Тема 1. Введення в екосистему веб-аналітики: основні метрики та роль таргетингу

1. Введення

2. Концептуальні основи екосистеми веб-аналітики

Типові задачі, які виконують веб-аналітики:

Існує декілька типів аналітики, які виконуються:

3. Історична довідка

Історична довідка:

Вебаналітика або інтернет-аналітика в загальному - це поєднання технологій та методів збору,обробки, аналізу та інтерпризації результатів дослідження поведінки споживачів на інтернет-ресурсах з метою оптимізації діяльності онлайн установи (як правило підвищення ефективності діяльності бізнесу).

Також серед поширених визначень представлені наступні:

Digital, інтернет або веб-аналітика – це системний процес вимірювання, збору, аналізу, візуалізації та інтерпретації інформації про просування користувача у воронці продажів з метою її покращення та оптимізації (прийняття управлінських рішень).

Існує декілька передумов для формування веб-аналітики.

Ідея професійної асоціації веб-аналітики була створена для підтримки поширення мудрості та загалом просування цієї справи. Лише через десять років після «початку» індустрії архітектор переконання Браян Айзенберг, цифровий партнер Hudson Ендрю Едвардс і консультант з веб-стратегії Джим Стерн вирішили вдихнути в неї життя. В 2003 році відбувся Emetrics Summit в Санта-Барбарі було сформовано перший склад організації, до якої також увійшли Сет Романов з HP, пошуковий маркетолог Андреа Хедлі та керівники веб-аналітики Ренд Шульман (WebSideStory) і Грег Дрю (WebTrends) приєднаються до першої ради.

Вебаналітика або інтернет-аналітика в загальному - це поєднання технологій та методів збору,обробки, аналізу та інтерпризації результатів дослідження поведінки споживачів на інтернет-ресурсах з метою оптимізації діяльності онлайн установи (як правило підвищення ефективності діяльності бізнесу).

Також серед поширених визначень представлені наступні:

Digital, інтернет або веб-аналітика – це системний процес вимірювання, збору, аналізу, візуалізації та інтерпретації інформації про просування користувача у воронці продажів з метою її покращення та оптимізації (прийняття управлінських рішень).

https://www.digitalanalyticsassociation.org/

4. Принципи формування веб-аналітики

Основними важелями впливу в веб-аналітиці є розуміння поведінки споживача (виібірка даних), а також часові обмеження, які впливають на ефективність.

Нижче алгоритм поведінки споживача 

Важливо розуміти технічні особливості формування даних про поведінку споживача.

Клієнти є звичайними користувачами, підключеними до Інтернету за допомогою комп'ютера або телефону та спеціальної програми, встановленої на цих пристроях (браузер). § В примітивному варіанті!Сервери — це комп'ютери, які зберігають на своїх жорстких дисках файли веб- сайтів або програм і коли пристрій клієнта намагається отримати доступ до будь-якої веб-сторінки (документу), копія завантажується з сервера на клієнтський комп'ютер для відображення в браузері користувача. § Але крім клієнта і сервера, існує кілька інших компонентів, без яких функціонування Інтернету було б неможливим.

Інтернет-підключення, яке дозволяє надсилати та приймати дані по мережі. Воно подібне до телефону, за яким ти зв'язався з піцерією і зробив замовлення. • TCP/IP (протокол управління передачею та інтернет протокол) є комунікаційними протоколами, які визначають, яким чином дані мають передаватися через мережу. У нашому прикладі це служба доставки, яка забере піцу з піцерії і привезе її до тебе додому. • DNS або система доменних імен нагадує записник для веб-сайтів. Коли ти вводиш веб-адресу в браузері, браузер звертається до DNS, щоб знайти реальну адресу сайту, перш ніж він зможе його отримати. Це схоже на пошук твого адреси кур'єром, щоб доставити замовлення у потрібне місце. • HTTP або протокол гіпертексту — це система правил, яка визначає мову для клієнтів і серверів, щоб спілкуватися один з одним. Протокол еквівалентний мові, на якій було зроблено замовлення. • Файли компонентів - сайт складається з декількох різних файлів, які подібні до інгредієнтів, що складають піцу. Ці файли кількох типів: • HTML – це стандартизована мова розмітки документів у всесвітньому павутинні; • CSS (каскадні таблиці стилів) - мова опису зовнішнього вигляду документа; • JavaScript — мова програмування, необхідна для надання інтерактивності веб-сторінкам; • Матеріали - це збірна назва для всіх інших файлів, з яких складається сайт, наприклад, зображення, файли mp3, відео, документи Word або PDF.

Кукі (англ. cookie) - невеликий фрагмент даних, надісланий веб-сервером і зберігається на комп'ютері користувача. Веб-клієнт (зазвичай веб-браузер) щоразу при спробі відкрити сторінку відповідного сайту пересилає цей фрагмент даних веб-серверу у складі HTTP- запиту.

Що варто знати про кукі? у них обмежений термін життя: тимчасові куки існують протягом 1 сеансу і видаляються після його завершення, постійні куки живуть 2 роки; вони не містять прямих персональних даних: імені, прізвища та іншої розпізнавальної інформації; вся інформація зберігається у зашифрованому вигляді; дані завжди мають похибки та не бувають на 100% точними; якщо користувач блокує використання cookie у своєму браузері, сайт не може їх використовувати та відстеження не відбувається; 1 файл cookie = 1 пристрій = 1 браузер.

Щоб веб аналітика працювала та збирала дані, на всі сторінки сайту додається фрагмент Javascript-коду. Цей код фіксує дії користувачів та надсилає інформацію до Google Analytics, де вона формується до звітів.

Які типи даних бувають: 

• First-party data – це дані ваших клієнтів або аудиторії, які ви зібрали, ви володієте ними. Ви можете отримувати такі дані через: свій веб-сайт, cookie, CRM, зворотний зв'язок від клієнтів, WiFi-радари в магазинах, покупки, контактний центр або з іншого джерела інформації, де користувачі надають згоду на передачу даних про себе. 

• Second party data - це чиїсь first-party дані, куплені безпосередньо у власників даних, на які ви можете таргетуватися. 2nd party data дозволяють подолати обмеження своїх first-party data за обсягом даних, розширити охоплення та підвищити ефективність кампаній 

• Third-party data дані зазвичай агрегуються з безлічі різних джерел і є дані багаті інформацією про поведінку або демографії користувачів. Вони часто збираються організацією, яка не має прямих стосунків із споживачами.

5. Поведінкові (аудиторні) метрики . Їх структурний алгоритм

Поведінкові (аудиторні) метрики . Їх структурний алгоритм

6. Поняття «КРІ» в веб-аналітиці. Типові індикатори

KPI zабо ключові показники ефективності – це основні показники діяльності бізнесу, які допомагають досягти поставлених цілей.

Моніторинг ключових показників ефективності дає бізнесу можливість оцінити свій стан, допомогти в оцінці реалізації стратегії та коректно розподіляти ресурси, займатися плануванням та прогнозувати результати. 

Revenue або доходи - сума, яку отримує бізнес від маркетингової діяльності;

ROMI або повернення маркетингових інвестицій - співвідношення доходів та витрат;

Відвідуваність сайту - тобто скільки людей побувало на сайті за певний часовий період; 

Коефіцієнт конверсії у замовлення – це співвідношення кількості замовлень до кількості відвідувачів сайту;

Показник відмов - це відсоткове співвідношення кількості відвідувачів, що залишили сайт прямо зі сторінки входу або переглянули не більше однієї сторінки сайту;

 Середній чек - це сума всіх скоєних відвідувачами покупок за певний період часу, поділена на кількість замовлень за той же період; 

 CPC — це вартість кліку, тобто сума, яку рекламодавець сплачує рекламній системі за клік за оголошенням, зробленим користувачем; 

 CPO – це вартість замовлення, яке здійснив користувач на сайті, тобто співвідношення витрат та кількості замовлень.

Для формування КРІ необхідно дати відповідь на декілька питань

Що знаємо про проект? 

§ Бізнес модель; 

§ Платформи, у яких працюють; 

§ Які є підрозділи у компанії; 

§ Будь-які інші корисні дані. 

Що знаємо про замовника? 

§ Хто замовник; 

§ Хто буде споживачем результатів роботи аналітика; 

§ На які питання вони бажають отримувати відповіді.

Зазначена вище інформація збирається відповідно до маркетингової воронки для вибору KPI

Кількісні дані формують Output задачу проєкту.

 Система ключових показників ефективності (англ. Key Performance Indicators, KPI)  дозволяє оцінити показники успіху та досягнення мети відділів або компанії в цілому, а також її різноманітних інструментів та напрямків діяльності.

Ключові показники мають різні рівні за воронкою продажів. 

Приклад.

Етап 1 - Залучення: Покази; Кліки; CTR (клікабельність); 

Етап 2 - Інтерактивність: Показник відмов; час перебування на сайті; глибина перегляду; Нові відвідини; 

Етап 3 - Конверсійність; Конверсії; Асоційована конверсія; ROI; LTV.

Конверсія - корисна дія, зроблена користувачем на вашому сайті або мобільному додатку. Конверсією може бути будь-яка дія, яка вважається цільовою для бізнесу. Коефіцієнт конверсії – відсотковий показник. Може вважатися, як із сеансів, так і з користувачів.

Вибір KPI залежить від тематики та ніші на ринку

7. Таксономія основних метрик веб-аналітики

Метричний апарат веб-аналітики структурується за кількома класифікаційними осями, серед яких виділяють розмежування між метриками залучення, метриками поведінки та метриками конверсії. Метрики залучення характеризують обсяг та джерела трафіку на веб-ресурс, включаючи такі показники як кількість сесій, унікальних користувачів, переглядів сторінок та нових відвідувачів. Аналіз джерел трафіку передбачає категоризацію за каналами залучення, що включають органічний пошук, платну рекламу, прямі заходи, реферальний трафік та соціальні медіа. Кожен канал характеризується специфічними паттернами поведінки користувачів та конверсійним потенціалом, що зумовлює необхідність диференційованого підходу до оптимізації різних джерел трафіку. Метрики залучення формують перший рівень аналітичної воронки, що дозволяє оцінити ефективність маркетингових активностей у генерації первинного інтересу до бренду або продукту.

Метрики поведінки відображають характер взаємодії користувачів з контентом та функціональністю веб-ресурсу, що включає показник відмов, середню тривалість сесії, кількість переглянутих сторінок на сесію та глибину скролінгу. Показник відмов визначається як відсоток сесій, під час яких користувач переглянув лише одну сторінку та покинув ресурс без подальшої взаємодії, що може індикувати невідповідність контенту очікуванням користувача або проблеми з юзабіліті. Інтерпретація показника відмов вимагає контекстуального підходу, оскільки високі значення можуть бути природними для певних типів контенту, наприклад, інформаційних статей або контактних сторінок, де користувач отримує необхідну інформацію без необхідності переходу на інші розділи сайту. Середня тривалість сесії та кількість переглянутих сторінок характеризують глибину залученості аудиторії та якість контенту, проте мають інтерпретуватися у контексті специфіки бізнес-моделі та цілей веб-ресурсу.

Метрики конверсії становлять критично важливу категорію показників, що безпосередньо пов'язані з досягненням бізнес-цілей та генерацією цінності від цифрової присутності. Конверсія визначається як виконання користувачем цільової дії, що може включати здійснення покупки, реєстрацію, завантаження контенту, підписку на розсилку або будь-яку іншу дію, що відповідає стратегічним цілям організації. Коефіцієнт конверсії обчислюється як відношення кількості конверсій до загальної кількості сесій або користувачів, виражене у відсотках, та становить один з найбільш критичних KPI у веб-аналітиці. Розрізняють макроконверсії, що репрезентують основні бізнес-цілі, та мікроконверсії, що відображають проміжні кроки у шляху користувача до основної конверсії. Аналіз мікроконверсій дозволяє ідентифікувати вузькі місця у конверсійній воронці та оптимізувати окремі етапи шляху користувача для підвищення загальної конверсійності.

8. Інструментальні засоби в веб-аналітиці

9. Принципи та методології таргетингу в контексті веб-аналітики

Таргетинг у цифровому маркетингу становить процес ідентифікації та сегментації аудиторії з метою доставки релевантного контенту або рекламних повідомлень специфічним групам користувачів, що характеризуються спільними демографічними, психографічними або поведінковими характеристиками. Веб-аналітика відіграє фундаментальну роль у побудові ефективних стратегій таргетингу, забезпечуючи емпіричну базу для сегментації аудиторії та оцінки ефективності таргетованих кампаній. Демографічний таргетинг базується на соціально-демографічних характеристиках аудиторії, включаючи вік, стать, географічне розташування, рівень освіти та дохід, що дозволяє адаптувати маркетингові повідомлення до специфіки різних демографічних сегментів. Психографічний таргетинг фокусується на психологічних характеристиках аудиторії, включаючи цінності, інтереси, стиль життя та особистісні риси, що забезпечує глибший рівень персоналізації комунікацій.

Поведінковий таргетинг представляє найбільш sophisticated підхід до сегментації аудиторії, базуючись на аналізі історичної поведінки користувачів у цифровому середовищі. Даний підхід включає аналіз історії переглядів сторінок, паттернів навігації, попередніх покупок, взаємодії з контентом та інших поведінкових сигналів, що дозволяють прогнозувати майбутні наміри та потреби користувачів. Веб-аналітичні платформи забезпечують механізми створення поведінкових сегментів на основі комбінації різноманітних критеріїв, що включають частоту відвідувань, ступінь залученості, етап у lifecycle користувача та специфічні дії, виконані на ресурсі. Ремаркетинг, що базується на поведінковому таргетингу, дозволяє повторно залучати користувачів, які раніше взаємодіяли з брендом, але не завершили конверсію, через таргетовану рекламу на інших платформах або каналах комунікації.

Контекстний таргетинг, що базується на аналізі контенту сторінок або пошукових запитів користувачів, забезпечує доставку релевантної реклами у момент, коли користувач демонструє активний інтерес до певної тематики або продукту. Даний підхід характеризується високою релевантністю рекламних повідомлень, що позитивно впливає на показники клікабельності та конверсії, проте вимагає ретельного підбору ключових слів та контекстів для забезпечення оптимального балансу між охопленням та релевантністю. Lookalike моделювання представляє advanced техніку таргетингу, що використовує алгоритми машинного навчання для ідентифікації нових потенційних клієнтів, які характеризуються схожими атрибутами з існуючою високоцінною аудиторією. Ефективність різних підходів до таргетингу оцінюється через призму веб-аналітичних метрик, включаючи коефіцієнт конверсії, вартість залучення клієнта, lifetime value та return on ad spend, що забезпечує data-driven оптимізацію таргетингових стратегій.

10. Висновки

Екосистема веб-аналітики становить комплексну інфраструктуру для data-driven управління цифровою присутністю організацій, що інтегрує технологічні рішення збору даних, аналітичні методології та бізнес-процеси прийняття рішень. Системне розуміння основних метрик веб-аналітики формує необхідну базу для ефективного моніторингу та оптимізації онлайн-активностей, дозволяючи ідентифікувати можливості для покращення користувацького досвіду та підвищення конверсійності. Таксономія метрик, що включає показники залучення, поведінки та конверсії, забезпечує багатовимірний погляд на ефективність веб-ресурсу та дозволяє формувати холістичне розуміння шляху користувача від первинного контакту з брендом до завершення цільової дії.

Інтеграція принципів таргетингу з веб-аналітичними практиками дозволяє трансформувати загальні маркетингові активності у персоналізовані комунікації, що характеризуються вищою релевантністю та ефективністю. Різноманітність підходів до таргетингу, що включає демографічні, психографічні, поведінкові та контекстні методології, забезпечує гнучкість у виборі оптимальної стратегії сегментації аудиторії відповідно до специфіки бізнес-моделі та маркетингових цілей. Подальший розвиток компетенцій у сфері веб-аналітики вимагає поглиблення розуміння специфічних аналітичних платформ, методологій збору та інтерпретації даних, а також формування навичок трансформації аналітичних insights у практичні рекомендації для оптимізації цифрових активностей.

11. Питання для підготовки

• Охарактеризуйте структуру та основні компоненти екосистеми веб-аналітики як інтегрованої системи інструментів та процесів.
• Проаналізуйте переваги та обмеження різних методів збору даних у веб-аналітиці, включаючи серверні логи та JavaScript-теги.
• Поясніть концептуальні відмінності між поняттями користувача та сесії у контексті веб-аналітики та їх значення для інтерпретації метрик.
• Порівняйте метрики залучення, поведінки та конверсії з точки зору їх ролі в оцінці ефективності веб-ресурсу.
• Обґрунтуйте необхідність контекстуального підходу до інтерпретації показника відмов для різних типів веб-сторінок.
• Розкрийте концепцію макроконверсій та мікроконверсій та їх роль в аналізі конверсійної воронки.
• Охарактеризуйте основні підходи до таргетингу аудиторії та специфіку їх застосування у різних бізнес-контекстах.
• Проаналізуйте роль поведінкового таргетингу в контексті персоналізації цифрових комунікацій.
• Поясніть принципи функціонування lookalike моделювання та його застосування для розширення аудиторії.
• Обґрунтуйте взаємозв'язок між веб-аналітичними метриками та оцінкою ефективності таргетингових стратегій.

12. Завдання для самостійного опрацювання

• Проведіть порівняльний аналіз трьох основних веб-аналітичних платформ, ідентифікуючи їх функціональні можливості, переваги та обмеження у контексті різних бізнес-моделей.
• Розробіть концептуальну модель збору даних для гіпотетичного e-commerce проєкту, специфікуючи події для відстеження та структуру data layer.
• Створіть таксономію метрик для оцінки ефективності контент-орієнтованого веб-ресурсу, обґрунтовуючи вибір специфічних показників.
• Проаналізуйте реальний кейс веб-ресурсу, ідентифікуючи можливості для оптимізації конверсійної воронки на основі аналізу поведінкових метрик.
• Розробіть стратегію сегментації аудиторії для B2B SaaS продукту, інтегруючи демографічні, психографічні та поведінкові критерії.
• Підготуйте критичний огляд наукової літератури щодо впливу персоналізації та таргетингу на ефективність цифрового маркетингу.
• Проведіть аналіз етичних та privacy-related аспектів збору та використання даних у веб-аналітиці у контексті GDPR та інших регуляторних frameworks.

13. Корисні матеріали

Базові ресурси: Google Analytics Academy – офіційні навчальні курси з веб-аналітики та роботи з Google Analytics платформою Digital Analytics Association – професійна спільнота аналітиків з ресурсами, дослідженнями та best practices Avinash Kaushik Blog – провідний експерт у галузі веб-аналітики, автор концепції actionable analytics

Наукові публікації та дослідження: Journal of Interactive Marketing – академічний журнал з досліджень у сфері цифрового маркетингу та аналітики International Journal of Electronic Commerce – публікації з e-commerce аналітики та оптимізації конверсій Marketing Science – академічні дослідження з кількісних методів аналізу маркетингової ефективності

Практичні інструменти та платформи: Google Analytics 4 Documentation – офіційна документація з функціональності та налаштування GA4 Google Tag Manager – платформа для управління тегами та налаштування збору даних Looker Studio – інструмент візуалізації даних та створення аналітичних дашбордів