Сегодня, 29 апреля 2014 года, в Москве прошла «Go Analytics!» - профессиональная конференция по веб-аналитике, организованная компанией OWOX.
В рамках мероприятия выступил Владислав Флакс, основатель и директор компании OWOX, с рассказом о методах сбора и объединения данных о покупательском опыте на основе Google Analytics Premium и BigQuery.
Google BigQuery – это инструмент, при помощи которого Google Analytics Premium решает проблемы сбора данных, обработки и визуализации. Это инструмент, способный производить интерактивный анализ больших массивов данных, а также предоставляющий простой доступ к данным через SQL запросы.
Об интеграции функционала BigQuery c Google Analytics Premium было объявлено еще на конференции Google I/O в мае 2013 года. По заявлению разработчиков, функционал BigQuery призван производить комплексный анализ терабайтов разнородных данных, так называемых Big Data. Он способен находить и осуществлять выборку данных по тысячам баз данных, осуществлять обработку и анализ полученной информации, предоставляя пользователю готовый аналитический материал.
Принцип работы сводится к следующему: Google Analytics осуществляет экспорт необработанного массива данных о сессии в таблицу BigQuery. Одна строка таблицы соответствует одному посещению сайта. В каждой строке присутствуют детальные сведения о посещении: источник перехода, информация о посетителе, просмотренные страницы, платформы и устройства и т.п.
Важно понимать, что все данные указываются в разрезе одной сессии. Так, например, можно выполнить анализ данных всех посетителей, которые совершили переход на страницу с конкретным товаром. Возможности BigQuery позволяют анализировать большие массивы разнородных данных без предварительной выборки.
Говоря о ритейле, можно утверждать, что главная задача – объединение информации по определенным каналам, позволяющим установить и просмотреть персонализированные цепочки, приводящие к конверсии.
Важно определить существующие точки взаимодействия пользователя с сайтом и понять, каким образом происходило это взаимодействие с различных платформ и устройств. Понятно, что мобильный телефон чаще всего используют, чтобы почитать отзывы, а делают покупку чаще с ноутбуков, стационарных ПК и планшетов. Сегодня более 60% пользователей можно связать с несколькими точками касания. Иными словами, для взаимодействия с сайтом продавца один и тот же человек в разные промежутки времени может использовать несколько различных каналов.
Нередко требуется оценить эффект от рекламы в долгосрочном периоде, отложенные или оффлайн конверсии, и здесь уже не всегда достаточно имеющихся у маркетолога инструментов.
Когда с помощью визуализации делается запрос к обработке данных, мы ограничены не только мощностями, но и интерфейсом.
Схема обмена данными выглядит следующим образом: допустим, есть четыре точки касания – веб-сайт, мобильный сайт, мобильное приложение, сенсорные киоски. Далее используем Data Layer или Google Tag Manager, затем идем в Google Analytics.
Коммерческие предприятия постоянно получают огромные объемы данных от сетевых приложений, совершающих множество транзакций, обслуживающих миллионы людей и постоянно растущее число подключенных устройств. Важнейшее условие сохранения конкурентоспособности – способность быстро реагировать на изменения в этих данных. В то же время, компании занимаются сбором, хранением и анализом больших объемов информации, иногда сотен гигабайт в день, используя системы, которые просто не способны справиться с подобным темпом работы. BigQuery просто создан для того, чтобы помогать коммерческим предприятиям справляться с этой проблемой без необходимости инвестировать в сложное дорогостоящее оборудование. У больших интернет-проектов также существует проблема отслеживания данных по колл-центрам и POS-терминалам.
Пример: есть определенный покупатель, сделавший покупку. Большинство транзакций делают те, кто совершил несколько касаний. CPO – доходы на дату, а LTV – доходы за период времени.
Интерфейсы доступа к BigQuery:
1. Веб-интерфейс. Данные хранятся в колонках, а не в строках. Возможность обработки терабайтов данных за десятки секунд. Это не табличная структура.
2. REST API
3 JDBS Driver
4.ODBS Driver
5. Экспорт в CVV/JSON
Преимущество BigQuery состоит в том, что он не требует вложений в дорогостоящее оборудование, расходов на покупку ПО или лицензий, а также обучения новых специалистов. Он позволяет быстро начать работу, гарантирует высочайшую надежность и доступность данных, а также дает возможность гибко конфигурировать и изменять структуру отчетов.
Результат:
Также BigQuery позволяет гораздо более эффективно управлять рекламой. Все данные можно сгруппировать по категориям, построить график корреляций и проследить за продажами. В результате будет получен ответ на вопрос: как долго крутить рекламную кампанию в интернете, и какие рекламные каналы нужно задействовать.
Заблуждения, связанные с BigQuery:
1. Google BigQuery можно заменить MySQL или Excel.
2. Достаточно просто активировать BigQuery.
3. Все данные из GA есть в BigQuery.
4. Внедрение дорогое и продолжительное.
5. То же самое можно легко сделать OLAP, Oracle.
Как получить все это счастье?
Если у вас Google Analytics Premium, то обратитесь к менеджеру.
Если у вас:
Пишите на bigquery@owox.ru
Напоминаем, компания OWOX является первым Google Analytics Premium Authorized Reseller в СНГ. В феврале этого года еще два российских агентства iConText и i-Media также получили этот статус от Google.
Комментарии