СТАТИСТИЧЕСКИЕ МОДУЛИ CMS (content management system) – система управления содержанием сайта, часто имеет собственный статистический модуль, перерабатывающий статистику сайта. Такая система выдает статистические отчеты точно так же, как счетчик или лог-анализатор. В основе статистики CMS могут лежать разные исходные данные, как лог-файлы, так и данные, полученные при помощи косвенных измерений, как это делает счетчик. У грамотно спроектированного модуля есть еще один важнейший источник данных – собственно данные CMS: регистрационные данные пользователей, стоимости товаров, названия страниц, использованные скидки, приведшие клиента аффиляты и т. д. – вся та информация, которая позволяет получить качественно новые знания о посетителе сайта.
Статистический модуль, встроенный в CMS, может сочетать бизнес-статистику сайта со статистикой поведения пользователя, то есть получить несравнимо больший объем статистики, причем статистики, непосредственно отражающей работу сайта как бизнеса. Важно также, что эта статистика более понятна и наглядна – она выражена непосредственно в деньгах и продажах.
К сожалению, чаще всего встроенные в CMS статистические модули не обладают такими возможностями и являются простыми счетчиками, реже – простыми лог-анализаторами, что делает их неинтересными для использования. Для разработчиков CMS разработка системы лог-анализа – лишняя трата ресурсов, если есть отдельный счетчик или лог-анализатор, которые гораздо лучше проработаны, поскольку над ними постоянно работает отдельная команда программистов, а статистический модуль CMS – это побочный продукт, которому уделяется относительно мало внимания. Наличие продвинутого модуля анализа в CMS системе – еще один плюс в ее пользу, который должен быть учтен при выборе CMS-системы, поскольку позволяет сократить расходы на обработку статистики.
СПЕЦИАЛИЗИРОВАННЫЕ РЕШЕНИЯ, основанные на данных счетчика или лог-анализатора, разрабатываются для какой-либо определенной исследовательской задачи, чаще всего – для анализа рекламной кампании, для анализа поисковой оптимизации или для анализа паттернов поведения аудитории. Такие решения обычно пишут для своих задач рекламные агентства, а также системы показа рекламы, поэтому лишь небольшое их количество доступно массовой аудитории.
Наиболее известным классом систем является Pixel Audit[3] – решения, основанные на данных специальных счетчиков, устанавливаемых на ключевые страницы сайта. Такие системы анализируют эффективность рекламной кампании, сопоставляя данные счетчиков и данные, собранные баннерной системой в процессе показа рекламы.
Специализированные решения обычно не гибки и не годятся для глубокого анализа рекламы. Они хороши в повседневной работе для построения рутинных отчетов. В большинстве случаев маркетологу не требуется глубокое исследование и анализ скрытых закономерностей, ему достаточно иметь несколько основных цифр, которые покажут, как проводить рекламу в следующий раз. Использовать для этого специализированные решения удобнее. Данные, приведенные в таблице 7.1, позволяют сравнить различные решения сбора и анализа статистики.
Таблица 7.1. Достоинства и недостатки различных инструментов измерения[4]
ЗАДАНИЕ
Подготавливаем систему анализа для интернет-маркетинга.
1. Определите для каждой цели, которую вы определили для сайта в главе 2, целевые страницы на сайте. Составьте по результатам этой работы таблицу целей.
2. Установите на сайт счетчик SpyLOG или Google Analytics, настройте в этих счетчиках цели для различных коммуникаций, которые вы выбрали в предыдущем пункте.
3. Настройте сегменты на различные целевые группы в зависимости от посещенных на сайте разделов и от совершаемых на сайте действий.
4. Соберите в единую таблицу информацию о целевых группах, настроенных в системе статистики целях, настроенных сегментах.
7.3. Измерение эффективности интернет-маркетинга
Ура! Наконец, мы добрались до сути! Мы уже выяснили, какие параметры нам нужно определять, как их получить и даже какие инструменты используются для их сбора и анализа. Теперь пора построить саму методику анализа и использовать ее в работе.
Перед нами стоит задача: разделить потоки приходящих на сайт посетителей и выделить из них тех, кто появился в результате различных маркетинговых действий. Это позволит определить поведение каждой группы посетителей в отдельности и, в конечном счете, посчитать ROI для каждого случая.
ROI – return of investment – экономическая эффективность совершаемых действий (в нашем случае – интернет-маркетинга). Считается как отношение прибыли, полученной в результате каких-либо действий (рекламы, оптимизации, изменения сайта и т. д.), к затратам на совершение действий. Подробнее об этом можно почитать в Википедии ru.wikipedia.org/wiki/ROI.
По умолчанию все системы измерения – лог-анализаторы или счетчики – предоставляют статистические отчеты только по всем посетителям вместе. Для того чтобы построить специальный отчет по группе пользователей, нужно задать фильтр – критерий, по которому будут отбираться посетители для отчета. Таким критерием является переход с определенной рекламной площадки или по определенным маркетинговым акциям. Наша задача – научить технологически обозначать эти критерии для системы анализа.
Для этого используется методика меток, суть которой заключается в создании уникальных адресов входа на сайт для разных рекламных материалов. Пользователи приходят с каждой площадки на специально для них созданный адрес, и исследователь может впоследствии легко определить их.
Метка – это специально подготовленный набор символов, указываемый в адресе страницы, на которую ссылается реклама, после вопросительного знака. Метка не влияет на результат, который получит пользователь, однако видна в отчетах статистики. В том случае, если сайт использует динамическое создание страниц, метка ставится после строки запроса, которая собирает страницу из базы данных через значок & (коммерческое 'and'). Как это работает?
Представим, что пользователь переходит на сайт по адресу www.site.ru. В момент его перехода счетчик или сам сервер в логах зафиксировали переход именно на указанный адрес. А теперь поменяем адрес, чтобы пользователь перешел на сайт, и вот чудо – он видит ту же самую страницу, что и в первый раз. При этом счетчики или лог-файлы укажут, что пользователь посетил именно страницу www. site.ru?any=youwant, а не просто главную страницу сайта. Это и станет критерием того, как отделить любую нужную группу посетителей.
Самое главное, что пользователь, попадающий на сайт, увидит одну и ту же страницу, какая бы метка ни была указана в адресе, поскольку система управления сайтом в большинстве случаев игнорирует неизвестные переменные. Если же сайт статичный, то неизвестные переменные игнорирует сервер. Таким образом, мы можем направлять посетителей из разных источников на разные страницы сайта и в статистике по адресу страницы, на которую перешел тот или иной посетитель, однозначно видеть, откуда он пришел.
В самом простом случае адрес, куда должны перейти посетители с рекламы, снабженный меткой, выглядит следующим образом:
www.site-name.ru/adpage.html?from=metka1
Здесь:
• www.site-name.ru – адрес сайта;
• adpage.html – адрес страницы, на которую приходит весь рекламный трафик;
• from= – переменная, которая может быть любой, но удобно использовать всегда одну и ту же;
• metkal – значение переменной, то есть собственно метка, которая создается своя для каждой рекламной кампании.
Если сайт динамический, этот же пример будет выглядеть следующим образом:
www.site-name.ru/adpage.html?parametr1=abc¶metr 2=mnb&from=metka1
Здесь:
• www.site-name.ru – адрес сайта;
• adpage.html – адрес шаблона страницы, на которую приходит весь рекламный трафик;
• parametr1=abc и parametr2=mnb – переменные и их значения, по которым собирается страница на сервере (здесь может быть все что угодно, но примерно такого вида);
• from= – переменная, которая может быть любой, но удобно использовать всегда одну и ту же;
• metkal – значение переменной, то есть собственно метка, которая создается своя для каждой рекламной кампании.
Составляя метки, желательно придерживаться трех условий.
1. Метки должны быть уникальны для каждой рекламной площадки. Удобнее делать метки разными не только для каждой рекламной площадки, но также и для каждого рекламного места, и для каждого вида рекламных материалов. Хорошо, если метки содержат в названии ключевые слова, позволяющие «на глаз» определять, какой площадке они принадлежат. Впоследствии можно сделать составную метку, например RllMailstartLeft: рекламная кампания в ноябре, баннер на стартовой странице почты Mail.ru слева. Это позволяет легко разбираться в статистических отчетах, не прибегая к дополнительным таблицам расшифровки. Таблицы тем не менее всегда должны присутствовать, поскольку мало ли кто и когда будет исследовать рекламные кампании.
