И минутка хороших каналов в телеграм.

Если сфера моих интересов — аналитика, то свежие новости о контексте, seo и других инструментах для привлечения трафика размещает у себя на канале Таня Михальченко, создатель группы в фб Контекстная реклама. PPC. Веб-аналитика (https://goo.gl/N9Q0z2)

Подписывайтесь — https://news.1rj.ru/str/ppc_analytics

Трэнд прошлого и, отчасти, этого года — сквозная аналитика, и Яндекс Метрика не стоит на месте.

Часто клиенты оформляют заказы онлайн, а выкупают товар в пункте самовывоза, или узнают об услуге на сайте и заказывают её по телефону. Теперь эти и любые другие конверсионные события, которые происходят вне интернета, можно передавать в Метрику — чтобы связывать поведение клиентов на сайте с их действиями в офлайне. Это позволит точнее оценивать отдачу от разных каналов привлечения аудитории и лучше понимать, как посетители приходят к конверсии. И обращаться к клиентам, которые активны в офлайне, с помощью прицельной рекламы.

https://goo.gl/z2L6oa

Что-то пошло не так с этим ботом для опросов, поэтмоу давай-те еще раз)

Коллеги, 20 апреля я буду на конференции Ananlyze! (https://goo.gl/YUcKTV), где будет много интересного контента. Хотите ли вы телеграм-трансляцию с этой конференции?

Да, жги конечно! – 281
👍👍👍👍👍👍👍 92%

Нет, так много читать я не готов( – 25
👍 8%

👥 306 people voted so far. Poll closed.

Google приучил меня, что документация по продуктам может быть годной и полезной. Вот и Microsoft не отстает, по ссылке вы найдете «Рекомендации по проектированию отчетов и визуализаций», по сути, большой мануал по работе с инструментом, очень много полезного.

#powerBI

https://goo.gl/OCcwRe

Привет! Конференция скоро начинается и первый доклад мой, с Димой Булахом, так что расскажу потом)

Андрей Бондарь из SerpStat рассказывает о том как мониторить долю вашего трафика в органике:

— как сравнить себя с непрямыми конкурентами в выдаче поиска
— как провести анализ по нишам и регионам

— точно посчитать прибыль и заказы нельзя (соотнести из с выдачей, привет Google!)
— например, у serpstat есть показатель видимости вашего сайта (количество топ фраз в выдаче + частотность фраз)

— и мониторинг конкурентов у них есть)

— что не стоит делать для анализа конкурентов в выдаче:
не сравнивайте трафик (много разных товарных позиций)
не сравнивайте готовые тематики
не смотрите только свой сайт (что логично для сравнения)

— анализ шторма в выдаче в serpstat (если падают позицию у всех)
— история снипетов

#analyze

в общем, можем получить вот такую динамику себя (своего сайта) в выдаче результатов поиска

— а также они добавили API
http://serp-stat.com/api

#analyze

И в завершении всего, зачем всё это надо?

#analyze

Сережа Яременко расскажет о том, зачем использовать инфраструктуру для аналитики

#analyze

GA и Метрика это black box, и это не круто
— а еще семплирование
— не все нужные отчеты и данные
— сложно сделать что-то не стандартное
поэтому используем bigQuery или clickHouse или redShift #analyze

#analyze

что важно:

— это все надо, если у вас большая и сложная система
— если нет, то owox решение для вас

Сергей рассказывать что они поменяли за этот год в своей инфраструктуре для аналитики

#analyze

Если у вас много денег и много данных, используйте tableau как bi систему, будь как macpaw)


#analyze

не R и python единым, получаем ответы с визаулизацей

Пример того, как macpaw ищет какие приложения можно найти для добавления в свою систему, посмотрел на график и сразу принял решение #analyze

Вопросы и ответы: SQL
— учите SQL (все равно это надо)
— или устройтесь в macpaw (там всех учат)

#analyze

Немного поменяю формат трансляции, а то много сообщение не очень удобно.

#analyze

Павел Левчук рассказывает о
— симуляции данных
— распределении чеков по бинам
— распределении чеков и среднего чека
— кластеризации данных


— симуляция данных
вы можете использовать функцию sample в R для создания случайной выборке
но чтобы, все хорошо работало, не плохо было бы учесть вероятности покупки разных продуктов
всегда проверяйте данные перед симуляциями, в том смысле, насколько данные достоверны

— бин это столбец в гистограмме распределения типов номиналов продуктов (1 доллар, 10 долларов и тп)
хороший способ понять, есть ли у вас аудитория, которая покупает дорогие продукты и как их можно найти

— среднее значение это всегда плохо (берет большую картину и сжимает её в одну точку)
и общая картина по распределению заказов не будет для вас точным

— кластеризация (объединение пользователей в группу)
(kmeans алгоритм)
разделения вашей аудитории на похожие группы по нескольким характеристикам (например покупают несколько продуктов)
построить кластер просто, но вот вопрос в интерпретации данных

что можем сделать после всего это:
можем выделить группу аудитории, которая готова покупать продукт за 10 долларов, и нет смысла давать им предложение за 5 или 20 долларов (все равно не купят)
а также другие интересные закономерности (например, есть люди, которые готовы покупать или за 1 дол или за 20 долларов, можем пушить им продукты только за 20 дол)
можем оценить частотность покупок (как часто каждый кластер покупает) и самое интересное, что разные кластеры (группы аудитории) ведут себя по разному при покупках второй и третий раз


итого: средние значения при анализе вашей аудитории бессмысленная штука, используйте кластеры, для корректного разделения вашей аудитории на группы и анализируйте поведение каждого кластера отдельно. И понимание каждого кластера вы сможете сделать более релевантный офер для каждого кластера.