Аналитика, которая работает

Чтобы объяснить крах многих Интернет-компаний, в большинстве случаев необходимо прибегнуть к финансовому анализу использованных экономических моделей, которые при внушительных венчурных инвестициях должны были бы стать прибыльными.

Плохо разработанные бизнес-планы — вот основная причина проблем для компаний. Но мало кого устроит такое общее объяснение, которое не вскрывает истинные причины и следствия. Множество успешных Интернет-проектов — те же Yahoo!, Amazon и eBay — продолжают работать, несмотря на небезупречный бизнес-принцип «сначала вложим деньги, а потом посмотрим, что получится».

Но тогда возникает другой вопрос: почему же некоторые компании, которые проводят аналогичную расходную политику, разоряются, в то время как другие преуспевают? Возможно, ответ кроется в том, что «неудачники» не сумели выработать новую систему оценки, которая должна фундаментально отличаться от традиционного, основанного на финансовых показателях инструментария, до сих пор используемого в электронной коммерции. Очень немногие компании отдают себе отчет в том, что Интернет — это не просто очередной канал продаж. Интернет полностью меняет сам принцип ведения бизнеса, поэтому для управления «новым» бизнесом нужны нетрадиционные системы оценки.

В данной статье вы не найдете кардинального переосмысления существующего инструментария, используемого для оценки электронной коммерции, и уж тем более в ней не содержится универсального совета, как Интернет-компаниям поправить свои дела. Вместо этого я попытаюсь описать некоторую схему, которая поможет оценить и проанализировать реальные, важные показатели работы Интернет-компании, а также представить эти данные в удобном формате, с тем чтобы использовать их как руководство к действию. Данная схема может оказаться полезной для того, чтобы быстро выявить проблемы с сайтом, определить основные элементы, нуждающиеся в модернизации, выявить связи между подразделениями, доходностью, прибыльностью и действиями, которые приводят к тем или иным финансовым результатам.

Показатели традиционные и желаемые

Принятая в традиционной экономике система анализа данных, основанная на оценке прибылей и убытков, не позволяет досконально изучить картину потребительского поведения. Такие данные обычно привязаны к определенным транзакциям — чаще всего они имеют отношение к результатам сделок или продаж. В противоположность этому способы оценки электронной коммерции позволяют увидеть больше, чем просто завершающий этап покупки. Прелесть онлайновой статистики заключается в том, что фиксируется все: каждый «клик», сделанный посетителем, и каждая картинка, заинтересовавшая его. Используя эту информацию, можно понять, какие «события» привели к покупке или — что, может быть, еще важнее — что повлияло на решение не совершать покупку.

Во время бума Интернет-компаний в лексиконе аналитиков появилось множество новых жаргонных выражений: «перетекание», «липкость», «скользкость», скорость загрузки Web-страниц, отмена помещенных в корзину покупок, степень конвергенции и, пожалуй, наиболее загадочное и привлекательное из всех — «анализ пути», подразумевающий способность определить магический путь, приводящий посетителя к совершению покупки. Все эти концептуальные выражения звучат, конечно, интересно, но в сущности представляют собой скорее теоретические упражнения, потому что основаны в большинстве случаев на эпизодических сценариях. Мой бывший начальник выразил это, пожалуй, лучше всего, сказав однажды: «Ну и что с того, что пользователь «прилип» к странице? О чем это говорит? Это значит, что он, запутавшись, не знает, куда идти? Или, наоборот, он остановился, чтобы изучить наш товар, и время, проведенное на странице, пропорционально вызванному интересу? Как мы сможем понять отличие?».

Чтобы принимать адекватные решения, необходимо найти подход, лежащий между традиционными оценками прибылей и убытков (которые сами по себе довольно расплывчаты и недостаточно комплексны) и описанными выше теоретическими показателями (которые могут быть интересными, но не слишком функциональными). В качестве Святого Грааля может выступать набор поддающихся количественному измерению показателей, позволяющий выявлять модели потребительского поведения и точно соотносить их с ключевыми механизмами бизнеса, которые определяют доходность и прибыльность. В идеале отчетность по всем этим данным следует разрабатывать в совокупности, и доступ к гибким инструментам отчетности должен быть удобным как для технических специалистов, так и для «гуманитариев». Весь процесс в целом должен управляться очень небольшим количеством опытных сотрудников, способных сбалансировать тактические и стратегические представления.

С чего начать?

Обдумайте как следует, что бы вы хотели узнать о посетителях вашего Web-сайта, и вы увидите, что это очень широкий круг вопросов. Первый шаг на пути к построению успешной системы онлайновой аналитики — это общая категоризация методов расчета и анализа. Несмотря на то что каждая система анализа уникальна, большинство аналитических вопросов можно распределить по ячейкам матрицы размерностью 2х2. Рассмотрим каждую ячейку этой матрицы более внимательно.

Базовая структура онлайновой аналитики

Качественные показатели

Относящиеся к этому разряду простейшие способы анализа данных слабо интегрированы и пригодны лишь для краткосрочных оценок. Они основываются только на данных о перемещении пользователя по сайту, и отчетность по качественным показателям включает только предопределенные наборы данных. Подобные отчеты должны составляться как минимум еженедельно; еще лучше, если есть возможность получить информацию по первому требованию, так как в некоторых ситуациях ждать целую неделю нет никакой возможности.

Качественные показатели включают, например:

• Трафик по страницам и зонам (группам страниц) сайта: первичные данные, касающиеся запросов (определяется числом кликов), посещений (на основе оценки сессий работы) и пользователей (cookies и другие персональные или машинные идентификаторы).
• Процент «постраничной утечки». Определяется для каждой страницы как число посещений, в которых эта страница стала последней, деленное на общее количество посещений данной страницы. Выявив страницы с высоким процентом «утечки», становится проще решать вопросы дизайна сайта, используя для понимания скрытых проблем как интуитивные догадки, так и количественные исследования удобства интерфейса. В обоих случаях статистические результаты до и после оптимизации должны сравниваться, чтобы определить приемлемый уровень «утечки» для каждой страницы.
• «Следующий клик». Этот компонент «анализа пути» позволяет определить страницы, которые с наибольшей вероятностью последуют за изучаемой в данный момент страницей или группой страниц. Поскольку Web-дизайн позволяет составлять различные пронумерованные списки, вы можете для начала опробовать этот показатель на небольшой подгруппе страниц. Последовательность переходов — очень важный с точки зрения дизайна сайта показатель, позволяющий определить особенности навигации с главных страниц, на которых обычно расположено множество ссылок. Что еще более важно, этот показатель помогает измерить наиболее трудно вычисляемую характеристику дизайна сайта — ценность его топологии.
• «Предыдущий клик» — аналогичный показатель, с той лишь разницей, что определяет он те страницы, которые пользователь посетил непосредственно перед тем, как переместиться на исследуемую страницу или группу страниц (мой предыдущий совет относительно тестирования этого показателя на небольшой подгруппе страниц остается в силе). Схемы навигации и ценность топологии сайта — основные характеристики, которые проясняет данный показатель. Чрезвычайно полезными также оказываются отчеты о переходах с других доменов и URL, особенно если эти данные представляются в формате, отражающем тенденции во времени.

Важно помнить, что количественные показатели полностью автоматизированы и отчетность по ним предоставляется на регулярной основе. На поддержку такой отчетности должен уходить минимум усилий.

Проектно-ориентированные метрики

Несмотря на то что такие показатели базируются исключительно на статистике кликов, они разрабатываются с учетом долговременной перспективы. Это означает, что такие метрики предназначены для облегчения онлайновых процессов работы приложений, что в итоге должно привести к измеримым технологическим сдвигам. Иными словами, проектно-ориентированные показатели поддерживают переход к усовершенствованной системе путем измерения и сравнения того, что было, с тем, к чему пришли после модернизации.

Например, если руководитель проекта хочет усовершенствовать часть Web-сайта, консультант по Web-аналитике может совместно с ним определить для каждой страницы набор характеристик, которые необходимо улучшить. К числу таких параметров может относиться, например, частота посещаемости. Если же эти Web-страницы являются системными и поддерживают определенные процессы (например, регистрацию или оформление заявок), тогда проектно-ориентированные метрики должны включать пошаговую детализацию отчетности, также известную как модель «водопада».

Такой каскадный подход бесценен, когда нужно проанализировать эффективность способов продаж или узнать соотношение между количеством покупателей на разных стадиях процесса продаж. Допустим, руководитель проекта хочет привлечь как можно больше клиентов в онлайн, чтобы разгрузить корпоративный телефонный центр. В этом случае консультант по Web-аналитике должен разработать список параметров, которыми менеджер будет руководствоваться в ходе реализации проекта изменений, чтобы определить, как изменяется процент пользователей, обратившихся к новому Web-приложению, в общем числе клиентов компании (куда входят телефонные и Web-обращения).

Такие оценки необходимы для подтверждения результатов и доказательства реальных финансовых преимуществ, полученных после проведения модернизации. После того, как проект завершен и улучшение бизнес-процессов подтверждено и зафиксировано финансовыми специалистами, необходимость в такой аналитике отпадает. Таким образом, измерение проектно-ориентированных характеристик ограничено во времени. Однако, даже если эти метрики больше не используются для контроля повседневной деятельности, необходимо отметить их важность для подтверждения ценности проекта и уменьшения общих затрат на обслуживание.

Обычно исследование характеристик проекта проводят при помощи вопросников, составленных при непосредственном участии бизнес-пользователей (особенно руководителей проекта). По его окончании клиент получает доступ к базе данных и все инструменты, необходимые для составления специфической отчетности.

Поскольку проектно-ориентированные показатели разрабатываются для того, чтобы облегчить внедрение технологических инноваций, составленные вопросники часто становятся неактуальными сразу после завершения проекта. Но если компания решает и дальше использовать созданный инструментарий, то данные анализа публикуются регулярно, как в случае с качественными показателями.

Скрытые глубинные характеристики

Такие показатели рассчитаны на краткосрочную перспективу, но при этом высоко интегрированы. Эта аналитика на 100% осуществляется под заказ, и потому разработка таких систем требует значительного времени. К тому же они обычно призваны ответить на довольно широкий круг вопросов, включающий установление причинно-следственных связей, проверку гипотез, разработку доверительных интервалов, кластерный анализ пользователей, изучение потребительской корзины, анализ последовательностей и другие операции из разряда обработки данных и поиска скрытых закономерностей (data mining).

Получить информацию о глубинных характеристиках бывает очень трудно в силу как минимум трех причин:

• для такого анализа необходима интеграция многочисленных баз данных, что на практике осуществить довольно сложно;
• комплексную обработку данных, необходимую для проведения соответствующего статистического анализа, осложняет огромный объем этих данных, что типично для онлайновой статистики;
• статистический анализ — только первый этап, требующий серьезного осмысления со стороны экспертов и менеджеров.

Редкая компания может похвастаться тем, что онлайновая статистика, финансовые данные и информация о пользователях хранятся у нее в общей базе данных на единой платформе. Реальность всегда более сурова: многочисленные базы данных разнесены по разным платформам, информацию из двух разных БД можно извлечь для сравнения, но результат этого сравнения нужно занести в дополнительную базу данных, после чего сравнить с другими результатами, и только затем можно будет составить финальный отчет.

По своей сложности углубленный анализ часто напоминает самостоятельный технический проект. Следует очень тщательно сбалансировать все требования, с тем чтобы окончательные аналитические результаты содержали информацию к действию и при этом предоставлялись в пределах заданного отрезка времени. Анализ глубинных характеристик часто приводит к серьезным изменениям в бизнесе, потому что вскрывает и четко обозначает невидимые до того причины и следствия определенных явлений.

Рассмотрим пример определения наиболее удобных для клиентов предложений на основе отчета, показывающего соотношение реальных покупок какого-либо товара и количества посещений соответствующей продуктовой страницы:

• Низкая посещаемость/низкая оборачиваемость свидетельствуют о том, что товар не вызывает интереса либо его трудно найти на сайте. Если путь к данному товару прост и вся информация о нем на сайте имеется, то такой товар, скорее всего, действительно не пользуется спросом и от него надо избавиться.
• Низкая посещаемость/высокая оборачиваемость. Такое соотношение обеспечивают «целеустремленные» покупатели, которые четко знают, что им нужно. Товар, продажи которого обеспечиваются за счет «целеустремленных» пользователей, лучше поместить в раздел «выгодных предложений».
• Высокая посещаемость/высокая оборачиваемость характерны для «бестселлеров», ходовых товаров, на раскрутку которых не стоит тратить дополнительных средств.
• Высокая посещаемость/низкая оборачиваемость говорят об избытке подобных предложений. Грамотный мерчендайзинг, конкурентоспособное ценовое предложение и агрессивное продвижение помогут улучшить продажи такого товара.

Высокоинтегрированная и автоматизированная отчетность

Показатели, относящиеся к этой группе, характеризуются долгосрочным использованием и высокой степенью сложности. Данные методы анализа во многом основываются на оценке глубинных характеристик, а также используют результаты комплексных исследований различной отчетности, сводя воедино информацию о перемещениях пользователей по сайту, финансовые метрики и сведения о потребителях.

Разработка и внедрение высокоинтегрированных систем отчетности требуют согласованных усилий аналитиков, бизнес-пользователей и технических специалистов, которые должны обеспечить соответствующую ИТ-инфраструктуру (см. врезку «Команда онлайновой аналитики»). Поскольку создание подобной системы — дело весьма хлопотное, постарайтесь заложить в нее как можно больше информации, чтобы затем получить ответы на максимальное количество вопросов.

Как я уже говорил, в идеальном случае анализ всей этой информации нужно выполнять и развивать в совокупности, а преимущества гибких инструментов отчетности должны быть доступны всем сотрудникам компании — как техническим специалистам, так и бизнес-пользователям. Для достижения этой цели аналитические инструменты, такие, как сводные таблицы Excel или OLAP, должны быть приспособлены к составлению отчетности разного уровня. Такие инструменты облегчают распространение аналитических отчетов «сверху вниз», позволяя регулярно предоставлять важную информацию как можно более широким слоям пользователей. Даже сложные аналитические данные можно представлять в удобном формате и распространять так же часто, как информацию о базовых качественных показателях.

Разработав и внедрив базовую систему онлайновой аналитики, вы сможете измерять критически важные для бизнеса онлайновые процессы и параметры потребительского поведения.

Инстинкт выживания

Сегодня совершенно необходимо использовать надежную систему онлайновой аналитики, чтобы адекватно решать проблемы, которые в противном случае могут остаться просто незамеченными или недооцененными. Методом решения этих проблем должен стать интегрированный анализ онлайновых и транзакционных данных.

Однако создание такой системы — только первый шаг. Поддержка бизнес-процессов при помощи менеджмента, ориентирующегося в процессе обучения, делегирования и распространения бизнес-идеологии на количественные оценки, позволяет добиться большего с наименьшими затратами.

Способность сделать видимым и измеримым то, что имеет наибольшее значение, — критически важный фактор успеха в электронной коммерции и выживания Интернет-бизнеса.

Команда онлайновой аналитики Теперь, когда различные типы аналитики определены, мы можем сконцентрироваться на процессах, позволяющих максимально использовать потенциал команд, занимающихся онлайновой аналитикой. Переход к управлению на основе количественных оценок лучше всего разделить на этапы. Сначала необходимо обдумать и выстроить процессы, необходимые для предоставления правильных оценок заинтересованным людям в нужное время, а затем перейти к поддержке этой системы. Фаза 1 — Обдумывание и построение Консалтинг: обсуждение с бизнес-пользователями необходимых областей анализа, попытка ответить на вопрос: «Что является очень важным для компании и при этом до сих пор не измеряется?». После определения этого следует… Разработка: создание систематического, надежного и повторяемого процесса, который обеспечит требуемые результаты. По завершении разработки необходима… Автоматизация: ключевой элемент в достижении большей эффективности при меньших человеческих ресурсах. Насколько это возможно, каждый процесс нужно автоматизировать, чтобы свести человеческий фактор и взаимозависимость процессов к минимуму. Автоматизация усиливает преимущества коммуникации и каналов распространения, логическим следствием чего становится… Обучение: подразумевает формирование навыков работы с информацией, поиска результатов анализа и интерпретации полученных данных. После того, как мы получили желаемую аналитическую информацию, пора переходить ко второй фазе, которая необходима для увеличения индивидуальной результативности каждого сотрудника и ускорения всего бизнес-процесса. Фаза 2 — Поддержка Обучение: как упоминалось выше, вы объясняете специалистам заказчика, как, где и когда можно найти различные данные. Передавая бизнес-пользователям средства доступа к информации, вы тем самым повышаете степень их ответственности путем делегирования полномочий. Делегирование: на этом этапе пользователи достаточно хорошо знакомы с основными процессами получения необходимых оценок и отчетов. Некоторые могут даже создавать собственные проектно-ориентированные метрики. Эти пользователи понимают, как найти различные типы отчетов, получить доступ к ним и работать с ними, а также имеют опыт определения текущих приоритетов с точки зрения будущих потребностей в аналитике и постановки задач для команды разработчиков. Наиболее продвинутые из бизнес-пользователей могут на данном этапе самостоятельно проводить обучение коллег и брать на себя ответственность за работу отдельных участков системы аналитики. Это приближает все более широкое… Распространение идеологии: системы оценки и анализа становятся неотъемлемой частью деятельности компании, и насущная необходимость в аналитике и отчетности ясно осознается всеми сотрудниками. На этом этапе команда онлайновой аналитики может сконцентрироваться на дальнейших улучшениях системы и постепенно перейти к разработке аналитических инструментов следующего поколения.

Аллен Крэйн (Allen Crane) — старший менеджер по улучшению процессов в Dell Computer. Более семи лет участвует в Web-проектах по выявлению скрытых закономерностей и маркетинговому анализу баз данных. С ним можно связаться по e-mail: allen_crane@yahoo.com.