OWOX” src=”https://cdn.ain.ua/ua/2013/05/935389_625135774182665_607187942_n.jpg” alt=”Нестандартные примеры применения аналитики – Владислав Флакс, OWOX” width=”300″ height=”200″ />На конференции Analyze!, которая состоялась в конце апреля, СЕО компании OWOX Владислав Флакс представил доклад о нестандартных применениях аналитики для развития бизнеса в сегменте электронной коммерции.
На примере нескольких кейсов он показал, как аналитика позволяет решать задачи бизнеса, не связанные с сайтом напрямую. Как, благодаря аналитике, можно повысить продажи через call-центр и пункты самовывоза, как делать оценку лояльности покупателя к продавцу и как на основе данных из разных аналитических источников строить online dashboard.
Повышаем качество работы операторов call-центра и обслуживания в пунктах самовывоза
У компании есть call-центр и пункты самовывоза. Задача руководителя этими подразделениями – зарабатывать больше благодаря увеличению качества обслуживания в call-центре и забора товара в пунктах самовывоза. Чтобы оценить уровень качества, нужно выявить те пункты, где обслуживание ниже среднего. Для call-центра, например, есть метрика “выручка на оператора”, но она не является единственно определяющей. Также может быть не очевидно, в каких пунктах самовывоза пользователи наименее удовлетворены качеством обслуживания.
Каждый из ритейлеров хочет вернуть покупателя, понять, как распределить свои усилия, чтобы бизнес стал эффективным. Как эта задача решается с помощью аналитики? Ниже пример письма, которое присылает eBay после успешной транзакции – сбор фидбека по e-mail. Похожая форма есть у Amazon и Apple, причем у последних она даже не на одну страницу, а на несколько шагов, в ходе которых собирается информация.
Какое техническое решение использовать?
Это ивент, который отправляется в Google Analytics и передает информацию по решению пользователя о том, понравился ему сервис или не понравился. Таким образом мы получаем информацию о мнении пользователя относительно качества обслуживания в конкретном пункте самовывоза. А если у вас есть связка с оператором, который консультировал данного клиента при покупке – мнение клиента о качестве консультации.
Обычно вопросов несколько. Первый классический: “Можете ли вы нас рекомендовать?” И если пользователь желает дать ответ, он уточняет свое мнение об удобстве выбора, доставки и оплаты. В итоге мы получаем график, на котором есть сравнение удовлетворенности клиента по городам.
Если мы знаем, что в конкретном пункте самовывоза удовлетворенность выше, чем в другом, мы можем это показать руководителям пунктов самовывоза и построить для них прозрачную систему мотивации: “Вот на основании чего будет приниматься решение о размере заработной платы. Это мнение тех, кого вы обслуживаете”. По нашему опыту такой подход делает намного более прозрачным понимание бизнес целей для конкретных сотрудников.
Оценка лояльности покупателей для ритейлеров
У ритейлера обычно есть несколько товарных категорий, и не все они являются для него приоритетными. Здесь перед ритейлером встает вопрос: является ли он лидером в ключевых для него товарных категориях?
Аналитическая задача – оценить долю заказов в товарных группах, которые покупатели ассоциируют с брендом. Что это значит? Если пользователь с мыслью “купить мобильный телефон” вбивает определенный адрес (мы видим транзакцию через директ), то очевидно, что первой мыслью у него было пойти не на Hotline или PRICE.UA, а сразу на этот сайт. Это и является критерием того, что бренд ассоциирован с данным товаром.
Таким образом мы можем сегментировать мультиканальные последовательности, которые приводят к транзакции, и товарные группы. Задача решается с помощью Google Analytics Custom Variables. В результате мы видим, как меняется доля тех, кто сделал заказ”условно добровольно”, будучи знакомым с брендом. Здесь учитываются также переходы из поиска – когда пользователь вбивает “купить мобильный телефон” и название вашего бренда. Он явно указал поисковой системе, что хочет купить этот товар у конкретного ритейлера. То есть, использовал поиск как навигационный инструмент.
Из кейса видно, что ритейлер хорошо держится в лидерах за счет продаж мобильных телефонов: 50% желающих купить у него мобильный телефон приходят к нему по доброй воле. В среднем по сайту все большая доля трафика приходится на платный показ. В то же время продавец сохраняет позиции в ноутбуках и немножко подрос в фотоаппаратах. Для людей, которые отвечают за конкретные товарные категории, этот график достаточно показательный.
Сейчас участились случаи прописывания подобных метрик в стратегиях крупных ритейлеров, особенно тех, кто не брезгует помощью международных консультантов. Раньше учитывались позиции по конкретной товарной категории в поисковой выдаче, а это малорелевантная задача. Если говорить о “скоропортящемся” товаре, например, мобильных телефонах или ноутбуках, то буквально через несколько месяцев позиция в поиске ни о чем не будет говорить. А такая метрика гораздо ближе к объективной оценке стратегической цели.
Построение online dashboard на основе гибридных данных
В компании есть какая-то стратегия, и это не всегда ориентация на продажи. Если вы – купонный сервис, то стратегической задачей является накопление базы клиентов. Ваши задачи – не про маржу здесь и сейчас. Если же говорить о мультиканальных ритейлерах, то в интернет они часто идут не за продажами, а за долей рынка.
На основании стратегии формируются бизнес-цели. В электронной коммерции это, как правило, доля продаж, объем рынка, пользовательская база, присутствие в конкретных регионах, лидерство в товарных категориях – нечто измеримое и понятное, с чем все сотрудники, желательно, должны быть знакомы.
Основная ошибка, с которой мы сталкивались в компаниях, внедряющих аналитику, связана с тем, что аналитика как бы есть, но она “размазана” по компании. Есть Google Analytics, и наверное, туда даже имеют доступ разные сотрудники. Но аналитика служит для своевременного принятия правильных решений. Если есть решение, значит, есть зона ответственности. То есть то, что вы собираете и считаете в аналитике, должно быть сгруппировано и отображено для конкретных глаз, которые будут принимать конкретные решения.
Что значит зона ответственности? Если это руководитель call-центра, то для него dashboard должна быть представлена в виде показателей качества обслуживания в call-центре. Например: доли заказов через call-центр, удовлетворенность покупателя и т.д. Логистика, соответственно, измеряет эффективность по срокам доставки и степени удовлетворенности. Все это приводит к конкретным метрикам конкретной аналитики.
Аналитическая задача – агрегировать минимальное достаточное для принятия решения количество данных. Техническая задача: автоматизировать сбор данных из Google Analytics и SendGrid в Google SpreadSheets.
Вот набор инструментов, которыми можно пользоваться:
? ImportXML в Google SpreadSheets и XPath
? MailChimp API
? SendGrid API
=importXml(“https://sendgrid.com/api/stats.get.xml?
api_user=xxx&api_key=yyy&days=30”; “//delivered”)
Мы можем импортировать данные как из Google SpreadSheets, так и из внешних сервисов. Вставка отчета из таких сервисов в Google SpreadSheets осуществляется обыкновенной комбинацией Ctrl C+Ctrl V.
Что мы получаем в итоге? Ниже пример dashboard, в котором Google SpreadSheets строит конкретные данные в риал-тайме. Например, сравнение дохода на одно конкретное письмо. Или другой стратегически важный показатель – доля авторизированных пользователей – то, что позволит вашему магазину избавиться от “дня сурка” и каждый раз не говорить пользователю “здравствуйте, вы кто?” Вы будете знать, что он покупал и что смотрел несмотря на то, откуда и как авторизировался.
Сформулируйте стратегию, из нее выйдет цель. Сформируйте области ответственности, после чего собирайте аналитику и двигайтесь в своей цели.
