Основной задачей BI в интернет-коммерции является повышение продаж за счет привлечения новых клиентов и удержания существующих. Ее успешное решение во многом зависит от анализа действий посетителей на сайте, поэтому правильное применение аналитических инструментов может дать ощутимый экономический эффект. Опыт и практика Ozon.ru — впечатляющий тому пример.

Известно, что задача BI делится на две части — представление отчетности и собственно анализ данных. В свою очередь отчетность бывает управленческой, показывающей уровень ключевых показателей, и операционной, предназначенной для того, чтобы помочь конкретным менеджерам в их работе. Руководитель аналитического отдела Ozon.ru Роман Зыков под анализом данных понимает исследование бизнес-семантики и базы данных клиентов. К области BI он относит и рекомендательные системы, потому что они упрощают процесс принятия решений, причём в случае интернет-магазина — для самого клиента.

Аналитический отдел

Менеджеры Ozon.ru считают, что для успешного развития аналитического направления необходимо предпринять ряд организационных шагов. Именно поэтому два года назад в компании был создан свой аналитический отдел. Вначале он входил в маркетинговое подразделение, так как предназначался для анализа клиентской базы данных. Но с течением времени круг его задач расширялся, приходилось анализировать и другие направления деятельности компании, никак не связанные с маркетингом. «Сейчас мы фактически рассчитываем KPI отделов, уже начинающие влиять на итоги аттестации сотрудников, — рассказывает Роман Зыков. — Вполне понятно, что здесь требуется независимость результатов. Поэтому я считаю, что одним из ключевых факторов успешной работы аналитического отдела является его подчинение непосредственно генеральному директору или одному из топ-менеджеров. Должна существовать отдельная структурная единица, или, другими словами, центр компетенции, в который стекается вся информация. Она и была создана в Ozon.ru».

Роман Зыков особо подчеркивает, что под BI он понимает не технологию, а именно процесс анализа и принятия решений с использованием обоснованных данных. Сами по себе множественные отчеты, цифры и графики еще не гарантируют, что решение будет правильным, а как раз наоборот, часто приводят к худшим результатам, чем было бы в случае их отсутствия. Фактически отчет помогает выявить проблему, но только анализ данных поможет ее решить.

Заметим, что использование BI в электронной коммерции имеет характерные особенности, как упрощающие, так и усложняющие жизнь аналитика. Явное преимущество состоит в том, что здесь нет необходимости собирать данные. Практически все процессы в Ozon.ru фиксируются в базах — это и информация о внутренних процессах, и действия клиентов на сайте, такие как регистрация, заказы, подписка. Поэтому в отличие от традиционных BI-проектов, где извлечение данных занимает 80% времени, на эту работу в Ozon.ru уходит 10—20% временны‚х затрат, рассказывает Роман Зыков. Но данных много, причем даже не с точки зрения объема, а в смысле сложности их структуры, количества различных таблиц в аналитической БД.

Инфраструктура BI

Как задача BI состоит из двух частей — представления отчетности и анализа данных, так и для её решения информационная инфраструктура компании разбита на две части, которые в некоторых областях пересекаются (рис. 1). Отчетность по поведению посетителей на сайте в Ozon.ru базируется на системе веб-аналитики SiteCatalyst американской компании Omniture. Кроме того, активно используются Microsoft OLAP Server 2005 и Microsoft Report Server по таким направлениям, как продажи и анализ внутренних процессов. В настоящее время в Ozon.ru около пятидесяти потребителей услуг OLAP и SiteCatalyst, и это весьма квалифицированные сотрудники, как считает Роман Зыков.

Решение SiteCatalyst способно к очень тесной интеграции с бэк-офисной системой — туда можно автоматически загружать данные по маркетингу, по названиям товаров, их группировке и так далее. Оно позволяет собирать статистику посещаемости, анализировать рекламные кампании с точки зрения коммерческой эффективности и поведение клиентов на сайте, поддерживает функцию мерчандайзинга. Этот продукт приобретался с условием, что его обслуживание должно быть полностью аутсорсинговым, так как в компании не хотели самостоятельно заниматься построением такой системы, скажем, через анализ веб-логов. Сервер SyteCatalyst располагается в Калифорнии, данные отправляются туда в режиме онлайн, обрабатываются, и аналитики могут видеть уже готовые результаты анализа.

Внедрение этих инструментов позволило снять с аналитиков рутинную работу по составлению отчетов, которую раньше они выполняли сами. Теперь потребители могут получать отчеты напрямую из указанных систем. Конечно, не все вопросы при этом снимаются. «Я считаю, что отчет закончен тогда, когда в нем сделаны квалифицированные выводы, — говорит Роман. — Несмотря на то что данные целостны и имеют один источник, важно, как трактовать их. В некоторых случаях это вопрос скорее политический, чем аналитический».

Для анализа данных в Ozon.ru используются в основном средства SQL. «Существующие системы визуального построения запросов не соответствуют сложности задач, которые мы решаем, так как запросы в большинстве случаев очень сложны, — комментирует выбор инструментов Роман Зыков. — Поэтому нам гораздо удобнее работать с SQL». Кроме того, в некоторых случаях применяется Statistica. А в качестве средства глубокого анализа интернет-сайта используется SiteCatalyst Discover, который позволяет очень точно и детально исследовать поведение клиентов.

Мерчандайзинговый анализ

Эффективность интернет-магазина как витрины товаров, особенно такого большого, как Ozon.ru, существенно зависит от того, насколько правильно размещен товар на сайте. Именно этот фактор, хотя и не он один, должен помочь превратить посетителя в покупателя. Для решения данной задачи используется так называемый «мерчандайзинговый» анализ. Он позволяет аналитикам ответить на следующие вопросы:

  • сколько зарабатывает товарный блок на сайте?
  • сколько зарабатывает система поиска?
  • где лучше показывать рекомендации?
  • какие блоки в рассылках самые эффективные?

Получив ответы, аналитики имеют возможность оценивать уже не щелчки мышью, которые обычно фиксируют лог-файлы и системы веб-статистики, а реальную, в деньгах, эффективность различных способов размещения товаров. На рис. 2 показана типовая страница, каких на сайте свыше пятисот тысяч. Указанные на ней блоки являются динамическими, и в них ротируется несколько тысяч товаров. Как лучше всего расставить блоки на странице и какие товары показывать в них, чтобы добиться максимальных продаж? Решение данной задачи заключается в том, что каждому блоку на сайте присваивается свой идентификатор и система SiteCatalyst настраивается таким образом, чтобы отслеживать количество кликов на каждый блок. Затем система самостоятельно конвертирует эти клики в продажи товаров из блока, что позволяет определить, насколько он эффективен. Но можно решать и более сложные вопросы, например, какие блоки на сайтах пользуются популярностью у VIP-клиентов и какие типы рекомендаций они предпочитают на страницах, скажем, книжного раздела.

Очень важную роль в интернет-бизнесе играет персонализация. Около трех месяцев назад компания силами аналитиков и ИT-подразделения создала систему, обеспечивающую создание персональных рекомендаций, чтобы рекомендовать товары клиенту с учетом его индивидуальности. При этом у клиента есть возможность управлять процессом, ему не просто предлагается тот или иной товар — он также видит причину появления такой рекомен­дации.

Конечно, встает вопрос об эффективности использования рекомендаций. К примеру, если компания заявляет, что рекомендации увеличивают ее оборот на тридцать процентов, то упадут ли продажи на столько же, если систему рекомендаций отключить? Ответ на этот вопрос вовсе не однозначен. Ведь если клиент не пользуется рекомендациями, он может прибегнуть к другим путям формирования заказа — например, к поиску по сайту. Единственным способом дать ответ на этот вопрос, по словам Романа Зыкова, является создание двух идентичных интернет-сайтов — с использованием рекомендаций и без них. Весь трафик посетителей между этими веб-сайтами можно разделить по простейшему алгоритму, например, случайным образом. Затем эти данные получает система SiteCatalyst и производит их анализ и сравнение в параллельном режиме. В зарубежной терминологии такой метод называется A/B-тестингом, и именно он позволяет оценить «чистый» вклад рекомендаций в продажи, ведь всё познается в сравнении. «Такую схему работы использует Amazon.com, — поясняет Роман Зыков. — У нас же ее внедрение только планируется».

Об эффективности используемых аналитических инструментов Роман Зыков прямо не говорит: по его мнению, всегда можно найти способ доказать, что система эффективна, но можно доказать и обратное. Всё зависит от того, как считать. Однако косвенное свидетельство эффективности есть. «Мы довольны системой, особенно возможностями обсчета мерчандайзинговой статистики, — утверждает Роман Зыков. — Если раньше я очень часто получал от топ-менеджмента напоминания о стоимости SiteCatalyst и необходимости отдачи, то теперь, после запуска системы рекомендаций и подсчета дополнительных продаж, об этом уже практически никто не говорит».

О компании

В базе данных Ozon.ru зарегистрировано более двух миллионов клиентов. В компании работает около 600 сотрудников, а в её ассортименте насчитывается свыше 260 000 различных товаров. Интернет-сайт Ozon.ru содержит свыше полумиллиона страниц. Посещаемость сайта — более ста тысяч человек в день.