В сети уже достаточно много информации о детекте и фильтрации ботового трафика, защите от спай сервисов и др. Но мало кто уделяет достаточное внимание анализу живого трафика. Например, если посмотреть кейсы по товарке за последние несколько лет, основной акцент идет на показатели соотношение переходов с лендинга на оффер (LP CTR) и конверсия в заявку (CR). В этой статье я расскажу о своем подходе в анализе живого трафика, который при внедрении сэкономит вам и время и рекламные бюджеты.
Основные показатели, которые я отслеживаю:
1) Дочитываемость;
2) Реальное время, проведенное на лендинге;
3) Сбор обратной связи;
4) Сбор контактных данных и подписок;
5) Сбор дополнительных данных (bigdata).
Для удобства разберем, как работает описываемый подход на основе оффера “Кредитные карты Уссурийского госбанка”.
Лендинг - статья о преимуществах оффера перед другими предложениями.
Оффер - сайт с формой заявки на кредитную карту.
Нам понадобится отдельный трекер BInom из-за ограничения на количество событий (до 10 event).. Схема работы: Весь трафик отправляем по основной ссылке на отсев ботового трафика, а живой трафик переводим на этот трекер.
1. Показатель дочитываемости
Здесь нам важно понять, какую часть статьи прочитал пользователь. Отслеживая этот показатель, мы сможем сделать вывод о том, действительно ли пользователям интересна эта тема, правильно ли мы подобрали креативы (привет кликбейтам) и есть ли у продвигаемого лендинга слабые стороны по проценту прочитанного текста. Важно: отслеживаем именно контент на лендинге, а не всю страницу целиком.
Как реализовать:
https://jsfiddle.net/noname5/n79r6abk/
В Binom настраиваем колонку “cView” с формулой event_5/clicks, формат проценты.
Обернуть в эту оболочку можно любой лендинг. По мере скролла скрипт отбивает ивент в бином. Если вы используете квиз-лендинги (опросники), вам нужно модернизировать код скрипта под себя. Он поможет вам посмотреть, на каком вопросе пользователь начинает сомневаться и покидает лендинг.
Имея на руках показатель дочитываемости, мы можем менять ротацию лендингов даже при недостаточном количестве данных о конверсиях. Ведь чем больше пользователей дойдет до конца статьи, тем больше их перейдет на оффер.
2. Реальное время проведенное на странице
Во многих мануалах по настройке трекеров мы видим простой скрипт, который через заданный интервал времени отстукивает событие в трекер (например, раз в 15 секунд). Основной минус этого скрипта - мы не имеем точных данных. Я нашел более точный вариант отслеживания пользователя.
Пример реализации:
https://jsfiddle.net/noname5/unw39pmr/
В Binom настраиваем колонку “cTime” с формулой event_4/clicks, формат Time.
Этот скрипт считает реальное время, которые пользователь проводит на лендинге. Как только он уходит на другую вкладку, сворачивает браузер или совсем закрывает страницу, скрипт отправляет данные о том, сколько времени пользователь провел на лендинге. Если пользователь вернулся, мы снова считаем реальную активность и прибавляем к предыдущему значению.
Я также разделяю время, проведенное в самой статье, и время, проведенное на всем лендинге. Так можно дополнительно отследить умных ботов и спай сервисы.
3. Сбор обратной связи.
Когда я искал, как улучшить анализ трафика, просмотрел большую часть активных новостных витрин и лендингов. Искал обратную связь по ним и пытался понять, как улучшить текущие показатели, если все используют одни и те же подходы. И нашел.
Дайте вашим пользователям возможность оставить обратную связь на вашем ресурсе, а не уходить жаловаться на другие площадки или соцсети. Это также поможет вам при анализе трафика и оптимизации всей связки. Пользователи сами скажут вам, где вы ошиблись и что они хотят видеть.
3.1 Комментарии. Это самый простой способ получения подробной обратной связи. Важно не забыть включить премодерацию, чтобы негатив не убил конверсию.
Плюсы: можно загрузить свои комментарии в систему, моментальная обратная связь по негативу (даете вылить негатив, если он имеется - так вы снижаете риск появление такого контента на других неподконтрольных площадках), получение дополнительных отзывов и предложений (если нашим оффером уже пользовались, то дайте посетителям рассказать о преимуществах, которые они для себя сделали - возможно, их комментарий даст вам идею для новой статьи).
Минусы: сторонний код, подгружается много сторонних трекеров и рекламных систем.
Примеры сервисов: Disqus, HyperComments, Cackle, Tolstoy Comments.
3.2 Лайки. Заимствуем у социальных сетей метод для обучения рекомендации постов.
Плюсы: Пара строчек кода, “анонимность” и простота действия для пользователя.
Минусы: Неполная картина по негативу. Может быть автору не понравился размер текста? Или стиль автора? Или он просто не любит Уссурийский госбанк?
Как реализовать:
https://jsfiddle.net/noname5/m61zrnfx/
В Binom настраиваем колонку “cRec” с формулой event_3/clicks*100, формат проценты.
Чем выше показатель, тем лучше.
3.3. Жалобы. Подсказывает на ошибки в статье.
Плюсы: Пара строчек кода. “анонимность” и простота действия, больше информации по негативу. В режиме реального времени можно отслеживать отжатые лендинги (кнопка “я уже читал это”) или отжатый оффер (ложная информация).
Минусы: Пока я не нашел каких-либо негативных моментов, возможно, вы подскажете мне в комментах к этой статье.
Пример реализации
Жалобы должны быть короткие одной кнопкой. Например, “я уже читал это”, “мне не нравится автор”, “безграмотный текст”, “ложная информация”, “нарушение прав”.
Передаем причину негатива в трекер так же, как и с лайками, но через lp_update_token.
4. Сбор контактных данных и подписка (email/push)
Итак, мы радуемся CR на уровне 2-3%, но расстраиваемся, что упускаем остальные 97% пользователей, ведь мы потратили на них деньги. Решаем проблему через внедрение в конец статьи подписки на push уведомления или email. Для тех, кого реклама застала в не совсем удобный момент - вначале статьи. Например: “Этот контент очень интересный, уделите ему 17 минут. Не удобно читать сейчас? Давайте отправим вам на почту”. Не предлагайте в начале статьи подписаться на пуши, ведь скорее всего вы опять отправите оповещение в неудобный момент, чем вызовите лишний негатив.
После подписки отправьте событие в Binom. Можно настроить постзапрос после подтверждения e-mail подписки. При аналитике отсекайте пользователей, которые ушли со страницы, но обещали вернуться, так выводы можно сделать более точными.
5. Сбор BigData
Apple уже вовсю блокирует сторонние куки, а Google анонсировал введение ограничений в скором времени. Что это значит для нас? Самое время собирать свою БИГДАТА!
Примеры данных, которые собираю я:
Если статьи для вас пишут несколько авторов, то передавайте их имена в аналитику. Это позволит отслеживать качество статей авторов.
Если вы следуете пункту 4, то рекомендую в обязательном порядке собирать таймзону пользователя. С ее помощью вы сможете делать утренние и вечерние рассылки по местному времени, а не долбить пользователя ночными пушами.
Пример реализации
https://jsfiddle.net/noname5/rk23nepd/
Также полезно собирать показатель DOMload. Если вы заметили в каких-то регионах высокий показатель DOMload, рекомендую отдавать туда облегченные версии лендингов и офферов или арендовать сервер под трафик этого региона.
Пример реализации
https://jsfiddle.net/noname5/dc7ynms9/
Важно собирать максимальное количество сырых данных, так как неизвестно, что именно понадобится вам в будущем. Только при детальном анализе трафика вы сможете найти зависимости определенных факторов. И благодаря этим данным отправлять супер сегментированные предложения.
Куда собирать бигдату?
Есть программисты - ClickHouse
Нет программистов - Carrot Quest
