Цифровой маркетинг. Учебное пособие

ГЛАВА 4. ИНТЕРНЕТ-АНАЛИТИКА ЦИФРОВОГО МАРКЕТИНГА

4.1. Принципы сбора интернет-статистики

На рисунке 4.1. представлена схема работы отдела маркетинга. Показано место аналитики как самостоятельного этапа, позволяющего принимать маркетинговые решения.

Корректирующее

воздействие

Рисунок 4.1 – Место аналитики в цифровом маркетинге

Здесь к месту будет вспомнить цитату М. Рериха: «В этом нет ничего нового, ибо вообще ничего нового нет». Действительно, рассматриваемая область полностью соответствует методам и понятиям классического маркетинга. Никаких изменений не претерпели базовые понятия маркетинга. Все «новое» касается в большей степени удачного использования эффективных каналов коммуникации, которые появились вследствие научно-технического прогресса.

Новые технологии принесли много новых понятий, однако эти понятия скорее относятся к технической, чем экономической сферы. Ниже приведены некоторые из них, касающиеся интернет-аналитики.

Общие понятия

Трафик (Traffic) – количество посетителей, просмотревших сайт в определенный промежуток времени.

Просмотры или показы (Impressions) – процесс, когда баннер, товар, страница или ссылка на сайт просматривается посетителем. Данный интернеттермин часто встречается в баннерной рекламе, когда рекламодатели считают оплату за количество показов. Модель подобного сотрудничества называют Pay

Per Impression (PPI).

Лид (Lead) – событие, сделанное пользователем на сайте: регистрация, указание личной информации, заполнение формы (анкеты), загрузки программы и т. п. По сути, лид – выполнение необходимого от пользователя действия.

Хост (Host) – представляет уникального (имеющего уникальный IP-адрес) посетителя сайта. Если за день с одного IP адреса на сайт зашли несколько человек, и даже по несколько раз, все равно это будет считаться как один хост.

81

То есть количество хостов равно количеству мероприятий интернетпользователей на сайте с разных IP-адресов.

Хит (Hit) – это загрузка страницы ресурса, на которой установлен счетчик. Счетчиками учитываются все визиты без ограничений, в том числе повторные визиты и обновления страницы браузера.

Схемы оплаты

Оплата за показы (PPI, Pay Per Impressions) – оплачиваются все показы страницы, где размещено рекламное объявление, не зависимо от того, был ли сделан переход на сайт партнера.

Оплата за нажатие (PPC, Рау Рег Сlick) – система привлечения посетителей на сайт. За каждое посещение пользователю начисляется сумма на лицевой счет.

Оплата за лиды (PPL, Pay Per Lead) – вариант сотрудничества, когда партнер получает выплату за каждый состоявшийся лид. Вебмастеру нужно, чтобы посетитель сайта не просто кликнул по баннеру или ссылке, а был теоретически заинтересован в данном товаре, поскольку комиссионное вознаграждение будет выплачено только при выполнении условий (регистрации, заполнении формы и т.п.). В литературе данный параметр может иметь другое название: плата за действие (CPA, Cost-per-Action).

Оплата за продажу (PPS, Pay Per Sale) – подразумевает выплату фиксированной суммы или процента от продажи товара на сайте рекламодателя. То есть вебмастер получает деньги за каждую покупку на соответствующем сайте, куда привлекает посетителей.

В приведенных понятиях есть общее свойство: они являются числовыми характеристиками и могут быть точно определены, что не свойственно понятиям классического маркетинга. Технические науки характеризуются наличием точных, измеряемых характеристик объекта исследования в отличия от характеристик экономических объектов, что не всегда поддаются измерениям, и тем более – гуманитарных понятий, что практически не имеют измеряемых характеристик.

Появление «цифрового маркетинга» как дисциплины связано с двумя отраслями: экономикой и техникой. Одним из главных преимуществ цифрового маркетинга перед классическим является измеримость его результатов.

Современные информационные технологии позволяют отследить поведение различных параметров, влияющих на проведение маркетинговых мероприятий или является результатом работы тех или иных маркетинговых методик. Например, можно отследить поведение посетителей как на целевом сайте (посещаемые страницы, поведение курсора, продолжительность просмотра контента), так и на внешних ресурсах (источники трафика, ключевые запросы, которые привели пользователя).

Более того, большинство понятий классического маркетинга реализуется и фиксируется в интернет-среде: исследование и анализ потребностей целевой аудитории, анализ рынка и стратегий конкурирующих предприятий, обеспечения прямой коммуникации с потенциальными клиентами

82

осуществляется за счет доступности к цифровым ресурсам, а также большого количества пользователей, подключенных к ним.

Накопление подобной информации становится возможным только благодаря еще одному техническому решению – автоматизации сбора и хранения данных. Автоматизация сбора данных позволяет маркетологам тратить меньше ресурсов и времени на проведение рутинных операций по фиксации реакции рынка и пользователей на события и сконцентрироваться на решении задач анализа полученных данных и моделирования их дальнейшего поведения при проведении маркетинговых мероприятий. Коротко и очень удачно данная стратегия отражена в девизе кампании IBM – «Машина должна работать. Человек должен думать».

Следовательно, комбинирование методов классического маркетинга и внедрение их в цифровые технологии позволяют поднять развитие маркетинга на новый уровень, создавая эффективные инструменты для продвижения товаров и большего охвата аудитории. Прогнозы влияния маркетинговых мероприятий становятся более точными и позволяют реализовать новые методы продвижения, нацеленные на более широкий круг заинтересованных пользователей.

Технически накопление нужной информации основывается на сборе и хранении статистических показателей действий пользователя. От того, какие показатели будут регистрироваться, зависит возможность и глубина проведения аналитической работы в рамках маркетингового исследования, а следовательно, качество и точность принятых в результате решений.

Например, регистрация каждого посещения пользователем тестовой страницы сайта (хита) может дать такие характеристики целевой аудитории, как: среднее количество посещений в определенный промежуток времени, распределение посещений по времени суток, дням недели – позволит определить интерес целевой аудитории к предоставленной информации в зависимости от различных факторов.

Если одновременно с регистрацией посещений хранить информацию о хосте, с которого приходят посетители, то в уже имеющиеся данные о целевой аудитории можно добавить следующие характеристики: процент повторных и новых посещений страницы, среднее количество страниц сайта, просматриваемого пользователем за одну сессию, продолжительность пребывания пользователя на сайте.

Дополнение к предыдущим параметрам информация об географическом местоположении пользователя в момент просмотра тестового сайта позволит определить расположение целевой аудитории (города, страны, континента), установить распределение интенсивности спроса по регионам.

Очевидно, чем больше осуществляется сбор информации о действиях пользователя, тем более широкие и разнообразные данные о поведении рынка можно получить, что, в свою очередь, будет способствовать выработке эффективных маркетинговых решений.

Учитывая изложенное, появляется вопрос: какие возможности дают технические средства сбора статистики, точнее – какую информацию о

83

пользователе можно измерять? Для того чтобы ответить на данный вопрос, необходимо ознакомиться с принципами регистрации информации о действиях пользователей в Интернете. Без глубокого понимания механизма сбора статистики полученные данные могут быть интерпретированы ошибочно, а выводы могут принести скорее вред, чем пользу.

Так, в приведенном примере, аналитиком сначала рассматривался только один показатель: хиты. По данному показателю неподготовленный аналитик может сделать очевидный, но ошибочный вывод – посещаемость сайта равна количеству хитов. Однако, если понимать, что в данной ситуации система сбора статистики регистрирует каждую загрузку страницы и посещения пользователем нескольких страниц или повторное возвращение пользователя на сайт приведет к увеличению контролируемого показателя (хита) на соответствующее число, то можно понять, что количество реальных пользователей, которые посетили тестовый сайт, может быть в несколько раз меньше, чем цифра, полученная при помощи системы сбора статистики.

Рассмотрим принципы сбора интернет-статистики. Распространение получили два подхода:

1)Использование серверных log-файлов.

2)Использование счетчиков, встроенных на страницы сайта.

Серверные log-файлы

Log-файл веб-сайта – это текстовый файл, в котором регистрируются все

запросы к сайту (рис. 4.2).

Log-

файл

Рисунок 4.2 – Алгоритм записи данных в log-файл сервера

Запись событий в log-файл сайта происходит по следующему алгоритму:

1.Пользователь Интернета набирает в браузере адрес сайта.

2.Браузер пользователя через Интернет передает на сервер запрос на выдачу веб-страницы.

3.Сервер отправляет запрос на поиск запрошенного документа на жестком

диске.

4.Сервер регистрирует информацию о произошедших операциях в журнал событий (log-файл).

5.Сервер находит запрошенный документ.

6.Сервер через Интернет возвращает пользователю запрошенную страницу.

7.Браузер отображает запрошенную веб-страницу.

84

Всесторонний анализ log-файла сайта помогает понять, как используется сайт и каким будет направление его дальнейшего развития. С помощью logфайлов можно получить следующие характеристики.

Посещаемость. Log-файлы позволяют анализировать посещаемость по месяцам, по дням, по часам.

Трафик (Traffic) – суммарный и отдельно по страницам.

Уровень конверсии. Процентное соотношение посетителей сайта, совершивших выбор, которые осуществили покупку к общему количеству всех посетителей сайта.

Страницы входа (Entry, Entry Pages) – это веб-страницы, с которых посетители начинают работу с сайтом.

Страницы выхода (Exit, Exit Pages) – это веб-страницы, с которых пользователи покидают сайт.

Популярные страницы – это веб-страницы, посещаемые наиболее часто. Поисковик (Searches). Показывает, из каких поисковых систем пришло

больше всего посетителей.

Поисковые запросы, приводящие на сайт (Search String). Этот показатель демонстрирует эффективность используемых названий веб-страниц, метатегов, ключевых слов.

Рефереры (Referrers) – ресурсы, ссылающиеся на сайт.

География посетителей. Показывает, из каких стран приходят посетители на сайт.

Информация о посетителе – IP-адрес посетителя, браузер и используемая операционная система и т.д.

Встроенные счетчики посещений. Счетчик посещений веб-сайта – это программа, встроенная на все страницы сайта, что ведет учет запросов к сайту.

Алгоритм работы встроенного счетчика посещений сайта представлен на рис. 4.3.

БД Рисунок 4.3 – Алгоритм работы встроенного счетчика посещений сайта

Накопление статистики посещений с помощью встроенного счетчика происходит по следующему алгоритму:

1. Пользователь Интернета набирает в своем браузере адрес сайта (вебстраницы).

85

2.Браузер пользователя через Интернет передает на сервер (на котором находится сайт) запрос на выдачу веб-страницы.

3.Сервер отправляет запрос на поиск запрошенного документа на жесткий

диск.

4.Сервер встраивает в запрошенный документ код счетчика.

5.Сервер загружает запрошенный документ со встроенным кодом счетчика.

6.Сервер через Интернет возвращает пользователю запрошенную страницу со встроенным кодом счетчика.

7.Браузер загружает запрошенную веб-страницу и запускает на выполнение код программы счетчика (самый распространенный вариант).

8.Программа счетчика посылает через Интернет на сервер информацию о запросе и действия пользователя на загруженной странице.

9.Сервер регистрирует информацию от счетчика в журнал событий (текстовый файл или базу данных).

На сервере регистрируется следующая информация: IP-адрес посетителя, дата и время запроса; используемый пользователем браузер; используемая пользователем операционная система; запрашиваемый адрес страницы сайта; адрес страницы, с которой зашел посетитель.

Установка счетчиков помогает решить следующие задачи:

1.Оценить источники посещаемости.

2.Оценить аудиторию и ее поведение на сайте.

Обычно счетчики учета посещений предоставляют следующие данные: количество посетителей сайта, количество показов страниц сайта; с каких ресурсов приходят посетители; поисковые слова, с помощью которых посетители пришли на сайт; пути посетителей по сайту; количество просматриваемых страниц; на какие страницы приходят посетители, с каких страниц уходят посетители; операционная система, под управлением которой работает компьютер посетителя; название и версия используемого браузера; время просмотра сайта; количество сессий; информацию о том, разрешил ли пользователь применение языков сценариев.

Сводную статистику можно просмотреть за текущий день, неделю, месяц, год или даже с начала использования данного счетчика.

Счетчик Google Analytics – наиболее популярное профессиональное решение для сбора и анализа Интернет-статистики от Google.

Множество настроек счетчика помогают отследить именно те характеристики, которые нужны. Здесь представлены основные данные счетчика

опосещаемости: количество посещений за выбранный промежуток времени, число и уникальность пользователей, просмотры и время, проведенное на сайте, демографические и географические данные.

Интернет-статистика и аналитика.

Технологии и инструменты сбора статистики позволяют зафиксировать на рынке сложившуюся ситуацию, не давая никаких оценок и рекомендаций к действию. В настоящее время недостаточно лишь оперировать цифрами, полученными при сборе статистики, важную роль играет их интерпретация и

86

определение следующих шагов к реализации поставленной цели. Дальнейший анализ данных и поиск в имеющейся статистической информации ценных сведений о субъектах рынка с целью дальнейшей организации управляющих воздействий – это самостоятельная задача очередной технической области – Data Mining.

Data Mining (добыча данных, интеллектуальный анализ данных, глубинный анализ данных) – собирательное название, используемое для обозначения совокупности методов выявления ранее неизвестных, нетривиальных, интерпретаций данных, необходимых для принятия решений в различных сферах человеческой деятельности.

Одно из важнейших назначений методов Data Mining состоит в наглядном представлении результатов вычислений (визуализация), что позволяет использовать инструментарий Data Mining людьми, не имеющими специальной математической подготовки. В то же время применение статистических методов анализа данных требует хорошего владения теорией вероятностей и математической статистикой.

Маркетинговый аналитик – это сотрудник, владеющий навыками работы с инструментами аналитики, умеющий перевести данные статистики в доступное объяснение происходящей ситуации, а также на основе полученных данных сделать выводы относительно разработки дальнейшей стратегии продвижения продуктов. Это человек, который имеет большую любознательность, большое внимание к деталям и может справиться с получением данных, их интерпретацией и распространением полученных выводов.

Работа аналитика часто воспринимается как что-то связанное с научной деятельностью и, как правило, недооценивается. Вся аналитика сводится к сбору статистики о посещаемости на веб-ресурсе. Иначе говоря, в настоящее время деятельность многих предприятий по продвижению нацелена на результат – раскрутку сайта, поднятие его в рейтинге поисковых систем.

Статистика без анализа данных превращается в сбор данных, которые оттягивают процесс продвижения, сбивают с нацеленного пути, не ведут к полезным выводам.

Ниже приведены основные параметры, которыми пользуются специалисты цифрового маркетинга.

1. Количество переходов на страницы сайта. Этот параметр позволяет оценить состояние трафика при переходах на сайт из различных ресурсов и отслеживать статистику по каждому ресурсу. Регулирование этого параметра позволяет принимать важные «денежные» развязки. Однако при нерациональном подходе этот параметр может превратиться в разрушительную силу. Для работы сайта важно не количество посещений, а их качество. Например, ссылка на популярном и крупном портале может дать действительно больше число переходов, чем ссылка на небольшом, но схожем по тематике ресурсе. При этом степень заинтересованности аудитории в рекламируемой предложения будет выше именно в последнем случае, потому что целевая аудитория собирается именно на тематических ресурсах. Для того чтобы повысить качество анализа, необходимо обращать внимание на детали, а именно:

87

сравнивать время, проведенное на сайте, по каждому из источников трафика, и по количеству страниц, а также определить, в каком сегменте происходит больше лидов.

2.Обобщение в виде процентов. Проблема процентов в статистике заключается в их обобщенности. Выраженные в процентах показатели, не могут раскрыть содержание или причины. Проценты лишь дают общую картину происходящего, не учитывая детали. Например, можно сказать, что посещаемость сайта ежемесячно растет на 6,2 %. Глядя на это определение, невозможно определить причины роста посещаемости: за счет чего сайт стал привлекать больше пользователей? Количество пользователей, которые после посещения сайта стали потенциальными клиентами? Зная лишь проценты, довольно трудно принимать меры и определять действия по дальнейшему развитию компаний.

Чтобы увеличить значимость процентного соотношения, можно разделять данные (сегментировать их). Например, посещаемость сайта выросла на 34,6 %, из них 40 % приходится на переходы из поисковых систем, 23 % – на контекстную рекламу, 10 % – на баннерную рекламу и 27 % – на переходы из социальных сетей. При этом приход заинтересованных пользователей, оставшихся на странице более одной минуты, больше на 5% из социальных сетей. И так далее. Также можно хранить по процентам реальные числа, чтобы избежать обобщенных данных.

3.Средние показатели. Средние показатели также воспроизводят общую картину, но на этот раз не акцентируя внимание на индивидуальности интернетпользователей. Например, можно сказать, что в среднем посещаемость сайта по сравнению с прошлым годом увеличилась на 2,7 посетителя в сутки. Возможно ли оценить адекватно статистику посещений сайта за последний год, основанную на этом параметре? Такие параметры помогают упростить картину происходящего, упорядочить данные, сжать их, опуская детали.

4.Соотношение. Соотношение – это параметры, работа с которыми подразумевает не простое обобщение процесса, но и сравнение относительно конкретного периода, что заметно усложняет, а иногда даже оттягивает, эффективность деятельности. Например, отношения трафика сайта за квартал 2020 г. в сравнении с 2019 г.: март – 4,3, апрель – 3,9, май – 4,5. Основываясь на таких данных, можно сказать, что трафик равномерно вырос, количество посетителей увеличилось, за исключением апреля – там наблюдался небольшой «провал». Это может стать итогом для отчетности за квартал. Однако если эти отношения перевести в реальные цифры, то может получиться так: в марте 2019

г. – 10359 визитов, в марте 2020 г. – 44543; в апреле 2019 г. – 12849 визитов, в апреле 2020 г. – 50111; в мае 2019 г. – 10744 визиты, в мае 2020 г. – 48348. На деле, работая с реальными числами, может получиться совсем другая картина, что происходит. Хотя данные соотношений считаются верными.

Можно сделать вывод: статистика – это весомый инструмент маркетолога, который позволяет оценить результат в целом, не углубляясь в детали. Такой подход позволяет быстро оценить состояние прогресса без разработки плана дальнейших действий. С такими данными в последствии трудно работать,

88

потому что они не дают возможности смоделировать следующие решения возможных проблем, возникающих в ходе работы.

В этом случае на смену статистике приходит аналитика – подробный обзор, что происходит с учетом многих характеристик и нюансов. Аналитика позволяет обрабатывать данные статистики и на их основании строить логические выводы и моделировать возможные пути реализации решений задач, которые могут привести к первоначальной цели.

4.2. Методы обработки статистических данных

В зависимости от глубины анализа данных можно выделить следующие этапы достижения знаний:

1. Статистическая обработка данных. Статистические методы анализа данных применяются практически во всех областях деятельности человека. Их используют всегда, когда необходимо получить и обосновать определенные суждения о группе с внутренней неоднородностью. Структура системы статистической обработки данных представлена на рисунке 4.4.

Целесообразно выделить три вида научной и прикладной деятельности в области статистических методов анализа данных (по степени специфичности методов):

Рисунок 4.4 – Структура системы статистической обработки данных

–разработка и исследование методов общего назначения без учета специфики области применения;

–разработка и исследование статистических моделей реальных явлений и процессов в соответствии с потребностями той или иной области деятельности;

–использование статистических методов и моделей для статистического анализа данных в решении прикладных задач, например, с целью анализа конверсии посещений сайта.

2. Интеллектуальная обработка данных. Интеллектуальная обработка

(анализ) данных – обработка информации и выявление в ней моделей и тенденций, которые помогают принимать решения. Структура системы интеллектуальной обработки данных представлена на рисунке 4.5.

Наиболее распространенным подходом к интеллектуальному анализу данных является принцип системы обучения «с учителем», когда на первом этапе система обучается на основе показаний специалистов-экспертов, которые основывают свое мнение (показания учителя) на имеющейся статистике и своем опыте, а на втором этапе система сама выступает в роли эксперта, заменяя работу человека.

89

Рисунок 4.5 – Структура системы интеллектуальной обработки данных

С появлением больших данных интеллектуальные системы получили еще более значительное распространение. Большие данные привели к стремительному росту популярности более широких методов интеллектуального анализа данных, отчасти потому, что информации стало гораздо больше, и она становится более разнообразной и обширной.

3. Моделирование процессов и систем. Моделирование – исследование объектов познания на их моделях; построение и изучение моделей реально существующих объектов, процессов или явлений с целью получения объяснений этих явлений, а также для предсказания явлений.

Модели делятся на параметрические и непараметрические. В параметрических моделях предполагается, что характеристики исследуемых объектов описываются с помощью распределений, зависящих от (одного или нескольких) числовых параметров. Непараметрические модели не связаны со спецификацией параметрического семейства для распределения исследуемых характеристик. В математической статистике оценивают параметры и функции распределений (например, математическое ожидание, медиана, стандартное отклонение, дисперсия и др.), плотности и функции распределения и др.

На практике использование параметрических моделей осложняется отсутствием информации о виде функции, описывающей объект или процесс.

Непараметрические модели лишены этих недостатков и поэтому получили значительное распространение при работе с реальными данными. Для построения таких моделей достаточно наблюдать реакцию объекта контроля на тестовое воздействие, что оказывает возмущение (эксперимент «вход-выход»).

Структура процесса моделирования представлена на рисунке 4.6.

Статистическая обработка данных. С помощью методов статистики определяются простейшие показатели (метрики) сайта. Приведем наиболее известные из них.

90