Ваш интернет-магазин от А до Я

В моей практике был случай, когда в одном из интернет-магазинов было очень много добавлений в корзину, но очень мало оформленных заказов. Соотношение корзины к заказам – более 20:1. Проверяли корзину, оформляли тестовые заказы. Всё в порядке. Пока не попробовали вебвизор. Тут-то и выяснилось, что определённая и не особо редкая последовательность действий пользователя приводит к тому, что в корзине перестаёт работать кнопка «оформить заказ». Она просто не нажимается. Не представляю, сколько бы мы искали эту ошибку, если бы не вебвизор. Ведь не все клиенты склонны искать ваши контакты и жаловаться, они в таких случаях чаще всего «голосуют» иначе – закрытием окна вашего интернет-магазина и открытием сайта вашего конкурента.

А что же всё-таки делать с аналитикой, если она такая «одномерная»? Из самой первой главы вы уже знаете, каким путём пошли компании, где я управлял этим процессом. При наличии данных можно построить какую угодно аналитику.

Несколько лет назад я рассказал на одной из самых интересных, на мой взгляд, IT-конференций «Стачка», которая проходит в Ульяновске, о том, как мы создавали нашу систему аналитики. Как я уже говорил, у нас особо не было выбора. Никаких других систем, удовлетворяющих нас по функционалу, просто не было. Строго говоря, их и сейчас нет. В конце презентации я задал вопрос залу: «кто теперь займётся созданием чего-то подобного?». Почти треть зала ответила поднятыми руками. Всё дело в том, что в такой системе нет ничего космически сложного. Как я сказал в начале, веб-аналитика – это представленные в нужном виде данные. Что такое данные о посетителях интернет-магазина? В основном это открытия конкретных страниц сайта, источники переходов, метки. Осталось создать контрольные точки, состыковать это всё с данными о заказах и сформировать нужные отчёты.

Может показаться, что данных будет так много, что ни один привычный сервер баз данных не справится. Но ведь мы собираем данные только по нашим магазинам, а не по большому количеству сторонних, как это делает Метрика или Аналитикс. Никакой «бигдаты» (очень большого объёма данных) здесь нет.

Логика нашей системы проста. Каждый посетитель при первом заходе на сайт получает идентификатор (подобным образом сейчас работает почти любая система веб-аналитики). Вся история его посещений записывается в базу. Если он совершит заказ или достигнет иной цели, то мы будем знать все его шаги и источники переходов, предшествующих этому событию. Корректный с моей точки зрения расчёт источников заказа («атрибуция конверсии») – дело нескольких SQL запросов. И, конечно же, мы учитываем все предшествующие заказу заходы, а не только первый или последний.

Один из часто задаваемых вопросов последнего времени – как определить онлайн источник клиента, если он не оформлял заказ непосредственно в интернет-магазине. Один из способов – колл-трекинг. Как я рассказывал раньше, он позволит идентифицировать источник звонящего. Мы изначально пошли другим путём, и я до сих пор считаю его оптимальным. Если покупатель делает заказ по телефону, то продавец просит его назвать уникальный идентификатор, который показывается на сайте в правом верхнем углу. И очень редко мы получаем отказ, если только клиент в данный момент не у компьютера. Получив данные об идентификаторе, аналитика открывает доступ к онлайновой истории клиента, и понимает, какие источники предшествовали заказу.

Теперь более сложная история: клиент пришел в оффлайн-магазин и совершил покупку там. В этом случае есть две возможности. Первая – отправить клиенту письмо с уникальной ссылкой, если он по ней перейдёт, его ID посетителя привяжется к данным о заказе. Вторая – подождать пока клиент оформит новый заказ через интернет-магазин. Есть еще пара десятков способов, которые я позволю себе оставить в качестве ноу-хау. Конечно, эти методы не являются 100% гарантией идентификации. По факту мы идентифицируем источники примерно 70% оффлайн-заказов.