блог МАРКЕТИНГ
06 НОЯБРЯ 2016 г.
06 НОЯБРЯ 2016 г.
Как с помощью Google Analytics понять зависят ли конверсии от дня недели и времени дня?
Начинающие интернет-аналитики не уделяют достаточно времени наблюдениями за сезонностью, и применением найденных закономерностей на практике. Одной из причин этого может быть отсутствие готовых отчетов об этом в системах аналитики.
В обычном, традиционном маркетинге очень много времени уделяется анализу сезонности. Под словом «сезонность» понимаются не только отличия между летом и зимой, а в том числе и дневная и даже часовая сезонность — зависимость потока и поведения покупателей от дня недели и времени дня.
В то же время, начинающие интернет-аналитики не уделяют достаточно времени наблюдениями за сезонностью, и применением найденных закономерностей на практике. Одной из причин этого может быть отсутствие готовых отчетов об этом в системах аналитики.
Давайте рассмотрим самый простой случай — мы хотим узнать, в какие дни недели посетители сайта конвертируются чаще. При этом мы помним, о чем писали в предыдущей статье, что конечно надо анализировать не весь трафик на сайте, а рассматривать каждый конкретный канал. Покажем, как это сделать на примере Google Analytics.
Переходим в Источники трафика — Весь трафик — Каналы, находим нужный канал (в данном примере — Facebook) и выбираем нужную нам конверсию.
Давайте рассмотрим самый простой случай — мы хотим узнать, в какие дни недели посетители сайта конвертируются чаще. При этом мы помним, о чем писали в предыдущей статье, что конечно надо анализировать не весь трафик на сайте, а рассматривать каждый конкретный канал. Покажем, как это сделать на примере Google Analytics.
Переходим в Источники трафика — Весь трафик — Каналы, находим нужный канал (в данном примере — Facebook) и выбираем нужную нам конверсию.
Как видим «в целом» конверсия по пришедшим из Facebook клиентам составляет 3,42%.
Теперь мы хотим узнать, а зависит ли конверсия от дня недели, и выбираем соответствующий дополнительный параметр.
Теперь мы хотим узнать, а зависит ли конверсия от дня недели, и выбираем соответствующий дополнительный параметр.
Теперь наш отчет выглядит так (сортировка данных в отчете включается нажатием на заголовок столбца):
Под цифрой «0» здесь подразумевается воскресенье, а далее: 1 – это понедельник, и так далее.
Мы видим потрясающую картину: несмотря величины трафика в разные дни примерно одного порядка, конверсия различается кардинально. Если во вторник – 0,61% (ужасная цифра), то в четверг она достигает 7,80%! Разница в более, чем 12 раз!
Конечно при этом анализе имеет смысл лишний раз убедиться, что в это время в четверг не происходило каких-то принципиально других активностей в этом канале. В данном случае, мы это знаем.
Более того, мы можем пойти даже глубже, и посмотреть, как различаются конверсии по часам дня внутри дней недели. Это даст нам примерное понимание, как ведут себя наши клиенты в течение дня, и на основании этих данных мы можем скорректировать расписание показа рекламы.
Но для того, чтобы добавить второй дополнительный параметр, нам уже не хватает возможностей стандартных отчетов Google Analytics. Нам придется создать свой отчет, благо сделать это в интерфейсе совсем несложно.
Идем в закладку «Мои отчеты» в верхней части интерфейса.
Мы видим потрясающую картину: несмотря величины трафика в разные дни примерно одного порядка, конверсия различается кардинально. Если во вторник – 0,61% (ужасная цифра), то в четверг она достигает 7,80%! Разница в более, чем 12 раз!
Конечно при этом анализе имеет смысл лишний раз убедиться, что в это время в четверг не происходило каких-то принципиально других активностей в этом канале. В данном случае, мы это знаем.
Более того, мы можем пойти даже глубже, и посмотреть, как различаются конверсии по часам дня внутри дней недели. Это даст нам примерное понимание, как ведут себя наши клиенты в течение дня, и на основании этих данных мы можем скорректировать расписание показа рекламы.
Но для того, чтобы добавить второй дополнительный параметр, нам уже не хватает возможностей стандартных отчетов Google Analytics. Нам придется создать свой отчет, благо сделать это в интерфейсе совсем несложно.
Идем в закладку «Мои отчеты» в верхней части интерфейса.
Создаем отчет, выбираем тип «Таблица с одноуровневой адресацией», в качестве параметров выбираем «день недели» и «час», а в качестве показателей (которые будут раскладываться по этим параметрам): Отправка запроса (достигнутые конверсии) и Отправка запроса (коэффициент конверсии)
Получается следующий отчет (в нем очень много строк, потому что каждая строка представляет отдельный день и час):
Мы можем использовать теперь этот отчет для анализа трафика из разных каналов. Для этого воспользуемся такой возможностью как «сегмент» — ведь нам надо еще выделить трафик только с Facebook, раз уж мы взяли его анализировать.
Для этого кликаем «добавить сегмент»:
Для этого кликаем «добавить сегмент»:
В итоге получаем такой отчет:
В частности — мы можем увидеть, что во вторник кто-то совершил конверсию в 14 часов:
А в четверг конверсии происходят с 12 до 19.
Что мы теперь можем сделать с этим знанием? Тут возможны различные варианты:
В данном случае мы можем отключить показ рекламы в Facebook во вторник — мы не знаем почему, но во вторник она в нашем случае почти не работает.
Можно настроить показ рекламы в Facebook по расписанию — чтобы показывать ее только в те часы определенных дней, когда шанс получить конверсию максимален.
Так или иначе — теперь мы знаем нечто большее о поведении своих целевых потребителей из данного канала, чем до того, как мы стали заниматься сезонностью конверсии. Накопление подобных знаний помогают формировать портрет потребителя, понимать его особенности и подстраивать рекламные кампании под него.
В данном случае мы можем отключить показ рекламы в Facebook во вторник — мы не знаем почему, но во вторник она в нашем случае почти не работает.
Можно настроить показ рекламы в Facebook по расписанию — чтобы показывать ее только в те часы определенных дней, когда шанс получить конверсию максимален.
Так или иначе — теперь мы знаем нечто большее о поведении своих целевых потребителей из данного канала, чем до того, как мы стали заниматься сезонностью конверсии. Накопление подобных знаний помогают формировать портрет потребителя, понимать его особенности и подстраивать рекламные кампании под него.