Excite Kit

Что такое сэмплирование в счетчиках аналитики простыми словами?

Ограничение, на которое жалуются все, но при этом далеко не все понимают его природу. Давайте разбираться🙂

Сэмплирование дает вам возможность работать с данными только с определенными оговорками и их важно понимать. В противном случае можно легко прийти к неверному управленческому решению. Изучим это на примере наиболее распространенных сервисов аналитики.

Нас интересуют следующие вопросы:

Что такое сэмплирование?

Можно ли жить без сэмплирования? (Спойлер: нужно!)

Большинство аналитических платформ работают следующим образом: сервис предоставляет доступ к отчетам через интерфейс, где данные предварительно проходят предобработку и агрегацию. Это означает, что в отчетах вы видите так называемые «агрегированные данные», а для расчета метрик почти всегда используется метод сэмплирования.

Сэмплирование – это метод уменьшения объема данных, обрабатываемых при формировании отчетов. Он позволяет ускорить работу сервиса при больших объемах исходных данных. В результате, данные в отчетах представляют собой модель, основанную на определенной выборке – части полных данных. Для понимания размера выборки в отчетах (например, в Яндекс Метрике) есть переключатель "Выборка".

Сталкиваясь с сэмплированием, вы всегда должны держать в уме, что прямо сейчас работаете только с частью всех ваших данных. В какой степени она релевантна полным данным – вопрос открытый.

Если у вас есть сильные навыки работы с SQL и вы не хотите мириться с ограничениями сэмплирования, всегда есть возможность работы с сырыми данными. Сырые данные представляют собой таблицы хитов и сессий, выгружаемые с помощью Logs API, они не подвержены сэмплированию. Однако, это требует участия опытного дата-инженера, так как необходимо создать и настроить кластер ClickHouse в Яндекс Облаке и обеспечить регулярную загрузку данных (если мы рассматриваем, Яндекс Метрику). Простой активации стриминга в облачную базу данных недостаточно, и это значительно повышает порог входа.

Кроме этого, у метода есть и свои ограничения, одно из которых – 10 ГБ на загрузку. Для проектов с большим трафиком это может стать узким местом. Решением может стать Метрика ПРО, но ее стоимость начинается от 300 тыс. руб. в месяц без учета стоимости кластера.

Оперировать только частью данных, когда вы делаете первые шаги в работе с аналитикой вполне нормально. Но чем крупнее бизнес и значимее уровень принятия решений, тем дороже ошибки.

Как мы решили эту проблему в UX Rocket? В UX Rocket вся аналитика изначально строится на сырых данных. Вы оперируете только точными цифрами в абсолютно любом отчете – никаких «средних температур по больнице». Вам не нужен дата-инженер и SQL – достаточно открыть раздел «События»-«Сырые данные». Выгрузка в Excel и любые внешние системы в один клик. Хотите попробовать? Вам сюда: https://uxrocket.ru/demo

Чтобы быть в курсе актуальных трендов в продуктовой и маркетинговой аналитике, А/В - тестировании, а также узнать больше о новых возможностях платформы UX Rocket, подписывайтесь на наш Telegram - канал https://t.me/+npNI41DQzOc4ZTJi

Как добывать инсайты из сервиса аналитики?

Вы наверняка сталкивались с тем, что сервис аналитики предоставляет огромное количество данных, но часто неясно, как именно использовать эти данные для повышения эффективности бизнеса. Например, как настроить отчеты, какие модели атрибуции выбрать и как с помощью этого проверять гипотезы.

Это, как правило, приводит к параличу – вместо проактивных решений вы тратите ресурсы на то, чтобы разобраться в репортах или просто любуетесь ими. Но главный продукт любого аналитического сервиса – это решения.

Если после работы с аналитикой вашего продукта или маркетинга у вас не появляется базиса для новых решений – вы, скорее всего, тратите время впустую.

Для того чтобы анализ данных привел вас к решениям, нужно пройти несколько обязательных шагов:

1. Определить вопросы, на которые вы хотите получить ответы. Без четкого понимания целей анализа, невозможно извлечь полезные инсайты.

2. Выбрать метрики для получения ответов на эти вопросы. Метрики всегда должны коррелировать с целями бизнеса.

3. Определиться со срезами для анализа и построить отчеты. Как минимум, имеет смысл использовать сегментацию данных по пользовательским свойствам и параметрам событий, а также наблюдать изменения метрик в динамике.

4. Идентифицировать гипотезы на основе полученных данных, которые и станут базисом для ваших решений. Примеры таких гипотез:

Оптимизация мобильной версии посадочной страницы приведет к росту конверсии в покупку.

Перераспределение бюджета в сторону таргетированной рекламы приведет к росту окупаемости инвестиций.

Реактивация определенной когорты пользователей принесет дополнительную выручку без затрат на маркетинг.

Крайне важно пропускать себя через эту цепочку. Например, без правильно поставленных вопросов анализ очень быстро заведет вас в тупик. И если ваш сервис аналитики помогает вам в прохождении этих шагов – шанс ошибиться становиться гораздо меньше.

В UX Rocket для этого предусмотрен целый раздел отчетов, который так и называется - "Инсайты". Его основная цель – сделать удобным поиск инсайтов из сырых данных и упростить принятие управленческих решений на их основе. В "Инсайтах" можно буквально по шагам построить модель для будущих решений – начать с выбора метрик, потом применить фильтры, сегментацию, когорты и нужные типы визуализаций.

Более того, в UX Rocket вы можете протестировать, сформулированные гипотезы, без использования дополнительных инструментов и не привлекая команду разработки.

Интересно? Оставьте заявку прямо сейчас https://uxrocket.ru/demo , с удовольствием расскажем и покажем интересующий вас функционал UX Rocket.

Чтобы быть в курсе актуальных трендов в продуктовой и маркетинговой аналитике, А/В - тестировании, а также узнать больше о новых возможностях платформы UX Rocket, подписывайтесь на наш Telegram - канал https://t.me/+npNI41DQzOc4ZTJi

Итак, сегодня поговорим о первых трех наиболее распространенных когнитивных искажениях, с которыми сопряжена работа над увеличением конверсии.

📌Хитрость конверсии №1 – наш мозг не дружит с тем, как работают когорты

Когда мы говорим, что изменим коэффициент конверсии на 5%, 10% или 15%, то практически всегда подразумеваем, что и выручка изменится пропорционально. Но, к сожалению (или счастью), это почти никогда не является правдой.
Дело в том, что конверсия как показатель неразрывно связана с когортами. Поэтому, если ваши покупатели совершают несколько покупок за свой жизненный цикл, рост (или падение) конверсии практически всегда будут влечь за собой более драматические изменения в выручке по сравнению с вашими ожиданиями.

Вывод №1 - моделируйте возможные изменения в выручке с учетом изменений по когортам в конверсии на бумаге и отчетах, а не ограничивайтесь первым, что пришло в голову.

📌Хитрость конверсии №2 – мы склонны подтверждать собственную точку зрения

Если на онлайн-курсах или тренингах личной эффективности нас научили, что самая большая зона роста всегда находится ближе ко дну воронки – отучиться от этого будет крайне сложно. В этом случае мы имеем дело с confirmation bias или его частностью – motivated reasoning.
Поэтому, если вы уже несколько месяцев бьетесь над оптимизацией чекаута, не поленитесь спросить у команды – кому в голову пришла эта идея и на чем она базировалась. Если на реальных данных – то это очень хорошая новость.

Вывод №2 - ставьте под сомнения свой текущий и прошлый опыт по оптимизации конверсии, инвестируйте в корректный поиск вашего "узкого места".

📌Хитрость конверсии №3 – мы подвержены ошибке выжившего

Смотреть на тех летчиков, что вернулись с боевого задания невредимыми (если не в курсе – обязательно почитайте) – нормально. Это дает первую и самую "жирную" обратную связь о качестве вашего продукта. Точно также в аналитике вполне уместно и правильно, когда в оптимизации конверсии вы в первую очередь оцениваете опыт пользователей, прошедших активацию или совершивших покупку. Там находятся так называемые “низко висящие фрукты”.
Проблемы начинаются, когда эти самые фрукты заканчиваются. В этот момент важно оторвать себя от привычного источника получения обратной связи – купивших пользователей.

Вывод №3 - когда работаете с конверсией, цельтесь в вопрос "Почему у меня покупают?", но не забывайте и про вторую часть уравнения - вопрос "Почему у меня не покупают?"

Было интересно? Хотите узнать больше про хитрости работы с конверсией? Ждем ваших реакций 🔥 и продолжаем 🙂…

Если не терпится – можно познакомится с полным текстом статьи тут https://vc.ru/u/3646675-ux-rocket/1420193-pochemu-cr-koefficient-konversii-hitraya-metrika-i-kak-s-nei-rabotat и подписаться на наш блог https://vc.ru/u/3646675-ux-rocket , чтобы не пропустить ничего важного😉
Хотите поработать над повышением конверсии? Вам сюда https://uxrocket.ru/demo 👈🏼

Почему CR (коэффициент конверсии) хитрая метрика и как с ней работать? — UX Rocket на vc.ru Коэффициент конверсии - это показатель, давший начало целой индустрии – CRO (услуги по оптимизации конверсии). Популярность метрики породила массу консультантов, фр...

8 неудобных вопросов Яндекс Метрике

У Яндекс Метрики есть свои особенности. Если вы делаете шаг от нуля к единице и начинаете собирать первые данные с вашего веб-сайта, то в этих ограничениях нет ничего страшного. Но если вы оперируете серьезными бюджетами на продукт и маркетинг, то цена ошибки становится критической.

Мы задали 8 неудобных вопросов Яндекс метрике в нашем блоге на VC https://vc.ru/marketing/1403098-8-neudobnyh-voprosov-yandeks-metrike

❔Первый вопрос – почему так долго не было событий?
❔Второй вопрос – что с междоменным отслеживанием?
❔Третий вопрос – что с определением визита?
❔Четвертый вопрос – что вообще такое "цели"?
❔Пятый вопрос – что с метрикой конверсии?
❔Шестой вопрос – почему такая скудная электронная коммерция?
❔Седьмой вопрос – почему оффлайн-конверсии без событий электронной торговли?
❔Восьмой вопрос – а как же сырые данные?

Пока зарубежные аналитические платформы друг за другом уходят из России по очевидным причинам, выбор российского решения становится практически безальтернативным. Мы интегрировали все лучшее, к чему вы привыкли, используя наиболее сильные западные продукты, и сделали это еще удобнее для пользователя в UX Rocket :

• Аналитика строится исключительно на сырых данных и событийной модели.
• Функционал авторазметки позволяет сформировать типовые события, которые в дальнейшем можно объединить, переименовать или скрыть.
• Кастомные события могут быть созданы и активированы в пару кликов с помощью визуального редактора.
• Актуальность разметки обеспечит визард. Одно удовольствие, скажете вы, и будете правы!
• В UX Rocket вы можете быстро и комфортно формировать последовательности событий, оперировать кастомными ивентами, фокусироваться на сегментах и даже формировать когорты на основе событий. Работать с событиями без необходимости лезть в сырые данные – это удобно 🙂.
• Более того, используя функционал "конверсионные события" вы можете осознанно изменять путь клиента, устраняя и добавляя шаги. Ничего подобного на сэмплированных данных сделать не получится!

Все эти и многие другие особенности и делают наш инструмент крайне гибким, удобным и эффективным для аналитика.

Хотите попробовать UX Rocket в деле? Вам сюда https://uxrocket.ru/demo 👈🏼

8 неудобных вопросов Яндекс Метрике — Маркетинг на vc.ru Обсудим особенности Яндекс Метрики, которые имеют значение для пользователей с серьезными бюджетами на продукт и маркетинг, где цена ошибки становится критическо...

Продуктовая и маркетинговая аналитика: вместе не тесно, а порознь и правда грустно!

Учитывая все перечисленные здесь: https://t.me/ux_rocket/8 минусы использования зоопарка из аналитических сервисов, очевидно, что использование одного источника данных для получения инсайтов в продукте и маркетинге является стратегически более сильным решением. Если вы формируете свой data lake (например, в виде сырых событий), а потом занимаетесь тем, что решаете с помощью него специфические задачи каждого из подразделений – то буквально с порога снижаете риски зависимости от нескольких сторонних провайдеров.

Более того, в этом случае вы легко сможете заимствовать и переиспользовать параметры продукта в маркетинговой воронке и наоборот – ведь они будут находиться в одной базе данных. И вы или ваши аналитики, например, построят воронку с учетом конкретной атрибуции или учтут недооцененные события для узкого сегмента в кампаниях ремаркетинга.

Платформа UX Rocket как раз является примером такого "озера данных" с базисом в виде сырых событий и надстройками в виде отчетов функционала под специфические задачи. Аналитик, продакт и маркетолог найдут здесь абсолютно все, что им необходимо! Больше не нужно передавать что-то из одного приложения в другое – все находится в одном месте, в виде списка событий, пользовательских параметров, предустановленных когорт и атрибутов. Стандартные продуктовые метрики и конструктор собственных метрик, анализ эффективности рекламных кампаний и модели атрибуции, воронки и путик клиентов - сложнее сказать чего нет, чем перечислить все имеющиеся возможности. Вы можете обогащать данные информацией из рекламных кабинетов, профили клиентов данными из CRM и других систем, но в отличие от GA и ЯМ не рискуете тем, что вашими данными воспользуется провайдер.

В интерфейсе UX Rocket все, что нужно для аналитики, находится в нескольких понятных табах - "Дашборды", "Эксперименты", "События", "Профили" и "Отчеты". Вы можете выбрать нужный функционал и сразу приступить к тому, ради чего пришли - получению инсайтов для принятия качественных управленческих решений. Более того, не уходя с платформы вы можете также и протестировать гипотезы с помощью функционала АВ тестов.

Если для вас вопрос использования нескольких сервисов для продуктовой и маркетинговой аналитики выглядит избыточным, подумайте о том, чтобы использовать для этих целей один.
Наши менеджеры с удовольствием обсудят с вами возможности использования UX Rocket для развития и продвижения вашего продукта: https://uxrocket.ru/demo?utm_source=vc_fb_uxrocket&utm_medium=vc_fb&utm_campaign=vc_fb_uxrocket_1_mark_prod&utm_content=vc_fb_uxrocket_1_mark_prod&utm_term=vc_fb_uxrocket_1_mark_prod