НАПИСАТИ НАМ
01
.
10
.
2019

Трирівнева веб-аналітика для eCommerce: описова, прогнозована, розпоряджаюча

Analytics
ЗМІСТ

Дані описові (descriptive), прогнозові (predictive) і розпоряджуючі (prescriptive) веб-аналітики - це три кити стабільного розвитку онлайн-бізнесу. Ви можете не використовувати конкретно ці формулювання, але, швидше за все, вже аналізуєте як мінімум два типи даних для підвищення ефективності вашого сайту.

Якщо коротко, описова аналітика призначена для аналізу історичних даних, прогнозована - для прогнозування на майбутнє, а розпоряджуюча - для розробки стратегії втілення прогнозованого сценарію.

Давайте розглянемо більш детально кожен вид веб-аналітики та визначим, які конкретно завдання вінвирішує.

три_уровня_аналитики

Дані веб-аналітики як спосіб поліпшення користувацького досвіду

Основні завдання аналітики це:

  • Визначити і усунути слабкі (вразливі) сторони бізнесу
  • Визначити і закріпити його сильні сторони
  • Знайти нові ефективні рішення і способи їх впровадження

В електронній торгівлі інструментами веб-аналітики можна виміряти всі бізнес-процеси: від операційних робіт до поведінки користувача на сайті. Але особливо аналітика даних важлива, коли мова йде про користувацький досвід. В першу чергу, через клієнтоорієнтовану культуру, яка очолює список факторів успіху онлайн-ритейлерів (і знаходиться навіть вище менеджменту), згідно з Harvard Business Review.

Сьогодні великі компанії створюють окремі департаменти, які відповідають виключно за поліпшення користувацького досвіду на сайті. Наприклад, в найбільшому британському фешн-рітейлері ASOS в такий департамент входять п'ять команд: Product management, User Experience, Insights & Analytics, Customer Strategy & Insights and data science. Їх складні самонавчальні алгоритми видачі рекомендацій або визначення довічної цінності клієнта (customer lifetime value - LTV) дійсно вражають.

Незважаючи на суворі правила GDPR, дані користувачів збирає практично кожен інтернет-магазин. 40% компаній використовують їх для поліпшення або персоналізації досвіду, 37% - щоб передбачити потреби користувачів, а 20% бізнесів - для створення омніканального досвіду. Всі ці завдання ставляться до розпорядчої аналітиці, яка завжди містить у собі описову і прогнозну.

Що таке описова веб-аналітика?

Дати визначення описової (descriptive) аналітиці досить просто, оскільки її назва походить від слова «describe» - «описувати». По суті, це статистика вашої продуктивності за певний проміжок часу в минулому. В онлайн-бізнесі це можуть бути будь-які метрики аккаунта Google Analytics, такі як коефіцієнт конверсії, показник відмов, ціна за клік в окремо взятої рекламної кампанії, середня вартість замовлення, кількість повторних замовлень - все що завгодно. Також це можуть бути дані вашої CRM-системи - дохід або загальний обсяг продажів за травень 2018 і т.д.

Описова веб-аналітика - це інтерпретація історичних даних.

Описова аналітика дозволяє відстежувати, яке з ваших рішень працює краще і генерує більше прибутку, а яке - показує невтішні результати і тягне бізнес на дно. Таким чином, цей тип аналітики проходить в два етапи:

  • Збір даних;
  • Аналіз даних.

Описова аналітика дозволить вирішити такі завдання:

  • Вивчити свою фактичну аудиторію;
  • Отримати інсайти по поведінкових патернах користувачів;
  • Зрозуміти рівень загального попиту на ваші продукти і проаналізувати його всередині певної категорії/сегмента/часового проміжку і т.п .;
  • Оцінити ефективність маркетингових кампаній;
  • Оцінити рівень попиту на продукт за допомогою частотності пошукових запитів;
  • Оцінити реальний час і вартості доставки;
  • Порівняти метрики за різні часові проміжки і т. Д.

Сучасні інструменти призначені, здебільшого, для описової веб-аналітики. За допомогою вимірювальних інструментів ви можете отримувати звіти по кожній дії користувача не тільки на вашому сайті, але навіть у фізичному магазині. Наприклад, ви можете відстежити теплову карту найбільш переглядаються областей як на сторінці сайту, так і на полиці фізичного магазину. Проте, зараз ця тенденція змінюється, і багато інструментів намагаються розширити свій функціонал за допомогою рішень для прогнозованої веб-аналітики.

Успіх описової аналітики в значній мірі залежить від вашої системи управління KPI. Ретельно продумані цілі з правильно розставленими пріоритетами - це міцний фундамент для подальшої ефективної прогнозованої та розпоряджаюча аналітики

Що таке прогнозована (передбачувальна) веб-аналітика?

Всі провідні онлайн-бізнеси підкреслюють, що прогнозована (передбачувальна, predictive) аналітика необхідна для процесів прийняття рішень, ціноутворення, доставки, маркетингу та персоналізації.

Що стосується визначення, передбачувальна аналітика - це аналіз поточної та історичної ефективності сайту і маркетингу в цілому, призначеного для користувача поведінки і купівельних сценаріїв для прогнозування трендів продажів і мінімізації ризиків.

Передбачувальна веб-аналітика використовує історичні дані для прогнозування подій в майбутньому.

Якщо описова аналітика вимагає навичок «читання» цифр і схем, то прогнозована потребує глибокого розуміння, як інтерпретувати ці цифри, відповідаючи на питання: «Що має статися?».

Історичні дані, які вам вдалося зібрати і обробити, дозволять:

  • Встановити кращу ціну на ринку;
  • Поліпшити призначений для користувача досвід взаємодії з сайтом;
  • Персоналізувати промоакції;
  • Спрогнозувати, які продукти будуть користуватися попитом у певному сезоні;
  • Спрогнозувати, скільки знадобиться менеджерів, щоб впоратися з клієнтським потоком в «Чорну п'ятницю»;
  • Визначити рекомендовані продукти для лідерів продажів;
  • Знайти ідеї для А/Б-тестування;
  • Оптимізувати наявність товарів на складі;
  • Оптимізувати кожен етап воронки продажів і т.д.

Недавнє дослідження Dresner Advisory Services показує, що тільки 23% бізнесів беруть в штат аналітиків для прогнозів, в той час як 26% ​​компаній навіть не планують розглядати цю можливість.

stat'ya_biznyes-analitika_prozrachnyiy-02

Що таке розпоряджаюча веб-аналітика?

Розпоряджаюча аналітика, яка стала модним терміном в маркетинговому світі, це автоматизація збору статистичних даних з метою спростити прийняття операційних рішень і поліпшити купівельний досвід в майбутньому.

Розпоряджаюча веб-аналітика дає рекомендації щодо прогнозованих дій користувачів

Ось, де застосовуються алгоритми. Вони дозволяють онлайн-бізнесу проробляти такі фокуси, як:

  • Рекомендувати користувачам найкращий товар на сайті, який зацікавив клієнтів зі схожими патернами поведінки;
  • Показувати різні ціни користувачам з високим і низьким середнім чеком;
  • Контролювати наявність товарів на складі і відправляти оповіщення про те, що товар на складі закінчується;
  • Визначати, який товар покупець збирається купити наступним.

Іншими словами, третій етап бізнес-аналізу дозволяє прийти до конкретних рішень існуючих завдань, які були спрогнозовані на етапі аналізу поточних і історичних даних.

Аналітика потрібна для автоматизації часозатратних процесів

Майбутнє веб-аналітики тісно пов'язане з технологіями штучного інтелекту (ШІ). Згідно Transparency Market Research, глобальна частка ринку ПО для просунутої і прогнозованої аналітики досягла $ 6.5 млрд в 2019.

Одним з лідерів ринку багатофункціонального ПЗ, що працює на стику прогнозованої та розпоряджаючої аналітики, є Google Cloud ML (Machine Learning) Engine. Він надає п'ять рішень для роздрібних компаній:

  • Візуальний пошук продуктів дозволяє інтернет-магазинах вбудовувати можливості, подібні Google length, в свої мобільні додатки. Наприклад, IKEA дає своїм покупцям можливість сфотографувати побутовий предмет, щоб знайти такий же або подібний в онлайн-каталозі.
  • Рекомендації ШІ дозволяють роздрібним компаніям поліпшити користувальницький досвід за допомогою системи рекомендації товарів, яка пропонує схожі товари на підставі переваг конкретного покупця.
  • Контакт-центр ШІ розроблений як сучасна технічна з розпізнаванням мови і пошуку Google.
  • Таблиця AutoML допомагає прогнозувати купівельний попит.
  • Складський облік і аналітика в режимі реального часу дозволяє відстежувати наявність товарів на полицях, лавах або на всьому складі.

Іншим провідним інструментом в сегменті ПЗ для розпоряджаючої веб-аналітики є Microsoft R Open. Він надає додаткові технології: пошук змін, технологія core-and-chip і т.д. Цей сервіс аналітики використовується для аналізу користувацьких переваг, виявлення спаму і розподілу користувальницьких звернень.

Платформа для розпорядчої аналітики Profitect використовує алгоритми, які обробляють сім типів даних:

  • Динаміка товарних запасів;
  • Операції на кожній з точок продажів;
  • Доставка і отримання;
  • Логістика і зберігання;
  • Планування і закупівля;
  • Ефективність маркетингової діяльності;
  • Омніканальная торгівля.

Цей інструмент створює власні сценарії, які дії в яких ситуаціях зробити. Наприклад, програма може сповіщати відповідального співробітника про те, що товар певного артикулу закінчується на складі. Сценарії можна змінювати під ваші потреби. Компанія обіцяє, що за допомогою їх ПЗ для розпоряджаючої аналітики онлайн-рітейлери зможуть збільшити ROI на 300%.

Як онлайн-рітейлери використовують прогнозовану і розпоряджаючу веб-аналітику

Один з найпопулярніших кейсів використання аналітичних алгоритмів - запатентована компанією Amazon модель Anticipatory Shipping ( «Попередня доставка»).


Цей алгоритм обробляє дані про попередні покупки користувачів, частоту замовлень, зміст їх кошика і історію пошуку, щоб упевнитися, що потрібний продукт буде доставлений в найближчу до покупця точку. Програмне забезпечення оптимізує час і вартість доставки, допомагаючи торговому майданчику підвищити рівень продажів і поліпшити користувальницький досвід.

Компанія ASOS представила ще один приклад використання ПЗ для ціноутворення на підставі аналізу даних. Програма відстежує ціни на сайтах конкурентів і інші маркетингові дані, щоб оповістити менеджерів компанії, які товари слід закупити на склад, яку ціну призначити, а також яку знижку зробити. Рітейлер одягу говорить, що за допомогою цього інструменту вони змогли підвищити рівень своїх продажів на 33% в рік.

Висновки

Трирівневий підхід до якісної веб-аналітики завжди показує відмінні результати в розвитку онлайн-бізнесу.

Описова аналітика займає більшу частину часу - 60-70% всього процесу. На цьому етапі слід прийняти зважене рішення, які дані збирати, як і де вони будуть використовуватися, і як допоможуть поліпшити користувальницький досвід на сайті. Історичні дані, які найчастіше використовуються для складання звітів, - це міцний фундамент для прогнозованої та розпоряджаючої аналітики, тому що вони дають розуміння купівельних сценаріїв і вашої операційної ефективності.

Прогнозована аналітика займає 20-30% всього процесу. Її результати допомагають спрогнозувати і змоделювати майбутні події. Ці дані використовуються для машинного навчання і складання прогнозів середнього чека ключової аудиторії, ціни кліка, коливання ціни, рівня попиту і т.д.

Нарешті, розпоряджаюча аналітика, яка займає 5-20% всього процесу, проводиться, щоб знайти можливість автоматизувати рішення спрогнозованих завдань.

Алгоритми бізнес-аналізу активно розвиваються і поліпшуються, дозволяючи власникам онлайн-бізнесу уникнути людських помилок і делегувати величезну кількість завдань. Тепер роботи можуть контролювати роботу величезних корпорацій і забезпечувати персоналізований підхід до кожного клієнта. Без розпоряджаючої аналітики, у нас би не було таких компаній, як Amazon чи Alibaba group, які пропагують ідею клієнтоорієнтованої культури, будучи трендсеттерами на цьому ринку.

Підпишіться
на розсилку
Дякуємо за підписку!
Упс! Щось пішло не так. Спробуйте ще раз
В закладки

Бажаєте покращити ефективність вашої digital-стратегії? Пишіть нам, обговоримо разом, як це зробити!

Захочете отримати юзабіліті-аудит і персональні рекомендації для свого інтернет-магазину — напишіть нам.

Обговоримо ваш проєкт?
Надіслати заявку
Ваше повідомлення відправлено
Наш менеджер зв‘яжеться з вами найближчим часом.
Назад
Упс! Щось пішло не так. Спробуйте ще раз
ДОЛУЧАЙСЯ ДО КОМАНДИ PROMODO ❤️
Надіслати заявку
Ваша заявка відправлена
Наші рекрутери звʼяжуться з вами найближчим часом!
Назад
Упс! Щось пішло не так. Спробуйте ще раз