Глеб Боярский - Цифровой сад

Продвинутая Яндекс метрика. А-Б тесты, сквозная аналитика и оффлайн конверсии.

время чтения ~8 мин.

Почему веб-аналитика не волшебная таблетка? – она не отвечает на вопрос сколько реально произошло продаж. Да счетчики метрики считают очень многое если настроить, мы чувствуем дыхание сессии на сайте и видим результат в виде выполненных конверсий и событий, но они не отвечают на вопрос купил ли клиент? Корректировал ли он заказ?

Простой пример, человек попал к вам на сайт, прочитал, потыкал по кнопкам и отправил форму заявки по выгодному тарифу или продукту. Заявка попала в CRM систему и менеджер увидел клиента. Он созвонился с ним и скорректировал заказ, дополнил его кросс-продажей. В CRM системе происходит постоянное движение клиента по статусам (воронке продаж) и он приобретает разные свойства. Их не может отслеживать Яндекс Метрика или аналитикс, если данные из CRM не передавать с помощью интеграций – статусы заказов, покупки, любое движение по CRM имеющее важное свойство для маркетинга и дающее вариант сегмента должно быть отображено в счетчике по обратной связи. В Яндекс метрику можно грузить оффлайн конверсии и передавать с помощью CSV файла или коннекторов CRM свойства клиента, по которым уже строить своим сегменты для рекламы и ретаргетинга.

Этот этап отслеживания и объединения данных считается частью сквозной аналитики, он дает возможность определить результативность канала трафика, и понять сколько получили отклика, посчитать стоимость CPL, CPO, CAC и другие метрики. Часто используется передача параметров в CRM систему – это важно для дальнейшего просчета рентабельности.

Самый популярный параметр это UTM метки попадающие с заказом в CRM, они дадут возможность посчитать сколько же принес клиентов конкретный канал трафика и был ли он выгоден бизнесу или убыточен. Но разметка ссылок это минимум, кроме этого умный интернет-маркетолог должен планировать передачу и более тонких параметров в CRM систему, например Client ID или параметры визитов, которые попадают в метрику, это позволяет получить массив данных с привязкой веб-аналитики к посетителям сайта:

  • откуда он пришел (UTM метки)
  • что он делал (какие события отработали в его визите)
  • какие устройства он использует (передача Client ID браузеров)
  • какой способ связи он использовал (телефон, чат, формы, квизы).

Для внедрения сквозной аналитики, требуется целая команда, интернет-маркетолог в одиночку с этим никогда не справится, это просто невозможно без привлечения разработчиков, проджект-менеджеров, отдела продаж и руководства. Ведь нюансы передачи данных между всеми системами должны учитывать все интересы, чтобы будущие дашборды в Power BI или DataLens отражали объективную реальность, не были перегружены.

В CRM системе ключевым является сам человек, в счетчиках события. Связав две сущность из разных систем можно построить очень сильную аналитическую систему внутри бизнеса отвечающую на большие вопросы: Почему? Зачем? Как?

Самым простым способом будет загрузка оффлайн конверсий в Яндекс метрику из CRM и настроить полный цикл сквозной аналитики. Алгоритм особо не меняется и состоит из следующих пунктов:

  • Добавить UTM разметку с помощью агрегаторов, желательно сделать шаблон UTM разметки в таблице по которой будет работать вся команда связанная с трафиком в рекламе и органике
    • Метки нужно проставлять с помощью динамических параметров, в каждой системе есть свои правила и справка по разметке. Смысл в том чтобы получать автоматом разметку кампаний в системе, номера, ключи, аудитории и другие настройки. В справке все подробно расписано
      • Для ВК рекламы справка тут
    • Чем выше детализация нужна, тем больше параметров указывается в метке
  • Загрузить в Яндекс Метрику расходы по всем рекламным источникам (Директ, ВК ADS)
    • Трафик все равно должен быть промечен! Если нет UTM меток. Расход не сопоставим с каналами трафика клиента без данных по меткам
  • Загрузить оффлайн конверсии в метрику через коннектор или с помощью CSV файла (не всем возможно подходит загрузка через CSV)
  • Выбрать способ связки данных счетчика и оффлайн-конверсий (по Client ID, User ID, yclid)
    • Настроить передачу данных по Client ID Яндекс Метрики в отдельное поле CRM системы
    • Настроить передачу данных в Яндекс Метрику о клиентах и заказах, которые учитываются в CRM-системе
    • Для Битрикса есть инструкция по интеграции в Метрику
    • Передавать данные с форм можно через скрытые поля в которые забирается Client ID браузера
      • Основные события по которым создается карточка клиента в CRM системе это макроцели в них и передается Client ID клиента
        • формы на сайте
        • email трекинг
        • коллтрекинг
        • онлайн чаты
        • иные формы захвата (квизы, промо формы)
    • Нужно привлекать сторонних спецов интеграторов CRM системы и разработчика. Интернет маркетолог не может уметь все.
      • Иногда можно приобрести готовую интеграцию за относительно разумную цену. Например Albato.
    • Можно использовать центр конверсий в Я.Директе если проект небольшой и достаточно интерфейса отчетов Директа в браузере
  • Логика построения сквозной аналитики такая, что все нужно слить в одно место, в нашем случае мы говорим о Яндекс Метрике, а уже оттуда забираем данные и строим дашборды. Выгружать можно с помощью API либо вручную при небольшом объеме данных в проекте.
  • Зачем делать эту интеграцию с CRM и настраивать сквозную аналитику? Для того чтобы работать с реальными сегментами ЛЮДЕЙ, а не событий на сайте. События это верхний уровень воронки взаимодействия, он порой ошибочен из-за блокировок Cookie, ботов, фрода и прочих проблем. CRM же со статусами и карточками клиентов отражает реальную базу клиентов, по которым можно точечно работать.
    • В метрике в разделе посетители - клиенты можно очень быстро строить сегменты по данным CRM
    • Появится отчет сквозной аналитики с расчетами ROI и стоимостей лида/клиента, выручка, средний чек и т.д. Зависит от того как ведется CRM

АБ тестирование

Что можно тестировать? На сайте много элементов взаимодействия и на них мы настраиваем цели в счетчиках, именно на них и стоит ориентироваться при тестировании. Менять цвета кнопок, видео, заголовки и тексты. Обычно АБ тест проводится с целью улучшить юзабилити сайта, упростить навигацию и потребление контента таким образом подняв конверсию. Это путь персонализации под клиента который используют крупные платформы и бизнесы. Для лендингов это не совсем актуально.

Цикличный процесс АБ тестирования выглядит так:

   flowchart TD
       A[Наблюдение] --> B[Тренд]
       B --> C[Гипотеза]
       C --> D[Тест]
       D --> E[Анализ]
       E --> F[Внедрение]
       F --> A

У меня очень скептическое отношение к А/Б тестам. Потому что в основном это плохо придуманные гипотезы. Решили что зеленая кнопка отработает лучше, внедрили проверили. Очень странный способ поднятия конверсии, когда существуют более логичные методы.

Придуманные тесты = мусорные гипотезы.

Я встречал фанатов А/Б тестирования и сталкивался с тем, что команда просто не знает чем заняться и начинает проверять мусорные гипотезы: “А давайте протестируем зеленую кнопку против синей” или “Добавим в форму поле для ввода Телеграм контакта”.

Такое обычно рождается от скуки и имитации бурной деятельности – мы же не гадаем, мы типа ТЕСТИРУЕМ. Правда важно ли это или нет никто не задумывается. Большинство тестов не дает больших результатов если у вас трафик ограничен и бизнес малый/средний. 0,1-1% к конверсии не сильный результат если у вас нет десятков тысяч визитов на сайт и вы не крупный банк, сервис и т.д. Это своего рода поиск случайных побед “методом тыка” вместо системной работы с продуктом, которая намного сложнее изменений кнопок и форм.

Для увеличения конверсии существуют более логичные методы системного анализа

  • Качественный анализ
    • Глубинное интервью с пользователями. Кастдевы
    • Анализ отзывов и поддержки
    • Отслеживание конверсий микро/макро и оценка их стоимости в платных каналах
    • Интеллектуальное картирование пользователя (Customer Journey Map) – выявление реальных обрывов путешествия к покупке, барьеров и тормозов
  • Количественный анализ
    • Анализ воронки
    • Анализ карты кликов и скроллинга
    • Анализ глубины просмотра, времени на сайте и отказов

Когда же применять А/Б тест? Мое мнение только на огромном трафике, при кардинальной смене лендингов, когда два варианта сильно отличаются дизайном и юзабилити. В остальных случаях А/Б тест нейтральный инструмент в маркетинге.

Вариокуб

Команда Яндекса сделала отдельную команду для работы с тестами с помощью Яндекс Метрики. С помощью скрипта установленного сайта любым удобным способом (через код или GTM). Эксперименты через “Вариокуб” платные, но по отзывам стоит того. У них на официальном сайте есть отзывы от крупных бизнесов, и результаты довольно внушительные, но это опять же КРУПНЫЕ проекты.

Оффлайн конверсии

Человек совершает события за пределами сайта. когда он отправил заявку на сайте и вступил в диалог с менеджером все движение идет внутри CRM. Так же если бизнес имеет точку куда можно приходить ногами, могут быть и оффлайн события, которые фиксируются либо в CRM либо внутри сторонней платформы. Например маркетплейсы подразумевают такой формат, что за заказом приходят позже отправки заказа с разрывом в несколько дней или недель. Или лендинг по конференции, регистрация прошла на сайте, а пришел и оплатил он уже на месте проведения через пару месяцев. Такие события тоже можно передавать в Яндекс метрику и связывать оффлайн и онлайн увидел полную картину воронки. Все делается классическим методом с помощью Client ID. Включаем оффлайн конверсии в настройках счетчика, там есть раздел загрузка данных, загружаем с помощью СSV файла.

Важно учитывать что существует окно атрибуции, по которому только в течении 21 дня конверсия сможет быть присвоена визитам совершенным в этот период времени. История мутная, но ничего не поделаешь, поэтому с длинным циклом покупки сложновато обрабатывать оффлайн историю продаж. Я бы остановился просто на прямом подключении с коннектором Битрикса 24 и других CRM систем. Когда окно атрибуции не подходит вероятно стоит пользоваться выгрузками таблиц и сведением вручную в Power BI или в базе данных ClickHouse и др.

Полезные ссылки

Вид графа