CC BY
23УДК 658.64 DOI 10.47629/2074-9201_2022_1_120_126
Неволько Артем Теймуразович,
аспирант Института цифрового образования, Московский городской педагогический университет, Москва,
Art-ti3@yandex.ru
Фролов Юрий Викторович,
доктор экономических наук, профессор, профессор департамента Информатики, управления и технологий Института цифрового образования, Московский городской педагогический университет, Москва,
frolovyuv@mgpu.ru
АНАЛИТИКА ДАННЫХ О ПОСЕТИТЕЛЯХ САЙТА ТОРГОВОЙ КОМПАНИИ КАК ИНСТРУМЕНТ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ РЕКЛАМЫ
Аннотация. Рассматривается процесс экспорта данных из системы Яндекс Метрика в систему бизнес-аналитики PowerBI для формирования «портрета» потребителя торговой компании, осуществляющей свой бизнес по модели В2В. Определены численные критерии, характеризующие поведение клиентов на сайте компании. Показано, что за счет оптимизации рекламных мероприятий на основе выполненных аналитических исследований удалось повысить эффективность интернет-рекламы и сократить затраты рекламу. Ключевые слова: торговая компания, продажи, Яндекс Метрика, PowerBI, глубина просмотра, интернет-реклама.
Artem T. Nevolko,
Postgraduate of the Institute of Digital Education, Moscow City Pedagogical University, Moscow,
Art-ti3@yandex.ru
Yuri V. Frolov,
Doctor of Economic Sciences, Full Professor, Professor at the Department of Informatics, Management and Technology, Institute of Digital Education, Moscow City Pedagogical University, Moscow,
frolovyuv@mgpu.ru
ANALYSIS OF THE DATA OF VISITORS TO THE WEBSITE OF A WHOLESALE COMPANY IN ORDER TO OPTIMIZE AND REDUCE THE COSTS OF THE ADVERTISING BUDGET
Abstract. The process of exporting data from the Yandex Metrika system to the PowerBI business intelligence system is considered to form a «portrait» of a consumer of a trading company carrying out its business according to the B2B model. Numerical criteria have been determined that characterize the behavior of customers on the company's website. It is shown that by optimizing advertising activities based on the performed analytical studies, it was possible to increase the effectiveness of online advertising and reduce advertising costs.
Keywords: trading company, sales, Yandex Metrics, PowerBI, depth of viewing, online advertising.
В последнее время усиливается внимание бизнеса к применению инновационных бизнес-моделей и современных цифровых технологий [1-3]. Смена трендов и переход большого числа торговых компаний в сетевую среду обусловлен не только рисками и угрозами в контексте сложной эпидемиологической ситуации, но и пересмотром стратегических приоритетов, поскольку внедрение цифровых технологий создает предпосылки для значительного повышения эффективности основных процессов.
Торговая компания ООО «КОНКОРД» занимается оптовыми поставками продуктов питания по всей России и функционирует по модели В2В, начиная с 2017 года. Основные клиенты компании это:
• индивидуальные предприниматели или общества с ограниченной ответственностью, осуществляющие розничную торговлю;
• государственные организации (чаще образовательные организации), закупочная деятельность которых регламентируется Федеральным законом 44-ФЗ;
• госкомпании, предприятия естественных монополий, организации, которые занимаются регулируемыми видами деятельности и обязаны выполнять закупки в соответствии с нормами Федерального закона 223-Ф3.
С момента своего создания торговая компания ООО «КОНКОРД» сделала ставку на использование сетевых ресурсов и цифровые технологии продвижения своих товаров.
Как показывает анализ, поток клиентов компании ООО «КОНКОРД» можно примерно разделить на следующие сегменты по критерию их реакции на методы сетевой рекламы:
• 20 % - офлайн реклама (раздача каталогов торговыми представителями, тематические выставки);
• 30 % -интернет-реклама (Яндекс, Гугл);
• 30%- реклама на тематических форумах;
• 20%- реклама в социальных сетях.
Таким образом, примерно 80 % клиентов компании реагируют на методы и средства цифровой рекламы.
Гипотеза исследования заключается в том, что разработка и внедрение процедур извлечения, предварительной обработки и визуализации данных о клиентах позволит торговой компании повысить эффективность рекламных мероприятий, осуществляемых в цифровой среде.
Основная цель данной работы - выполнить аналитические исследования и на этой основе увеличить количество клиентов торговой компании ООО «КОНКОРД», а также уменьшить расходы на рекламу. Исходя из поставленной цели, потребовалось решить следующие задачи:
• выполнить предварительную обработку данных по посещениям клиентами сайта компании ру-конкорд.рф;
• импортировать данные в систему бизнес-аналитики PowerBI1 для их визуализации;
• на основе полученных аналитических результатов сформировать «портрет» клиента компании;
• произвести корректировку этапов проведения рекламных кампаний и стратегии продаж, опираясь на полученные результаты аналитики;
• оценить экономический эффект от внедрения обновленной стратегии продаж.
На первом этапе выполняемого исследования осуществлялась выгрузка и подготовка данных о клиентах торговой компании.
Ниже представлена последовательность действий по выгрузке данных, необходимых для выполнения аналитических исследований.
Доступ к данным, находящимся в сервисе Яндекс Метрика, осуществляется с помощью счетчика и надстройки ExcelConnector для Microsoft Excel [4].
После авторизации в системе Яндекс Метрика и выбора нужного счетчика, аналитик компании выбирает метрики, которые планируется включить в исследование (см. Рисунок 1).
После того, как аналитик выбрал интересующие его группировки данных2 и указал требуемые периоды времени, запускается процесс выгрузки данных (см. Рисунок 2).
В результате аналитик получает для работы сгруппированные данные в формате xls, подготовленные для сортировки и последующей визуализации.
На следующем этапе производится сортировка данных. Полученные данные можно сортировать, применяя разные фильтры. В качестве примера в Таблице 1 показаны результаты фильтрации данных по критериям: количество посещений пользователями сайта торговой компании; количество уникальных
I
Выбранные метрики визиты
1
Метрика: Визиты/Базовые метрики/Визиты — угп:ч:у1 ййя т Просмотры
1 Метрика: Визиты/Ьазовые метрики/просмотры — ут:5:разеу1е*те I Посетители
1 Метрика: Визиты/Базовые метрики/Посетители — ут^изегз Параметры
1
Метрика: Параметры посетителей/Параметры — ут:ир:рагат5
Рисунок. 1. Метрики ExcelConnector
1 https://ru.wikipedia.org/wiki/Power_BI
2 https://yandex.ru/dev/metrika/doc/api2/ga/ga/terms.html
§§ Мае— « M>x»WfH оЬтсгу мдем* « Мдевкмаоблкгк гг ГЦрфпЯХ ПО HWMU и« С»*» 2021-02-05 ичжй гого-омз 12л*гв «го-«-«? «aias Ж 1-й}-С" lMUt 2021-03-Q< l&IKrlT S2S& 91 51 » 23 21 4243 033761179829734538 0-0 01«07*4313?2S4004 ш 00С4№2«М9Ш21« 0047в1в*7»1В047в18 ом» 00 1.14?«714»S7I4» awHei»MíT45t и to г,714ДО7142*»7144 »1» 25.0 ООЛ224 С00148 №W¡« OftOO^J ОШЛв 00«; 45 №1323 00:3*21
Ux>H Н МКЧЖЧ> обчСГк niww »a no4w»m сметам riepenxw в» помгго»н сх-»и гаго-озгз i7:ioíe 2031U Э9 Я 2021 -Ot-W И 2550 2020-11-« 'ИМИ 1 ао 00 оярняянар 0 142*17142*5T1«2U 2 0714Ж714ДОТ1» D&ceoc СОСЕМ 0004-09 0002:35
jgg **ХМ> » MOMKiH «х«и я М&ЭДкха« обл*сгъ ЕЕ Пе nil 1 МХОВ» 2Q81-0l-30lfcQft42 2021 -04-W SH3 24 ÍOÍI-OIJO HtOtctí 1= 1 Ы (¡2ппггт2ппп} о а >8 »тгпппптзтгп атгг №№ir HXH20
№г-чы я Моедкми овлаегк 2021 >01'IS 13:5929 «a*i» 1 ; ад 0,4 зд 00:13:10 амю»
Рос«» Мост« Мосжокншойласп. Самсг-Попрвург и Лммградская облает* Вел*оае»*< обя^сп. Смст> Петербург 2021-01-12 >1:5922 2021-Q3-04 >7:40:35 гого-и-» t»»« 2020-11 -0» 22: i» 29 1 Q.12S 0-0 оо 00 и ЗЛ29 42*5714Э*5714Ж 12.0 0&0022 001X29 000529
ихмакМсшимасОккгк 2021-01-12 >1:49:32 гцг1ФН1ш» W1CO-?4 1ISJM * ао од 00 2_5 COttJ»
РФССК* амиде* Í«1-Q4-II t&flfc* 20Z1-05-0«10.<№» 0-0 0 3 1Д 2Л 0WWI9 000041
«wn я Момкад обпв^ъ EEF ч» npHCfl+w. СнСЦМ гагО-11-ce гглкгв г0Я1-01»11*19Я0 2020-11-® !ft12:M 2021 >01 439 2324:31 i ал 00 и 02 и «8 10 299 6 001)1:31 CO 01:19 00»."
Рисунок 2. Выгрузка данных из Яндекс Метрики в Excel за период с 1 Января по 1 июня 2021 года
пользователей; процент отказа; глубина просмотра; время на сайте.
Количество посещений - группы пользователей, совершивших от одного до 128 и более визитов.
Суммарное количество визитов - общее количество визитов на сайт компании, сгруппированных по количествам посещений одними и теми же пользователями.
Суммарное количество новых пользователей - общее количество пользователей, посетивших сайт первый раз.
Процент отказа - доля пользователей, покинувших web - ресурс (сайт) компании в первые секунды.
Глубина просмотра - показатель, сигнализирующий о детализации просмотра одной страницы и/или о количестве страниц сайта, просмотренных пользователем. Глубина просмотра измеряется в условных единицах, характеризующих «количество» представленного на сайте контента, просмотренного пользователем.
Время на сайте - критерий, позволяющий оценить длительность пребывания пользователей на web-ресурсе (сайте).
Как видно из первой строки Таблицы 1, пользователей, совершивших за исследованный период только 1 визит, было 4206. 4206 пользователей совершило 4206 визитов. При этом средняя глубина просмотра составила 6,89 единиц, процент отказа - 22,4 %, а среднее время пребывания пользователей на сайте - 1 минута 57 секунд.
Примерно идентифицировать клиентов компании можно, исходя из следующих соображений. На основе опросов менеджеров по продажам компании было установлено, что из списка потенциальных
клиентов можно исключить тех посетителей, которые зашли на web ресурс компании 1 раз и более 127 раз. В частности, если посетитель был на сайте всего один раз, то этот человек мог зайти на сайт по ошибке, либо его не устроила цена, или на это есть другие причины, например, посетитель хотел найти официальный web ресурс производителя «продукта» или розничного продавца, но попал на сайт компании - оптового поставщика (руконкорд.рф). Если же посетитель зашел на сайт более 127 раз, то, как показали результаты опроса, этот посетитель - сотрудник компании «КОНКОРД», например контент менеджер, либо это робот поисковой системы3, который занимается сбором статистических данных.
С учетом вышеизложенного в процессе формирования в первом приближении представления о целевом сегменте компании («портрете» клиентов) можно исключить из базы клиентов с низким и чрезмерно высоким количеством посещений сайта.
На этом сортировка данных не заканчивается, поскольку для получения валидных результатов аналитики должны исключить из базы тех пользователей, которые имеют низкое значение параметра «глубина просмотра». «Глубина просмотра» - это, как было отмечено, показатель количества страниц, просмотренных пользователем в течение одного сеанса. Этот критерий относится к числу наиболее важных факторов, характеризующих поведение клиентов и зависящих от качества оформления сайта и его наполненности необходимым содержанием. Как известно [6], глубина просмотра учитывается поисковыми системами в процессе ранжирования сайтов и влияет на позиции
3 https://ru.w¡k¡ped¡a.org/w¡k¡/noi/icKOBbM_po6oT
Таблица 1
Сортировка данных о пользователях с 1 января 2021 года по 1 июня 2021 года
Количество посещений сайта компании Суммарное количество визитов Суммарное количество новых пользователей Процент отказа, % Средняя глубина просмотра, единиц Среднее время на сайте (мин.:сек.)
1 4 206 4 206 22,4 % 6,89 1:57
2-3 916 408 18,6 % 17,4 3:39
4-7 320 64 9,7 % 18,7 3:21
8-15 165 15 11,6 % 11,2 3:24
16-31 161 7 11% 7,34 9:25
32-63 235 5 7,41 % 7,37 4:45
64-127 285 3 9,71 % 1,64 3:07
128-255 382 2 10,9 % 3,46 8:27
сайта конкретной компании в общем рейтинге всех ресурсов, предлагающих аналогичные товары или группы товаров.
Важен также показатель «время пребывания на сайте», который отражает степень заинтересованности потенциального клиента в коммерческой информации, размещенной на сайте компании.
По итогам сортировки данных эксперты компании включили в число потенциальных клиентов компании посетителей сайта со следующими характеристиками: частота посещений сайта - от 2 до 127; глубина просмотра - больше 1 единицы; время пребывания на сайте - более 3 минут; процент отказов - менее 19 %.
В качестве примера на Рисунке 3 представлен фрагмент базы данных о посетителях сайта. База данных была сформирована за период с 1 января 2021 года по 1 июня 2021 года. Как видно из данных на Ри-
сунке 3, в течение пяти месяцев сайт торговой компании посетили 5266 раз. Из этого числа к потенциальным клиентам было отнесено 1014 посетителей, а итоговая конверсия составила 19,3 %.
На следующем этапе аналитик выполняет визуализацию скрытых в данных взаимосвязей с помощью системы PowerBI [5].
Например, можно выявить поведенческие характеристики потенциальных клиентов в процессе получения ими информации о компании (см. Рисунок 4).
Можно предположить, что с учетом специфики модели бизнеса В2В потенциальный клиент компании - это менеджер по закупкам или один из руководителей компании - покупателя, которых интересует ассортимент товаров на условиях крупного или мелкого опта. Как видно из данных на Рисунке 4, 56,2 % клиентов компании для входа на сайт используют
ИНГ*Р**ЛА*Т1И*ИТ* * Ви» л» Поспит*«» Просмотр* Дол* Отшн Глубина Вр«1
иоаых посетителей просмотра на сай
V % 7 % л1 7 % 7 л1 7 >и1 7 7
Итого н средние 52« 4249 43154 98.9* 20.7* 8.19
01.06-2021 вт 22 19 89 842* 40.9* 4.05
31.05.2021 пн 13 13 23 92.3* 38.5* 1.77
30.05.2021 к 11 11 48 100* 9.09* 4.36
29.05.2021 еб 4 4 9 75* 0* 2.25
28,052021 ИТ 16 16 394 87.5* 25* 24.6
27.05-2021 чт 17 17 33 882* 29.4* 1.94
26.052021 ср 12 12 30 £6,7* 8.33* 25
25052021 вт 15 15 43 86,7* 26.7* 2,87
24.052021 пн 31 26 292 7ЭГ1 * 19.4* 9,42
23.052021 вс В 6 12 50* 25* 15
22.052021 сб 11 9 24 «6.7* 45,5* 2,18
21.052021 пт 1? 16 32 87,5* 36,8* 1.68
Рисунок 3. Фрагмент базы данных о динамике посещений сайта торговой компании
Рисунок 4. Сегментация клиентов по используемым устройствам для выхода на сайт компании
смартфон и 1,69 % - планшет, то есть занимаются поиском товаров чаще, используя мобильные устройства, чем персональный компьютер. 42,1 % клиентов применяют для целей поиска товаров персональные компьютеры, то есть, по-видимому, являются менеджерами среднего звена и занимаются поиском поставщика в течение рабочего дня.
На Рисунке 5 представлены результаты, показывающие возраст сотрудников компаний-покупателей, заходящих на сайт компании
Как видно из данных, представленных на Рисунке 5, «клиенты» торговой компании - это сотрудники компаний-покупателей в возрасте от 25 до 54 лет. Можно предположить, что посетители сайта в возрасте от 18-24 не принимают ключевые решения по покупке товаров в рамках модели бизнеса В2В. С другой стороны, посетители сайта, возраст которых превышает 55 лет, как правило, не являются сотрудниками компаний-покупателей и входят на сайт оптовой торговой компании, чтобы получить представление об
ассортименте и оптовых ценах, а ни с целью совершать покупки и налаживать партнерские отношения.
Полученные результата были использованы для настройки рекламного кабинета Яндекс Директ. На Рисунке 6 представлена настройка рекламного кабинета, исходя из данных анализа по возрастным группам. Как видно из рисунка 6, рекламный бюджет был уменьшен на 100 % по следующим возрастным группам: младше 18 лет и старше 55 лет и одновременно увеличен на 100 % по другим возрастным группам. Алгоритм рекламного кабинета Яндекс Директ равномерно разделяет бюджет между следующими возрастными группами: 18-24; 25-34 и 35-44, а клиенты, имеющие возраст младше 18 и старше 55 будут исключены из базы данных, используемой для целей аналитики клиентов и рекламного бюджета.
Далее была осуществлена настройка рекламного кабинета по категории - «используемые пользователями устройства», а именно: рекламный бюджет был увеличен на 100 % для клиентов, применяющих
• 25-34 года 35,2* 55-44 года 24.7*
• 45-54 года 17.3*
• 55летистэрще 11,7*
• 10-24 года 9.58* Остальные 1,53*
Рисунок 5. Сегментация данных по возрасту сотрудников компаний-покупателей,
заходящих на сайт компании
Пол и возраст пользователя ©
Задать одинаковые значения для всех условий - V на
Все м ж 18-24 v
Все М ж 15-34 ^
Все м ж 35-44 ^
Все м Ж Младше 18 у
Все м Ж Старше 55 v
t v на 100
t v на 100
iv на 100
I v на 100
% в X ft
% ft % ft
x ft
Новая корреетировкэ
Готово Отмена
Рисунок 6. Настройка рекламного кабинета по критерию «возраст сотрудников
компаний-покупателей»
мобильные устройства и одновременно уменьшен на 100 % для пользователей, использующих для выхода в интернет ПК и планшеты (см. Рисунок 7).
В завершении был настроен рекламный кабинет по критерию «время показа». По умолчанию объявления показываются 24/7 и 7 дней в неделю. Как видно из данных на Рисунке 8, рекламный кабинет был настроен на будни (с понедельника по пятницу) с двумя промежутками времени показа: с 7 до 10 утра и с 17 до 20 вечера. Следовательно, график показа был подстроен под клиентов, использующих для выхода на сайт мобильные устройства (смартфоны и планшеты) в нерабочее время, исходя из предположения, что топ менеджеры компаний-покупателей занимаются поисками компаний-продавцов до и после рабочего дня.
В период с 1 февраля по 1 июня 2021 года была выполнена оценка экономической эффективности реализованных аналитических исследований, направленных на выявление рыночного сегмента тор-
говой компании. В течение одного месяца с 1 марта по 1 апреля 2021 года, рекламный бюджет компании в Яндекс Директ составлял 35 000 рублей, а число посещений сайта - 356. Из этого числа клиентами стали 19 компаний-покупателей.
После настройки рекламного кабинета (с учетом выполненных аналитических исследований) за период с 1 июня по 1 июля 2021 года рекламный бюджет в Яндекс Директ сократился на 36 % и стал равен 22 400 рублей. При этом число посещений сайта компании «КОНКОРД» составило 278 человек. Клиентами стали 27 компаний.
В результате проведенных исследований и проектных работ:
1. Был осуществлен импорт данных из системы Яндекс Метрика и выполнена их сортировка по критериям частоты посещений сайта, глубины просмотра и времени пребывания на сайте.
2. Установлены целевые значения критериев, ха-рактеризирующих потенциальных клиентов торговой
Тип устройств ©
Задать одинаковые значения для всех условий - V на %
1. Десктопы I # на 100 % t
2. Все смартфоны iOS Android Г v на 100 % *
Новая корректировка
Готово Отмена
Рисунок 7. Настройка рекламного кабинета по категории - «устройства»
Рисунок 8. Настройка рекламного кабинета по расписанию показов для группы клиентов,
использующих мобильные устройства
компании: частота посещений сайта - от 2 до 127; глуби- По итогам выполненных исследований по ана-
на просмотра - больше 1 единицы; время пребывания лизу потенциальных клиентов торговой компании,
на сайте - более 3 минут; процент отказов - менее 19 %. осуществляющей свой бизнес по модели В2В, уда-
3. Были определены пропорции клиентов, при- лось сократить рекламный бюджет на 36 % и увели-
меняющих разные устройства для доступа к сайту чить конверсию (количество привлеченных клиен-
торговой компании. тов) на 42 %.
Список литературы
1. Фролов Ю.В., Неволько А.Т. Увеличение продаж торговой компании на основе применения технологии PWA/ Вестник МГПУ, серия Экономика, 2021. № 4 (в печати).
2. Фролов Ю.В., Яковлев В.Б., Серышев Р.В., Воловиков С.А. Бизнес-модели, аналитика данных и цифровая трансформация организации: подходы и методы: Монография / Под ред. Д.э.н., проф. Ю.В. Фролова. - М.: МГПУ, 2021.
- 172 с.
3.Дегтярева Л.В. Анализ в системе маркетинга. Учебно-методическое пособие./ Л.В. Дегтярева. - М.: МГПУ, 2013.
- 51 с.
4. ExcelConnector: [сайт]. URL: http://excelconnector.net/
5. Феррари А. Анализ данных при помощи Microsoft Power BI и Power Pivot для Excel. /Феррари А., Руссо М.- М.: ДМК Пресс, 2020. - 288 с.
6. Климович А., Электронная коммерция и интернет-маркетинг/ Климович Артем. - М.: Т8,, 2020 - 390 c.
References
'\.Frolov Yu.V., Nevol'koAT. Uvelichenie prodazh torgovoj kompanii na osnove primeneniya tekhnologii PWA/ Vestnik MGPU, seriya Ekonomika, 2021. № 4 (v pechati).
l.Frolov Yu.V., Yakovlev V.B., Seryshev R.V., Volovikov S.A. Biznes-modeli, analitika dannyh i cifrovaya transformaciya organizacii: podho-dy i metody: Monografiya / Pod red. D.e.n., prof. Yu.V. Frolova. - M.: MGPU, 2021. - 172 s.
3. Degtyareva L.V. Analiz v sisteme marketinga. Uchebno-metodicheskoe po-sobie./ L.V. Degtyareva. - M.: MGPU, 2013. - 51 s.
4. ExcelConnector: [sajt]. URL: http://excelconnector.net/
5. Ferrari A. Analiz dannyh pri pomoshchi Microsoft Power BI i Power Pivot dlya Excel. /Ferrari A., Russo M.- M.: DMK Press, 2020. - 288 s.
6. Klimovich A., Elektronnaya kommerciya i internet-marketing/ Klimovich Artem. - M.: T8,, 2020 - 390 c.
