Трехуровневая веб-аналитика для eCommerce: описательная, прогнозная и предписывающая

Данные описательной (descriptive), прогнозной (предсказательной, predictive) и предписывающей (prescriptive) веб-аналитики – это три кита стабильного развития онлайн-бизнеса. Вы можете не использовать конкретно эти формулировки, но, скорее всего, уже анализируете как минимум два типа данных для повышения эффективности вашего сайта.

Если коротко, описательная аналитика предназначена для анализа исторических данных, предсказательная – для прогнозирования на будущее, а предписывающая – для разработки стратегии воплощения прогнозируемого сценария.

Давайте рассмотрим более подробно каждый вид веб-аналитики и определим, какие конкретно задачи они решают.

три_уровня_аналитики

Данные веб-аналитики как способ улучшения пользовательского опыта

Основные задачи аналитики это:

  • Определить и устранить слабые (уязвимые) стороны бизнеса
  • Определить и закрепить его сильные стороны
  • Найти новые эффективные решения и способы их внедрения

 

В электронной торговле инструментами веб-аналитики можно измерить все бизнес-процессы: от операционных работ до поведения пользователя на сайте. Но особенно аналитика данных важна, когда речь идет о пользовательском опыте. В первую очередь, из-за клиентоориентированной культуры, которая возглавляет список факторов успеха онлайн-ритейлеров (и находится даже выше менеджмента), согласно Harvard Business Review.

Сегодня крупные компании создают отдельные департаменты, которые отвечают исключительно за улучшение пользовательского опыта на сайте. Например, в крупнейшем британском фешн-ритейлере ASOS в такой департамент входят пять команд: Product management, User Experience, Insights & Analytics, Customer Strategy & Insights and data science. Их сложные обучаемые алгоритмы выдачи рекомендаций или определения пожизненной ценности клиента (customer lifetime value – LTV) действительно впечатляют.

 

 

Несмотря на строгие правила GDPR, данные пользователей собирает практически каждый интернет-магазин. 40% компаний используют их для улучшения или персонализации опыта, 37% – чтобы предсказать потребности пользователей, а 20% бизнесов – для создания омниканального опыта. Все эти задачи относятся к предписывающей аналитике, которая всегда включает в себя описательную и прогнозную.

Что такое описательная веб-аналитика?

Дать определение описательной (descriptive) аналитике довольно просто, поскольку её название происходит от слова «describe» – «описывать». По сути, это статистика вашей производительности за определенный промежуток времени в прошлом. В онлайн-бизнесе это могут быть любые метрики аккаунта Google Analytics, такие как коэффициент конверсии, показатель отказов, цена за клик в отдельно взятой рекламной кампании, средняя стоимость заказа, количество повторных заказов – все что угодно. Также это могут быть данные вашей CRM-системы – доход или общий объем продаж за май 2018 и т.д.

Описательная веб-аналитика – это интерпретация исторических данных.

 

Описательная аналитика позволяет отслеживать, какое из ваших решений работает лучше и генерирует больше прибыли, а какое – показывает неутешительные результаты и тянет бизнес ко дну. Таким образом, этот тип аналитики проходит в два этапа:

  • Сбор данных;
  • Анализ данных.

 

Описательная аналитика позволит решить следующие задачи:

  • Изучить свою фактическую аудиторию;
  • Получить инсайты о поведенческих паттернах пользователей;
  • Понять уровень общего спроса на ваши продукты и проанализировать его внутри определенной категории/сегмента/временного промежутка и т.п.;
  • Оценить эффективность маркетинговых кампаний;
  • Оценить уровень спроса на продукт с помощью частотности поисковых запросов;
  • Оценить реальное время и стоимости доставки;
  • Сравнить метрики за разные временные промежутки и т. д.

 

Современные инструменты предназначены, по большей части, для описательной веб-аналитики. С помощью измерительных инструментов вы можете получать отчеты по каждому действию пользователя не только на вашем сайте, но даже в физическом магазине. Например, вы можете отследить тепловую карту наиболее просматриваемых областей как на странице сайта, так и на полке физического магазина. Тем не менее, сейчас эта тенденция меняется, и многие инструменты стараются расширить свой функционал с помощью решений для прогнозной веб-аналитики.

Успех описательной аналитики в значительной степени зависит от вашей системы управления KPI. Тщательно продуманные цели с правильно расставленными приоритетами – это прочный фундамент для дальнейшей эффективной прогнозной и предписывающей аналитики.

Что такое прогнозная (предсказательная) веб-аналитика?

Все ведущие онлайн-бизнесы подчеркивают, что прогнозная (предсказательная, predictive) аналитика необходима для процессов принятия решений, ценообразования, доставки, маркетинга и персонализации.

Что касается определения, предсказательная аналитика – это анализ текущей и исторической эффективности сайта и маркетинга в целом, пользовательского поведения и покупательских сценариев для прогнозирования трендов продаж и минимизации рисков.

Предсказательная веб-аналитика использует исторические данные для прогнозирования событий в будущем.

 

Если описательная аналитика требует навыков «чтения» цифр и схем, то прогнозная нуждается в глубоком понимании, как интерпретировать эти цифры, отвечая на вопрос: «Что должно произойти?».

Исторические данные, которые вам удалось собрать и обработать, позволят:

  • Установить лучшую цену на рынке;
  • Улучшить пользовательский опыт взаимодействия с сайтом;
  • Персонализировать промоакции;
  • Спрогнозировать, какие продукты будут пользоваться спросом в определенном сезоне;
  • Спрогнозировать, сколько понадобится менеджеров, чтобы справиться с клиентским потоком в «Черную пятницу»;
  • Определить рекомендованные продукты для лидеров продаж;
  • Найти идеи для А/Б-тестирования;
  • Оптимизировать наличие товаров на складе;
  • Оптимизировать каждый этап воронки продаж и т.д.

 

Недавнее исследование Dresner Advisory Services показывает, что только 23% бизнесов берут в штат прогнозных аналитиков, в то время как 26% компаний даже не планируют рассматривать эту возможность.

stat'ya_biznyes-analitika_prozrachnyiy-02

Что такое предписывающая веб-аналитика?

Предписывающая аналитика, которая стала модным термином в маркетинговом мире, это автоматизация сбора статистических данных с целью упростить принятие операционных решений и улучшить покупательский опыт в будущем.

Предписывающая веб-аналитика дает рекомендации относительно спрогнозированных действий пользователей

 

Вот, где применяются алгоритмы. Они позволяют онлайн-бизнесу проделывать такие фокусы, как:

  • Рекомендовать пользователям самый подходящий товар на сайте, который заинтересовал клиентов с похожими паттернами поведения;
  • Показывать разные цены пользователям с высоким и низким средним чеком;
  • Контролировать наличие товаров на складе и отправлять оповещения о том, что товар на складе заканчивается;
  • Определять, какой товар покупатель собирается купить следующим.

 

Другими словами, третий этап бизнес-анализа позволяет прийти к конкретным решениям существующих задач, которые были спрогнозированы на этапе анализа текущих и исторических данных.

Аналитика нужна для автоматизации времязатратных процессов

Будущее веб-аналитики тесно связано с технологиями искусственного интеллекта (ИИ). Согласно Transparency Market Research, глобальная доля рынка ПО для продвинутой и прогнозной аналитики достигла $6.5 млрд в 2019.

Одним из лидеров рынка многофункционального ПО, работающего на стыке прогнозной и предписывающей аналитики, является Google Cloud ML (Machine Learning) Engine. Он предоставляет пять решений для розничных компаний:

  • Визуальный поиск продуктов позволяет интернет-магазинам встраивать возможности, подобные Google length, в свои мобильные приложения. Например, IKEA дает своим покупателям возможность сфотографировать бытовой предмет, чтобы найти такой же или подобный в онлайн-каталоге.
  • Рекомендации ИИ позволяют розничным компаниям улучшить пользовательский опыт с помощью системы рекомендации товаров, которая предлагает похожие товары на основании предпочтений конкретного покупателя.
  • Контакт-центр ИИ разработан как современная техподдержка с распознаванием речи и поиска Google.
  • Таблица AutoML помогает прогнозировать покупательский спрос.
  • Складской учет и аналитика в режиме реального времени позволяет отслеживать наличие товаров на полках, рядах или на всем складе.

 

Другим лидирующим инструментом в сегменте ПО для предписывающей веб-аналитики является Microsoft R Open. Он предоставляет дополнительные технологии: поиск изменений, технология core-and-chip и т.д. Этот сервис аналитики используется для анализа пользовательских предпочтений, обнаружения спама и распределения пользовательских обращений.

Платформа для предписывающей аналитики Profitect использует алгоритмы, которые обрабатывают семь типов данных:

  • Динамика товарных запасов;
  • Операции на каждой из точек продаж;
  • Доставка и получение;
  • Логистика и хранение;
  • Планирование и закупка;
  • Эффективность маркетинговой деятельности;
  • Омниканальная торговля.

 

Этот инструмент создает собственные сценарии, какие действия в каких ситуациях предпринять. Например, программа может оповещать ответственного сотрудника о том, что товар определенного артикула заканчивается на складе. Сценарии можно изменять под ваши нужды. Компания обещает, что с помощью их ПО для предписывающей аналитики онлайн-ритейлеры смогут увеличить ROI на 300%.

Как онлайн-ритейлеры используют прогнозную и предписывающую веб-аналитику

Один из самых популярных кейсов использования аналитических алгоритмов – запатентованная компанией Amazon модель Anticipatory Shipping («Предварительная доставка»).

Этот алгоритм обрабатывает данные о предыдущих покупках пользователей, частоту заказов, содержание их корзины и историю поиска, чтобы удостовериться, что нужный продукт будет доставлен в ближайшую к покупателю точку. Программное обеспечение оптимизирует время и стоимость доставки, помогая торговой площадке повысить уровень продаж и улучшить пользовательский опыт.

Компания ASOS представила другой пример использования ПО для ценообразования на основании анализа данных. Программа отслеживает цены на сайтах конкурентов и другие маркетинговые данные, чтобы оповестить менеджеров компании, какие товары следует закупить на склад, какую цену назначить, а также какую скидку сделать. Ритейлер одежды говорит, что с помощью этого инструмента они смогли повысить уровень своих продаж на 33% в год.

Выводы

Трехуровневый подход к качественной веб-аналитике всегда показывает отличные результаты в развитии онлайн-бизнеса.

Описательная аналитика занимает большую часть времени – 60-70% всего процесса. На этом этапе следует принять взвешенное решение, какие данные собирать, как и где они будут использоваться, и как помогут улучшить пользовательский опыт на сайте. Исторические данные, которые чаще всего используются для составления отчетов, – это прочный фундамент для прогнозной и предписывающей аналитики, потому что они дают понимание покупательских сценариев и вашей операционной эффективности.

Прогнозная аналитика занимает 20-30% всего процесса. Её результаты помогают спрогнозировать и смоделировать будущие события. Эти данные используются для машинного обучения и составления прогнозов среднего чека ключевой аудитории, цены клика, колебания цены, уровня спроса и т.д.

Наконец, предписывающая аналитика, которая занимает 5-20% всего процесса, проводится, чтобы найти возможность автоматизировать решение спрогнозированных задачи.

Алгоритмы бизнес-анализа активно развиваются и улучшаются, позволяя владельцам онлайн-бизнеса избежать человеческих ошибок и делегировать огромное количество задач. Теперь роботы могут контролировать работу огромных корпораций и обеспечивать персонализированный подход к каждому клиенту. Без предписывающей аналитики у нас бы не было таких компаний, как Amazon или Alibaba group, которые являются трендсеттерами рынка и пропагандируют идею клиентоориентированной культуры.

Правильно оценить эффективность коммуникаций вашего бизнеса с пользователями и принять эффективные решения по его развитию помогут наши специалисты.

Если вы хотите работать с нами,
давайте начнем с обсуждения задачи

Получить консультацию

Получайте новости интернет-маркетинга

Только полезная информация от экспертов Promodo

Если вы хотите работать с нами,
давайте начнем с обсуждения задачи

Получить консультацию

Есть задача?

Давайте обсудим!

Получайте новости интернет-маркетинга