Веб-аналитика — это безумно глубокая, сложная и многоуровневая сфера. Обучиться ей быстро невозможно, требуются годы тренировок и настройки различных проектов. К тому же материалов на русском языке слишком мало для формирования хорошего фундамента — пожалуй, есть несколько книг и блогов, и то авторы-специалисты успевают освещать тему лишь в меру своих сил и времени. Да, конечно, сейчас есть нейронные сети, и можно задать им вопрос, но в аналитике важно точно понимать, что спрашивать.
Обучаясь этому ремеслу, я пришёл к ощущению, что очень сложно найти материал, который бы действительно привлекал внимание к теме. Скорее, большинство курсов в этой нише отбивает желание заниматься профессией и развиваться в ней. Слишком много техники, работы с вероятностями, кодами и настройками, полно инструкций и везде требуется индивидуальный подход к проектам.
Когда я пишу заметку, то старше профессии веб-аналитика на 7 лет. Мне, кстати, 37, а профессии всего 30 лет. Что это в масштабе человеческой истории? 🤔 Исток — мы в начале пути и формируем будущее.
Можно сказать про таргет и SMM, что они ещё моложе, но в профессии рекламного трафика нет такой кроличьей норы: всё-таки настройка рекламы и SMM более ограничена 🚫 в масштабе и сложности.
Если сравнивать обе сферы по сложности и глубине, то веб-аналитика ушла вперёд на десятки лет, но при этом потеряла часть популярности из-за своей сложности и некоторой мутности в результатах. До сих пор не все понимают, зачем настраивать отслеживание на сайтах и в приложениях. Особенно это заметно в малом бизнесе, где в основном обходятся небольшими бюджетами, таргетом или контекстом без излишеств. Да и Hippo в малых организациях очень властны над ведением бизнеса.
Без аналитики никуда
Сегодня трафик стал сложным, дорогим, требуется постоянный детальный осмотр и корректировка — без веб-аналитика и данных это невозможно.
В то же время веб-аналитика никогда бы не достигла таких масштабов и уровня настройки без SMM, таргета, контекста и SEO. Каждая метрика рождалась в счётчиках аналитики с появлением нового вида трафика, блоков и кнопок на сайтах. Аналитика вбирала в себя все новшества и пыталась их структурировать — от простого числового счётчика на блоге в ЖЖ или на сайте с доменом narod.ru мы пришли к «Аналитиксу 4», Яндекс Метрике и Тег-менеджерам. Всё это — заслуга как создателей интернета в 1989 году, так и тех, кто создавал браузеры, сайты и их дизайн.
Сегодня аналитик должен обладать широким кругозором относительно всей сети интернет 🌐, потому что профессия пытается описать этот огромный мир с помощью визуализаций в счётчиках, метрик и данных в сводных таблицах. 🗃️
Элементарно Ватсон!
Веб-аналитик это человек с дедуктивным мышлением — Шерлок Холмс, который находит интересную штуку в интернете и начинает подбирать способы анализа ее поведения, показатели и метод оценки.
Объём цифр и данных 🔢 рос в геометрической прогрессии, и сегодня метрик так много, что их просто невозможно осознать. Большинству обычных сайтов не требуется отслеживать всё это множество показателей. Уже в 2016 году, когда я только начинал работать, Google понял, что грядёт эра дашбордов и визуализации, и простого Excel уже не будет хватать. Поэтому они начали внедрять визуализацию в Data Studio (Locker). Power BI появился намного позже, с простой целью — упаковать множество метрик в удобный дашборд на 1–2 листа, упразднив лишнее. Визуализация данных в 2025 году стала настолько актуальна, что специалистов, способных это делать, катастрофически не хватает — все загружены под завязку.
Какие сложности сегодня испытывает профессия? Пожалуй, одна, но очень большая — качество и своевременность данных. В 2020 году произошёл значимый перелом: во всех странах мира началась работа на государственном уровне по защите персональных данных граждан.
До России это дошло чуть позже, но уже сейчас мы видим результаты: новые законы, множество требований к политикам конфиденциальности, отключение Google Analytics, анонимные браузеры… Список растёт. Работать становится всё сложнее: на смену простой настройке целей приходит ИИ, серверное отслеживание, машинное обучение рекламных систем и многое другое. Но сама система остаётся прежней — сбор, обработка и визуализация данных 💽.
Можно добавить к сложностям сегментацию интернета на зоны политических интересов — теперь за пользователя будут бороться на государственном уровне, в первую очередь за хранение личных данных. Значит государства, которые понимают технологию управления людьми с помощью данных, будут строить свои экосистемы.
При наличии стека технологий от Яндекса (Direct, Metrics, DataLens, ЯТМ, ClickHouse…) в нашей стране точно закрыта вся потребность в софте для веб-аналитика. В других странах не уверен, потому что по-прежнему мировыми лидерами в работе с трафиком и личными данными считаются Analytics, GTM, Google Таблицы… Большинство стран не могут похвастаться собственным стеком технологий в области аналитики.
Гегемон слабеет
По статистике монополист аналитических инструментов Google после 2020 года теряет свои позиции по 2-3% за год, и тенденция к снижению охвата продолжает ускоряться.
Зачем нужна веб-аналитика. Что она умеет. Как попасть в профессию. 🤔
Любой бизнес требует сайта. Если в этом есть сомнения, рекомендую прочитать мою заметку Сайты наше все. Соцсети себя дискредитируют. Да, для ремесленников можно обойтись пабликом ВКонтакте, но если у вас трудится несколько человек, вам нужны лиды, заявки и платные каналы трафика — это как минимум лендинг, сбор метрик и аналитика.
В рекламном кабинете ВКонтакте или Яндекс.Директа можно смотреть статистику только по рекламе, но на сайт идёт трафик откуда угодно, в отличие от замкнутых экосистем социальных сетей. Значит, нужно видеть общую картину: откуда трафик, его цена, эффективность и прибыль с каждого канала.
Считать конверсии, лиды, звонки и их стоимость вручную или с помощью статистики внутри рекламных кабинетов невозможно — требуется отображение всех данных в одном окне, где они агрегируются удобным способом. Большинство проектов обходится счётчиками аналитики, но со временем рост бизнеса требует более детальных расчётов, совмещения и просчёта показателей специфическим образом. Тогда бизнес приходит к веб-аналитику и просит от него сбор данных и визуализацию в дашбордах.
После настройки, научившись работать с отчётностями и принимать на их основе решения, проект привлекает большое количество лидов, усложняется работа отдела продаж — возникает потребность в подключении CRM-системы, чтобы упорядочить поток клиентов и работу с ними. У крупного бизнеса такой набор различных систем называется ERP.
ERP-система (Enterprise Resource Planning) — это комплексная программа для управления всеми ключевыми бизнес-процессами компании в единой информационной системе.
Если чуть подробнее: Это единая база данных,которая объединяет и автоматизирует работу разных отделов: финансы, продажи, закупки, производство, склад, персонал. Данные из одного отдела сразу становятся доступны другим, что повышает эффективность и согласованность работы.
Простая аналогия: Если бизнес — это тело, то ERP — это центральная нервная система, которая связывает между собой все органы (отделы) и позволяет им работать как одно целое.
Последний этап расширения процессов анализа и сбора данных — подключение мобильных приложений. В результате формируется огромная экосистема бизнеса, состоящая из следующих элементов:
- Сайт
- Счётчики аналитики
- Базы данных и дашборды
- Рекламные кабинеты
- CRM-система
- Мобильные приложения
В итоге мы получаем набор различных систем, в которых веб-аналитика отвечает только за сайт, рекламные источники трафика и органику, а также за расчёт показателей. Что касается сквозной аналитики, она необходима для связки и представления данных веб-аналитики вместе с CRM, мобильной аналитикой и другими частями экосистемы, включая работу с базами данных, Python, моделирование и прогнозирование с помощью ML.
Машинное обучение (Machine Learning, ML) — это подраздел искусственного интеллекта, который изучает методы построения алгоритмов, способных обучаться и делать прогнозы на основе данных, без явного программирования на каждую задачу.
Если проще: Это процесс,при котором компьютер не получает готовых инструкций «если А, то Б», а сам находит в большом количестве данных скрытые закономерности и паттерны и использует их для принятия решений.
Ключевая идея: вместо кода — данные. Чем больше и качественнее данные, тем лучше алгоритм обучается.
Повторюсь, 90% проектов не требуют ничего, кроме счетчиков аналитики и простых визуализаций. Можно нарисовать такую градацию необходимости аналитических инструментов:
Как видим, вариантов великое множество: для каждого проекта — свой подход, свои настройки и софт. Держать всё это в голове или возлагать ответственность на одного специалиста было бы глупым решением для бизнеса. Важна преемственность и передача знаний между сотрудниками, а также наличие собственной базы знаний, например, по типу вики в Обсидиан. В противном случае увольнение сотрудника приведёт к катастрофе, и вновь прибывшим придётся долго разбираться, что сделано, либо — ещё хуже — начать всё с нуля. 👷♂️
Что же выбрать в такой обширной теме для себя? 🤔 Если посмотреть сайты агрегаторов курсов, в разделе аналитики вариантов великое множество: продуктовая, финансовая, веб, предиктивная и т.д. Аналитики много не бывает 😉 Огромный плюс этой сферы в том, что, работая веб-аналитиком, несложно разобраться и в других направлениях. Я проверял на себе разные, но остановился на ВЕБ:
Веб-аналитика — это измерение, сбор, анализ и представление данных о поведении посетителей на веб-сайте или в приложении с целью понимания и оптимизации их взаимодействия с продуктом.
Какие задачи она решает:
· Отслеживание трафика: Откуда приходят пользователи (поиск, соцсети, реклама). · Анализ поведения: Что пользователи делают на сайте (просмотры страниц, клики, путь по сайту). · Оценка эффективности: Насколько хорошо работают рекламные кампании и контент. · Выявление проблем: Пользователи уходят с сайта (высокий показатель отказов). · Измерение конверсии: Сколько посетителей выполнили целевое действие (покупка, регистрация, заявка).
Проще говоря: Веб-аналитика помогает ответить на вопрос «Что происходит на моём сайте?» и понять, как сделать его лучше для достижения бизнес-целей.
Моя профессия находится на стыке различных софтов и направлений. Если посмотреть на рынок вакансий, там будет внушительный список навыков — от простых настроек целей до инжиниринга данных. Всё это знать невозможно, но понимать базовый конструкт навыка нужно, поскольку рынок очень подвижен, и в любой момент нужно быть готовым себя перестраивать. Бояться списка требований при найме не стоит: если голова работает хорошо, разобраться в теме можно либо по живому, либо с помощью нейросетей и курсов. В моём личном багаже есть такой набор:
- Яндекс.Метрика и Гугл Аналитикс
- GTM и YTM Тег-Менеджеры
- Работа с API рекламных систем
- Power BI, Power Query, DataLens
- Сквозная аналитика
- Яндекс.Директ (от стратегии и сбора семантики, до реализации)
- Визуализация данных
- Интернет-маркетинг, построение стратегий продвижения
Этого вполне достаточно для хорошего положения на рынке труда. Тем не менее, в 2025 году я стал учить работу с базами данных и Python, потому что есть огромный интерес к развитию. Веб-аналитика стала для меня входом в визуализацию и построение дашбордов, благодаря ей я стал разбираться в API рекламных систем, Power BI и в такой обширной теме, как интернет-маркетинг. Идти дальше в Data Science — вопрос сугубо личный, у меня руки пока не доходят, да и на моей ступени знаний работы хватает. Сайты и трафик есть у всех 👌
В завершение скажу, что если хотите попасть в профессию, то веб-аналитика — это база, от которой отталкиваются Data Science, продуктовая, предиктивная аналитика, ML… Без этой базы можно попасть на верхние уровни, пройдя курс по Big Data, но тогда вы сразу отказываетесь в очень фрагментированном куске задач, не имея под собой фундамента, и будете разбирать только часть этого огромного мира. В целом так делают многие специалисты из-за денег, потому что зарплаты 💰 довольно высокие. Мне близок другой подход: деньги — как следствие моего интереса к профессии.
Боярский Глеб Юрьевич @GlebBoyarskii — Telegram | VK
Обо мне:
Настройка Яндекс Директ, Таргет, Google (Yandex) Tag Manager, разработка Power BI и DataLens дашбордов, глубокая аналитика рекламных систем, комплексная веб-аналитика и performance-маркетинг.