнем с выбора периода анализа и цели.
Теперь, сделаем удобную группировку отчета. Мы выбираем ключевые параметры, на основе которых будем сравнивать эффективность ключевых слов.
В качестве результата мы получаем таблицу в интерфейсе сервиса Яндекс Метрика по которой можем сделать определенные выводы. Удобство Яндекс Метрики 2.0 заключается еще и в том, что мы сами можем выбирать, какие метрики нам говорят о результате и выстраивать их в единую таблицу.
Конечно, для того, чтобы провести работу над увеличением эффективности, нужно сопоставить еще и с расходом на ключевое слово. Поэтому, нам потребуется заветный друг любого интернет-маркетолога – Excel.
Задача 2. Анализ эффективности рекламных источников, направленных на привлечение новых пользователей.
Давайте рассмотрим ситуацию, при которой запущенная рекламная кампания, допустим, медийная на известном портале, не принесла должного результата в конверсиях. Показатели эффективности низкие.
Такая ситуация случается довольно часто, когда рекламная кампания не была направлена на прямой результат. Другими словами, аудитория, на которую медийная кампания была рассчитана, не была готова к покупке #прямосейчас. Пример: пользователь ходит по новостному сайту в спортивном разделе, читает новости. Видит баннер с рекламой новых кроссовок и думает – а было бы неплохо заняться бегом. Но просто бегать – не интересно. Сначала нужно выбрать компанию, время, место для стабильных тренировок.
Результат – заинтересованность в продукте высокая, но сиюминутной покупки не последовало. Отсюда, мы часто не видим результата в конверсии по конкретной рекламной кампании с целью – вызвать интерес (чтобы совсем углубиться – изучите модель AIDA). Конверсия потом может быть совершена, но совершенно с другого источника (например, брендового поиска Яндекс).
Уверены, что вы сразу вспомнили про многоканальные последовательности в Google Analytics. Да, этот принцип анализа есть и в Яндекс Метрике. Моделей, по которым ведется учет источников в цепи конверсии, правда, всего 2. Это Первый переход и Последний переход.
Как же с помощью Яндекс Метрики 2.0 узнать: какие источники привели на мой сайт заинтересованных посетителей, которые потом совершили конверсию?Ответить на этот вопрос позволяет отчет «Источники, сводка». В нем можно увидеть кнопку-переключатель, прямо над таблицей с данными:
Выберите в ней «Первый переход» и сможете увидеть, какие источники являются первыми в цепи конверсии. К сожалению, в одном отчете данные по первому и последнему переходам сравнить нельзя. Но статистика, опять же, выгружается, с этим проблем нет никаких.
Итак, мы получаем результат по источникам по модели «Последний переход»:
И по модели «Первый переход».
Очевидно, что выбранные источники часто помогают в первом привлечении посетителя на сайт.
Данный анализ сможет в некоторых ситуациях уберечь вас от преждевременного отключения рекламных креативов и ключевых слов.
Задача 3. Анализ долгосрочности взаимодействия с пользователем.
Еще одна задача, решение которой сможет помочь вам понять свою аудиторию Все вы наверняка слышали о когортном анализе, применяли в других инструментах веб-аналитики или в Excel.
Если нет, то поясню, когортный анализ – это анализ групп пользователей, сформированных по одному признаку – дате регистрации. Чаще всего, это месяц или неделя.
В каких случаях данный анализ стоит применять интернет-маркетологам? Возьмем пример интернет магазина, задача которого привлечь пользователя однажды на сайт так, чтобы он стал постоянным клиентом. Когортный анализ очень хорошо помогает понять ответ на вопрос – когда пользователь перестает приносить деньги в магазин? 2 недели? Месяц? Полгода?
Давайте еще раз сформулируем задачу, которую решим с помощью Яндекс Метрики 2.0: сколько времени пользователи моего проекта, пришедшие на сайт в мае, продолжают покупать мои товары? Через какой временной промежуток мне снова нужно задействовать для них рекламные креативы, чтобы вернуть их?
В первую очередь, создадим сегмент с условиями:
- Пользователь первый раз зашел в майские праздники
- Пользователь зашел с медийной рекламной кампании
Применяем сегмент к отчету «Источники» и ставим галочку только напротив «Итого, средние». Также, выбираем «Выручку» в качестве метрики для графика.
Далее – выбираем период – следующие несколько месяцев и группируем их по неделям.
В итоге мы получаем тренд, который в данном случае говорит следующее: пользователи с конкретной медийной кампании, проведенной в майские праздники, продолжают покупать и в августе. Значит, мы смогли привлечь реально заинтересованных пользователей, которые стали еще и достаточно лояльными к нашей компании.
Это достаточно простой и банальный вывод, но он тоже очень важен при оценке поведения пользователей вашего проекта.
Давайте подведем небольшой итог по сервису Яндекс Метрика 2.0. В качестве реальных преимуществ на данный момент:
- Удобство интерфейса и быстрое переформирование отчетов
- Новый уровень возможностей при работе с данными, легкое создание сегментов и пользовательских отчетов
- Возможность уже сейчас решать простейшие, но очень важные задачи по анализу рекламных размещений.
И самое главное – сервис развивается и будет развиваться скорыми темпами, чтобы уже в ближайшее время предложить огромные возможности по работе и правильному анализу данных.