агентство стратегического маркетинга  агентства стратегического маркетинга Логотип стереомаркетинг

Подписка на рассылку

Простая форма подписки MailerLite!

Пожалуйста, подождите

Спасибо! Ждите писем!

Аналитика

Веб-аналитика: почему она не востребована бизнесом?

Этот пост родился после семинара, посвященного основам Google Analytics. После первого часа стало понятно, почему аналитика не пользуется спросом.

Смотрите! Смотрите!

Как складывается классический диалог между бизнесом и аналитиками? Примерно так.

— Анализ данных вашего бизнеса позволит вам понять, — уверено начинают аналитики, — как вам превзойти конкурентов и начать принимать решения, основываясь не на интуиции, а на надежных данных. Вы обретете истину и начнете принимать правильные решения, — говорят они.

— Ок, — говорит бизнес, — а поконкретнее?

— А поконкретнее вы поймете: какая аудитория заходит на ваш сайт, что ей нравится и не нравится, какие источники трафика работают лучше, а какие хуже, куда вам лучше вложить рекламный бюджет и что конкуренты делают лучше вас…

— Конкуренты, — оживляется бизнес, — это интересно. И что же конкуренты делают лучше нас?

— Смотрите, — говорят аналитики и показывают слайд с двумя графиками, — вот у конкурентов трафик растет, а у вас падает. Почему? Потому что конкуренты приводят его из соц.сетей.

— Так мы тоже работаем с соц.сетями, — говорит бизнес. — Что нам изменить, чтобы у нас рос трафик?

— Смотрите на конкурентов и делайте как они.

— А конкретнее?

— Смотрите на конкурентов. Это же ваш бизнес, вам виднее, что они такого делают.

— А куда именно смотреть?

— На конкурентов, бл*ть!

Тем обычно и заканчивается. Стороны можно понять. Аналитики ожидают от бизнеса, что как только тот увидит цветные графики и таблички, на него снизойдет озарение: «Так вот оно, что! Вот как надо жить! Спасибо вам, ребята, теперь-то у меня открылись глаза». Бизнес же видит перед собой набор показателей, которые то падают, то растут, но почему и из-за чего — непонятно. Бизнес ждет каких-то интерпретаций и подсказок, но получает лишь привычное: «Смотрите. Смотрите на конкурентов, смотрите на покупателей, на свои активности смотрите. Что-то же происходит, что показатели меняются, так что вы смотрите, смотрите». Неудивительно, что стороны оказываются разочарованы друг другом.

Кому кинуть «картофелину»?

Таких проблем не возникает, пока данные легко интерпретировать.

  • Настроили две рекламные кампании: по одному рекламному объявлению клиента удается привлечь за 200 рублей, по другому за 600. Понятно, что с этим делать.
  • Внедрили телефонию, посмотрели отчет, оказалось, что если оператор не отвечает в течение минуты, клиент отваливается и с вероятностью 85% не перезванивает. Понятно, что с этим делать.
  • Провели А/Б-тест лендинга. В первом конверсия 5%, во втором 8%. Понятно, что с этим делать.

А вот что делать, если вы даете контекстную рекламу, а продажи осуществляете в офлайне через дилеров, и в онлайне показатели отличные, а продажи остались на том же уровне? Это можно объяснить так: «Если бы мы не давали рекламу, продажи бы упали». Или так: «У дилера не было товара в наличии». Или так: «Продавцы дилера заинтересованы, чтобы продавать продукцию конкурента». Или так: «Из-за плохой дистрибуции люди уходят к конкурентам». Какая гипотеза верна? Непонятно.

Ключевая проблема, что интерпретация данных оказывается горячей картофелиной, которую хочется сбагрить другой стороне. Аналитики думают: «Мы не знаем как устроен бизнес, не понимаем, что может скрываться за показателями, следовательно, не можем их интерпретировать. Пусть это делает бизнес». Бизнес думает: «Это может быть, что угодно. Цены отличаются, регионы отличаются, персонал отличается, покупатели отличаются, погода отличается. Что угодно и как угодно может влиять на показатели, поэтому мы не можем их интерпретировать. Пусть это делают аналитики».

Разгребая завалы

Чтобы решать такие сложные аналитические задачи, необходимо плотное сотрудничество между бизнесом и аналитиками, поскольку ни одна из сторон не в состоянии решить такую задачу в одиночку. Когда понимание найдено, задача раскладывается на части:

  • формулируются гипотезы, которые могут объяснить данные;
  • затем создаются условия, в которых гипотезу можно либо отбросить, либо проверить;
  • затем проводятся эксперименты, результаты которых можно однозначно интерпретировать, если их нельзя интерпретировать, цикл повторяется.

Например, когда мы столкнулись с тем, что связь между рекламой в интернете и продажами в офлайне не очевидна, мы сформулировали набор гипотез. Реклама могла не сработать потому что:

  • товара не было в наличии;
  • продавцы переубеждали покупателя выбрать конкурента;
  • в регионе была плохая дистрибуция;
  • и т.д.

Тогда мы выбрали регион, где все в порядке с дистрибуцией. Выбрали торговые точки, где продавцы лояльны. Организовали сбор остатков товара в режиме реального времени, чтобы направлять покупателей только в те точки, где есть товар. Кроме того, мы стали собирать контакты людей, купивших товар и прозванивать их, в том числе, с целью узнать, пришли они по рекламе или нет. Так шаг за шагом мы отсекли все многообразие гипотез и смогли однозначно интерпретировать данные.

Обратите внимание, чтобы выстроить корректную аналитику нам пришлось не просто перенастроить рекламную кампанию, но и внести изменения в бизнес-процесс, организовав сбор остатков товара и контактов покупателей.

Этот пример отлично иллюстрирует, что нельзя возлагать ответственность на аналитиков. Не в их власти выдвинуть все гипотезы и уж тем более изменить бизнес-процесс в компании. Такие задачи под силу решить только совместно. Но и аналитикам тоже есть над чем работать.

Образовывая бизнес

Я начал с того, что написал этот пост сразу после семинара Google. Чем же он так меня разозлил?

  • Тем, что было много слов, какая полезная штука аналитика, но было мало этому примеров.
  • Тем, что спикеры говорили «вот, видите, трафик падает», но не объясняли, что с этим делать.
  • Тем, что основной акцент спикеры делали на том, как настроить отчет и вставить UTM-метку, а не о том, как интерпретировать данные и улучшать с их помощью бизнес.

Конечно, могло быть и так, что семинар предназначался исключительно веб-мастерам (хотя тогда там было слишком много очевидных вещей), но дело даже не в этом. Проблема в том, что в отрасли в принципе мало кейсов, в которых бы раскрывалось, как аналитика помогает бизнесу решать сложные задачи. Все примеры или элементарные про A/B-тесты, или сразу космические про Big Data.

Получается занятная вещь. Спикеры взахлеб рассказывают, что аналитика это чудо-чудное и диво-дивное и без нее шагу нельзя ступить, но при этом не приводят примеров как с ней работать, не показывают как проанализировать сложные данные и принять те самые верные решения (волшебное «смотрите!» не в счет). Неудивительно, что бизнес настороженно относится к аналитике (поскольку не видит в ней ценности) и использует ее очень поверхностно (поскольку иначе не умеет). Ведь никто не показал ему, как правильно интерпретировать данные, никто не занялся его образованием, никто не показал, как аналитика может облегчить ему жизнь.