1. Сделал хотя бы один клик после перехода (non-bounced visitor).
2. Добавил товар в корзину.
3. Нажал кнопку «оформить заказ» (checkout).
4. Оформил заказ.
Оптимизируя каждый шаг, можно увеличить число посетителей, которые доходят до конца воронки.
Анализ мерчандайзинга – это самое лучшее, что я узнал о внутренней веб-аналитике, когда изучал систему Omniture (ныне Adobe) SiteCatalyst. Анализ мерчандайзинга – это способ оценки эффективности виртуальных полок интернет-магазина. Сайт интернет-магазина включает в себя несколько типов страниц: главная, поиск, страница категории товаров, страница информации о товаре, корзина, шаги заказа и личный кабинет пользователя. На каждом типе страниц размещаются блоки товаров (рис. 12.2) – например, горизонтальная линия из пяти ротируемых товаров или большой блок списка товаров на страницах категории. В любом товарном блоке товар подается со следующими атрибутами: картинка, сниппет с небольшой информацией, цена, название товара, кнопка добавления в корзину или быстрого заказа. Что можно делать с дизайном подачи товара в блоке? Можно увеличить картинку, убрать какие-то элементы. А вот посчитать, что изменилось в метриках, можно с помощью анализа мерчандайзинга, где аналогом обычной полки в магазине будет блок товаров в интернет-магазине.
Рис. 12.2. Пример мерчандайзинга сайта интернет-магазина
Сам анализ работает следующим образом: все ссылки на товары (картинки, названия, кнопка добавления в корзину) помечаются специальными невидимыми тегами, где могут быть указаны тип страницы (главная, поиск и другие), название блока (горизонтальный, листинг), тип ссылки (картинка, название, кнопка добавления в корзину). Для каждого клика на таком блоке система запоминает, на каком товаре в каком блоке какой пользователь кликнул. Затем система в течение заранее установленного времени (например, 24 часа) следит за пользователем, что он будет делать с этим товаром после клика. Если пользователь добавил его в корзину или заказал, то эта метрика будет приписана к тому невидимому тегу, который был при клике. На выходе вы можете получить следующую статистику (табл. 12.1).
Таблица 12.1. Расчет эффективности мерчандайзинга
Обычно я выгружаю такую статистику в Excel, разбиваю тег на три поля (тип страницы, тип блока и тип ссылки) и получаю возможность легко решать следующий круг задач:
• Каков вклад в продажи каждого типа страницы? Например, 15 лет назад я вычислил, что страница поиска Ozon.ru дает половину от всех добавлений в корзину на сайте.
• Каков вклад рекомендательных блоков в продажи? На момент моего ухода из Ozon.ru система рекомендаций обеспечивала около 38 % всех добавлений в корзину.
• Откуда чаще покупают – после клика на картинке товара или на его названии? Тогда я выяснил, что чаще кликают на изображении, но названия товаров дают больше продаж.
Когда аналитик может это считать, у компании появляется неограниченное поле для экспериментов «а что, если»: увеличить картинки товаров, убрать картинки из поиска, поменять местами блоки товаров, изменить алгоритм рекомендаций в блоке товаров. Если у вас есть метрики мерчандайзинга, появляется гораздо больше возможностей для модификации сайта.
Напишу про некоторые нюансы этого типа анализа. Во-первых, там есть такая же проблема реатрибуции тегов, как и в рекламе: пользователь через поиск на сайте кликнул на товаре, через некоторое время он кликнул на том же товаре в блоке рекомендаций и купил его. К чему атрибуцировать товар – к странице поиска или блоку рекомендаций на сайте? Есть две стратегии: выиграл первый и выиграл последний. В первом случае этот заказ получит страница поиска, во втором – блок рекомендаций. Однозначного ответа на вопрос, какая стратегия лучше, нет. Я лично предпочитаю вариант «выиграл первый». Во-вторых, вычисления для анализа мерчандайзинга намного более затратны по сравнению с анализом рекламы. Из-за этого Omniture SiteCatalyst отказался поднимать время слежения за действиями пользователя с 24 часов до 7 дней, и мне пришлось пользоваться метрикой добавления в корзину, а не заказа, потому что в течение двадцати четырех часов после первого визита на сайт человек, как правило, не делает заказ, но успевает положить товар в корзину. Обращайте внимание, как вендоры веб-аналитики работают с мерчандайзингом: у Яндекс. Метрики такого нет и не планируется, у Google Analytics есть Enhanced Ecommerce, у Adobe Analytics есть анализ мерчандайзинга [114]. Я изучал документацию по внедрению двух последних систем и могу сказать, что в Adobe Analytics это сделано намного лучше, чем в Google Analytics. Я сам заимствовал эту идею и написал свой алгоритм расчета, который используется и по сей день компанией Retail Rocket для вычисления эффективности рекомендаций на сайтах клиентов.
Карта кликов на странице – интересный инструмент, но ее нужно очень серьезно настраивать, если работа идет с динамическими блоками, когда товары там ротируются. Я обычно старался заменять ее на анализ мерчандайзинга, а саму карту рисовать в редакторе. Это позволяло мне сделать усредненную карту кликов для страницы товара, когда самих товаров около 500 тысяч. Никакая карта кликов сама по себе с этим не справится, а анализ мерчандайзинга может.
Еще один полезный инструмент – «видеозапись» действий пользователя. Его умеет делать Яндекс. Метрика, сам инструмент называется вебвизор. Он сохраняет все действия небольшой части пользователей, включая движения мыши. Потом вы можете просмотреть такие записи в интерфейсе программы. Это напомнило мне книгу Пако Андерхилла «Как заставить их покупать». В этой книге автор рассказывает, как он расставляет огромное количество камер в магазинах клиентов, сутками смотрит видеозаписи, дает рекомендации, как изменить пространство магазина, чтобы больший процент посетителей совершили покупку. Точно так же можно использовать и вебвизор. К сожалению, инструмент недооценен либо по причине слабой информированности, либо из-за неудобства в использовании. Этот способ – хорошая альтернатива дорогим системам юзабилити, например трекерам глаз.
По веб-аналитике я могу дать важный совет – читайте не инструкции для пользователя, а инструкции по внедрению. Именно там зашита вся суть – когда вы их прочитаете, у вас будут появляться свои мысли о том, как использовать какие-то хитрые фичи системы веб-аналитики, с которой вы работаете. Второй совет – думайте фундаментально. Мне очень понравился подход функционализма [109] в веб-аналитике. Даже на самых простых инструментах, используя подобный подход, можно принимать более системные решения.
Маркетинг на основе баз данных
Электронную почту изобрели давно, мы все ею до сих пор пользуемся. До эпохи интернета была развита торговля по почтовым каталогам, которая зародилась в США в XIX веке. После этого появился директ-маркетинг, задачей которого является продажа через прямые каналы коммуникаций (почта, электронная почта, телефон). Это очень отличается от обычной рекламы, которая «бьет по площадям». В директ-маркетинге идет работа с клиентом на индивидуальном уровне. Работу можно разделить на два типа: продажа уже накопленной базе клиентов и рекрутирование новых. Первый тип – это маркетинг на основе баз данных.
