Трохи про наскрізну аналітику

Про неї говорять вже років десять, а в тебе на проекті ще досі не має? - Цей пост для тебе

Наскрізна аналітика це взагалі моя улюблена послуга, бо саме з її допомогою я потрапив у світ вебаналітики.

Коротка, але дуже показова суть цієї історії така: йшов 2016 рік, працював я маркетологом, і мав різні канали залучення, серед яких більша частина бюджету (вже точно не пам'ятаю, але відсотків 60 мінімум) йшло на Google Ads (на той момент ще Google AdWords) і приносив нам цей канал більшу половину заявок по даних Google Analytics (мова не про 4 звісно, а Universal ще тоді). І все добре було до тих пір, поки мій колега (привіт Ярик) не приїхав з якоїсь конфи і не розповів про новий тренд - наскрізну аналітику.

Я дуже загорівся ідеєю дослідити, що з заявками відбувається далі: як вони конвертуються в продажі і скільки грошей приносять. Десь півроку мучився з базою даних (тоді я ще не знав про BigQuery і мучився з MySQL) і PowerBI, паралельно дістаючи наших розробників і матюкаючи нашу CRM разом з відділом продажів, які ту CRM ненавиділи.

Але десь через півроку цих старань мені все ж вдалось отримати перші дані, і це був шок. Враховуючи що в середньостатистичний місяць в нас було близько 200 лідів (тут треба додати ремарку, що ми говоримо про B2B компанію), з гугл реклами було 1-2 продажі на місяць (і це при 60% лідів з Google Ads, тобто десь 120 лідів). Просто вдумайтесь в ці цифри?! (Для тих кому стало цікаво, як ми виживали при таких результатах: як показала наскрізна більшість інших наших каналів залучення конвертувались приблизно 1 з 2, тобто на 2 ліда один продаж, а інколи й краще)

Так я зрозумів, що наскрізна аналітика - це дуже важлива система, без якої будувати маркетинг не можна. Далі звісно ми перебудували всі маркетингові процеси, перерозподілили бюджети і т.д. Але то вже зовсім інша історія.

Головне тут: без наскрізної аналітики ваш відділ маркетингу сліпий. (як ти вже тепер розумієш, виніс я це з власного досвіду, а не просто повторюю те, про що всі говорять)

Саме ця думка привела мене до того, що я з маркетингу прийшов в веб-аналітику і почав доносити її іншим.

І саме наскрізна була однією з основних послуг, які я, а потім і команда proanalytics.team надає клієнтам. Починаючи з 2018 року сумарний наш досвід вже давно перевалив за 100+ проектів (1000 поки не має, але ми й не дуже туди поспішаємо - довгострокова багаторічна співпраця набагато цікавіша для нас).

Інколи ми навіть встигаємо писати про це кейси:
- Reply.io
- Median ads
- Stripo

а інколи пишемо щось на блозі по цій темі:
- Маркетингова аналітика для бізнесу: від цілей і KPI до архітектури даних
- Які інструменти аналітики потрібні маркетингу?
- Все, що треба знати про BigQuery: що це, навіщо та які переваги для маркетингу
- Наскрізна аналітика. У чому її користь для бізнесу. Інтерактивний приклад всередині

а ще більше про це пишуть наші клієнти в відгуках

Це я все до чого, бо пост насправді не про те, що приходь до нас, ми налаштуємо тобі наскрізну (ми налаштуємо - приходь звісно))) ), пост про інше:

вже через три тижні (тобто всього через 21 день) розпочинається навчання на курсі PRO ANALYTICS. І один з найважливіших результатів навчання на цьому курсі - ти навчишся налаштовувати наскрізну аналітику.

Тобто отримаєш скіл, який ще багато років буде актуальний. Ти ж бачиш, я почав займатись наскрізною 10 років назад і що, більшість бізнесів на ринку досі її не має. І повір мені - AI не допоможе збільшити цей відсоток, а от ти - ти після курсу зможеш.

Що ще чекає на курсі?
Основне, це багато практики. Дуже багато. Ще не було студента який би по завершенню курсу сказав мені: "Ти знаєш Макс, а от практики на курсі мені не вистачило". Набагато частіше я чую щось типу "Курс настільки інтенсивний, що я ледь встигав жити" (почитати відгуки можна тут). Але як інакше, за 10 тижнів навчання дуже складно передати досвід 10 років роботи. Але я намагаюсь, тому й виходить так інтенсивно.


Якщо вам цікаво саме навчитись в сучасну вебаналітику, а не просто подивитись відосіки (тут і ютуб можете глянути, курс PRO ANALYTICS для цього не треба) - записатись можна тут >>

Залишилось 11 місць з 15.

Трохи думок...

Навіяно процесом підготовки AI дата-агента для одного з наших партнерів

Перш за все гляньте на скрін прикріплений до поста: чи є щось що вас бентежить? Наскільки ви готові вірити цим підрахункам?

А якщо я додам трохи додаткової інформації (чи змінюється ваша думка після кожної нової деталі?):
- дата-агент точно не придумав дані. Він взяв реальні дані бізнесу з потрібних таблиць
- SQL написаний саме так, як і вказано в ланцюжку міркувань і математичні розрахунки вірні

Ну а поки ви думаєте, чи з підвохом це запитання, чи ні, ось вам декілька цікавих фактів в тему:

1. Люди схильні віддавати перевагу простішим поясненням і рішенням, особливо коли не мають достатньо інформації, щоб оцінити їхню надійність (це не я придумав, тут дослідження)
2. AI дуже впевнено подають свої рішення і чим більше вони пояснюють свої розрахунки, тим люди більш схильні їм вірити (теж є дослідження)

До чого я це все? На початку поста, я задав питання і можливо це змусило вас прискіпливіше дивитись на дані і свідомо шукати в них помилку. Але як часто ви перевіряєте відповіді, які видає вам LLM?

Чим більше ми перекладаємо роботу на AI, тим важливішою стає навичка: розуміти, коли він має рацію, а коли ні. І для цього вам усе ще потрібно знати предмет, із яким ви до нього звертаєтесь. Бо інакше можна завершити як герої цих матеріалів (почалось з рекомендацій ChatGPT та Gemini про похід, а завершилось евакуаціями на вертольотах).

З однією тільки відмінністю: у поході наслідок поганої поради видно вже через кілька годин. У бізнесі все складніше. Ви можете прийняти неправильне рішення сьогодні, а побачити його наслідки через тиждень, місяць або квартал.

Дуже легко написати в чат: «Проаналізуй мої дані й скажи:
- Яка група користувачів приносить більше грошей?
- Яка рекламна кампанія працює краще?
- Які матеріали на блозі приносять більше грошей? і т.д.».

Агент піде у вашу базу, візьме ваші реальні дані, напише цілком валідний SQL і дуже впевнено напише вам висновок. Ще й запропонує наступні дії. Технічних помилок не має. Цифри є. Висновок є. І все це за 5 хвилин поки ви робили собі чашку кави. Ну клас же?

Якби не одне але... повертаючись до питання на початку поста: агент помилився. І цю помилку досить складно помітити:
- цифри вірні і з правильних таблиць
- SQL сам по собі теж хороший
- і висновки, які він робить на отриманих цифрах теж наче питань не викликають.

Що ж тоді не так? Вся його відповідь не має сенсу: для відповіді на поставлене запитання як мінімум потрібно орієнтуватись не просто на фактичні дати оплат, а на когорти і дату їх залучення. Інакше дуже легко отримати красивий, але хибний висновок.

Наприклад, користувачі, які зареєструвалися в серпні, фізично ще не могли потрапити в групу «перша оплата через 1–3 місяці». У цій групі будуть лише старіші когорти — наприклад, люди, залучені у травні, червні чи липні. Якщо влітку змінився маркетинг, продукт або ціни, агент легко може побачити, що користувачі з довшим шляхом до оплати платять більше, і зробити висновок: «чим довше користувач думає, тим більший у нього перший чек».

А це лише один приклад, якби не обмеження на кількість символів в пості, я б міг би написати значно більше. І ось тут ми підходимо до головного: LLM пришвидшив обробку даних, але швидка обробка неправильних даних - це просто більша кількість помилок на одиницю часу.

А для того щоб швидка обробка даних давала реальну користь вам потрібно розуміти як працює аналітика. А точніше, як працює сучасна аналітика, бо період коли Google Analytics вирішував всі питання маркетингу і продукту вже давно минув. А ще розуміти, які показники важливо аналізувати для того чи іншого бізнесу. І які взагалі підходи до аналізу даних існують. І ще як перевірити дані. І ще багато чого, наприклад як не прийняти красиву відповідь за правильну тільки тому, що вона звучить переконливо.

Все це я буду розбирати на курсі PRO ANALYTICS вже через 14 днів. Записатись можна в особистих

Я вже чесно кажучи й скучив за ситуацію, коли гугл викатує великий апдейт і треба розібратись і зрозуміти що це, для чого і які нюанси. Тому сьогоднішній матеріал був написаний майже на одному диханні.

Якщо ще не заглядали в нові Дашборди в Google Analytics 4 - приємного читання.

Як завжди розібрав все детально і по поличках. Ну і думок своїх накинув щодо цього всього і куди це нас веде.

https://proanalytics.academy/uk/blog/complete-guide-to-dashboards-in-google-analytics-4

________________

Нагадую, що 28 вересня починається навчання на курсі PRO ANALYTICS. Деталі тут >>

Дублі подій в аналітиці, невірні назви для параметрів ecommerce подій, невірне value... - втомились від постійного дебагу цих проблем? Я теж.

Перевірка коректності відправки подій в аналітичні і рекламні системи це завжди напряжно: треба знати нюанси відправки в кожну систему, знати куди дивитись, на що звертати увагу...

Забудьте про це

Після апдейту розширення PROANALYTICS ваше життя стане краще. Більше 100 перевірок, які розширення тепер робить за вас. Всі деталі в відео >> https://www.loom.com/share/93158be834cb4b0d9a84efe73f19aa78


P.S. Якщо що, цей канал не скочується в режим «купи це просто зараз» - просто цікаво було протестувати який ефект дасть саме така дуже криклива, як на мене подача. І розширення нагадую БЕЗКОШТОВНЕ. Тому не забувайте пошерити друзям та колегам.

І ще одне, розширення працює в двох мовних версіях. Якщо вам потрібен результат аудиту англійською - просто змініть мову інтерфейсу

________________

Нагадую, що 28 вересня починається навчання на курсі PRO ANALYTICS. Деталі тут >>

Подумую (якщо наберу 100 коментів унікальних) провести вебінар де розберу всі можливості розширення PROANALYTICS

Якщо комусь цікаво, то дописуйтесь в коменти https://www.facebook.com/maks.hapchuk/posts/pfbid0HRPM3wh3Nm85qsjApJSAXiS3HsCzxz6fTHBKTdw1SYMCFFhJtvwRRotuhYWguGmkl

EPAM, airSlate, ПриватБанк, ДЕКА, Netpeak, PPC. ROCKS, Markoon, Adcore, CQL, Zeeks, WPJ, Stape — знаєш, що об'єднує всі ці компанії?

У всіх цих компаніях (а ще, звісно, і в багатьох інших) працюють випускники курсу PRO ANALYTICS.

Для мене це, мабуть, один із найкращих показників того, що ми робимо все не дарма.

PRO ANALYTICS ніколи не задумувався як курс, після якого ти просто знаєш, де в GA4 натиснути потрібну кнопку або як скопіювати готовий SQL-запит. Моя ціль завжди була іншою: навчити думати як аналітик.

Щоб випускники розуміли, звідки беруться дані. Вміли перевірити, чи можна їм довіряти. Могли самостійно поставити запитання до даних, знайти правильний спосіб відповісти на нього і донести отримані інсайти бізнесу.

Як наслідок, цей курс із самого початку був курсом не тільки для вебаналітиків — отримані знання корисні й в інших професіях. Серед випускників є CMO, маркетологи, PPC- та SEO-спеціалісти, ну і, звісно, вебаналітики.

Особливо приємно зараз бачити знайомі імена в командах великих продуктів, агенцій і технологічних компаній. І це я тільки почав збирати список "Де працюють наші студенти".

А ще ж не варто забувати, що вся команда proanalytics.team це теж випускники наших PRO курсів (це в нас обов'язкова умова щоб тебе взяли), почитайте за нагоди на блозі команди і особливо в кейсах, які ВАУ історії зараз робить ця команда.

За роки PRO ANALYTICS трансформувався і тепер це вже значно більше, ніж просто курс. Це комʼюніті людей, які працюють з даними, ростуть у професії, переходять у нові ролі і діляться досвідом в нашому чаті.

Тож якщо ти давно читаєш цей канал, цікавишся аналітикою і думаєш, куди рухатися далі — можливо, настав час не просто читати про наше комʼюніті, а стати його частиною?

Найпростіший спосіб — почати з PRO ANALYTICS :)

Старт навчання вже в найближчий понеділок - 28 вересня.

Переглянути програму можна тут >>

Більше деталей в особистих.