Zaawansowana analityka stron: wyjdź poza podstawy

Marka z podstawową analityką widzi, że współczynnik konwersji spada z 3% do 2,5%, i wpada w panikę. Obwinia produkt, rynek albo odbiorców. Marka z zaawansowaną analityką zna dokładną przyczynę: przycisk zamówienia w wersji mobilnej został wdrożony o 2 piksele mniejszy, dotyczy to 40% odwiedzających i mierzalnie obniża przychody. Na tym polega różnica między zgadywaniem a wiedzą.

Zaawansowana analityka to więcej niż liczenie odwiedzających i odsłon. Znajduje wzorce, przewiduje, co będzie dalej, i wyjaśnia, dlaczego coś się dzieje. Podstawowa analityka odpowiada na pytanie "ilu było odwiedzających?", a zaawansowana na pytania "dlaczego wyszli?", "kto kupi?" i "co się stanie, jeśli to zmienimy?".

Czym zaawansowana analityka różni się od podstawowej?

Spójrz na większość paneli analitycznych, a znajdziesz w nich to samo: liczby ruchu, współczynnik konwersji, współczynnik odrzuceń. Te dane są przydatne, ale odpowiadają tylko na jedno pytanie. Przyjrzyj się dokładniej, a zobaczysz, że podstawowa i zaawansowana analityka rozwiązują zupełnie różne problemy.

Podstawowa analityka jest opisowa. Mówi, co się stało. Widzisz, że stronę odwiedziło 5 000 osób, a 125 z nich dokonało konwersji. Widzisz, które źródło ruchu przyprowadziło najwięcej odwiedzających i która podstrona ma największy ruch. To fundament, bo trzeba wiedzieć, co się wydarzyło. Ale na tym się kończy.

Zaawansowana analityka jest diagnostyczna i predykcyjna. Weź tych samych 5 000 odwiedzających. Zaawansowana analiza pyta: który segment miał najwyższą intencję zakupu? Czy powracający odwiedzający konwertowali inaczej niż ci, którzy byli pierwszy raz? Z jakich funkcji faktycznie korzystały osoby, które kupiły? Co odróżnia kupujących od tych, którzy od razu wychodzą? Która kohorta (grupa, która zapisała się w styczniu, w porównaniu z tą z marca) chętniej odnowi subskrypcję? Takie pytania prowadzą do tego, dlaczego coś się stało i co wydarzy się dalej.

Wpływ na biznes jest ogromny. Marka, która wie, że konwersja wśród użytkowników mobilnych spadła o 50% we wtorek wieczorem, a następnego dnia wróciła do normy, naprawiła problem i zapobiegła jego rozlaniu się na całą firmę. Marka, która wie, że użytkownicy z jednego źródła wydają o 40% więcej na transakcję, może odtworzyć te warunki dla innych źródeł. Marka, która potrafi przewidzieć, którzy klienci odejdą, ma czas, żeby się z nimi skontaktować i ich zatrzymać. To nie jest zgadywanie, to precyzja.

Dlaczego jest Ci to potrzebne?

Weź dowolną konfigurację analityki, a znajdziesz ten sam problem: wnioski urywają się zbyt wcześnie. Znasz główne źródła ruchu. Znasz swój współczynnik konwersji. Wiesz, które podstrony są odwiedzane najczęściej. Większość marek na tym poprzestaje. Utykają przy około 80% wiedzy, a potem dziwią się, że decyzje nadal wydają się niepewne.

Pytanie nie brzmi, czy podstawowa analityka jest przydatna (jest). Pytanie brzmi, czy odpowiada na decyzje, które naprawdę podejmujesz. Jeśli Twoja decyzja to "czy wydać więcej na płatne reklamy?", podstawowa analityka może dać odpowiedź. Jeśli Twoja decyzja to "które źródło ruchu daje klientów, którzy wydają więcej, polecają innych i zostają dłużej?", podstawowa analityka nie wystarczy. Z tym poradzi sobie zaawansowana.

Zaawansowana analityka wychwytuje też problemy, których nikt inny nie widzi. Drobny błąd, który dotyczy tylko użytkowników mobilnych w określone dni, znika w podstawowych panelach. Funkcja, która zwiększa retencję w jednym segmencie, ale nie w drugim, pozostaje ukryta. Konkurent, który powoli przejmuje Twoich najcenniejszych klientów, nie uruchamia żadnych alertów. Zaawansowana analityka stale szuka takich wzorców i pokazuje je, zanim urosną do dużych problemów.

Jak podstawowa i zaawansowana analityka różnią się w praktyce?

Weźmy lejek sprzedażowy. Podstawowa analityka pokazuje odpływ: 10 000 odwiedzających trafia na stronę główną, 3 000 na stronę z cennikiem, 800 do kasy, a 300 kończy zakup. Gdzie giną te 7 000 osób? Panel tego nie mówi. Zaawansowana analityka dzieli ten lejek na segmenty: nowi odwiedzający i powracający, komputer i telefon, źródło A i źródło B. Nagle widać, że nowi odwiedzający z płatnych reklam na telefonach konwertują na poziomie 2%, a powracający odwiedzający z wyszukiwarki na komputerach na poziomie 8%. Teraz możesz działać: poprawić obsługę mobilną dla nowych odwiedzających, skierować płatne wydatki na osoby bliższe zakupu i opracować strategię ponownego zaangażowania tych, którzy już wcześniej odwiedzili stronę.

Weźmy retencję. Podstawowa analityka pokazuje, że miesięczna retencja wynosi 20%. To Twoja liczba. Zaawansowana analityka pyta: która kohorta (miesiąc rejestracji) ma lepszą retencję? Które funkcje wiążą się z wyższą retencją? Który segment użytkowników (wielkość firmy, branża, sposób użycia) chętniej zostaje? Czy klienci, którzy osiągną określony kamień milowy w pierwszym tygodniu, zostają dłużej? Dzięki tym odpowiedziom zmieniasz wdrożenie nowych użytkowników tak, by więcej osób osiągało ten kamień milowy. Retencja rośnie. To różnica między obserwowaniem wskaźnika a jego poprawianiem.

Weźmy anomalie. Podstawowa analityka jest bierna. Zaglądasz do panelu i zauważasz, że coś wygląda inaczej. Zaawansowana analityka jest aktywna. Automatyczny system pilnuje każdego kluczowego wskaźnika, wychwytuje zmianę większą, niż powinna być (konwersja spada o 15% w jeden dzień), i alarmuje, zanim sam to zauważysz. Unikasz sześciu godzin utraconych przychodów, bo dowiadujesz się po 30 minutach, a nie pod koniec dnia.

Kiedy warto wyjść poza podstawową analitykę?

Podstawy masz opanowane. Wiesz, że Twoja retencja wynosi 20%. Wiesz, że konwersja to 2,5%. Wiesz, że trzy główne źródła ruchu działają różnie. Ale teraz zadajesz pytania, na które panel nie odpowie: "Dlaczego użytkownicy ze źródła A mają retencję 25%, a ze źródła B tylko 15%?" albo "Które funkcje dają najwyższą wartość klienta w czasie?". Takie pytania wymagają zaawansowanej analizy, bo odpowiedzi nie ma w podstawowych raportach. Kryją się w segmentach, filtrach i danych zestawianych ze sobą.

Zauważasz też, że problemy stają się subtelniejsze. Na początku są oczywiste (strona nie działa, kasa jest zepsuta). Ale wraz ze wzrostem problemy się chowają. Konkretny krok w kasie działa wolno w sieciach 4G. Konkurent po cichu przejmuje Twoich użytkowników testowych. Wdrożenie nowych użytkowników myli osoby poniżej 25. roku życia. Podstawowe narzędzia nie widzą tych niuansów, bo patrzą na dane zbiorcze. Zaawansowana analityka z segmentacją, śledzeniem kohort i analizą trendów je ujawnia.

Decydujące może być Twoje skalowanie. Przy 1 000 odwiedzających miesięcznie liczy się każdy użytkownik z osobna. Przy 100 000 odwiedzających miesięcznie czytasz wzorce w zachowaniu tysięcy osób. Mały wzorzec (0,1% odwiedzających trafia na błąd) staje się statystycznie niewidoczny. A jednak ma znaczenie, jeśli się kumuluje (0,1% × 100 tys. = 100 dotkniętych użytkowników miesięcznie). Zaawansowana analityka znajduje takie małe, ale istotne wzorce, zanim urosną.

Jest jednak warunek wstępny: potrzebujesz zespołu, który zadziała na podstawie wniosków. Zaawansowana analityka jest bezużyteczna, jeśli odkryjesz, że kasa działa wolno na telefonach, ale nikt nie może tego naprawić. Inwestuj w nią tylko wtedy, gdy masz programistów, osoby od produktu lub marketingu, które mogą wykorzystać Twoje odkrycia. Mały startup może jeszcze nie mieć takiego zespołu. Duże przedsiębiorstwo na pewno ma.

Jakie konkretne techniki ujawniają wzorce, których podstawowa analityka nie widzi?

Zaawansowana analityka to zestaw konkretnych technik, a każda odpowiada na inny rodzaj pytań. Oto pięć, które naprawdę coś zmieniają.

Analiza kohort: Podziel użytkowników na grupy według momentu rejestracji (kohorta styczniowa, lutowa i tak dalej) i śledź zachowanie każdej grupy w czasie. To pokazuje, czy Twój produkt się poprawia, czy pogarsza. Jeśli kohorta styczniowa ma 30-dniową retencję 20%, a czerwcowa 25%, coraz lepiej zatrzymujesz użytkowników. Jeśli retencja z miesiąca na miesiąc spada, coś się zmieniło (zepsuła się funkcja, konkurencja się poprawiła, wdrożenie nowych użytkowników wypadło gorzej). Analiza kohort to Twój system wczesnego ostrzegania.

Analiza lejka: Rozpisz ścieżkę klienta krok po kroku (wejście na stronę główną, przeczytanie artykułu, pobranie poradnika, podanie e-maila, rejestracja, pierwsze logowanie). Zmierz, jaki odsetek odwiedzających kończy każdy krok. Zobaczysz, gdzie są największe straty. Być może 10 tys. osób czyta artykuł, 3 tys. pobiera poradnik, 800 podaje e-mail, a 300 się rejestruje. Między artykułem a pobraniem tracisz 7 000 osób. To jest Twój przeciek. Napraw ten krok, a poprawisz wszystkie kolejne.

Modelowanie atrybucji: Gdy klient dokonuje konwersji, który punkt styku zasługuje na zasługę? Przyszedł z płatnej reklamy, wyszedł, zobaczył reklamę remarketingową, wrócił, przeczytał wpis na blogu, kliknął zapis na newsletter, dostał e-mail, a potem kupił. Co spowodowało zakup? Podstawowa analityka mówi: "ostatni krok" (e-mail). Modelowanie atrybucji przypisuje zasługę wszystkim według ich rzeczywistego wpływu. To pokazuje, które działania marketingowe naprawdę działają, a nie tylko te, które są ostatnie w lejku.

Segmentacja: Twoi odbiorcy nie są jednolici. Nowi odwiedzający zachowują się zupełnie inaczej niż powracający. Użytkownicy telefonów mają inne potrzeby niż użytkownicy komputerów. Użytkownicy z różnych źródeł ruchu mają inne intencje. Klienci premium angażują się inaczej niż użytkownicy darmowi. Zaawansowana segmentacja ujawnia te grupy, dzięki czemu możesz dopasować przekaz i doświadczenie do każdej z nich. Jeden rozmiar nie pasuje do wszystkich.

Krzywe retencji: Zobacz, ilu użytkowników zostaje z czasem (dzień 1, dzień 7, dzień 30, dzień 90). Kształt tej krzywej mówi, czy masz lojalne jądro. Stromy spadek, który się stabilizuje? Masz lojalnych użytkowników. Powolny, stały spadek? Nikt nie zostaje na dłużej. Krzywa w skrócie pokazuje zadowolenie użytkowników i dopasowanie produktu do rynku.

Kiedy przejść na zaawansowaną analitykę

Masz opanowane podstawy i potrzebujesz głębszych odpowiedzi. Wiesz, że Twoja retencja wynosi 20%. Wiesz, że konwersja to 2,5%. Znasz trzy główne źródła ruchu. Ale teraz pytasz: "Dlaczego użytkownicy ze źródła A mają retencję 25%, a ze źródła B tylko 15%?" albo "Które funkcje dają najwyższą wartość klienta w czasie?". Takie pytania wymagają zaawansowanej analizy, bo odpowiedzi nie ma w podstawowych panelach. Trzeba segmentować, filtrować, zestawiać dane, a czasem budować własne obliczenia. Jeśli stale frustruje Cię, że panel nie odpowiada na Twoje pytania, czas pójść dalej.

Problemy stają się subtelniejsze, a podstawowe narzędzia ich nie wychwytują. Na początku problemy są oczywiste (strona nie działa, kasa jest zepsuta). Wraz z dojrzewaniem biznesu stają się ukryte (konkretny krok w kasie działa wolno w sieciach 4G, nowy konkurent przejmuje Twoich użytkowników testowych albo wdrożenie jest niejasne dla osób poniżej 25. roku życia). Podstawowe narzędzia nie widzą takich niuansów. Zaawansowana analityka z właściwą segmentacją, analizą trendów i śledzeniem kohort je ujawnia.

Skala osiągnęła poziom, na którym liczą się wzorce. Przy 1 000 odwiedzających miesięcznie liczy się każdy użytkownik z osobna. Przy 100 000 odwiedzających miesięcznie patrzysz na wzorce w zachowaniu tysięcy osób. Małe wzorce (0,1% odwiedzających trafia na błąd) stają się niewidoczne. A jednak mają znaczenie, jeśli się kumulują (0,1% × 100 tys. = 100 dotkniętych użytkowników miesięcznie, setki rocznie). Zaawansowana analityka znajduje takie małe, ale istotne wzorce, zanim staną się dużymi problemami.

Masz zespół, który zadziała na podstawie wniosków. Zaawansowana analityka bez działania jest bezużyteczna. Jeśli odkryjesz, że kasa działa wolno na telefonach, a nie masz nikogo, kto to naprawi, tracisz czas. Inwestuj w nią tylko wtedy, gdy masz zasoby techniczne, produktowe lub marketingowe, by działać na podstawie wniosków. Mały startup może jeszcze nie mieć takiego zespołu. Duże przedsiębiorstwo na pewno ma.

Wpływ na biznes uzasadnia inwestycję. Zaawansowana analityka kosztuje: zatrudnienie analityka (80-150 tys. USD rocznie), zakup zaawansowanych narzędzi (500-5000 USD miesięcznie) i tygodnie na konfigurację i szkolenie. Jeśli poprawa konwersji o 2% daje 100 tys. USD dodatkowych przychodów rocznie, wydanie 50 tys. USD na zaawansowaną analitykę ma sens (zwrot w 2 lata). Jeśli poprawa byłaby niewielka, podstawowa analityka wystarczy. Policz zwrot z inwestycji, zanim się zobowiążesz.

Popularne techniki zaawansowanej analityki i to, co ujawniają

Analiza kohort: zrozumienie zachowań pokoleń użytkowników. Podziel użytkowników na grupy według tego, kiedy przyszli (kohorta styczniowa, lutowa i tak dalej). Potem śledź zachowanie każdej kohorty w czasie. To pokazuje, czy Twój produkt się poprawia, czy pogarsza. Jeśli kohorta styczniowa ma 30-dniową retencję 20%, a czerwcowa 25%, coraz lepiej zatrzymujesz użytkowników. Jeśli retencja z miesiąca na miesiąc spada, coś się zmieniło (zepsuła się funkcja, konkurencja się poprawiła, wdrożenie nowych użytkowników wypadło gorzej). Analiza kohort to Twój system wczesnego ostrzegania przed pogorszeniem lub poprawą produktu.

Analiza lejka: szukanie przecieków w procesie. Rozpisz ścieżkę klienta krok po kroku (wejście na stronę główną → przeczytanie artykułu → pobranie poradnika → podanie e-maila → rejestracja → pierwsze logowanie). Potem zmierz, jaki odsetek odwiedzających kończy każdy krok. Odkryjesz, że 10 tys. osób czyta artykuł, 3 tys. pobiera poradnik, 800 podaje e-mail, 300 się rejestruje, a 150 loguje się po raz pierwszy. Gdzie tracisz ludzi? Między artykułem a pobraniem? Między e-mailem a rejestracją? Gdy znajdziesz największy przeciek, możesz go naprawić. Poprawa o 5% w dowolnym kroku kumuluje się we wszystkich kolejnych krokach.

Modelowanie atrybucji: zrozumienie, które punkty styku naprawdę prowadzą do konwersji. Odwiedzający przychodzi z płatnej reklamy, odwiedza stronę, wychodzi, widzi reklamę remarketingową, wraca, czyta wpis na blogu, klika zapis na newsletter, dostaje e-mail i w końcu kupuje. Który punkt styku zasługuje na zasługę za konwersję? Podstawowa analityka mówi: "ostatni punkt styku" (e-mail). Ale płatna reklama rozpoczęła ścieżkę. Remarketing przyprowadził go z powrotem. Wpis na blogu go przekonał. Modelowanie atrybucji przypisuje zasługę wszystkim punktom styku według ich rzeczywistego wpływu. To pokazuje, które działania marketingowe naprawdę działają, a nie tylko te, które są ostatnie w lejku.

Segmentacja: odkrycie, że Twoi odbiorcy nie są jednolici. Myślisz, że wszyscy odwiedzający są tacy sami, ale to nieprawda. Nowi odwiedzający zachowują się zupełnie inaczej niż powracający. Użytkownicy telefonów mają inne potrzeby niż użytkownicy komputerów. Użytkownicy z różnych źródeł ruchu mają inne intencje. Klienci premium angażują się inaczej niż użytkownicy darmowi. Zaawansowana segmentacja ujawnia te grupy, dzięki czemu możesz dopasować przekaz i doświadczenie do każdej z nich. Jeden rozmiar nie pasuje do wszystkich, a segmentacja to udowadnia.

Krzywe retencji: wizualizacja życia użytkownika. Zobacz retencję w czasie (dzień 1, dzień 7, dzień 30, dzień 90). Zobaczysz swoją krzywą retencji, która ujawnia wzorce zachowań użytkowników. Czy retencja najpierw szybko spada, a potem się stabilizuje (większość odwiedzających odchodzi, ale lojalni zostają)? A może spada stopniowo (brak wyraźnej lojalnej grupy)? Kształt krzywej mówi, czy masz dopasowanie produktu do rynku. Stromy spadek, po którym następuje płaska linia, jest w rzeczywistości zdrowy: oznacza, że masz jądro lojalnych użytkowników. Powolny spadek oznacza, że nikt nie zostaje na dłużej. Krzywa to wizualne podsumowanie zadowolenia użytkowników.