
Среди аналитических задач оценка эффективности является, скорее всего, самым популярным занятием. Срезы и процессы могут выглядеть следующим образом:
• Оценка объема продаж, в которой нужно учесть стоимость товаров, вход товаров и свойства документа, а также многие другие критерии.
• Оценка трафика, в которой учитываются его источники и ключевые слова.
• И так далее.
Искать закономерности нужно в два этапа. Как именно – рассмотрим подробнее:
Этап первый: определить критерии - KPI
Прежде необходимо выделить явные показатели эффективности в seo-продвижении. Ими станут трафик, позиции по запросам, объем продаж и количество конверсий.
Существовать может каждый KPI. Показатели эффективности в анализе тоже можно использовать разные. В конечном итоге все зависит от рода бизнеса компании и задач, которые она преследует. Чаще всего необходимо стремиться к тому KPI, который является приоритетным для компании.
Если перед вами интернет-магазин или какая-то другая торговая компания, то для нее самым разумным KPI будет объем продаж. Учитывать продажи с высокой точностью результата позволяют CRM и современные системы телефонии и веб-аналитики. Но вполне достоверно проанализовать данные можно даже с помощью неразвитых средств сбора информации.
Этап второй: поиск срезов и определение зависимостей
Эффективная аналитика базируется, прежде всего, на поиске срезов с достоверными закономерностями. Глобальные оценки для аналитических задач, как правило, неинформативны. А если использовать глобальные оценки для проектов с различной маржей по группам товаров, источниками трафика и другими параметрами, то это занятие будет абсолютно бесполезным.
Информативные срезы: как искать?
• В основу поиска могут лечь доступные данные, на основе которых делаются срезы по различным критериям, а затем проводится отслеживание KPI. Недостаток такого способа в том, что горизонт анализа ограничивается объемом начальных данных.
• Можно самостоятельно придумать критерии, сколько-нибудь влияющие на проект. После точно так же придумать способ для сбора и дальнейшего анализа необходимых данных. Недостаток этого решения в слишком трудоемком процессе сбора данных.
Практика же рекомендует начать с первого способа, а второй использовать при острой необходимости. Таким образом можно сэкономить и время, и деньги.
Как пользоваться только достоверными фактами и выделить недостоверные?
Очень важно в самом начале анализа пользоваться только достоверными данными. Но отделить их от некорректных не так-то просто, хотя и очень важно. В противном случае можно сделать неверные выводы. А для того чтобы выводы были достоверными, необходимо изначально иметь достаточное количество данных для их определения.
Если это объяснение не совсем понятно, рассмотрим его принцип на конкретном примере:
Итак, мы хотим определить оптимальное время для прокрутки контекстной рекламы, то есть, мы изучаем то, как внутрисайтовая конверсия зависит от времени суток. Для чего формируем в Google Analytics пользовательский отчет с «уникальными посетителями», «достигнутыми переходами к цели» и «временем суток». Можно, конечно, использовать еще срезы, например, «канал», «источник», «ключевое слово» и т. д. Но для этого их нужно включить перед размером «время суток».
При выгрузке данных в Exel получается следующая картинка:

В итоге из кривой Google Analytics (пунктир) получается, что днем конверсия стремится к нулю, а ночью достигает максимального уровня. Не правда ли, выглядит очень странно. Но если покопаться, то можно понять, что причина такого графика в том, что CMS сайта не позволила отсеять спам. В итоге большая часть конверсий на самом деле является фикцией. При выгрузке отфильтрованных данных по конверсиям из CRM (сплошная) все тайное становится явным.
Вывод из всего сказанного выше очевиден: путь к успеху заключается в достоверных данных и правильно определенных KPI.