Магистерская работа: Теоретические и методологические вопросы использования веб аналитики в розничной деятельности

1.   Развитие функциональности сайта на основании тенденций в поведении посетителей;

2.       Оценка эффективности рекламных кампаний в интернете;

.        Выявление проблемных мест в структуре, навигации и контенте сайта.

Статистика посещаемости разделов и веб-страниц <https://ru.wikipedia.org/wiki/%D0%92%D0%B5%D0%B1-%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0> сайта позволяет понять:

·    количество просмотренных веб-страниц;

·        ключевые слова и фразы, по которым посетители находят сайт в поисковых системах;

·        географию посетителей;

·        время, проведенное на веб-странице посетителем;

·        переходы между веб-страницами;

·        аудиторию сайта (случайные, постоянные посетители и т. д.);

·    удобство навигации сайта для посетителей [Клифтон, 2013].

Индустрия веб аналитики возникла в девяностых годах двадцатого века, её основателями послужили такие компании как Webtrends, Omniture и NetGenesis. Этими компаниями было разработано программное обеспечение для сбора и анализа движения кликов пользователей [33]. Данный факт частично объясняет концентрацию современной аналитики на количественных данных, генерируемых веб сайтом [Sen, 2006], в то время как качественные данные помогли бы в большей степени понять поведение посетителей [Waisberg, Kaushik, 2009].

Качественные данные могут быть собраны посредством интервью, фокус-групп и прочих взаимодействий, которые позволяют исследователю выявить причины потребительского поведения. Сегодня в этих целях анализируются посты блогов, где пользователи обсуждают продукты, услуги и бренды. Мониторинг упоминаний или слухов (buzz monitoring) применяется для выявления мнений потребителей об онлайн и офлайн действиях компании чтобы получить более богатое и глубокое понимание покупателя и оптимизировать результаты [Davenport, 2012]. Также для расширения качественных данных, предоставляемых веб аналитикой, используются следующие методики:

·        Web mining (добыча веб данных, глубинный анализ веб данных) - применение методов и алгоритмов Data Mining для выявления зависимостей и знаний в сети Интернет. Исследование зависимостей в поведении пользователей предоставляет полезную для бизнес целей информацию [Zhang, Segall, 2010].

·        Web semantics (веб семантика) - представление знаний, основанное на онтологии с определенным словарным составом и типовыми взаимосвязями. [Berendt, 2010].

·        Web personalization (веб персонализация) - применение веб данных, сгенерированных через взаимодействие пользователей с сайтом для оптимизации онлайн присутствия [Eirinaki, 2003].

Существует также несколько концепций, не связанных напрямую с веб аналитикой, однако способных внести вклад в расширение её границ, поскольку могут увеличить значение веб аналитики в стратегическом планировании. Особого внимания на наш взгляд заслуживают три концепции: конкурентной осведомленности, управление знанием о потребителях, объединение покупательских компетенций.

Competitive intelligence (конкурентная осведомленность) - это стратегический инструмент, на котором значительно отразилось использование веб аналитики. Компании могут использовать мониторинг сайтов конкурентов чтобы отследить их деятельность. Они также могут использовать исследования рынка, которые предоставляют данные о потребительском поведении на этих сайтах [Tarapanoff, 2010].

В противопоставление системы управления отношениями с покупателем (CRM системы), CKM системы (Costumer Knowledge Management) фокусируется на знаниях, создаваемых покупателями. Эта информация важна для разработки новых продуктов и создания стратегической ценности [Burby, 2007.]

Объединение покупательских компетенций (cooption of customer competence) - это ресурс создания дополнительной ценности. Внедрение веб аналитики второго уровня дает возможность открыто отследить мнения покупателей и клиентов в социальных сетях, блогах и форумах.

Итак, основное предназначение веб аналитики, появившейся в девяностых годах и чуть более чем за двадцать лет значительно усложнившейся и разветвившейся на несколько направлений, состоит в предоставлении дополнительных сведений о посетителях и их поведении с целью принятия на основе этих данных стратегических решений. По мнению Д. Вайсберга и А. Каушика, «Говорить, что нам делать, должны покупатели, а не консультанты, друзья или предчувствия; данные и онлайн исследования вот где стоит искать потребности покупателей» [Waisberg, Kaushik, 2009].

На сегодняшний день, статистические данные, получаемые различными способами, по-разному используются компаниями. Профессор маркетинга В. Рейнарц отмечает, что гиганты ритейла используют информацию о своих покупателях для принятия стратегических решений. Самый распространенный пример - сбор данных о существующих покупателях для разработки новых продуктов и услуг для тех же целевых групп [Reinartz, 2012].

По мнению Д. Роджерса, главы агентства веб аналитики и интерактивного маркетинга ConvertClick, аналитика служит совершенствованию процесса принятия решений. Цель прогнозной аналитики заключается в анализе прошлых и действующих моделей поведения для предсказания трендов до того, как они появятся, и построение устойчивых бизнес стратегий. Это новый уровень для ритэйла. Ритейлеры должны использовать информацию чтобы открывать и преследовать не выявленные возможности для обеспечения роста и эффективности бизнеса. Кроме того, веб аналитика предоставляет данные для оценки жизненной ценности потребителя [Roger, 2013].

Возможность прогнозирования, предоставляемая дынными веб аналитики, выступают предметом исследования отдела аналитики Wal-Mart Stores Inc под руководством П. Дэмери. Сегодня компания Wal-Mart осуществляет торговлю как через розничные магазины, так и онлайн, в том числе посредством мобильных приложений. Развитием и интеграцией онлайн и офлайн направлений занимается подразделение Wal-Mart Labs. По мнению специалистов, долгосрочная история покупок, продуктовые предпочтения и активность в социальных медиа являются особенно ценной информацией о покупателе, которая может быть получена из веб аналитики. Эти данные используются для улучшения мерчендазинга, маркетинга и предотвращения мошенничества в месте продажи. Для более тщательной работы с аналитикой Wal-Mart Labs была приобретена компания, специализирующаяся на анализе больших баз данных и прогрозировании Inkiru [Demery, 2016].

Преимущества, получаемые компанией при тщательном анализе данных веб аналитики, подчёркивают также Т. Давенпорт, Л. Дал Муль, Д. Лукер. Авторы поддерживают мнение, что компании, систематически собирающие информацию о своих покупателях, свойствах товара и условиях покупки, могут предложить более востребованные и усовершенствованные товары и услуги. Статистический анализ и прогнозное моделирование могут предоставить бесценные данные, использование которых позволит, к примеру, определить вероятность положительной реакции покупателя на предложение приобрести со скидкой товар, сопутствующий купленному ранее, отправленное на мобильное устройство. Прогнозная аналитика позволяет определить, какие товары будут востребованы и одобрены покупателем [Davenport, Dalle Mulle, Lucker, 2013].

Веб аналитика предоставляет данные для более точной сегментации потребителей. По мнению аналитика Б. Томсона, в крупных розничных сетях особенно важно предлагать подходящие бренды нужным покупателям. Когда сеть состоит из 225 магазинов, осуществляющих продажи на 10 миллиардов долларов ежегодно, вдобавок функционирует посещаемый веб-сайт, инструменты аналитики становятся бесценным помощником. Б. Томпсон считает, что аналитика позволяет определить, как продвигать правильные продукты и бренды для правильных покупателей, максимизируя прибыль в этом процессе. Статистические инструменты помогают маркетологам разобраться в покупательских сегментах чтобы обеспечить персонализированное сообщение. Информация помогает компаниям стать брендом для каждого [Thompson, 2011].

Согласно К. Оливейра, рыночные и информационные изменения, которые принесло повсеместное распространение сети Интернет, позволило сделать товары и услуги более персонифицированными, создавать инновации и осуществлять коммуникации с потребителем в реальном времени.

Многие ученые сходятся во мнении, что компании получают преимущества от прямой связи с потребителями, предоставляемой виртуальными каналами, что позволяет приобрести конкурентное преимущество. Использование новых знаний, приобретенных при взаимодействии покупателей с онлайн-ресурсами (веб сайтами, приложениями, социальными медиа) может стать стратегическим оружием в конкурентной борьбе. Веб аналитика помогает компаниям получить эти знания, посредством измерения, сбора, анализа и составления отчетов на основе интернет данных [33].

Тем не менее, для использования веб аналитики как источника конкурентного преимущества существует ряд препятствий. По мнению Бугхина, сложность заключается в том, что виртуальный мир развивается быстрее, чем способность его измерить [Bughin, 2008]. При обобщении проблем, описанных в исследованиях разных авторов, может быть составлен следующий список:

онлайн метрики не приведены в соответствие с бизнес стратегией [Kaushik, 2009];

предшествующие инструменты веб аналитики предоставляли только технический анализ движения кликов на веб сайте не рассматривая покупателя в центре анализа [Kaushik, 2009, Sen, 2006];

недостаток качественной, а не количественной информации [Bughin, 2008, Kaushik, 2009];

необходимость интеграции онлайн и офлайн данных для лучшего понимания результатов корпоративных мероприятий [Bughin, 2008, Shankar, 2010].

Перечисленные моменты говорят о том, что для получения максимума полезной информации из веб аналитики необходим, грамотный подход и соотнесение получаемых данных с общей стратегией и KPI компании.

Таким образом, веб аналитика состоит в сборе, измерении и анализе данных о посетителях веб сайта с целью улучшения его работы и предоставления дополнительной информации для принятия стратегических решений. Веб аналитика предоставляет в большинстве своём количественную информацию, однако такие методики как Web Mining, Web semantics и Web Personalization позволяют получить качественную информацию. Сегодня компании используют данные веб аналитики для разработки новых товаров и услуг для существующей аудитории, предсказания трендов и выявления возможностей, оценки жизненной стоимости потребителя, улучшения мерчендайзинга, оценки вероятности положительной реакции на рекламные предложения, более точной сегментации потребителей, персонификации товаров и услуг. Использование веб аналитики на сегодняшний день может быть ограничено несоответствием онлайн метрик стратегии компании, слишком большим количеством данных, недостатком качественной информации, не нацеленностью на интеграцию онлайн и офлайн данных. Онлайн и офлайн коммуникации следует рассматривать как часть единой цепочки взаимоотношений с покупателями. Онлайн действия влияют на офлайн покупки и наоборот. И хотя оценить влияние каждого компонента практически невозможно, изучение этих взаимосвязей и управление ими способно создать реальное конкурентное преимущество для компании [Bughin, 2008, Shankar, 2010].

1.3 Особенности использования веб-аналитики и основные отчёты Google Analytics

То, как данные, полученные из веб-аналитики, могут быть использованы для улучшения офлайн деятельности компании, является актуальным вопросом. Для ответа на него будет проанализирован инструментарий, предоставляемый наиболее развитой и популярной на сегодняшний день системой веб-аналитики Google Analytics. Сведения, полученные из этого ресурса, будут рассмотрены для применения к улучшению работы компании, осуществляющей розничную торговлю офлайн (сеть розничных магазинов) и онлайн (интернет-магазин), т.к. такой формат торговли позволяет в наибольшей мере соотнести посетителей сайта с посетителями розничных магазинов.

Ассоциации Веб Аналитики определяет веб аналитику как измерение, сбор, анализ и составление отчётов интернет данных в целях понимания и оптимизации использования сайта [Waisberg , Kaushik, 2009]. Веб аналитика - не технология составления отчётов. Это процесс, представляющий полный цикл оптимизации веб - сайта. Анализ данных веб сайта включает следующие шаги (рис. 1.2).

Рис 1.2 Схема процесса веб аналитики

Описанный на рисунке 1.2 процесс позволяет владельцам веб сайта измерить доходы и издержки от привлечения посетителей, определить, как ведут себя на сайте потребители, приносящие максимальную прибыль и оптимизировать сайт для привлечения максимальной прибыли [Kausik, 2009]. Ниже следует более подробное описание пяти стадий работы с веб аналитикой.

.        Определение целей - в зависимости от того, для какой цели существует веб сайт будут отличаться и наборы данных, которые в первую очередь необходимо получить аналитику. Наиболее очевидны цели сайтов ecommerce, интернет-магазинов. Однако современные технологии позволяют измерить эффективность и некоммерческих сайтов (например, нацеленных на оказание тех-поддержки или осуществление рекламной компании). Веб аналитика позволяет анализировать сайт как анализируется бизнес - исходя из соотношения доходов и затрат.

.        Установление KPI - определение показателей, измерение которых позволяет определить степень достижения цели. Выбор KPI позволяет опустить несущественную информацию и сконцентрироваться на той, что позволит аналитикам сделать существенные выводы. Каждый индикатор должен находиться в сфере ответственности конкретного подразделения компании.

.        Сбор данных - корректный сбор и сохранение информации жизненно важны для предоставления релевантной аналитики. Сбор данных может осуществляться посредством журналирования файлов, тэгирования JavaScript, веб маяков, сниффирования пакетов.

.        Анализ данных - веб аналитика предоставляет широкий набор данных для анализа. Базовый набор показателей, с которых рекомендуется начать любому исследователю, включает количество визитов, уровень отказов, число просмотров страниц, среднее количество страниц, просмотренных за визит, среднее время на сайте, процент новых посетителей. В зависимости от типа сайта и преследуемых целей, набор данных для анализа может быть существенно расширен, а отчеты детализированы.

.        Внедрение изменений - предоставление данных в этой системе направлено на принятие решений об улучшениях. Согласно А. Фиппену, Л. Шепарду, С. Фурнелу, вся собранная информация останется бесполезной, пока она не будет осмыслена, а результаты применены в жизни. [Phippen, Sheppad, Furnel, 2004].

Процесс работы веб аналитики показывает, что получаемые данные могут в значительной степени варьироваться в зависимости от поставленных целей. Поэтому, для получения информации, направленной не только на улучшение сайта, но и понимание розничных покупателей, необходимо сформулировать цели и выбрать те данные, распространение которых на офлайн среду будет в наибольше степени корректным.

В ходе анализа работ С. Круз де Оливейра, А. Каушика и других авторов были выявлены основыне особенности и методологические составляющие работы с веб аналитикой.

.        Необходимо выделить и отслеживать основные критерии, основанные на рыночных параметрах, важных для измерения того, приносит ли вебсайт компании конкурентные преимущества [Kaushik, 2009].

.        Отношения с клиентом должны анализироваться в каждый момент, когда посетитель посещает интернет-сайты и использует приложения, видит рекламу компании в интернете (баннеры, оплаченные ссылки, всплывающие окна), взаимодействует с сайтом компании, перемещаясь по разным его разделам [Cruz de Oliveira, 2014].

.        Следуют учитывать, что действия покупателей в онлайн и офлайн среде взаимосвязаны и влияют друг на друга [Cruz de Oliveira, 2014].

.        Онлайн и офлайн коммуникации следует рассматривать как часть единой цепочки взаимоотношений с покупателями. Онлайн действия влияют на офлайн покупки и наоборот. И хотя оценить влияние каждого компонента практически невозможно, изучение этих взаимосвязей и управление ими способно создать реальное конкурентное преимущество для компании [Buglin, Shenkan, 2008].

.        Данные веб аналитики могут предоставлять как количественную, так и качественную информацию. Исследования показывают, что ассоциативные карты, основанные на постах покупателей в интернете [Cruz de Oliveira, 2014].

Схематически методологические особенности работы с веб аналитикой представлены на рисунке 1.3.

Рис. 1.3 Методология веб аналитики

На основе этого были выявлены 6 компонентов построения отношений с покупателем:

Навигация в интернете. Перед тем, как попасть на вебсайт компании, покупатель перемещается по интернет-пространству. Понимание поведения в интернете в целом позволят улучшить отношения между покупателем и брендом или конкретным веб-сайтом.

Активное присутствие. Усилия по привлечению пользователя из навигации в целом по интернету на сайт должны быть проанализированы посредством оценки эффективности каждого канала.

Присутствие восприятия. Для посетителей, пришедших на сайт компании, анализ путей, приведших к покупке, важен также, как и анализ путей, не приведших к покупке. Информация из последних может быть использована для повторного привлечения посетителя на сайт.