Pokročilá analytika webu: za hranicemi základů

Značka se základní analytikou vidí, že konverzní poměr klesl ze 3 % na 2,5 %, a propadá panice. Viní produkt, trh nebo publikum. Značka s pokročilou analytikou zná přesný problém: tlačítko pokladny na mobilu bylo nasazeno o 2 pixely menší, týká se 40 % návštěvníků a měřitelně stojí tržby. To je rozdíl mezi hádáním a vědením.

Pokročilá analytika jde dál než k počítání návštěvníků a zobrazení stránek. Hledá vzorce, předpovídá, co přijde, a vysvětluje, proč se věci dějí. Zatímco základní analytika odpovídá na otázku „kolik lidí přišlo?“, pokročilá odpovídá na otázky „proč odešli?“, „kdo nakoupí?“ a „co se stane, když tohle změníme?“

Čím se pokročilá analytika liší od základní?

Podívejte se na většinu analytických přehledů a najdete pořád totéž: počty návštěv, konverzní poměr, míru okamžitých odchodů. To je užitečné. Odpovídá to ale jen na jednu otázku. Když se podíváte hlouběji, zjistíte, že základní a pokročilá analytika řeší zcela odlišné problémy.

Základní analytika je popisná. Říká, co se stalo. Vidíte, že přišlo 5 000 lidí a 125 z nich provedlo konverzi. Vidíte, který zdroj návštěvnosti přivedl nejvíc lidí. Vidíte, která stránka má největší návštěvnost. To je základ, protože musíte vědět, co se stalo. Tady ale končí.

Pokročilá analytika je diagnostická a prediktivní. Vezměte těch 5 000 návštěvníků. Pokročilá analýza se ptá: který segment měl nejvyšší záměr nakoupit? Konvertovali vracející se návštěvníci jinak než ti noví? Které funkce skutečně používali lidé, kteří nakoupili? Jaký vzorec odděluje kupující od těch, kdo odešli? Která kohorta (skupina, která se zaregistrovala v lednu, oproti březnu) s větší pravděpodobností prodlouží předplatné? Tyto otázky míří k tomu, proč se věci staly a co přijde dál.

Dopad na podnikání je obrovský. Značka, která ví, že konverze mobilních uživatelů v úterý večer klesla o 50 % a další den se zotavila, problém opravila a zabránila jeho rozšíření po celé firmě. Značka, která ví, že uživatelé z jednoho zdroje utratí za transakci o 40 % víc, může tyto podmínky zopakovat pro další zdroje. Značka, která umí předpovědět, kteří zákazníci odejdou, má čas se jim ozvat a udržet je. To není hádání, to je přesnost.

Proč ji potřebujete?

Vezměte jakékoli nastavení analytiky a najdete stejný problém: poznatky končí příliš brzy. Znáte své nejsilnější zdroje návštěvnosti. Znáte svůj konverzní poměr. Víte, které stránky lidé navštěvují nejčastěji. Většina značek se tu ale zastaví. Uvíznou zhruba na 80 % poznatků a pak se divají, proč jsou jejich rozhodnutí pořád nejistá.

Nejde o to, zda je základní analytika užitečná (je). Jde o to, zda odpovídá na rozhodnutí, která skutečně děláte. Pokud je vaše rozhodnutí „máme utratit víc za placenou reklamu?“, základní analytika vám možná odpověď dá. Pokud je vaše rozhodnutí „který zdroj návštěvnosti přináší zákazníky, kteří utratí víc, doporučí nás dál a zůstanou déle?“, základní analytika nestačí. To zvládne pokročilá.

Pokročilá analytika také zachytí problémy, které nikdo jiný nevidí. Drobná chyba, která postihuje jen mobilní uživatele v některé dny, je v základních přehledech neviditelná. Funkce, která u jednoho segmentu podporuje retenci a u jiného ne, zůstává skrytá. Konkurent, který vám pomalu přebírá cenné zákazníky, nespustí žádné upozornění. Pokročilá analytika tyto vzorce průběžně sleduje a odhalí je dřív, než se nahromadí ve velké problémy.

Jak se základní a pokročilá analytika liší v praxi?

Vezměte si trychtýř. Základní analytika ukáže odpad: 10 000 návštěvníků dorazí na domovskou stránku, 3 000 na ceník, 800 do pokladny a 300 dokončí nákup. Kde jste ztratili 7 000 lidí? Přehled to neříká. Pokročilá analytika trychtýř rozdělí do segmentů: noví návštěvníci oproti vracejícím se. Počítač oproti mobilu. Zdroj A oproti zdroji B. Najednou vidíte, že noví mobilní návštěvníci z placené reklamy mají konverzi 2 %, ale vracející se návštěvníci z organického vyhledávání na počítači mají konverzi 8 %. Teď můžete jednat: zlepšit mobilní zážitek pro nové návštěvníky, zaměřit placené výdaje na návštěvníky blíž k nákupu a vymyslet strategii znovuzískání lidí, kteří už web navštívili.

Vezměte si retenci. Základní analytika ukáže, že máte měsíční retenci 20 %. To je vaše číslo. Pokročilá analytika se ptá: která kohorta (měsíc registrace) má lepší retenci? Které funkce souvisejí s vyšší retencí? Který segment uživatelů (velikost firmy, obor, způsob použití) s větší pravděpodobností zůstane? Zůstávají déle zákazníci, kteří v prvním týdnu dosáhnou určitého milníku? S těmito odpověďmi upravíte zaučení tak, aby k tomuto milníku došlo víc lidí. Retence se zlepší. To je rozdíl mezi sledováním metriky a jejím zlepšováním.

Vezměte si anomálie. Základní analytika je pasivní. Podíváte se do přehledu a všimnete si, že něco vypadá jinak. Pokročilá analytika je aktivní. Automatický systém hlídá každou klíčovou metriku, pozná, že se něco změnilo víc, než by mělo (konverze za jediný den klesla o 15 %), a upozorní vás dřív, než si toho všimnete sami. Šest hodin ušlých tržeb se vyhnete, protože to víte do 30 minut místo na konci dne.

Kdy přejít od základní analytiky dál?

Základy máte zvládnuté. Víte, že vaše retence je 20 %. Víte, že váš konverzní poměr je 2,5 %. Víte, že vaše tři nejsilnější zdroje návštěvnosti fungují různě. Teď ale pokládáte otázky, na které váš přehled neodpoví: „Proč mají uživatelé ze zdroje A retenci 25 %, ale ze zdroje B jen 15 %?“ nebo „Které funkce vedou k nejvyšší celoživotní hodnotě?“ Tyto otázky vyžadují pokročilou analýzu, protože odpovědi nejsou v základních reportech. Jsou ukryté v segmentech, filtrech a křížově propojených datech.

Všimnete si také, že problémy jsou nenápadnější. Na začátku jsou zjevné (web nejede, pokladna je rozbitá). Jak ale rostete, problémy se schovávají. Konkrétní krok pokladny je pomalý pro uživatele na sítích 4G. Konkurent tiše přebírá vaše zkušební uživatele. Zaučení mate uživatele do 25 let. Základní nástroje tyto jemné vzorce nevidí, protože se dívají na souhrnná data. Pokročilá analytika se segmentací, sledováním kohort a analýzou trendů je odhalí.

Rozhodující může být i váš rozsah. S 1 000 návštěvníky měsíčně záleží na každém uživateli zvlášť. Se 100 000 návštěvníky měsíčně čtete vzorce napříč tisíci lidmi. Malý vzorec (0,1 % návštěvníků narazí na chybu) se statisticky ztrácí. Pořád ale záleží na tom, když se nasčítá (0,1 % × 100 000 = 100 postižených uživatelů měsíčně). Pokročilá analytika tyto malé, ale významné vzorce najde dřív, než vyrostou.

Je tu ale jedna podmínka: potřebujete tým, který podle poznatků jedná. Pokročilá analytika je k ničemu, když zjistíte, že pokladna je pomalá pro mobilní uživatele, ale nikdo ji nemůže opravit. Do pokročilé analytiky investujte, jen pokud máte vývojáře, produktové nebo marketingové lidi, kteří dokážou na zjištění zareagovat. Malý startup tým možná ještě nemá. Velká firma ho má určitě.

Které konkrétní techniky odhalí vzorce, které základní analytika přehlédne?

Pokročilá analytika je sada konkrétních technik, z nichž každá odpovídá na jiný druh otázek. Tady je pět, které mají největší dopad.

Kohortová analýza: Rozdělte uživatele do skupin podle toho, kdy se zaregistrovali (lednová kohorta, únorová kohorta atd.), a sledujte chování každé skupiny v čase. Zjistíte, zda se váš produkt zlepšuje, nebo zhoršuje. Pokud má lednová kohorta 30denní retenci 20 % a červnová 25 %, udržujete uživatele lépe. Pokud retence měsíc od měsíce klesá, něco se změnilo (funkce přestala fungovat, konkurenti se zlepšili, zaučení je horší). Kohortová analýza je váš systém včasného varování.

Analýza trychtýře: Zmapujte cestu zákazníka krok za krokem (návštěva domovské stránky, přečtení článku, stažení průvodce, zadání e-mailu, registrace, první přihlášení). Změřte, jaké procento návštěvníků každý krok dokončí. Uvidíte, kde jsou největší propady. Třeba 10 tisíc návštěvníků přečte článek, 3 tisíce stáhnou průvodce, 800 zadá e-mail, 300 se zaregistruje. Mezi článkem a stažením ztratíte 7 000 lidí. To je vaše díra. Opravte ten krok a zlepšíte každý další krok.

Modelování atribuce: Když zákazník provede konverzi, který kontaktní bod si zaslouží zásluhy? Přišel z placené reklamy, odešel, uviděl retargeting, vrátil se, přečetl si článek na blogu, klikl na přihlášení k newsletteru, dostal e-mail a pak nakoupil. Co způsobilo nákup? Základní analytika řekne „poslední“ (e-mail). Modelování atribuce připíše zásluhy všem podle jejich skutečného vlivu. Ukáže, které marketingové aktivity opravdu fungují, a ne jen které jsou v trychtýři poslední.

Segmentace: Vaše publikum není jednolité. Noví návštěvníci se chovají úplně jinak než vracející se. Mobilní uživatelé mají jiné potřeby než uživatelé počítačů. Uživatelé z různých zdrojů návštěvnosti mají různé záměry. Prémioví zákazníci se zapojují jinak než uživatelé zdarma. Pokročilá segmentace tyto skupiny odhalí, takže můžete přizpůsobit sdělení i zážitek každé z nich. Jedna velikost nesedí všem.

Křivky retence: Zakreslete, kolik uživatelů zůstává v čase (den 1, den 7, den 30, den 90). Tvar té křivky prozradí, zda máte loajální jádro. Prudký pokles, který se ustálí? Máte loajální uživatele. Postupný pokles? Nikdo k vám není skutečně připoután. Křivka graficky shrnuje spokojenost uživatelů a soulad produktu s trhem.

Kdy přejít na pokročilou analytiku

Základy máte zvládnuté a potřebujete hlubší odpovědi. Víte, že vaše retence je 20 %. Víte, že váš konverzní poměr je 2,5 %. Znáte své tři nejsilnější zdroje návštěvnosti. Teď ale pokládáte otázky jako: „Proč mají uživatelé ze zdroje A retenci 25 %, ale ze zdroje B jen 15 %?“ nebo „Které funkce vedou k nejvyšší celoživotní hodnotě?“ Tyto otázky vyžadují pokročilou analýzu, protože odpovědi nejsou v základních přehledech. Musíte segmentovat, filtrovat, křížově porovnávat a někdy vytvářet vlastní výpočty. Pokud vás neustále frustruje, že váš přehled na otázky neodpoví, je čas posunout se výš.

Problémy jsou nenápadnější a vaše základní nástroje je nezachytí. Na začátku jsou problémy zjevné (web nejede, pokladna je rozbitá). Jak ale dospíváte, problémy se skrývají (konkrétní krok pokladny je pomalý pro uživatele na sítích 4G, nový konkurent přebírá vaše zkušební uživatele nebo je zaučení matoucí pro uživatele do 25 let). Základní nástroje tyto jemné problémy nevidí. Pokročilá analytika s řádnou segmentací, analýzou trendů a sledováním kohort je odhalí.

Váš rozsah dosáhl bodu, kdy na vzorcích záleží. S 1000 návštěvníky měsíčně záleží na každém uživateli zvlášť. Se 100 000 návštěvníky měsíčně se díváte na vzorce napříč tisíci lidmi. Malé vzorce (0,1 % návštěvníků narazí na chybu) se ztrácejí. Pořád ale záleží na tom, když se nasčítají (0,1 % × 100 000 = 100 postižených uživatelů měsíčně, stovky ročně). Pokročilá analytika tyto malé, ale významné vzorce najde dřív, než se z nich stanou velké problémy.

Máte tým, který podle poznatků dokáže jednat. Pokročilá analytika je bez činů zbytečná. Pokud zjistíte, že vaše pokladna je pomalá pro mobilní uživatele, ale nemáte nikoho, kdo by ji opravil, ztratili jste čas. Do pokročilé analytiky investujte, jen pokud máte vývojářské, produktové nebo marketingové kapacity, které podle poznatků zareagují. Malý startup tým možná ještě nemá. Velká firma ho má určitě.

Dopad na podnikání investici ospravedlňuje. Pokročilá analytika něco stojí: najmout analytika ($80-150k za rok), koupit sofistikované nástroje ($500-5000 měsíčně) a strávit týdny nastavováním a školením. Pokud 2% zlepšení konverzního poměru přinese $100k ročních tržeb navíc, dává smysl utratit za pokročilou analytiku $50k (návratnost 2 roky). Pokud by zlepšení bylo minimální, základní analytika stačí. Návratnost spočítejte dřív, než se zavážete.

Běžné pokročilé analytické techniky a co odhalují

Kohortová analýza: porozumění chování po generacích. Rozdělte uživatele do skupin podle toho, kdy přišli (lednová kohorta, únorová kohorta atd.). Pak sledujte chování každé kohorty v čase. Zjistíte, zda se váš produkt zlepšuje, nebo zhoršuje. Pokud má lednová kohorta 30denní retenci 20 % a červnová 25 %, udržujete uživatele lépe. Pokud retence měsíc od měsíce klesá, něco se změnilo (funkce přestala fungovat, konkurenti se zlepšili, zaučení je horší). Kohortová analýza je váš systém včasného varování před zhoršením nebo zlepšením produktu.

Analýza trychtýře: hledání děr ve vašem procesu. Zmapujte cestu zákazníka krok za krokem (návštěva domovské stránky → přečtení článku → stažení průvodce → zadání e-mailu → registrace → první přihlášení). Pak změřte, jaké procento návštěvníků každý krok dokončí. Zjistíte, že 10 tisíc návštěvníků přečte článek, 3 tisíce stáhnou průvodce, 800 zadá e-mail, 300 se zaregistruje a 150 se poprvé přihlásí. Kde lidi ztrácíte? Mezi článkem a stažením? Mezi e-mailem a registrací? Jakmile najdete největší díru, můžete ji opravit. Zlepšení o 5 % v kterémkoli kroku se promítne do všech následujících kroků.

Modelování atribuce: pochopení, které kontaktní body skutečně vedou ke konverzím. Návštěvník přijde z placené reklamy, navštíví váš web, odejde, uvidí retargetingovou reklamu, vrátí se, přečte si článek na blogu, klikne na přihlášení k newsletteru, dostane e-mail a nakonec nakoupí. Který kontaktní bod dostane zásluhy za konverzi? Základní analytika řekne „poslední kontaktní bod“ (e-mail). Ale cestu zahájila placená reklama. Retargeting ho přivedl zpět. Článek na blogu ho přesvědčil. Modelování atribuce přiřadí zásluhy všem kontaktním bodům podle jejich skutečného vlivu. Ukáže, které marketingové aktivity opravdu fungují, a ne jen které jsou v trychtýři poslední.

Segmentace: zjištění, že vaše publikum není jednolité. Myslíte si, že všichni vaši návštěvníci jsou stejní, ale nejsou. Noví návštěvníci se chovají úplně jinak než vracející se. Mobilní uživatelé mají jiné potřeby než uživatelé počítačů. Uživatelé z různých zdrojů návštěvnosti mají různé záměry. Prémioví zákazníci se zapojují jinak než uživatelé zdarma. Pokročilá segmentace tyto skupiny odhalí, takže můžete sdělení i zážitek přizpůsobit každé z nich. Jedna velikost nesedí všem a segmentace to dokazuje.

Křivky retence: znázornění života uživatele. Zakreslete retenci v čase (den 1, den 7, den 30, den 90). Uvidíte svou křivku retence, která odhaluje vzorce chování uživatelů. Klesá retence nejdřív rychle a pak se ustálí (většina návštěvníků odejde, ale loajální zůstanou)? Nebo klesá postupně (žádná jasná loajální skupina)? Tvar vaší křivky prozradí, zda máte soulad produktu s trhem. Prudký pokles následovaný plochou čárou je ve skutečnosti zdravý, protože znamená, že máte jádro loajálních uživatelů. Postupný pokles znamená, že nikdo není skutečně připoután. Křivka je vizuální shrnutí spokojenosti uživatelů.