Привет, Хабр! Меня зовут Татьяна. Я работаю в аналитике более 6 лет. Сегодня хочу на примере своего NFT-кейса рассказать про то, как можно просто и быстро развернуть аналитический контур проекта. Даже, если на данный момент у вас нет НИ-ЧЕ-ГО.

Мы с вами посмотрим:

• Какие каналы привлекают посетителей на сайт и на каком этапе воронки у пользователей возникают проблемы;

• Какие разделы сайта посещаются пользователями чаще и почему;

• Какой материал наиболее привлекателен для нашей аудитории;

• Пользовались ли юзеры новой фичей после ее внедрения.

  А также разберемся, какие инструменты можно использовать для решения подобных задач.
  

В прошлом году ко мне обратился клиент. Он столкнулся с отсутствием комплексной аналитики в своем бизнесе. Не владел достаточным знанием инструментов, необходимых для решения этой задачи. Хотел иметь четкое управление своим бизнесом и точно знать, какие каналы привлечения работают наиболее эффективно.

Моя задача заключалась в том, чтобы помочь ему понять структуру воронки продаж, представить разнообразие доступных инструментов аналитики и осуществить ряд задач по разработке аналитического контура.

Мой стек: Google Tag Manager, Я.Метрика, UA, GA4, немного Javascript. По необходимости работаю совместно с фронтом. Пишу ТЗ, программист клиента выполняет, мы проверяем корректность настройки.

Если есть мобильное приложение, то счетчиками выступают SDK. Работаю с Appsflyer и Appmetrica, консультирую по установке + ТЗ.

Мы с клиентом остановили свой выбор на двух системах аналитики — Яндекс Метрика и Google Analytics 4. Было принято решение настраивать обе системы, так как они не взаимозаменяемые, а скорее взаимодополняющие. Каждая содержит такие функции, которых нет в другой, хотя изначально обе системы были созданы для одной цели — веб-аналитика.

Настройка длилась около двух недель совместно с разработчиками клиента. Мной было написано ТЗ и произведена настройка отправки событий тегами в GTM. Информацию к передаче и якорные события для GTM настраивали разработчики клиента по нашему ТЗ.

В итоге мы получили поток данных в Яндекс Метрику и Google Analytics о полезных действиях пользователей на сайте.

Далее выбрали аналитическое хранилище данных, настроили все доступы. В моем стеке Google Bigquery, Postgres и ClickHouse. Выбрали для себя Google Bigquery. Он обеспечил нам свободу действий и гибкость в использовании.

• Оно бесплатное (условно, зависит от объема данных);

• Это облачное хранилище данных и платформа для анализа больших объемов информации. С помощью встроенного механизма запросов и безсерверной модели вычислений. Она может быстро обрабатывать огромные объемы данных за очень короткое время;

• Чтобы полноценно пользоваться хранилищем, нужно знать только основы SQL и уметь загружать данные в этот сервис. В остальном пользователю не требуется самостоятельно настраивать и администрировать базу данных, что является очень важным отличием этого онлайн-сервиса от классических СУБД.
  

За один созвон я помогла клиенту создать проект в Google Cloud Console, мы создали платежный аккаунт и привязали его к проекту. Расшарили доступы к проекту на рабочий e-mail, чтобы можно было производить дальнейшие настройки.

Клиент получил личное аналитическое хранилище данных, в котором в дальнейшем начали аккумулироваться сырые данные и витрины данных для отчетов. Поддержка SQL позволила внутренним аналитикам также обращаться к датасетам и использовать данные для своих собственных отчетов. Затем мы перешли на BI уровень — создание дашбордов на основе витрин данных, выбор и расчет ключевых метрик.

Остановились на Google Data Studio. Все данные у нас собирались в Google Bigquery. Мы складывали туда данные GA4 и к Google Bigquery подключались из Looker Studio.

Требовалась информация об источниках/каналах трафика, количестве сеансов, пользователей и полезных действий. Также клиента интересовало как часто пользователи возвращаются в продукт, поэтому предложил им смотреть DAU, MAU и Retention. Метрики посчитал и визуализировал в отчете.

В результате у нас появились первые быстрые отчеты в Looker на основе данных в GA4 с нужными метриками.

Вот так выглядела воронка полезных действий по устройствам:

Теперь клиент мог посмотреть, что пользователи с десктопа доходят до интересующего нас последнего шага, а с мобильных устройств все пользователи отваливаются на шаге верификации ТГ. Это говорило о том, что для нас более качественный трафик приходит с ПК, или же, что есть какая-то проблема в мобильной версии сайта. Этот шаг был неудобен для пользователя.

Также клиенту была интересна оценка воронки с авторизацией через Google по сравнению с обычной воронкой авторизации:

Мы увидели, что хоть и авторизация через Google менее популярный путь пользователей, но в конечном результате процент конверсии из шага регистрации в последний шаг воронки выше.

Далее решили посмотреть, какие статьи кликаются пользователями. Academy — это блог предположительно полезных статей для пользователей. Большинство кликов было сконцентрировано вверху страницы. Но были и те, которые пролистывали вниз на конкретную статью в самом низу.

На своем сайте клиент продавал платные размещения. Ему было интересно, сколько кликов было по тем или иным платным размещениям: в шапке сайта, в листингах гильдий, игр и других страницах.

Отчет по динамике посещений разделов сайта показал, что больше всего посещался раздел с играми, но это очевидно — он на самой первой странице.

В итоге, благодаря такому способу, мы с клиентом смогли выявить не только "слабые места" проекта, но и перспективные направления для развития.

Узнали, что пользователи ценят и как мы можем улучшить их опыт использования нашего продукта. Увидели возможности для роста и получили действенные инструменты для достижения наших целей.

На этом все! Теперь вы тоже сможете легко и быстро развернуть аналитический контур проекта :)