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:




eCommerce-проект;



установлен Google Tag Manager;



установлен Google Universal Analytics;



до 100 000 посещений в день.


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.




Обсудить  

Читайте также


Комментарии Кто голосовал Похожие новости

Комментарии