#AnalyticsTips

Одразу вибачаюсь трохи за офтоп. Взагалі це мав би бути пост про програму навчання на курсі BigQuery for Marketing і про те як там все буде круто, і скільки всього ви дізнаєтесь, але після перегляду цього відео я не готовий писати щось серйозне. Тому я піду ще раз перегляну відео і вам рекомендую) P.S. Програма курсу: https://docs.google.com/document/d/19q8qKAJWoSZZPCnjp7rIGB8D7Sct9ara-YJBJtvpQVk/edit Відео взято з просторів інстаграм. Хто впізнав себе?))

Цей день настав! Курсу по роботі з даними в BigQuery бути! І не просто бути, а я вже відзняв всі лекції і зараз залишилось змонтувати, продумати додаткові матеріали та практичні завдання і розмістити все на платформі proanalytics.academy На курсі вас буде чекати 10 лекцій. Повну програму з детальними тезисами я підготую на днях, а поки ловіть перелік тем лекцій: 1. Побудова стандартних звітів GA4 на основі сирих даних 2. Побудова звіту по джерелам трафіку в атрибуції Last Non-direct 3. Робота з багатоканальними послідовностями та моделями атрибуцій 4. Побудова звітів Ecommerce на основі сирих даних 5. Побудова воронок руху користувачів на основі сирих даних 6. Звіти по шляхам користувачів до конверсії в BQ 7. Побудова когорт в BQ 8. Робота з даними Google Ads 9. Поєднання даних з різних систем 10. Додаткові поради по роботі з BigQuery Лекції як завжди будуть максимально практичні. Води не буде, тільки м'ясо. Курс орієнтований на людей, що вже знають що таке BigQuery і розуміють базові оператори SQL. (Якщо ви взагалі нічого не знаєте про SQL, але теж хочете почати використовувати BigQuery в своїй роботі - напишіть мені в особисті і я підкажу як можна швидко підтягнути свої навички, щоб вони відповідали умовам старту навчання на курсі) Розпочати навчання можна буде 27 травня Більше деталей трохи пізніше. Кому цікаво - відмічайтесь під ось цим постом в фб https://www.facebook.com/maks.hapchuk/posts/25645913111691412 В кого не має фб або хто просто хоче поспілкуватись - пишіть в особисті) А я пішов оформлювати детальну програму з тезисами кожної лекції

В доповнення до поста про показник Engagement rate. У минулому пості (відео) (https://t.me/AnalyticsTips/300) на цю тему я розповів, чому варто змінити умову для показника Engagement rate з 10 дефолтних секунд до 40. Але насправді повністю таке рішення проблему не вирішить. Давайте розглянемо деякі ситуації: 📍Ситуація 1. Юзер зайшов на сайт, вже знаючи що хоче знайти, швиденько додав товар в "обране" та покинув сайт. І все це зробив протягом 25 секунд. 📍Ситуація 2. Користувач вже раніше читав статтю і запам'ятав, що там є рішення його задачі. Зараз він повторно заходить на блог, швидко гортає до потрібного моменту, знаходить те, що потрібно і закриває сайт. Робить це за 35 секунд. Тепер подивимось на ці ситуації з огляду умов зарахування сеансу з взаємодією: ❌ Сесія тривала більше 40 секунд? - В обох випадках відповідь "Ні". ❌ Відбувся ключовий івент? - Знову в обох випадках відповідь "Ні". Оскільки додавання в обране чи доскрол до певного етапу статті зазвичай не є настільки важливим для бізнесу як, наприклад, "покупка", щоб рахувати ці дії як ключові івенти. ❌ Юзер подивився 2 сторінки сайту? - І тут "Ні". Умови не виконані ➡️ Сеанс не є сеансом із взаємодією. Але чи можемо ми говорити в цьому випадку, що ці сеанси не були корисними для нас? - Особисто я думаю, що ці сеанси були дуже важливими. У першому випадку користувач з часом може прийти на сайт повторно і купити товар, який він додав в обране. В другому - користувач нарешті скористався порадою, яку прочитав в нас на блозі раніше і зрозумів, що вона таки працює. І він ще раз запам'ятав наш бренд. Розглянемо ще одну ситуацію: 📍Ситуація 3. Користувач зайшов на сайт, і в цей момент в нього задзвонив телефон. Він поговорив 5 хвилин, повернувся до ноутбука і просто закрив сайт. Чи є сеанс такого юзера корисним для нас? - думаю "Ні", але якщо глянути на цей сеанс зі сторони показника "Сеанс з взаємодією" - то відповідь буде "Так". ✅ Як же змусити GA4 рахувати залучення правильно? Одне з рішень - створити власний кастомний івент, який буде рахувати ті події, які не є ключовими, але теж дуже важливі для твого бізнесу. І він буде показувати залучення та зацікавлення користувача, навіть якщо він не зробив ключовий івент. Наприклад, для інтернет-магазину в такий івент можна включити: "логін", "додати в обране", "використати порівняння товарів", "додати в корзину", "реєстрація". 🖇 Можна задатися питанням: а чому просто не додати ці івенти в ключові, аби Engagement rate рахувався точніше? Це можна зробити, але тоді Total показник Key events буде рахувати не тільки реально значимі для бізнесу івенти, але й ті, що ти домішав туди. Ну і загальний коефіцієнт конверсії в ключову подію стане не зовсім репрезентативним. І як завжди став вогник 🔥 за користь чи лайк ❤️ за цікавість.

10 травня 2024 року відбудеться п’ята SEO-конференція Collaborator — масштабний галузевий івент про просування на західні ринки📈 Collaborator підніме найважливіші теми сучасного SEO-світу🔥 Серед спікерів — топові фахівці з різних компаній, що працюють на українському, європейському, американському та інших міжнародних ринках. Кожна доповідь вартує вашої уваги. Особливо рекомендую звернути увагу на перший виступ від мого товариша - Максима Федорука. Він буде розповідати кейс про відновлення позицій після апдейту. 💡Хочете дізнатися більше про просування проєктів на український та міжнародні ринки, автоматизацію процесів лінкбілдінгу, секрети технічного SEO, а також фішки сучасної пошукової оптимізації? Приєднуйтесь та прокачайте свій професійний рівень😉

Всіх з наступаючим святом 🎉 Бажаю все ж таки трохи відпочити)

Найпопулярніші сервіси, із якими є вже готова, автоматична інтеграція з Google BigQuery. Є багато причин використовувати BigQuery для аналітики, які я детально розписав у минулому пості. Сервіс має певні переваги перед аналогічними платформами від Amazon чи Microsoft, але найбільш вагома - те, що Google має конектори до найбільш популярних рекламних та аналітичних систем. 📌 Залишаю лінки на довідки по налаштуванню, якщо хочеш більш детально ознайомитись з інструкцією: 1. Google Analytics 4 2. Google Ads Працює в 2 сторони: можна передати дані і в Google BigQuery (лінк) і експортувати з нього (лінк). 3. Google Search Console 4. Google Play 5. Google Merchant Center 6. YouTube 7. Facebook Ads Помітно, що більшість сервісів саме від Google, але BigQuery може інтегруватися і з іншими. Зараз інтеграція з Facebook Ads працює не дуже добре, але поки в прев'ю режимі, тому сподіваємось, що до релізу Google все виправить. 8. Про інші сервіси, які теж мають інтеграцію тут.

А як ви збираєте фідбек у своїх відвідувачів? В мене, наприклад, є клієнт, який відправляв листи, з проханням надати фідбек, клієнтам, після того як вони оплатили послугу. І це з однієї сторони супер, бо процес автоматичний, але мінус в тому, що мало хто хоче відповідати на якісь питання в листі. Особливо, якщо лист побачив через деякий момент після оплати послуги. Зовсім інше діло, якщо запитати у користувача в момент коли він все ще на сайті. Як показує досвід в такому випадку конверсія у реальний фідбек, в порівнянні з листом, збільшується в декілька разів. Звідки я це знаю, бо ми в рамках Monolytics вирішили, що треба спростити життя конкретно цьому клієнту і багатьом іншим і дати можливість швидко і просто збирати фідбек на сайті. Опцій багато: - можна збирати в момент відвідування сторінки подяки - а можна і в більш кастомний момент, наприклад, коли користувач видаляє товар з кошика - або коли покидає сторінку оформлення замовлення - чи коли користувач спробував новий функціонал в продукті - ну ви надіюсь зрозуміли, запитати можна будь-коли) Щоб спробувати на своєму сайті переходьте на https://monolytics.app/ Спробувати можна безкоштовно і без прив'язки карти. Тому якщо ви давно хотіли щось запитати у ваших відвідувачів - не пропустіть таку можливість Приємного користування)

І остання: ⚡ BigQuery - це маленька частина великого Google Cloud Platform. Ця перевага розкривається не одразу, але коли ти вже починаєш з цим працювати, апетит збільшується дуже швидко. Наприклад, якщо не вистачає нативного конектору, можна з допомогою Cloud функцій трохи дописати функціоналу: 🙌 Хочеш передати офлайн конверсії з BigQuery до Facebook Ads - будь ласка. 🙌 Хочеш імпортувати сегменти аудиторій з BigQuery до Facebook Ads - теж є можливість. BigQuery може здаватися складним для опанування, проте якщо воно дає велику користь та конкурентну перевагу, то обов’язково потрібно рухатись в цьому напрямку. Якщо тобі сподобався матеріал, став вогник, і тоді я напишу ще декілька постів на тему роботи з BigQuery ✅

Продовжимо) ⚡ Незалежність від IT відділу   Я часто бачу в компаніях, як робота IT-відділу тормозить роботу маркетингу. IT хоче все запихувати в спрінти і працювати по плану, але маркетинг, окрім того, що він буває плановий, він ще й буває ситуативний. І буває ще, що маркетинг може залежати від певних апдейтів. Наприклад, від того ж Google чи Facebook. І не завжди ми про ці апдейти знаємо наперед. Але просто ввірватись в IT відділ і попросити щось зробити зараз не так то просто. Знайома ситуація?  BigQuery - це хмарна платформа. Для BigQuery не потрібен системний адміністратор чи інший технічний спеціаліст, який би ще додатково слідкував за роботою бази даних. Google все зробить за тебе. Просто не забувай йому вчасно оплачувати рахунки. ⚡Швидка нативна інтеграція з сервісами Google. BigQuery - це не просто хмарна платформа, а хмарна платформа від Google. І це дуже важлива перевага. Давай згадаємо, де ти зазвичай дивишся дані про ефективність сайту і трафіку? - Напевно в Google Analytics? - А де найбільші бюджети на рекламу? - Напевно в Google Ads? Отож бо й воно - складно уявити сучасний маркетинг без сервісів Google. І, на відміну від інших гравців, що пропонують свої схожі хмарні рішення, в BigQuery можна в декілька кліків налаштувати збір даних з різних сервісів Google, наприклад Google Ads, GA4, Search Console та ін. 👉 Детальніше про те з якими сервісами Google наразі можлива нативна інтеграція з BigQuery розповім в наступному пості. ⚡ Просте масштабування BigQuery може обробляти будь-який обсяг даних, тому в ньому можна працювати як із малим, так і з великим бізнесом. Google знову ж таки про все за тебе подбає) ⚡ Можливість не тільки нативно збирати дані з інших систем та зберігати їх, але й передавати дані з BigQuery в інші сервіси. Зараз все частіше передача даних з CRM до BigQuery є не просто забаганкою, а необхідністю: значна частина CRM не має нативної інтеграції з рекламними кабінетами чи системами бізнес аналітики, а BigQuery має. 🙌 Хочете передати офлайн конверсії з BigQuery до Google Ads - будь ласка, ось нативний конект. 🙌 Хочете імпортувати сегменти аудиторій з BigQuery до Google Ads - теж є нативний конект 🙌 Потрібно візуалізувати дані в Power BI чи Tableau - готові конекти теж допоможуть.

Все, що треба знати про BigQuery: що це, навіщо та які переваги для маркетингу.  Почну з простого та основного, із офіційного визначення (перекладав його з англійської, тому вийшло не таке вже й офіційне)) BigQuery – це кероване безсерверне сховище даних від Google, яке пропонує масштабований аналіз великих обсягів даних. Платформа - підтримує запити за допомогою діалекту SQL. Має також вбудовані можливості машинного навчання. Я прекрасно розумію, що не всі офіційні визначення одразу зрозумілі, але все ж в них часто ховається позиціонування продукту, тому я вирішив все ж додати його на початку поста. Але далі давайте поговоримо по простому)) 🤔 Навіщо ж потрібен BigQuery?  Якщо коротко, щоб збирати та зберігати дані з різних систем в одному місці. Тобто фактично це така собі хмарна база даних від компанії Google. ⬇ В чому ж його переваги для маркетологів? Дисклеймер. Пункти нижче не є послідовним списком від найбільшої переваги до найменшої чи навпаки. Кожен із пунктів нижче є важливим по своєму і заслуговує на твою увагу. ⚡ Можливість обійти обмеженнями інтерфейсу Google Analytics 4. У тебе великий проект і ти постійно стикаєшся з проблемами семплінгу даних? Ти б хотів мати можливість проаналізувати дані за період більший ніж 14  місяців? (Якщо ти не знав, то в будь-яких кастомних звітах це не можна зробити) Функціоналу інтерфейсу не вистачає, щоб побудувати звіт, який потрібно? В будь-якому з цих випадків тобі дорога до BigQuery. Робота з сирими даними допоможе обійти будь-які обмеження інтерфейсу. ⚡ Можливість побудувати наскрізну аналітику і автоматизувати будь-яку іншу звітність. Постійно бігаєш по безлічі різних кабінетів: Google Ads, Facebook Ads, Google Analytics, Call Tracking, CRM, щоб зрозуміти наскільки ефективно перформить реклама і все рівно не можеш все скласти до купи? Знову ж таки тобі шлях до BigQuery. В цій системі ти зможеш скласти всі свої дані в сирому вигляді і залишиться тільки в якомусь зовнішньому тулі, типу Power BI, Tableau чи Looker побудувати фінальний звіт. Звісно, наскрізну аналітику можна побудувати і без BigQuery. Є багато інших способів. Але варіант з BigQuery є одним з найпопулярніших, і не просто так. (Детальніше порівняння способів побудови наскрізної аналітики- то тема для іншого поста) ⚡ Безкоштовний старт. Google при реєстрації надає безкоштовні кредити, яких для більшості компаній вистачить на 3 місяці роботи. Тобто ти зможеш повноцінно оцінити інструмент не оплачуючи його. ⚡ Доступна цінова політика. Малий бізнес у багатьох випадках зможе влазити в безкоштовні ліміти і взагалі не витрачати додатковий бюджет на BigQuery. Для великого ж бізнесу декілька сотень доларів на місяць зазвичай не є якоюсь проблемою. ⚡ Легке використання Machine Learning. Думаю, не потрібно детально пояснювати, що використання Machine Learning може значно спростити аналіз та навіть відкрити нові інсайти. В BigQuery вам не потрібно бути дата-саєнтистом, щоб почати використовувати ML зі своїми даними. Все робиться хоч і не в два кліки звісно, але досить просто і зручно. Наприклад, можна всього за декілька годин навчитись сегментувати базу клієнтів з допомогою ML на основі даних RFM-аналізу (recency, frequency, monetary)