Веб-аналитика
Настройка аналитики информационного ресурса
Отследить эффективность блога по трем фронтам
Клиент

Компания «СКАТ» производит генераторы, компрессоры, мотопомпы и продает их через дилеров и собственную розницу.
Задача

Построить аналитику для базы знаний, чтобы отслеживать её эффективность и полезность для покупателей и бизнеса.
Решение

Определить систему метрик и внедрить сбор данных по ним.
Процесс
У базы знаний, как инструмента контент-маркетинга, три задачи:
  • Привлекать целевую аудиторию (быть в поле зрения потенциальных покупателей на ранних этапах процесса покупки).
  • Быть полезной для посетителей, давать ответы на их вопросы.
  • Переводить людей дальше по воронке — в интернет-магазин.
Соответственно, мы должны следить за поисковым трафиком (число посетителей и визитов в месяц), конверсией по воронке (число переходов в интернет-магазин) и интересом пользователей.

Для сбора данных по первому показателю достаточно стандартного отчета Метрики или Аналитикса. Чтобы отследить конверсию, мы внедрили в Аналитиксе составную цель.
Но как быть с полезностью для пользователей? Как понять, что база знаний дает ответы на вопросы людей?

Проблема в том, что стандартные метрики (показатель отказов, средняя длительность сеанса, среднее количество просмотренных страниц за сеанс) не дают ответа на этот вопрос:

  • Показатель отказов для информационных ресурсов — это количество пользователей, просмотревших 1 страницу. Один пользователь был только на одной странице 5 минут, все изучил и ушел (это будет отказ), другой был на 3 страницах, на каждой по 10 секунд, не нашел чего нужно и ушел (это НЕ будет отказом).
  • Средняя длительность сеанса — в силу особенностей систем аналитики, они не учитывают время на последней странице, то есть если человек пришел на сайт в 10:00, перешел на следующую страницу в 10:01 и с нее ушел с сайта в 10:20, то длительность посещения которое запишется в систему аналитике будет 1 минута.
  • Среднее количество просмотренных страниц — пользователь может вдумчиво изучать одну страницу и этого будет достаточно, или пытаться найти нужную информацию в пяти статьях, и в итоге, не найдя ее, уйти.

Даже комбинация этих параметров не способна дать хорошую оценку ситуации.

Мы решили пойти другим путем и ввести коэффициент вовлечения аудитории. Для этого создали специальное событие, которое срабатывает каждые 10 секунд, пока пользователь находится на сайте.
Коэффициент вовлечения аудитории =
Количество событий / Количество сеансов
Этот коэффициент не имеет определенного значения, которое можно считать хорошим или плохим результатом. Его необходимо анализировать в динамике.

Этот показатель помогает отслеживать качество (полезность) информации в долгосрочной перспективе, а также фильтровать роботов из статистики — чтобы не искажали её.
Пример 1. Как отследить робота
Посмотрим на коэффициент вовлечения — видна «просадка» 14 января.
Построим отчет по источникам трафика и регионам и видим всплеск активности в Воронежской области.
По соотношению пользователей и сеансов можно сделать предположение, что на сайт заходил какой-то робот. Если в Яндекс.Метрике построить отчет за этот период с переходами из Воронежа и отфильтровать посещения роботов (с помощью технологии Яндекс.Крипта), то наша гипотеза подтвердится.

Пример 2. Анализ работы редакции
Построим отчет: на графиках покажем сеансы и коэффициент вовлечения, а в таблице — страницы раздела, стандартные метрики и коэффициент вовлечения (качества).
На графике видно, что при небольшом падении посещаемости данного раздела, коэффициент вовлечения вырос. Новых материалов в этом месяце выходило не много (это, все-таки, база знаний, а не газета), но в техподдержке (онлайн-консультант) внедрили стандарты обслуживания и еженедельный контроль — вот и результат.

По таблице можно понять какие страницы имеют лучший коэффициент вовлечения, относительно среднего, а какие хуже. На основе этих данных копирайтеры получают задания на проработку/изменения конкретных страниц базы знаний.
Результат
Мы внедрили сбор данных по ключевым показателям эффективности базы знаний и теперь клиент ежемесячно получает их в отчете, с комментариями аналитика, а мы отслеживаем качество (полезность) контента и можем им управлять.
Как мы создали систему интернет-маркетинга для СКАТа читайте в комплексном кейсе.
Made on
Tilda