Як налаштувати аналітику для продукту?

Аналіз даних дає можливість генерувати гіпотези і розвивати продукт. Для того, щоб налаштувати аналітику, яка дасть результат, не потрібні великі витрати — основні популярні інструменти безкоштовні. У цій статті Сергій Мічкур, лід департаменту аналітики кіберспортивної корпоративної групи WePlay Holding, розкаже, як побудувати аналітику для продукту з нуля та що робити з отриманими даними.  

Які інструменти для побудови аналітики знадобляться?

Збір даних

Тут нам допоможуть сервіси від Google. Google Analytics здійснює колект запитів через зашитий в сторінку код. І коли користувач Х ініціює подію на сайті, дані відправляються до Google Analytics. Він їх збирає, агрегує і видає у вашому кабінеті.

Маркетологам достатньо цього рівня, але для аналітиків важлива грануляція даних. Тому аналітики використовують сирі дані, які можна отримувати, наприклад, за допомогою інструментів BI, таких як Power BI чи Tableau. Деякі додаткові тулзи можуть також конектитись до самої Google Analytics.

Google Tag Manager – допомагає модифікувати вашу веб-сторінку і відправляти додаткові івенти, які не охоплює базова гугл аналітика. Наприклад, потрібно фіксувати кожен клік по конкретній кнопці. Тут можна поставити задачу на розробника, або використати Google Tag Manager. Другий варіант буде значно швидшим. Сервіс миттєво доставляє зміни у фронтенді (якщо вони адекватні), і вже через пару секунд деплою ви отримаєте нову модифіковану сторінку, яка може відправляти в аналітику кліки по кнопці, переходи на інші сторінки сторінку, час проведений на сторінці тощо.

Тобто на початку використовуємо симбіоз Google Analytics та Google Tag Manager. Рекомендація для веб-розробників: якщо отримуєте задачу поставити гугл аналітику на сайт, почніть з Google Tag Manager. В подальшому через нього можна налаштувати і Google Analytics, і Facebook Pixel.

Далі додаємо трішки більше гранулярності. Ми маємо 2 рівні даних разом з гугл аналітикою: client_id та user_id. Це рівні ідентифікації користувача у системі, де

1)    client_id – новий користувач, присвоюється гугл аналітикою і записується в cookies. Якщо користувач почистить cookies або зайде з іншого пристрою, то це буде інший користувач.

2)    user_id – користувач, якому присвоєне унікальне значення після реєстрації. Тобто це індетифікатор користувача в базі данних.

Тобто, поки користувач знаходиться на сайті, аналітика збирає дані про кожну його поведінку під client_id. Після того, як користувач зареєструвався або здійснив покупку, йому присвоюється унікальний user_id. Ви можете передати цей параметр через Google Tag Manager в Google Analytics, і об’єднати інформацію про всі попередні дії користувача до моменту реєстрації.

Це робиться для визначення патернів поведінки певного сегменту користувачів, який є цінним для нашого продукту, тобто тих, хто здійснив цільову дію. Можна простежити їх інтерес до специфічного товару, дізнатись, з якого traffic source вони приходять і так далі. Також таким чином ми можемо відслідкувати всі дії користувача до моменту реєстрації, і можливо, виділити якийсь патерн, який призводить до реєстрації чи іншої дії.

Популярний курс за напрямом: IT Product Management

Якщо ми підключимо GA4 або спеціальний код через Google App Engine, ми зможемо стрімити всі ці дані в нашу базу даних. В основному це Google BigQuery. Там вже можемо їх аналізувати. Якщо все налаштовано правильно, то кожен collect tag який гугл аналітика відправляє на власні сервери, ми продублюємо і відправимо на свої, розпарсимо данні і збережемо в базі з наступними значеннями:

  • cid – унікальний ідентифікатор Гугл Аналітики
  • Tid – тег нашого приставлення Гугл аналітики
  • Uid – індетифікатор користувача

Я їх передаю окремо у Custom dimension 1 і Custom dimension 2. Custom dimension – це кастомне поле, яке ми передаємо в Google Analytics (індетифікувавши через Google Tag Manager) і вже звідти можемо вивантажувати їх у вигляді сирих даних. Тобто так ми присвоюємо кожній дії конкретного користувача, дивимося аналітику у розрізі унікальної особи, а не агрегації.

Тепер, коли дані налаштовані, через Firebase чи Google App Engine вони мігрують у сховище для подальшого аналізу. Таким сховищем може бути Google Big Query або PostgreSQL, якщо трішки поправиди код проекту. В таких сховищах через select запити ви зможете працювати з сирими даними.

Аналіз

Особисто я використовую Tableau та Anaconda. Tableau дозволяє обробляти великі масиви даних без лімітів у перформансі, на відміну від того ж Excel. Але він платний, тож якщо ресурс не дозволяє, можна використовувати мікс Python чи R. Всі ці ресурси підійдуть для більш глибинного аналізу, де працюють з побудовою чарту і таким чином шукають закономірності.

Також використовують Data Studio для візуалізацій. Це безкоштовний продукт Google, за допомогою нього можна ідеально конектитись до гугл аналітики, до BigQuery та будувати різного роду звіти

За допомогою Google Tag Manager, Google Analytics та Data Studio аналітик на будь-якому проекті зможе налаштувати доволі детальну аналітику, не витрачаючи на це нічого.

Початок аналізу продукту

Моя особиста філософія в аналізі: будь який продукт – це воронка. Її структуру вибудовує сам аналітик, базуючись на знаннях продукту і бажаному кінцевому результаті. Щоб не стати простим статистом, варто бути продуктовим аналітиком.

Аналітик продукту інколи повинен знати продуктову воронку краще, ніж проджект чи продакт-менеджер. Адже він має вибудовувати шлях користувача, визначати цільову метрику, знаходити, де більше всього відвалюється користувачів, і генерувати ідеї, як це можна покращити.

Крім того, можна вибудовувати залежність повернення користувача від його вкладу в продукт. Чим більше інвестиція користувача в продукт, тим більше шансів, що він затримається тут надовго і принесе багато грошей.

Я ділю продуктовий Funnel на пре-продуктовий (події до реєстрації) і після продуктовий рівень (все, що відбувається з моменту реєстрації).

На пре-продуктовий рівень впливає:

  • Traffic Source (результат роботи маркетолога)
  • Landing page (встановлення першого контакту з потенційним клієнтом)

Це та якість трафіка, яка приходить до нас на ресурс. Ми намагаємося оптимізувати шлях користувача від візиту (client_id) до реєстрації (user_id).

Після реєстрації досліджуємо воронку, щоб зрозуміти, на якому етапі ми втрачаємо користувачів. Аналітики мають бути локомотивом продуктових гіпотез. Бо вони можуть краще читати дані, а за наявності фантазії можуть ще й допомагати генерувати правильні ідеї.

Отже, ми дивимося на шлях користувача з першого візиту до цільової дії (напр. купівлі товару). Визначаємо кількість кроків. Чим їх менше, тим краще. Кожен додатковий екран відсіює певну кількість користувачів, адже люди зазвичай прагнуть отримати бажане за мінімальну кількість кліків.

Чим більша інвестиція користувача (заповнення форми, імейлу, власного профілю, підключення соцмережі), тим краща подальша взаємодія з продуктом. Але головне тут уникати крайнощів: аналітики допомагають продукт-менеджерам створювати баланс — правильну кількість етапів проходження до нашої цільової дії.

Важливі метрики для продуктового аналітика

CR (Conversion rate) – відсоткове відображення конвертації користувача з одного стану в інший (візит у реєстрацію, візит в оплату). Завдяки цьому знаходимо слабкі місця в нашому продукті для їх викорінення чи оптимізації.

Retention – відсоткове відображення повернення користувачів на продукт у день, який не дорівнює нульовому лайфтайму. Це ключова метрика, що стосується виручки продукту. Вищий % повернення – більша виручка.

ARPU/ ARPPU – показують середню виручку на всіх користувачів когорти і на тих, хто провів оплату. Важливо аналізувати всіх користувачів в рамках когорт, щоб відстежувати зміни у трафіку або в самому продукті.

*Когорта – це користувачі, які приходять у фіксований проміжок часу (напр. день).

LTV – виручка, яку приносить користувач когорти за весь час існування на платформі.  Чітко визначити можливо лише в рамках когорти на продуктах, де є повне згасання життя цих когорт. Для інших продуктів, де користувач живе роками, можливо зробити лише прогнозне LTV. Враховуючи коефіцієнт згасання живучості когорти, виручки, можна побудувати LTV з чіткістю у 80-85%.

LTV показує ефективність маркетингу. Має бути вищим за маркетингові витрати.

Прихід користувачів

Органічні користувачі показують, що SEO налаштоване добре, що продукт відомий на ринку. Їх аналізуємо за вищевказаним метрикам. Історія з цими користувачами така – для їх залучення ми не витратили коштів, але вони нам їх приносять.

Платні кампанії використовують, коли хочуть агресивно масштабуватися та конвертувати маркетингові кости у виручку. При формуванні маркетингових кампаній залучаються маркетологи. Вони створюють креативи, запускають кампанії. Але аналітику важливо нагадувати маркетологу, щоб той використовував UTM-мітки. Без них не можна визначити, звідки до нас приходять користувачі. Усі мітки умовно можна розділити на прихід клієнтів по: traffic source, traffic medium, traffic campaign, а далі по traffic term і traffic content.

Це глибинна аналітика. Ми до кожного користувача, який навіть не зареєструвався, підвязуємо весь перерахований source. Це допомагає побачити, скільки коштів було витрачено і який результат це дало.

Якщо все налаштовано правильно, і в аналітиці прив’язаний user id, ми знаємо скільки користувач витратив на наш продукт. Так ми можемо говорити про прибутковість чи збитковість кампанії.

За допомогою продуктових метрик аналітик проводить атрибуцію трафіку для збільшення ефективності. Буває так, що кампанія дає багато переходів, але всі ці користувачі не живі, не цільові. Бувають і випадки Fraud-трафіку, що приносить збитки бізнесу.

Метрики

СРМ та СРС – дані, якими володіють маркетологи.

CPR – деякі мережі не підтримують. CPR вартість та CAC вартість маркетологу доносить аналітик. Він може ініціювати відключення певних кампаній.

З цих 4 показників ми вибудовуємо ROI (return of investment). ROI становить значення від -1 до 0 і вище. Чим вище показник, тим краще. Також знаючи лайфтайм користувача, можна будувати прогнозний ROI на фазі конверсій користувачів. Щоб вже на 2-5 день життя когорти мати можливість прогнозувати майбутній заробіток. Правильно побудовані моделі є точними на 80-90%. Їх достатньо для прийняття рішень маркетологом.

Підтримка та повернення користувачів

Ми залучили користувачів на продукт, провели їх аналітику у рамках продукту. Далі відбувається підтримка та повернення користувачів. Цим займається маркетолог через імейли, чат-боти, смс, пуші, веб-пуші тощо.

Аналітик оцінює якість цих інструментів та якість повернення. Може провести атрибуцію користувачів по різним каналам за допомогою UTM-міток. Він визначає ефективність кожного з каналів: що поводять себе користувачі, які з них приходять, чи є потрібний відсоток конверсій. Проводиться розбір результатів з маркетологом, часом навіть запустають AB тести розсилок. Таким чином аналітик впливає на повернення користувачів, допомагаючи маркетологам.

Тестування

Ми побудували аналітику, збір даних, аналітику продукту, аналітику маркетингу, аналітику повернення користувачів. Коли вся система налаштована і працює добре – самий  час для проведення тестів для покращення funnel (воронки цього продукту).

Для цього можна використати безкоштовний Google Optimize. Він дозволяє самостійно проводити UI-правки, розділяти аудиторію на групи та міряти ефективність тесту. Тобто правки в продакшн можна зробити без залучення розробників. Google Optimize працює лише на 5 одночасно запущених тестах, чого більш ніж достатньо. Також інтегрується через GTM.

1. Визначаємо вузьке місце в воронці

2. Генеруємо гіпотезу

3. Вносимо правки в текст — розміщення блоків, кольори.

*Для цього в Google Optimize треба ввести ту сторінку, яку хочете оптимізувати. Далі створюєте додаткову групу, обираєте id сторінки і вже можете самостійно модифікувати колір, шрифт, виділяти блоки, налаштовувати цільову конверсію і т.п., запускаєте тест. При заході користувача Google Optimize автоматично розділяє користувачів і показує їм різні варіанти сторінки.

4. Міряємо результати нової сторінки з контрольною групою та перевіряємо на статистичну значущість.

Тобто глибина занурення у продукт визначається не лише кількістю інструментів, які ви готові використати для аналітики, але й бажанням самого аналітика дослідити шлях користувача, знайти патерни поведінки. Якщо ви обрали для себе роль продуктового аналітика, не забувайте, що ваша задача — не просто рахувати статистику, але й працювати з продуктом, шукаючи нові зони росту для нього. Адже аналітик — це той, хто може будувати гіпотези з фактів, а не здогадок.