Веб-аналитика: анализ информации о посетителях веб-сайтов - [23]
Для большинства веб-сайтов электронной торговли сегодня довольно стандартной практикой является использование специальных дескрипторов JavaScript (или анали-
заторов пакетов, или веб-маяков) для сбора данных со страниц подтверждения заказа. Данные, которые фиксируются чаще всего, содержат следующую информацию:
• уникальный идентификатор заказа;
• заказанный товар или услуга;
• количество и цена единицы;
• наличие скидки и продвижения;
• метаданные о сеансе клиента: проверка A/B или многопараметрическая проверка (Multivariate Test — MVT) идентификатора, значения файла cookie и т.д.;
• метаданные о товаре или услуге: иерархия товара и кампании, атрибуты товара (все необходимое для сложного последующего анализа).
Затем эта информация поступает на стандартный инструмент анализа посещаемости сайта, создающий отчеты на основании данных электронной торговли.
У веб-сайтов побуждения спроса данные можно собирать как на самом веб-сайте (например, со страницы “благодарности”, которую клиент просматривает после успешной передачи запроса), так и установить партнерские отношения с другими веб-сайтами, которые могли бы собирать и сохранять данные от вашего имени. Заранее спланируйте, где будут фиксироваться данные и как к ним получить доступ (например, при помощи дескрипторов JavaScript, маяков или экспорта базы данных).
У веб-сайтов защиты и поддержки бренда результаты деятельности менее очевидны. Просмотр страниц на них — не более чем таковой. В течение довольно долгого времени бытовало мнение, что если пользователь видел соответствующую страницу, значит, дело сделано, поскольку лучшего объяснения аналитики не нашли. В подобных случаях необходимо было узнать восприятие клиента или спрашивать его, привел ли просмотр страниц к решению проблемы.
Выяснить результаты деятельности в данном случае значительно труднее. Для начала прекрасно подойдет применение на веб-сайте методики выяснения мнения, которая задает посетителю ряд корректных вопросов и на основании статистической обработки ответов оценивает успешность. Это может быть прекрасным дополнением к данным анализа посещаемости сайта.
Важнейшей гранью анализа результатов деятельности является способность извлекать ключевые данные из действий клиента, которые могут быть недоступны инструменту анализа посещаемости сайта. Кроме того, краеугольным камнем оптимальной стратегии веб-аналитики является среда хранения данных, позволяющая предоставлять сложные данные в упрощенном виде. Хранилища данных обычно очень гибки, когда дело доходит до импорта последних из внешних источников, а следовательно, обеспечивают сквозной анализ впечатления клиента.
Такие производители, как Omniture и WebTrends, создали в своих инструментах версии V1 реальную “серверную часть хранилища данных”. В качестве альтернативы многие большие компании предпочитают строить собственные системы хранения данных (рис. 2.6), в которых анализ посещаемости сайта является лишь одним из источников информации. Для секционирования и фрагментации данных эти компании используют стандартное программное обеспечение, а также методики и инструменты бизнес-интеллекта (Business Intelligence — BI) (такие как Brio, Business Objects, Cognos и MicroStrategy).
Наличие собственной системы означает огромную гибкость с точки зрения использования большего количества источников данных (например, журналов событий из приложений Flash или улучшенных приложений Интернета, данных поиска Google, метаданных из других отделов компании, а также данных CRM и телефонных каналов). Это позволяет создать действительно сквозное (end-to-end — e2e) представление поведения клиента и выявить результат деятельности, масштаб эффективности которого со временем может меняться. Можно также использовать имеющиеся в наличии стандартные инструменты.
Рис. 2.6. Так выглядит хранилище данных Web e2e
В главе 1 обсуждалась необходимость понимания ответа на вопрос что, и колоссальная мощь, которую может дать понимание ответа на вопрос почему. Это может означать различие между большим объемом данных, зачастую лишь вызывающих много вопросов, и наличием доступа к данным, возможно, и небольшого объема, но способным выступить в роли катализатора, когда дело доходит до необходимости принять меры. Сбор данных для анализа рассматривается в разделах “Данные анализа посещаемости сайта” и “Данные о результатах деятельности”. Теперь пришло время выработать стратегию получения данных для ответа на вопрос почему.
Основной целью получения данных для ответа на вопрос “почему” (или качественного анализа) является объяснение показателей и тенденций с учетом голоса клиента (Voice Of the Customer — VOC) в принимаемом решении. Для выявления точки зрения последнего обычно используются следующие методы ориентированного на клиента проектирования (User-Centric Design — UCD) и взаимодействия человека с компьютером (Human-Computer Interaction — HCI):
• опросы;
• эвристические оценки;
• проверка применимости (лабораторная и дистанционная);