CC BY
158
БИБЛИОСФЕРА, 2018, № 3, с. 59-67/ BIBLIOSPHERE, 2018, no. 3, pp. 59-67
Информатика
УДК 02:004.738.1:005.61
ББК 78.0+78.37+78.6
DOI 10.20913/1815-3186-2018-3-59-67
СЕГМЕНТИРОВАНИЕ ПОЛЬЗОВАТЕЛЕЙ САЙТА ДЛЯ ПРОДВИЖЕНИЯ БИБЛИОТЕЧНЫХ РЕСУРСОВ И УСЛУГ
© А. Е. Рыхторова, О. М. Ударцева, 2018
Государственная публичная научно-техническая библиотека Сибирского отделения Российской академии наук, Новосибирск, Россия
Статья посвящена рассмотрению основных показателей эффективности продвижения библиотечных ресурсов и услуг в отношении предполагаемой целевой аудитории на примере веб-сайта ГПНТБ СО РАН. В ходе рассмотрения ряда показателей для составления упрощенной модели EMO (электронной маркетинговой ориентации) организации была предпринята попытка проследить соотношение активности пользователей предполагаемой целевой аудитории с общей численностью российских пользователей.
Ключевые слова: библиотечные ресурсы, методы продвижения, веб-метрики, инструменты веб-аналитики, сегментация пользователей, кластеры пользователей
Для цитирования: Рыхторова А. Е., Ударцева О. М. Сегментирование пользователей сайта для продвижения библиотечных ресурсов и услуг // Библиосфера. 2018. № 3. С. 59-67. DOI: 10.20913/1815-3186-2018-3-59-67.
Website users' segmentation to promote library resources and services A. E. Rykhtorova, O. M. Udartseva
State Public Scientific Technological Library of the Siberian Branch of the Russian Academy of Sciences, Novosibirsk, Russia
The article is devoted to the review of the effectiveness main indicators to promote library resources and services related to the intended target audience evidently for the State Public Scientific Technological Library of the Siberian Branch of the Russian Academy of Sciences (SPSTL SB RAS) website. To consider a number of indicators for creating a simplified EMO (electronic marketing orientation) model of an organization, the authors attempt to track the ratio of users belonging to the intended target audience, with the overall activity of Russian users.
Keywords: library resources, promotion methods, web metrics, web analytics tools, users' segmentation, users' clusters
Citation: Rykhtorova A. E., Udartseva O. M. Website users' segmentation to promote library resources and services // Bibliosphere. 2018. № 3. P. 59-67. DOI: 10.20913/1815-3186-2018-3-59-67.
Современное информационное общество пересмотрело позиции и цели всех институтов, работающих с информацией, знаниями и культурой. Задача, стоящая перед библиотеками, заключается в том, как стать более ориентированными на клиента, чтобы обеспечить эффективное использование ограниченных ресурсов. От библиотек ожидается, что они будут сотрудничать со многими типами учреждений, организаций и отдельными пользователями, «чтобы предоставлять как традиционные, так и инновационные, пригодные для удобного использования физические и виртуальные среды» [13, с. 65]. При этом, как поставщики ресурсов и услуг, библиотеки неизбежно подвергаются потенциальному риску оттока пользователей, особенно в цифровую эпоху. Сегодня, когда свой сайт имеют 92% библиотек (от 336 респондентов - представителей библиотек разных организационно-правовых форм) [4], все лучше осознается необходимость не только привлечения, но и удержания определенной целевой аудитории, на которую библиотека будет ориентироваться, в частности в работе своего сайта. Такая работа будет включать, помимо прочего, управление, основанное
на анализе различных данных, частью которого будет являться сегментирование пользователей.
Сервисами библиотеки могут воспользоваться онлайн различные типы посетителей с разными намерениями и потребностями - а значит, необходима их дифференциация и работа не с массивным потоком данных, представляющих пользователей монолитным набором данных о посещениях и просмотрах, а с отдельными сегментами. Сегментирование данных означает сосредоточение внимания не на глобальном, а на конкретном; оно направлено на разделение пользователей (как реальных, так и потенциальных) на сегменты (группы), одинаково реагирующие на одни и те же побудительные стимулы; то есть «включает использование определенных критериев для разделения группы пользователей на более мелкие, более управляемые группы с одинаковыми характеристиками» [15, с. 456]. Так, сегментация пользователей - это процесс классификации пользователей на типологические сегменты, который позволяет выделить собственную адресную нишу библиотеки, на которую должно быть ориентировано стратегическое продвижение библиотечных ресурсов и услуг.
Объективная сегментация пользовательской аудитории - это ключ к принятию эффективных решений. Для того чтобы предложить эффективную услугу клиентам, важно определить преимущества, которые ищут различные группы или сегменты, поэтому сегментирование также является одной из ключевых функций управления взаимоотношениями с клиентами (CRM), «на основе которой мы можем провести сравнительный анализ, чтобы понять распределение продолжительности отношений между различными группами населения» [14, с. 375]. Условно группы пользователей публичных библиотек традиционно определяются в соответствии с их демографическими характеристиками, такими как возраст, профессия и образование [12].
Хотя отмечается, что в библиотеках процесс сегментирования пользователей рудиментарен [9], мы, ориентируясь на существующие исследования [8, 10, 11], можем наблюдать по крайней мере пять различных способов выделения таких групп, различных по сложности:
1) через основные паттерны поведения при использовании библиотечных ресурсов и услуг;
2) традиционные социально-демографические категории;
3) построение модели, основанной на образе жизни и поведенческих ценностях [5];
4) совмещение поведенческих ценностей, образа жизни с демографическими критериями для получения наиболее значимых сегментов пользователей;
5) создание различных пользовательских образов или метафор, основанных на сочетании различных демографических, идеологических, психографических и информационных потребностей, ориентированных на характеристики и классификации.
Как можно заметить, четвертый и пятый способы опираются на данные, получаемые на предыдущих стадиях, сочетая их в различных вариациях для построения более полной качественной картины. В контексте рассмотрения сегментирования пользователей библиотечного сайта представляется важным начать с анализа групп, выделяемых первым и вторым способами, то есть: 1) выделить некую социально-демографическую категорию, представляющуюся наиболее подходящей в качестве целевой для работы сайта, 2) проанализировать ее поведение по выделенным ранее веб-метрикам [7], оценивающим эффективность работы сайта, в сравнении с данными по России для более полного понимания распределения существующих отношений пользователей к сайту.
В веб-аналитике существует два подхода к сегментации: пользователи и сеансы. Веб-аналитические системы «Яндекс.Метрика» и Google Analytics, завоевавшие авторитет на рынке существующих веб-аналитических инструментов, позволяют сегментировать и то и другое. При этом пользовательская модель в веб-аналитических системах представлена тремя основными компонентами:
1) собственно пользователями;
2) действиями пользователей на сайте библиотеки - сеансами;
3) вебометрическими показателями, собранными системой за время сеанса, - обращениями пользователей.
В данной модели разные сеансы могут принадлежать одному пользователю, а все взаимодействия с сайтом (обращения) - одному сеансу [1]. Большая часть отчетов и анализа формируется и проводится изначально на обобщенном уровне, когда учитываются общие числа - общее количество посещений, общее время, проведенное на сайте, общая выдача ключевых слов. Однако на веб-сайт библиотеки приходят различные типы посетителей с различными намерениями и потребностями - а значит, для корректной оценки эффективности методов продвижения, используемых сайтом библиотеки, необходимо сегментирование и работа не с массивным потоком данных, а с отдельными сегментами. При сегментировании пользователей с помощью конвертирования данных в веб-аналитических системах в автоматизированном режиме можно получить сведения, которые соответствуют какому-либо запрашиваемому условию.
Сегментирование той или иной метрики позволяет не только больше узнать о ней, но и конкретизировать текущие цели и библиотеки, и ее присутствия в интернет-среде, так как без четкого понимания этих целей невозможно выделить ключевые сегменты. Сегментирование данных необходимо для более полного отражения ситуации при составлении упрощенной модели ЕМО (электронной маркетинговой ориентации) организации [3].
Для использования в дальнейшей работе мы предполагаем в качестве наиболее перспективной целевой аудитории ГПНТБ СО РАН аудиторию, отвечающую следующим социально-демографическим признакам:
• имеющие высшее образование жители Новосибирской области в возрасте 24-44 лет,
• занятые, если исходить из распределения данной возрастной группы по сферам труда [6], по большей части в таких сферах, как образование, оптовая и розничная торговля, обрабатывающие производства, а также занимающиеся научными исследованиями и разработками. Мы полагаем, что на данном этапе наиболее важными и удобными для обработки веб-метрик будут параметры, связанные с территорией проживания и половозрастным составом пользователей.
Измеримые целевые действия пользователей на сайте
Оценка эффективности сайта начинается с определения четких, измеримых целей, соотносящихся с его задачами, указанными выше. Соответственно, целевые действия - это те действия, которые должны выполнить посетители сайта для того, чтобы данные задачи были решены [2]. Для удобства основные целевые действия можно сгруппировать по степени вовлеченности пользователя в коммуникацию с библиотекой (то есть по видам лидов) (табл. 1).
Выделяются целевые действия, характерные для посетителей в процессе коммуникации, переходящих
Т а б л и ц а 1
Основные целевые действия для библиотечного сайта
T a b l e 1
Main target actions for the library site
Лиды Пояснение Основные целевые действия
Холодные (~60% посетителей) Пользователь готов только потреблять представленную на сайте информацию Провести на сайте время не меньшее чем; просмотреть количество страниц более чем; просмотреть видео, презентацию; посетить конкретную страницу («Контактная информация», «О библиотеке», «Электронный каталог»); скачать файл (техническая документация, прайс-лист, отчет, памятка и т. п.)
Теплые (~30% посетителей) Пользователь готов предоставить информацию о себе Подписаться на рассылку; написать комментарий, вопрос; заполнить анонимную форму, анкету, опросник; получить приглашение; запросить документ (каталог, отраслевой обзор, электронные книги и т. д.)
Горячие (до 5% посетителей) Пользователь готов вступить во взаимодействие с представителями библиотеки по конкретному вопросу Заказать обратный звонок, электронную справку на e-mail; воспользоваться виртуальной справкой, онлайн-консультацией; заказать издание через электронный каталог; зарегистрироваться на мероприятие; пройти онлайн-регистрацию в библиотеку; подписаться на дайджест, тематическую подборку; приобрести платные услуги и продукты библиотеки
из одной категории в другую: оставить отзыв, рекомендовать, поделиться в социальных сетях, оставить заявку техническому специалисту сайта.
Такое разделение помогает более точно определять ценность и влияние отдельных показателей, собираемых инструментами веб-аналитики, при расчете эффективности для каждой библиотеки индивидуально. В данной статье мы предлагаем подробнее остановиться на первых основных действиях для «холодных» лидов (~60% посетителей): глубине просмотра и времени, проведенному на сайте, потому как официальный сайт библиотеки достаточно сильно сосредоточен на информировании пользователей, предоставлении контента для изучения.
Итак, специфика страниц библиотечных сайтов - в насыщенности информацией. Пресс- и пострелизы, новости, обзоры, тематические подборки и виртуальные выставки требуют в идеале вдумчивого ознакомления. В то же время пользователю для того, чтобы понять, насколько та или иная страница ему интересна или отвечает его запросу, необходимо около 6 секунд [2]; ознакомление с одним экраном заинтересовавшей информации в среднем занимает 0,5-1,5 минуты. Таким образом, можно примерно определить точку отсчета для целевого действия «Провести на странице время не меньшее чем» 1 минута и относительно нее рассматривать среднее время, проводимое на сайте, в связке с глубиной просмотра (количеством страниц, просмотренных пользователем во время визита), а так-
же количественными показателями визитов, посетителей (уникальных) и отказов. Как уже было сказано, важно работать с конкретными сегментами, представлять их присутствие на сайте библиотеки; пример сопоставления предполагаемой целевой аудитории с более общей группой пользователей из России представлен в таблице 2.
Как видно из таблицы, для ГПНТБ СО РАН, согласно данным «Яндекс.Метрики», только 3,2% от общего числа посетителей по России приходится на предполагаемую целевую аудиторию. При этом среднее время пребывания на сайте составляет около 3 минут на глубину в 2,5 страницы для пользователей по России в целом, а для целевой аудитории средние показатели уже приближаются к 5 минутам и 4 страницам, что является достаточно хорошим признаком: основная аудитория, являясь немногочисленной, генерирует больший объем показателей. Несмотря на желательное увеличение охвата, такая тенденция может считаться положительной.
Однако наибольшее число уникальных посетителей в обеих группах приходится на 20-секундный в среднем просмотр одной страницы. На фоне большого числа визитов этой же категории можно установить, что пользователи переходят по ссылкам внутри сайта в поисках нужной информации, практически не задерживаясь «в пути» к своей цели. Судя по небольшому проценту отказов в этой же категории, большинство все же до нее доходит, что может косвенно говорить о более-менее доступной навигации.
Т а б л и ц а 2
Сравнение показателей для пользователей сайта ГПНТБ СО РАН для России в целом и для целевой аудитории 25-45 лет, проживающей в Новосибирской области (с 01.04.2018 по 01.05.2018 согласно «Яндекс.Метрике»)
T a b l e 2
Comparison of indicators for SPSTL SB RAS website users for Russia as a whole and the target audience of 25-45 year old persons living in Novosibirsk Region (01.04.2018-01.05.2018 according to «Yandex.Metrics»)
Временные рамки Время на сайте Визиты Посетители Отказы Глубина просмотра
Россия НСО Россия НСО Россия НСО Россия НСО Россия НСО
0 секунд (отказ) 00:00:00 00:00:00 21 936 1 207 19 317 462 98,88% 99,59% 1,00 1,00
1-9 секунд 00:00:05 00:00:05 2 006 148 1 619 98 20,39% 17,57% 1,74 1,86
10-29 секунд 00:00:16 00:00:16 69 709 2 552 55 605 1 655 0,31% 0,31% 1,09 1,23
30-59 секунд 00:00:42 00:00:42 5 518 383 4 866 288 0,00% 0,00% 2,33 3,05
1 минута 00:01:26 00:01:26 5 013 412 4 372 306 0,00% 0,00% 3,14 4,07
2 минуты 00:02:27 00:02:24 2 916 206 2 597 159 0,00% 0,00% 3,68 5,61
3 минуты 00:03:27 00:03:27 2 021 172 1 840 143 0,00% 0,00% 4,34 6,53
4 минуты 00:04:28 00:04:28 1 528 107 1 417 92 0,00% 0,00% 4,87 7,22
5-9 минут 00:07:09 00:07:04 4 572 340 3 782 238 0,00% 0,00% 5,64 7,92
10-19 минут 00:14:22 00:14:24 4 537 356 3 556 213 0,00% 0,00% 7,11 9,00
20-29 минут 00:24:42 00:24:48 2 666 208 2 018 122 0,00% 0,00% 14,93 10,76
30-59 минут 00:40:44 00:40:19 1 892 216 1 214 102 0,00% 0,00% 18,95 20,26
1 час 01:19:53 01:19:46 504 75 278 34 0,00% 0,00% 34,90 37,88
2-4 часа 02:46:00 02:22:18 95 4 54 4 0,00% 0,00% 66,27 56,50
5-9 часов 06:20:15 00:00:00 3 0 2 0 0,00% 0,00% 135,67 0,00
Итого и средние 00:02:47 00:04:52 12 492 6 386 88 669 2 835 17,86% 19,35% 2,52 4,086
Целевые страницы сайта
Главной задачей целевых страниц является побуждение к одному из описанных выше целевых действий. Из возможных видов таких страниц для библиотек характерны автономные страницы (созданные для регистрации в мероприятиях или конференциях, содержащие их программу и мультимедиаматериалы, касающиеся события), а также встроенные в главный сайт рекламные страницы, посвященные продуктам и услугам библиотеки. Последние являются более эффективными с точки зрения конверсии, а также удобны для SEO.
Так как переход на целевые страницы часто осуществляется из социальных медиа, e-mail-рассылок и из поисковых систем, то анализ действий пользователей на такой странице - вывод коэффициента конверсии - позволяет определить успешность рекламы. Коэффициент конверсии представляет собой результаты целевого действия в отношении к посещениям либо посетителям.
Рассмотрим некоторые страницы информационного сервиса «Оценка публикационной активности» сайта ГПНТБ СО РАН (http://www.spsl.nsc.ru/resursy-
¡^^¡/^огтасюппу^егу^-осепка-риЬКкасюппо^аМу nost¡) (табл. 3). Целевым действием для страниц сервиса является их посещение, соответственно, для расчета коэффициента конверсии необходимо рассчитать отношение посетителей конкретных страниц к посетителям сайта в целом. Сама же конверсия выражается в процентах. При этом эффективность оценивается за достаточно длительный период: неделя, месяц, год.
Необходимо еще раз подчеркнуть, что конверсия рассчитывается исходя из цели той или иной страницы: так, для страниц конференций она будет рассчитываться в отношении количества зарегистрировавшихся участников к посетителям страницы. Для коммерческих сайтов принято считать, что средний (нормальный) уровень для такой конверсии - это 23%, а показатели в 10-15% считаются уже сверхуспешными и очень эффективными [2]. Учитывая специфику сервиса и оговоренные во введении основные сферы занятости целевой аудитории, сложно ожидать для него сверхуспешные показатели, однако даже для наиболее востребованных страниц, таких как «Определение индекса Хирша (И-Ыех) ученого с использованием БД "Российский индекс научного
Т а б л и ц а 3
Сравнение коэффициента конверсии для некоторых страниц информационного сервиса «Оценка публикационной активности» с 01.04.2018 по 01.05.2018 между группой посетителей по России в целом и предполагаемой целевой аудиторией (Новосибирская область, 25-45 лет)
T a b l e 3
Comparison of a conversion rate for some pages of the information service «Publication activity assessment» in 01.04.2018-01.05.2018 on groups of visitors in Russia and the intended target audience (Novosibirsk region, 25-45 year old)
Название страницы Посетители сайта (Россия), всего Посетители сайта (НСО), всего Посетители страницы (Россия), всего Посетители страницы (НСО), всего Конверсия (Россия) Конверсия (НСО)
Российский индекс научного цитирования (РИНЦ) 88 669 2835 10 0 0,011% 0%
Термины и определения 88 669 2835 11 0 0,012% 0%
Дополнительные возможности Web of Science, Scopus, РИНЦ 88669 2835 43 0 0,5% 0%
Определение индекса Хирша (h-index) ученого с использованием БД «Российский индекс научного цитирования» (РИНЦ) 88 669 2835 591 2 0,67% 0,34%
Российские журналы в Web of Science и Scopus 88 669 2835 701 5 0,79% 0,18%
цитирования" (РИНЦ)», необходимы дополнительные действия для улучшения показателей конверсии до «нормальных».
Эффективность ключевых слов
Для большинства пользователей интернета отправными точками служат механизмы поиска. И потому необходимо понимать, как и через какие поисковые запросы люди попадают на сайт библиотеки, соотносить это с собственными представлениями - и делать выводы по оптимизации и наполнению сайта.
Именно здесь необходимо использование нескольких инструментов, позволяющих охватить различные поисковые системы. Так, например, «Яндекс.
Метрика» дает результаты только по выдаче «Яндекса», что представлено на рисунке 1. В диаграмму включены поисковые фразы, дающие более 1% визитов: так, по фразе «ГПНТБ СО РАН официальный сайт» в целом по России приходится 5,83% визитов, а для целевой аудитории - 32,4%. На запрос «ГПНТБ» -2,39 % и 15,1 % соответственно, но здесь попадания по России могут быть случайными переходами при поиске сайта ГПНТБ России, в то время как целевая аудитория с большей вероятностью искала именно ГПНТБ СО РАН, что обусловлено территориальными различиями в восприятии наименований.
Однако, как видно на рисунке 2, выдача «Яндекса» - только часть от общего объема, и в основном поисковый трафик генерируется через Google.
Рис. 1. Поисковые фразы, чаще всего приводившие пользователей на сайт ГПНТБ СО РАН из выдачи поисковой системы «Яндекс» в период с 01.04.2018 по 01.05.2018 по России (слева) и для целевой аудитории (справа)
Fig. 1. Search phrases most often led users to GPNTB SB RAS website by «Yandex» search engine in 01.04.2018-01.05.2018
for Russia (left) and the target audience (right)
0 —— $ Q
01 03.18 03.0313 05 03.18 07 0313 09 Ж. 10 1103.1В 13.03 13 15.03.18 17.031В 1903.18 21 031В 2303.1В 25 03 18
Рис. 2. Заходы на сайт из различных поисковых систем Fig. 2. The site's visits by different search engines
Для дополнения результатов могут оказаться полезными маркетинговые инструменты веб-аналитики. Методика формирования веб-аналитических данных таких инструментов заключается в сборе статистики в первую очередь с открытых счетчиков статистики, и далее, если открытых авторитетных счетчиков («Яндекс.Метрика», GoogleAnalytics, Liveinternet и др.) не обнаружено, маркетинговые инструменты создают собственный прогноз или используют данные с других подобных маркетинговых инструментов [7]. На рисунке 3 представлено облако ключевых слов, составленное инструментом SEO SiteCheckup. Такое представление ключевых слов визуально показывает высокочастотные запросы пользователей, а наиболее используемые ключевые слова в облаке отображаются большим размером шрифта. Таким образом, пользователи активно приходят на сайт библиотеки по широкому спектру запросов; наиболее популярными являются ключевые слова: «ГПНТБ», «СО», «РАН», «Календарь» (имеется в виду календарь мероприятий ГПНТБ СО РАН), а также «Выставки», «Литература», «Новости», «Новинки» и т. д. Однако никакой статистической нагрузки облако не несет, что позволяет представить только общую картину текущего состояния SEO-продвижения сайта в виртуальном пространстве.
Однако простого знания ключевых слов, по которым пользователи попадают на библиотечный сайт, недостаточно: нужно оценить эффективность таких слов. И для этого возможно использовать тренд эффективности наиболее часто используемых ключевых слов, например, при помощи Google Trends, который анализирует популярность отдельных поисковых
запросов. Для сравнения были взяты наиболее распространенные варианты запросов, используемые для поиска информации о ГПНТБ СО РАН. Лидирует поиск по аббревиатуре ГПНТБ СО РАН, на втором месте поиск по запросу «ГПНТБ Новосибирск», а поиск по полному названию библиотеки популярностью не пользуется (рис. 4).
Также возможный пример оценки эффективности ключевых слов - сравнение собственной эффективности с эффективностью определенной категории [1]. В этом случае эффективность по определенной поисковой фразе рассматривается в сравнении с другими библиотеками или организациями, конкурирующими с библиотекой в определенном регионе.
Пример такого распределения можно рассмотреть с точки зрения аналогичного Google Trends сервиса - «Яндекс. Подбор слов», который формирует статистику показов из выдачи поиска в «Яндексе», отображая сочетания, которые входили в интересующий нас запрос. Так, в таблице 4 представлены результаты для запроса «ГПНТБ», в котором можно проследить позицию поисковых запросов для ГПНТБ СО РАН, частоту их показа и сочетания, в которых указывалась библиотека.
Также данный сервис предоставляет анализ похожих запросов (пример представлен в таблице 5). Такой анализ позволяет определить ближайших конкурентов в поисковой выдаче и принять решение о внесении изменений в работу по оптимизации сайта для улучшения поисковых позиций библиотеки.
Для лучшего представления о сложившейся ситуации рекомендуется использовать сочетание различных инструментов, так как каждый из них работает с определенной поисковой системой, как уже было отмечено.
нт ГШСТЛЕШ1 Екл Все Вы к." Выставки
ГПНТБ*™ 4>НЬ* №БИС> Иадаиля КОНЦЕРТ Комференцзап конференции курсу Пошн март Март Международная Мероприятия Научная Наши Новосибирск Новости ОбУЧАКЬЦНЙ ОТ ОТЧЕТНОСТИ ООгвМЩИй ПН ПОДГОТОВКА ПОЛИТИКА ПРАЗДНИЧНЫЙ пг
Перейти™, ,ы^.„„РАН
Ресурсы сь семинар со СР Сгииизр Тми гимнов Таматтескиа Технологии учетная чт Читальный ба!ы вопросы асгрта выаавкн данных дать до» доступа зал
„««.ия^^оииж^«««- кал е н д а р ь конфо^и*
кйиийр! купьтуры (Шив
литературы ЫН**«« на кос науки НОВИНКИ попоет т»** обрахнтмие обрахшшия гк4*щ«м*а подборки польской практика работа работы сайт сайта семинар сибирской с мил технологии удаленного этаж
• imtrtcoptM • (гитОнамюАфса • locYjjJpcTBUw-euiM^v^uoidiXff^ojta■ lUOüAcoj Ркхм. Э* IÍ ис
I ш
Рис. 3. Облако ключевых слов, предоставленное инструментом «SEO SiteCheckup»
Fig. 3. Keywords cloud provided by «SEO SiteCheckup»
Рис. 4. Динамика популярности основных поисковых слов Fig. 4. The dynamics of main search words popularity
Т а б л и ц а 4
Фрагмент динамики поиска для запроса «ГПНТБ» за март 2018 г.
T a b l e 4
The dynamics fragment of «GPNTB» searches term in March 2018
Т а б л и ц а 5
Динамика показов похожих запросов для «ГПНТБ» за март 2018 г.
T a b l e 5
The dynamics of «GPNTB» similar requests in March 2018
Не менее важно при работе с ключевыми словами представлять, как пользователь потребляет контент непосредственно на веб-странице библиотеки: какие слова или области привлекают его внимание, востребованы больше всего, где находятся участки с наибольшей плотностью кликов, - и сделать выводы о том, насколько востребованы разделы, которые сама библиотека считает важными. Наиболее наглядно это показывают визуальные тепловые карты. Визуальная аналитика на сайте библиотеки, в частности на отдельных целевых страницах сайта, позво-
ляет фокусировать внимание на интересах пользователей, следя за их поведением на странице, и, делая соответствующие выводы, принимать обоснованное решение по оптимизации проблемных зон. Так, возможно рассмотрение визуальной тепловой карты главной страницы сайта ГПНТБ СО РАН, предоставленной «Яндекс.Метрикой». Судя по этой карте, большой популярностью пользуются ссылки на каталоги и базы данных, а также ресурсы удаленного доступа, что отвечает задачам библиотечного сайта. Однако область ссылки на ресурсы и услуги, которые можно получить непосредственно в библиотеке, практически не пользуется популярностью, что говорит о низкой эффективности выхода на данный раздел с главной страницы.
В целом можно сказать, что на сайт через поисковую систему в большей степени попадают пользователи, целенаправленно ищущие именно сайт ГПНТБ СО РАН, а не переходящие из поиска по интересующей их тематике, выводящей на целевые страницы, и этот момент требует дальнейшей проработки.
Заключение
Комплекс интернет-маркетинга, призванный добиваться наибольшей эффективности от сайта учреждения, представляет собой цикл, включающий целевые действия, убеждение, привлечение, удержание и аналитику. В соответствии с таким циклом, получаемыми в ходе анализа данными, а также при ориентации на свою целевую аудиторию возможно оценить уровень текущего интернет-маркетинга, построив упрощенную модель ЕМО (электронной маркетинговой ориентации), представленную в таблице 6. Согласно получившейся модели библиотека находится на среднем уровне ЕМО-развития, когда уже существует понимание необходимости работы с ключевыми показателями, вырабатываются стратегии и начинают выделяться дополнительные ресурсы (в частности, трудовые) для выполнения конкретной цели, а также намечаются начальные положительные тенденции при работе с целевой аудиторией, отмеченные в разделе измеримых целевых показателей.
Продвижение библиотечных ресурсов напрямую зависит от выбранной библиотекой стратегии продвижения, факторов ее развития и приоритетной направленности на сегментированную аудиторию. Таким образом, на данном этапе необходимо формирование отдельной стратегии электронного маркетинга библиотеки, существенное расширение инструментов интернет-рекламы и клиентской базы, соответствующей целевой аудитории сайта, с сохранением положительных тенденций, включая разработку инструментов персонализации библиотечного сайта и настройку новых каналов информирования о ресурсах библиотеки в интернет-среде.
Поисковые запросы Количество показов в месяц
гпнтб 7232
сайт гпнтб 1799
гпнтб официальный сайт 1708
гпнтб россии 1687
гпнтб со 1444
гпнтб ран 1411
гпнтб со ран 1402
сайт гпнтб россии 1055
гпнтб россии официальный 1054
Поисковые запросы Количество показов в месяц
со ран официальный 8 897
сайт со ран 9 193
со ран 36 05
бен ран 583
ргб электронный 5 547
сайт ран 58 388
ран официальный сайт 52 931
Т а б л и ц а 6
Оценка текущего уровня интернет-маркетинга ГПНТБ СО РАН
T a b l e 6
Assessing the current level of Internet marketing of SPSTL SB RAS
Цели Хорошо Поддержание хорошего имиджа библиотеки Заказ бесплатных и продажа платных услуг через форму онлайн-оплаты Увеличение базы пользователей Удержание существующих пользователей
Убеждение Хорошо Хорошее оформление Оптимизация для мобильных устройств Освещение новостей мира науки Освещение массовых мероприятий Интерактивный календарь мероприятий Возможность поделиться в социальных сетях Онлайн-консультант Отсутствует личный кабинет непосредственно на сайте
Привлечение трафика Плохо Работаем в основном через «ВКонтакте» Не даем рекламу на стороне Нет переходов с авторитетных ресурсов Нет переходов из блогов и обсуждений на сторонних площадках Недостаточный уровень конверсии посетителей Недостаточная работа с привлечением новых посетителей, территориально близких библиотеке
Удержание посетителей Хорошо, но можно лучше Отсутствуют комментарии непосредственно на сайте Продолжительное среднее время пребывания на сайте Развивается системный подход в работе с посетителями сайта Существующая система удержания пользователей за счет предлагаемых ресурсов и услуг показывает хороший результат
Аналитика Хорошо, но можно лучше Регулярный процесс находится на стадии становления Есть понимание ключевых показателей Организована группа по веб-аналитике
Список источников
1. Кошик А. Веб-аналитика 2.0 на практике: тонкости и лучшие методики : пер. с англ. Москва [и др.] : Диалектика : Вильямс, 2017. 526 с.
2. Мышляев В. С. ¡Маркетинг: работаем по системе. Москва : Манн, Иванов и Фербер, 2016. 222 с.
3. Обухов О. В., Корнилов Г. А. Методология оценки эффективности маркетинговой деятельности в интернет-ориентированной среде: е-маркетинговая ориентация компаний. Екатеринбург ; Санкт-Петербург, 2016. 193 с.
4. Редькина Н. С. Сайты библиотек сквозь призму веб-аналитики // Научно-техническая информация. Серия 2. 2018. № 4. С. 24-29.
5. Рыхторова А. Е. Поведение как ценность в контексте сегментации библиотечно-информационных пользователей // Человек. Индивид. Личность. Деятельность субъекта в информационном пространстве : материалы VI Всерос. науч.-практ. конф. Тюмень, 2018. С. 168-173.
6. Труд и занятость в Новосибирской области, 2011-2016 : стат. сб. (по каталогу 1.18). Новосибирск, 2017. 80 с.
7. Ударцева О. М., Рыхторова А. Е. Использование инструментов веб-аналитики в оценке эффективности способов продвижения библиотечных ресурсов // Библио-сфера. 2018. № 2. С. 93-99.
8. Johannsen C. G. Understanding users: from man-made typologies to computer-generated clusters // New Library World. 2014. Vol. 115, № 9/10. P. 412-425.
9. Gordon R., Butler K., Magee C., Waitt G., Cooper P. Using value theory for segmentation in social marketing // World social marketing conference. Sydney, 2015. P. 26-29.
10. Lourdes T. D.,Sagun K. K. A. Increasing awareness and use of the library's resources and facilities through relationship marketing strategies // Library Management. 2012. Vol. 33, № 4/5. P. 292-296.
11. Pors N. O. Burning platforms and melting icebergs // Performance Measurement and Metrics. 2010. Vol. 11, № 1. P. 9-24.
12. Chang P.-L, Hsieh P.-N. Customer involvement with services in public libraries // Library Review.1996. Vol. 45, № 8. P. 17-24.
13. Pandey S. Marketing of information products and services in library and information centers: a conceptual framework // Library Waves. 2016. Vol. 2, № 1. P. 60-67.
14. Lai Yu., Zeng J. Analysis of customer churn behavior in digital libraries // Program: electronic library and information systems. 2014. Vol. 48, № 4. P. 370-382.
15. YiZh. Effective techniques for the segmentation of academic library users // Library Management. 2016. Vol. 37, №8/9. P. 454-464.
References
1. Koshik A. Veb-analitika 2.0 na praktike: tonkosti i luchshie me-todiki [Web analytics 2.0 in practice: subtleties and best practices]. Moscow etc., Dialectics, Williams, 2017. 526 p. (In Russ.)
2. Myshlyaev V. S. iMarketing: rabotaem po sisteme [iMarketing: we work in the system]. Moscow, Mann, Ivanov i Ferber, 2016. 222 p. (In Russ.).
3. Obukhov O. V., Kornilov G. A. Metodologiya otsenki effek-tivnosti marketingovoi deyatel'nosti v internet-orientirovannoi srede: e-marketingovaya orientatsiya kompanii [Methodology for assessing the effectiveness of marketing activities in an Internet-centric environment: e-marketing orientation of companies]. Ekaterinburg, Saint Petersburg, 2016. 193 p. (In Russ.).
4. Redkina N. S. Libraries' sites through the prism of web analytics. Nauchno-technicheskaya informatsiya. Ser. 2, 2018, 4, 24-29. (In Russ.).
5. Rykhtorova A. E. Value-in-behavior in the context of the segmentation of library information users. Chelovek. Individ. Lichnost'. Deyatel'nost' sub"ekta v informatsionnom prostran-stve : materialy VI Vseros. nauch.-prakt. konf. Tyumen, 2018, 168-173. (In Russ.).
6. Trud i zanyatost' v Novosibirskoi oblasti, 2011-2016 : stat. sb. (po katalogu 1.18) [Labour and employment in the Novosibirsk region, 2011-2016 : statistical collection (catalogue 1.18)]. Novosibirsk, 2017. 80 p. (In Russ.).
7. Udartseva O. M., Rykhtorova A. E. Use of web analytics tools in assessing the effectiveness of ways to promote library resources. Bibliosfera, 2018, 2, 93-99. (in Russ.).
8. Johannsen C. G. Understanding users: from man-made typologies to computer-generated clusters. New Library World, 2014, 115 (9/10), 412-425.
9. Gordon R., Butler K., Magee C., Waitt G., Cooper P. Using value theory for segmentation in social marketing. World social marketing conference. Sydney, 2015, 26-29.
10. Lourdes T. D., Sagun K. K. A. Increasing awareness and use of the library's resources and facilities through relationship marketing strategies. Library Management, 2012, 33 (4/5), 292-296.
11. Pors N. O. Burning platforms and melting icebergs. Performance Measurement and Metrics, 2010, 11 (1), 9-24.
12. Lai Yu., Zeng J. Customer involvement with services in public libraries. Library Review, 1996, 45 (8), 17-24.
13. Pandey S. Marketing of information products and services in library and information centers: a conceptual framework. Library Waves, 2016, 2 (1 ), 60-67.
14. Lai Yu., Zeng J. Analysis of customer churn behavior in digital libraries. Program: Electronic Library and Information Systems, 2014, 48 (4), 370-382.
15. Yi Zh. Effective techniques for the segmentation of academic library users. Library Management, 2016, 37 (8/9), 454-464.
Материал поступил в редакцию 20.07.2018 г.
Сведения об авторах: Рыхторова Анна Евгеньевна - библиотекарь I категории отдела патентной и технической информации ГПНТБ СО РАН,
Ударцева Ольга Михайловна - главный библиотекарь научно-технологического отдела ГПНТБ СО РАН
