Привет, Хабр! Меня зовут Татьяна. Работаю в аналитике более 6 лет. Сегодня на примере моего кейса NFT я хочу поговорить с вами о том, как можно легко и быстро развернуть аналитическую канву проекта. Даже если у вас пока НИЧЕГО нет.

Мы рассмотрим:

• Какие каналы приводят посетителей на сайт и на каком этапе воронки у пользователей возникают проблемы;

• Какие разделы сайта чаще всего посещают пользователи и почему;

• Какой материал наиболее привлекателен для нашей аудитории;

• Использовали ли пользователи новую функцию после ее реализации.

  А также узнаем, какие инструменты можно использовать для решения подобных задач.

В прошлом году ко мне обратился клиент. Он столкнулся с отсутствием комплексной аналитики в своем бизнесе. Не хватало знаний инструментов, необходимых для решения этой проблемы. Я хотел иметь четкое управление своим бизнесом и точно знать, какие каналы привлечения работают лучше всего.

Моей задачей было помочь ему понять структуру воронки продаж, представить разнообразие доступных аналитических инструментов и выполнить ряд задач по построению аналитического потока.

Мой стек: Google Tag Manager, Я.Метрика, UA, GA4, немного Javascript. При необходимости работаю со лбом. Я пишу ТЗ, программист клиента выполняет, мы проверяем правильность параметров.

Если есть мобильное приложение, то счетчики — это SDK. Работаю с Appsflyer и Appmetrica, советую по установке + ТЗ.

Мы с клиентом остановились на двух системах аналитики — Яндекс Метрика и Google Analytics 4. Было решено настроить обе системы, так как они не взаимозаменяемы, а скорее дополняют друг друга. Каждая содержит функции, которых нет в другой, хотя изначально обе системы создавались для одной цели — веб-аналитики.

Настройка заняла около двух недель с разработчиками клиента. Написал ТЗ и настроил отправку событий по тегам в GTM. Информация для событий передачи и привязки для GTM настроена разработчиками клиента в соответствии с нашим ТЗ.

В результате мы получили поток данных в Яндекс Метрику и Google Analytics о полезных действиях пользователей на сайте.

Потом выбрали аналитическое хранилище данных, настроили всем доступ. В моем стеке Google BigQuery, Postgres и ClickHouse. Мы выбрали Google BigQuery. Это дало нам свободу действий и гибкость использования.

• Бесплатно (условно, зависит от объема данных);

• Это облачная платформа для хранения и анализа больших объемов информации. Со встроенным механизмом запросов и моделью бессерверных вычислений. Он может быстро обрабатывать огромные объемы данных за очень короткое время;

• Чтобы полностью использовать хранилище, вам нужно знать только основы SQL и уметь загружать данные в этот сервис. В остальном пользователю не нужно самостоятельно настраивать и администрировать базу данных, что является очень важным отличием этого онлайн-сервиса от классической СУБД.

За один звонок я помог клиенту создать проект в Google Cloud Console, мы создали биллинг-аккаунт и привязали его к проекту. Общий доступ проекта к рабочей электронной почте, чтобы вы могли выполнять другие настройки.

Клиент получил персональное аналитическое хранилище данных, которое затем начало накапливать сырые данные и хранилища данных для отчетности. Поддержка SQL позволила внутренним аналитикам также получить доступ к наборам данных и использовать данные для своих собственных отчетов. Затем мы перешли на уровень BI — создание дашбордов на основе витрин данных, выбор и расчет ключевых показателей.

Мы выбрали Google Data Studio. Все данные были собраны в Google BigQuery. Помещаем туда данные GA4 и подключаемся к Google BigQuery из Looker Studio.

Нужна была информация об источниках/каналах трафика, количестве сессий, пользователях и полезных действиях. Клиента также интересовало, как часто пользователи возвращаются к продукту, поэтому я предложил посмотреть на DAU, MAU и Retention. Метрики рассчитываются и визуализируются в отчете.

В результате имеем первые быстрые отчеты в Looker на основе данных GA4 с нужными метриками.

Вот как выглядела воронка полезных действий по устройствам:

Теперь клиент видит, что десктопные пользователи доходят до последнего интересующего нас шага, а с мобильных устройств все пользователи опускаются до шага проверки ТГ. Это говорит о том, что для нас лучше идет трафик с ПК, либо что в мобильной версии сайта какая-то проблема. Этот шаг был неудобен для пользователя.

Также клиент хотел оценить воронку с авторизацией через Google в сравнении с обычной воронкой авторизации:

Мы видели, что хотя авторизация через Google и менее популярный путь пользователя, конечным результатом является более высокий процент конверсии от этапа регистрации до последнего этапа воронки.

Далее мы решили посмотреть, на какие статьи кликают пользователи. Academy — это блог якобы полезных статей для пользователей. Большинство кликов было сосредоточено в верхней части страницы. Но были и те, кто пролистал до конкретной статьи в самом низу.

Клиент продавал платные слоты на своем сайте. Его интересовало количество кликов по тем или иным платным слотам: в шапке сайта, в списках гильдий, играх и других страницах.

Отчет о динамике посещений разделов сайта показал, что самым посещаемым был раздел с играми, но это очевидно — он на самой первой странице.

Таким образом, благодаря этому методу мы с клиентом смогли выявить не только «слабые места» проекта, но и перспективные направления развития.

Мы узнали, что ценят пользователи и как мы можем улучшить их опыт использования нашего продукта. Мы увидели возможности для роста и получили эффективные инструменты для достижения поставленных целей.

Вот и все! Теперь вы также можете легко и быстро расширить аналитический план проекта 🙂