Веб-аналитика: анализ информации о посетителях веб-сайтов - [163]
Если ваш веб-аналитический инструмент не обеспечивает сложного многосеансового анализа, вы можете извлечь из него необходимые данные и сложить их в базу данных. Если вы уже имеете хранилище данных (или ваш исполнитель веб-анализа предоставляет доступ к своему), то вы можете также использовать его, поскольку оно содержит все ваши обобщенные данные для анализа посещаемости сайта и результатов деятельности.
Чтобы самостоятельно извлечь данные, запустите запрос SQL, который сделает следующее.
1. Соберите все сеансы за последний период (в данном случае за шесть месяцев, следовательно, это миллионы записей, придется использовать Oracle). Данные для каждого сеанса, которые вы используете, будут зависеть от вашего веб-сайта. Автор рекомендует собрать все значения файлов cookie, данные кампаний и страниц.
2. Организуйте сеансы по их значениям user_id в постоянном файле cookie. (Зачастую в постоянных файлах cookie сайты используют shopper_id. Выясните имя файла cookie у своих специалистов. Я уверен, они его знают.)
3. Для каждого “набора” из приведенных выше шагов ищите сеанс, в котором присутствует страница thank_you (приобретение).
4. Соберите все user_id постоянных файлов cookie для всех тех, кто что-либо приобрел на протяжении данного месяца (скажем, за июль 2006 года).
5. Просмотрите предыдущие данные (в данном случае за шесть месяцев) и найдите его первое посещение.
6. Для показателя посещения для приобретения подсчитайте сеансы в “наборе” между первым посещением и днем приобретения. Для показателя дней для приобретения подсчитайте дни в “наборе” между первым посещением и приобретением.
7. Готово. Получите фужер шампанского — вы его заслужили.
Теперь вы имеете общие показатели, которые выглядят примерно так, как показано ниже (ваши числа, очевидно, будет выглядеть иначе, но не менее удивительно). Табл. 14.7 демонстрирует распределение количества дней, необходимых для приобретения, т.е. количество дней от первого посещения клиентом веб-сайта.
Табл. 14.8 демонстрирует распределение количества посещений (сеансов) между первым посещением клиентом веб-сайта и посещением, в течение которого они осуществляют покупку.
Эти данные действительно ценны. Если бы они были реальны, вам было бы очень интересно узнать, что 81% посетителей преобразуется в покупателей за три или меньшее посещения (сеанса), а большинство из них (62%) даже непосредственно в тот же день. Возможно, кто-то будет покупать сразу (в день первого посещения). Вы, безусловно, можете группировать посещения и дни, которые имеют больше смысла для вашего бизнеса.
Но, возможно, наиболее ценным, особенно для ваших маркетологов и ответственных за бизнес лиц, является возможность сегментировать эти данные, чтобы получить более глубокое понимание поведения различных клиентских сегментов (или кампаний).
Рекомендуется начать с простого. Сегментируйте по месяцам и получите тенденцию данных. Дела со временем улучшаются или ухудшаются? Прослеживается ли воздействие сезонности на эти данные (так, в отпускном июле люди ведут себя не так, как перед днем святого Валентина)?
Все становится куда интереснее, если вы сегментируете данные по основным стратегиям приобретения (например, партнерскому маркетингу, “прямому” трафику, PPC, SEO, реферрерам и блогам). Вы можете получать реальное понимание поведения клиента, поскольку весьма вероятно, что вы увидите нечто вроде представленного в табл. 14.9.
Одного взгляда на табл. 14.9 достаточно, чтобы понять: каждый сегмент ваших клиентов ведет себя по-разному, когда дело доходит до приобретения на вашем вебсайте. При создании отчета о показателях на обобщенном уровне зачастую трудно представить, какое действие следует предпринять. В случае рис. 14.9 это даже отдаленно не проблема.
По мере того как вы начнете понимать многосеансовое поведение клиента, вы фактически выйдете на темы, которые недоступны большинству инструментов веб-анализа. Это также означает, что если вы зашли так далеко, то вам необходимо обрести понимание того, какое реальное преимущество в конкуренции можно получить, поскольку иным путем это сделать действительно трудно.
Вот некоторые действия, которые можно предпринять исходя из понимания, полученного в результате измерения показателей дней и посещений для приобретения.
• Оптимизируйте расходы по ключевым фразам для кампаний PPC, особенно если вы предлагаете цену за термины “категории”. (Предлагая за них цену, вы получаете радар “раннего оповещения” по сравнению с предложением цены за ключевые фразы бренда. Если количество сеансов слишком мало для описанного выше анализа, придайте меньшее значение категории ключевых фраз; это полностью гипотетический пример.)
• Оптимизируйте содержимое своего веб-сайта и его структуру для разных сегментов. Безусловно, если я приду к вам и предложу за один сеанс убедить меня нечто купить или если я приду из внешнего мира на ваш веб-сайт, будет ли это тем же самым? Вероятно, нет. Вы отбросили бы все “дополнительное” содержимое и сосредоточились бы на наиболее мощном. В качестве альтернативы, если данные указали бы на поведение приобретения, растянутое по дням и посещениям, то вы могли бы предоставить больше содержимого, поскольку посетители, кажется, именно этого и хотят.