Кейс: сквозная аналитика для интернет-магазина

1. Вводная задача от заказчика, проблематика, цели

Проблема:

1. Сложность сбора данных для подготовки ежемесячных отчетов, высокая трудозатратность.

2. Отсутствие текущей актуальной информации, что затрудняет оперативное реагирование отдела маркетинга компании.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Решение

Знакомство с проектом

В ходе знакомства с проектом мы выяснили, что у заказчика есть потребность в автоматизации отчетности. Из технологий, применяемых на стороне заказчика:

• Сайт работает на CMS Bitrix, там же хранится информация по заказам, выручке и прибыли.
• Установлены счетчики Яндекс.Метрики и Google Analytics.
• Установлен Calltracking Alloka и их же сервис обратного звонка.

На основе собранной информации провели аналитику, составили план работ и начали реализацию.

Организация логики сбора и хранения данных (Рис. 1)

В качестве связующего звена во всех источниках данных были выбраны «Источник \ канал, Кампания и Ключевое слово». Это и было использовано в будущем основным параметром для сегментации данных.

Для хранения информации выбрали базу данных MySQL.

Преимущества:

• Стоимость: бесплатно.
• Позволяет без проблем хранить большие объемы данных.
• Имеет широкое распространение, много доступной документации.
• В качестве языка для реализации модулей сбора информации был выбран PHP.

Причины:

• Присутствует на любом хостинге.
• Подходит для работы с MySQL и решения частной задачи.
• В качестве системы визуализации был использован Power BI от Microsoft.

Причины:

• Возможность обновления по расписанию.
• Легкость построения визуализаций.

Подготовка необходимой программной части

Подробнее рассмотрим, какие именно модули необходимы для сбора данных. Как мы уже говорили ранее – реализовывать их будем на PHP.

Структурируем все источники данных:

Платные источники (те, на которые у нас есть расход):

— Яндекс.Директ

— Google.AdWords

— Яндекс.Маркет

— Criteo

— Email-рассылки

— SEO

• Информация о звонках
• Информация из CRM
• Платные источники

Все платные источники можно условно разбить на два типа:

• Источники с оплатой за клик.
• Источники с абонентской платой.
• Источники с оплатой за клик.

Чтобы собирать статистику из Яндекс.Директа, мы использовали API Метрики.

Для сбора статистики из Google AdWords мы использовали API Google Analytics.

Импорт статистики Яндекс.Маркета мы автоматически настроили в Google Analytics, а затем аналогично выгружали через API.

Таким образом мы получали по каждой рекламной системе следующую базовую информацию:

• Дата
• Источник трафика
• Канал трафика
• Рекламная кампания
• Ключевое слово \ условие показа
• Количество переходов
• Стоимость
• Источники с абонентской платой

Для источников с абонентской платой было решено заполнять расход раз в месяц в Google Таблицах. (Рис. 2)

Далее расход преобразовывался и импортировался в PowerBI, совмещаясь с остальной статистикой.

Остальные источники данных

Для сбора информации по остальным переходам, например, реферальным ссылкам или прямым заходам, был также использован API Google Analytics. Также дополнительно приняли решение собирать данные по просмотрам карточек товаров и добавлении товара в корзину из расширенной электронной коммерции.

Собираются следующие данные:

• Дата
• Источник трафика
• Канал трафика
• Рекламная кампания
• Ключевое слово \ условие показа
• Количество сеансов
• Количество достижений цели «Просмотр карточки товара»
• Количество достижений цели «Добавление товара в корзину»
• Информация о звонках

Для сбора информации из коллтрекинг-системы брали следующие данные:

• Номер звонившего
• Источник трафика
• Канал трафика
• Рекламная кампания
• Ключевое слово \ условие показа
• Информация из CRM

В качестве CRM в данном проекте используется «1С-Битрикс: Управление сайтом». Основной проблемой для нас на данном этапе явилось то, что у нас не было информации об источнике заказа при его оформлении. Для этого был реализован отдельный модуль, который позволил решить эту проблему и ряд дополнительных. В итоге мы смогли получить развернутую детализацию по заказам и при этом связать эту информацию с источником перехода.

Итого

С учетом индивидуальных особенностей архитектуры и проблем, с которыми мы столкнулись, составили подробное техническое задание для каждого из модулей.

По результатам спроектировали систему, при которой в результате отработки всех скриптов у нас в базе данных оказывалась вся необходимая актуальная информация.

3. Результаты сотрудничества

Визуализация данных

Обработка данных

Как мы уже писали ранее, для визуализации мы использовали Power BI от Microsoft.

Предупреждение: Данные не являются реальными и намеренно искажены, так как являются коммерческой тайной, анализировать их нет смысла.

Воронка продаж (Рис. 3)

Из плюсов данной визуализации можно отметить, что мы видим конверсию на каждом значимом для нас этапе продаж в разрезе источников. Можно выбрать в фильтре любой интересующий период, а также нужную группу источников. Удобно выявлять и отслеживать неэффективные источники и наоборот.

Эффективность рекламных кампаний (Рис. 4)

С помощью данной таблицы можно определить, какие рекламные кампании не приносят заказов вообще, а по каким у нас есть заказы, но они все равно убыточны. Аналогичная таблица есть для ключевых слов, если нужно проанализировать интересующую кампанию.

Недельная динамика (Рис. 5)

Данная визуализация интересна тем, что мы видим понедельную динамику нашего проекта и можем оперативно выявлять проблемные места по источникам трафика, если видим спады, заменяя его другими источниками.