Анализ-показателей-блога

Пример: анализ показателей этого блога

В последней рассылке (11 августа) я пообещал, что буду стремиться приводить примеры из реальной жизни, а не только теоретизировать. Сегодня будем разбирать и анализировать основные показатели этого блога. В нем мы узнаем:

  • Какие отчеты нужно настроить в Google Analytics/KISSmetrics в первую очередь практически в любом типе проекта.
  • Как и какие выводы делаются на основе собранных данных.
  • Что делать с выводами дальше.

Шаг 0
Выбираете аналитическую систему, исходя из целей типа проекта, как описано в статье один и два.

Шаг 1
Выбираете показатели, по которым будут приниматься решения об успешности/неуспешности функционала. Советую почитать книгу Lean Analytics, в ней для всех типов проектов есть описание, что, как и для каких решений измерять.

Шаг 2 
Настраиваете сбор этих показателей, отчеты на их основе, чтобы можно было быстро получить необходимые данные. Если показатели неудовлетворительные, можно запустить А/В-тестирование для поиска лучшего варианта, а можно просто отказаться от функционала, если особо и не рассчитывали на его успех.

Пример на данных этого блога
Шаг 0
На своем блоге я использую две аналитические системы: Google Analytics и KISSmetrics. Это избыточно, т.к. для такого проекта хватило бы возможностей и одной из этих систем. Просто хочу показать различия между архитектурой данных и интерфейсными решениями.
Для блога вполне хватит следующих требований к аналитической системе: функционал воронок и сегментирования, возможность настроить события.

Шаг 1
Смотрю на следующие показатели: общее количество пользователей; количество пользователей и показатель отказов по каналам трафика; количество переходов к любой статье; количество пользователей, которые пришли на сайт сразу на какую-либо статью (не на главную страницу или страницы в шапке сайта); количество нажатий на кнопку «Поделиться»; количество поисков по сайту; количество нажатий на кнопку «категория».
Общее количество пользователей — тут все просто, показатель растет — все хорошо, падает — все плохо, на одном уровне — ничего хорошего или плохого не происходит, хотя если вы не крупная компания со стабильной прибылью — не рост, это тоже плохо.
Количество пользователей и показатель отказов по каналам — это общее количество пользователей, но с сегментацией по каналу, откуда эти пользователи пришли. Эти данные необходимы любому проекту. Потому что вы тратите деньги на продвижение в социальных сетях, SEO, контекст, баннерную рекламу, платные публикации и т.д. и должны понимать, сколько стоит вам приведенный пользователь по каждому их этих каналов. Следующий уровень — это сколько стоит вам зарегистрировавшийся или подписавшийся на рассылку пользователь, т.е. «активный» пользователь, дальше — сколько стоит «платящий» пользователь, если вы что-то продаете.
Количество просмотров каждой статьи — этот простой отчет показывает, что больше всего читают пользователи.
Количество тех, кто «поделился» статьей — этот параметр косвенно показывает качество материала, также как и количество комментариев к статье.
Показатель «поиск по сайту» расскажет, что пользователи искали, а также нашли или нет. Даст подсказку в контентном проекте, какие из тем добавить/изменить/убрать.
Нажатие на кнопку «категория» показывает, используется ли данный функционал или нет.

Шаг 2
Первый рисунок показывает количество пользователей в разбивке по каналам трафика. Здесь используется стандартный вариант от Google Analytics, никаких вручную созданных нет.
All Channels Report Google Analytics
Рис.1. Количество пользователей и показатель отказов в разрезе каналов трафика.
Отступление: в Google Analytics (функционал Annotations) я вношу даты важных событий в проекте, в конкретном примере — это рассылки. Чтобы потом можно было удобно анализировать скачки/падения трафика в контексте изменений проекта.
Мы видим на рис.1, что для каналов Direct и Organic показатель отказов значительно выше, чем для каналов Referral и Email. Значит посетители, пришедшие с них более вовлечены во взаимодействие с проектом. Оговорка насчет канала Email — трафика слишком мало, чтобы быть на 100% уверенным насчет гипотезы в предыдущем предложении. Канал Referral можно изучить еще подробнее и понять с каких сайтов приходят посетители, например, с Хабрахабра/других аналитических блогов. Это даст идеи, где можно дополнительно публиковать ваши статьи.
Kissmetrics Dashboard
Рис.2. Дашборд блога в KISSmetrics.
На рисунке выше настроенные показатели блога в системе KISSmetrics. Здесь только «события», которые считаются в пользователях. Т.е. визитов, сессий, просмотров страниц нет — только события в пользователях. Например, не 250 просмотров главной страницы, а 150 пользователей было на данной странице. В KISSmetrics для блога настроены события:
Visited Site — первый заход на любую страницу сайта (аналог начала сессии). Т.е. открыли первую любую страницу этого блога. Переход с нее на следующую страницу уже не считается.
Open Article — первый заход на страницу поста. Т.е. почти как Visited Site, но событие срабатывает не на абсолютно всех страницах блога, а только на постах, например, Обзор Woopra, Обновление Google Analytics — апрель 2015 и т.д.
Read Article — переход к чтению поста. Дополнительный параметр Transition Type показывает, как именно был совершен переход: Button — нажатие на кнопку «Читать далее», Text — нажатие на название поста, Picture — по картинке к посту. На рис. 3 показано, как это выглядит в KISSmetrics.
Recent Articles — открытие постов с бокового меню «Свежие записи».
Button Category Click — открытие списка постов из меню «Категории» слева.
Button Share Click — нажатие на кнопку «Поделиться». Дополнительным параметром Network передается название социальной сети, куда шарится пост.
Search Start — поиск по сайту, дополнительным параметром Query передается поисковый запрос.
Event Example KISSmetrics
Рис.3. Событие «Read Article» с настроенным дополнительным параметром Transition Type.
Чтобы понять, как используется функционал блога достаточно сделать простые воронки. На рис. 4 приведен один пример, остальные по аналогии.
На данном примере показана конверсия пользователей, пришедших на сайт, в тех, кто кликнул на какую-либо категорию слева. За последний месяц это 3.4%. Это дает нам две гипотезы: функционал не нужен пользователям, функционал не виден/не понятен. В примере, конечно, слишком мало данных для принятия решения, но мысль ясна, имхо. Весь остальной функционал по аналогии оцениваем: количество пользователей, которые пришли на сайт — первый шаг воронки, нужное действие — второй шаг воронки. Видим конверсию, а дальше думаем: хотим ли улучшать данный функционал или отказываемся от него, если особо и не верили, что он сработает. Если решаем улучшать, то запускаем А/В-тестирование, для которого у нас уже есть начальный показатель конверсии.
Funnel Example KISSmetrics
Рис.4. Пример воронки в KISSmetrics.
Важно! Это только в конкретном случае воронки такие простые — из двух шагов. В какой-нибудь банковской анкете для получения карты шагов может быть 50-80. Но логика работы такая же.

Данные —>выводы:

  1. Данные: для данного блога основными источниками трафика являются каналы: Referral, Direct и Organic. Канал Referral приводит наибольшее количество пользователей c наименьшим показателем отказов. Выводы: изучить все источники в канале Referral, попробовать поискать свою аудиторию на этих сайтах (например, начав писать на Хабре). Тоже с ключевыми словами для канала Organic (хотя Google Analytics их отдает очень неточно теперь, и нужно настроить интеграцию с Google Webmaster Tools), надо понять по каким ключевикам насколько «заинтересованные» пользователи приходят.
  2. Данные: отслеживаем метрики с дашборда KISSmetrics на ежедневной основе. Выводы: как только видим скачок/падение в любой из них, ищем и находим причину.
  3. Данные: событие Visited Site + любое событие, отвечающее за использование какого-либо функционала. Выводы: строим воронку, получаем показатель конверсии, оцениваем «нужность» фичи. Если она нужна, но показатель мал, то запускаем итерационный процесс А/В-тестирования, где начальный показатель уже есть. Если не нужна, отказываемся от фичи, или оставляем как есть.
  4. Данные: событие Read Article с дополнительными параметрами. Выводы: 40% пользователей переходят к чтению поста кнопке «Читать далее», 40% по названию статьи, 20% по картинке.

Если не согласны с выводами или методиками, прошу в комментарии.