Грядет новый Google Analytics.

App + Web property становится дефолтным методом отслеживания.

Теперь это Google Analytics 4:
https://blog.google/products/marketingplatform/analytics/new_google_analytics/

Сергей Довганич, Renta.im отмечает, что
"В анонсе дважды поднимается тема cookies, по всей видимости, команда Google Chrome настроена решительно.
Вопрос data quality становится все острее, а необходимость DWH — уже вопрос вчерашнего дня."

А теперь "следите за руками". Еще месяц назад, дублинский офис Google подтвердил нам выступление
Aisling Mulhaire, measurement solution consultant Google на тему App+Web product overview на Матемаркетинге. И это будет абсолютно уникальный шанс лично пообщаться с человеком из команды, которая делала новую GA. Здорово? Синхронный перевод доклада будет.

И если этого мало. На Матемаркетинге будет Симо Ахава. И он тоже расскажет про App+Web, но уже с точки зрения пользователя сервиса, а не разработчика.

Матемаркетинг-2020 - событие с экспертами мирового уровня. Вы знаете что делать.

Матемаркетинг - 9-13 ноября
Билеты и подробности: https://matemarketing.ru
Программа конференции: https://bit.ly/3iMiT6Z

@matemarketing_official

В Appmetrica появился новый отчет «Анализ покупок». Если раньше приходилось применять дополнительные усилия, чтобы «собрать» картину по эффективности и прибыльности своего каталога/магазина товаров, то сейчас в отчете видны ключевые метрики: просмотры карточек товаров, использование акций и бонусов, аналитику по покупкам разной аудитории и географии др.

В итоге, можно:
- изучить топ популярных товаров и категорий, оценить их долю в общих продажах
- оценить продажи по промокоду — количество реализованного товара и суммарную стоимость. Для отдельных товаров, либо в категории
- Сравнить продажи конкретного товара или категории с разным процентом скидки.

https://appmetrica.yandex.ru/blog/ecommerce-report

Можно ли с помощью ML определить, у какого инфлюенсера стоит закупать рекламу, вольется ли новый сотрудник в команду и как быстро он будет закрывать задачи?

Да! 🚀

Коллеги из Матемаркетинга, самой большой российской конференции по маркетинговой аналитике, поделись с нами эксклюзивным видео, в котором Жанна Узалова (Head of Data Science в Creative Mobile) рассказывала, как с помощью прогнозирования поведения людей можно уменьшать риски компании и увеличивать монетизацию.

Переходите по ссылке и знакомьтесь с реальным опытом использования ML-моделей 👉 https://youtu.be/SHXZsTxajUs

В этом году конференция «Матемаркетинг» проводится с 9 по 13 ноября в онлайн-формате.

Каждый из дней конференции посвящен большой комплексной теме:

— 9 ноября — Web/App/App+Web-аналитика
— 10 ноября — Продуктовая и SaaS-аналитика
— 11 ноября — Global view и управление командами
— 12 ноября — Data-engineering + отчетность как продукт
— Пятница, 13 ноября — «Адские» кейсы

Мы командой ProductStar обязательно будем там в качестве зрителей, чего и вам советуем!

Знакомьтесь с полной программой выступлений по ссылке 👉 https://bit.ly/2HeoC7l

А с промокодом «PRODUCTSTAR» стоимость билетов ниже на 10% 😉

🤖 Data-driven маркетинг как часть аналитической культуры компании

В больших компаниях много маркетинга и много клиентов. Без анализа неясно, как одно связано с другим: насколько эффективно работает маркетинг в целом и каждая кампания в отдельности, откуда приходят клиенты и сколько они стоят.

Наступает момент, когда бизнес понимает: пора строить data-driven маркетинг. Отныне компания будет и планировать, и оценивать продвижение с опорой на данные. При этом компании совершают одни и те же ошибки.

Слишком поздно начинают собирать и анализировать данные

Размышляют так: раньше мы прекрасно обходились без данных. Компания была маленькая, все работало само. Но теперь уж развернемся. Проблема в том, что с места data-driven маркетинг не построить: нужна собственно data.

Поэтому хорошо бы копить информацию с момента, когда бизнес стартует. А если время упущено, просто начать прямо сейчас.

Собирают все данные подряд в надежде, что потом пригодится

Другая крайность: кампания забирает вообще все, до чего дотянется. Выходит дорого: как минимум информацию нужно где-то хранить и поддерживать ее актуальность. Еще хуже, что обилие бессмысленной информации — то же самое, что хаос. В базах лежат какие-то данные, но как и зачем их применять — непонятно. А в это время клиенты, чертыхаясь, заполняют на сайте при регистрации по 20 полей.

Прежде, чем что-то собирать, полезно созвать три департамента: аналитиков, маркетинг и продажи. И пусть они договорятся, какие данные для чего будут использовать.

Забывают о качестве данных

Вот вроде бы компания и данные собирает, и знает, для чего. В базе уже 150 000 клиентов, 100 000 телефонов и 50 000 адресов. А на поверку выясняется, что коммуницировать по этим контактам удается только с 5 000 клиентов. И то не факт. Потому что никто не заботился о качестве данных и не проверял, что, откуда и в каком виде приходит в базу.

Хорошо бы поставить метрики не только на трафик, конверсию или продажи, но и на качество данных. И заботиться о том, чтобы в базу или сразу приходили чистые данные, или их кто-то чистил уже потом. А лучше и то, и другое.

Остальное — в записи выступления Алены Артемьевой из «Альфа-Капитала»

Обо всем, что выше — первые 10 минут выступления «Data-driven маркетинг как часть аналитической культуры компании». Остальные полчаса: о компетенциях аналитиков и подборе нужных специалистов, о месте аналитиков в структуре компании, о сложностях в построении data-driven маркетинга и путях их решения. По делу, рекомендуем.

Алена Артемьева выступила с этой темой на «Матемаркетинге» в 2019 году.

«Матемаркетинг» — самая большая в России конференция о маркетинговой аналитике. В этом году она пройдет 9—13 ноября в онлайне. Мы договорились с организаторами, по промокоду HFLABS дают 10% скидки https://bit.ly/3lXldZV.

@hflabs_official

В качестве бонуса для моих подписчиков организаторы Матемаркетинг открыли доступ к видео с MM-2019, где Константин Юревич (SegmentStream) рассказывает о том, как изучить глубинные аспекты использования Google BigQuery: подводные камни, неявные нюансы и способы обхода лимитов и сэмплирования при работе с большим количеством источников данных (реклама, web-сайт, приложение, оффлайн-точка).

https://youtu.be/HAPbkT9eRWA

Ну и чтоб вы не расслаблялись, ловите
Статистика Wild Email Marketing

1. 47% людей открывают электронные письма, основываясь только на теме письма. ( Business2Community)

2. Хотите повысить открываемость? Приветственные письма имеют средний процент открытий 82%. ( GetResponse )

3. 91% пользователей электронной почты отказались от подписки на электронную почту компании, которую они ранее использовали. ( HubSpot )

4. Ежегодно отправляется и получается 102,6 триллиона электронных писем, и это число растет. ( OptinMonster )

5. Персонализация электронной почты увеличивает открываемость на 26%.

6. К 2020 году количество отправляемых и получаемых электронных писем превысит 347 миллиардов. ( Statista )

7. Автоматическая рассылка электронной почты может повысить доход на 320%.

8. Примерно 53% электронных писем открываются на мобильных устройствах; из них 23% людей повторно откроют то же письмо позже.

9. Люди, которые повторно открывают электронные письма на компьютере, на 65% чаще нажимают на них.

10. Электронная почта в 40 раз эффективнее привлекает новых клиентов, чем Facebook или Twitter.

11. Не-миллениалы с большей вероятностью скажут, что рекламные электронные письма влияют на их решения о покупке. (fluentco )

12. Добавление кнопки призыва к действию вместо ссылки увеличивает коэффициент конверсии на 28%.

13. 68% людей решают, открывать электронное письмо или нет, по имени «От».

14. Сплит-тестирование ваших почтовых кампаний может улучшить конверсию на 49%.

15. от 26 до 78% всех писем открываются на мобильных устройствах . (“the Ultimate mobile email stats”)

16. Электронный маркетинг приносит 44 доллара на каждый потраченный доллар при рентабельности инвестиций 4400%. ( OptinMonster )

17. Сегментированные кампании для подписчиков электронной почты увеличивают доход на 760%. ( campaignmonitor )

18. Некоммерческие организации теряют около 15 тысяч долларов в год в виде пожертвований из-за спам-фильтров, блокирующих электронные письма кампании по сбору средств. ( Philanthropy.com )

19. Сообщения о брошенных корзинах открываются в среднем 45%. ( moosend )

20. Наиболее открываемые электронные письма, связанные с хобби, с показателем открытий 27%. ( HubSpot)

Источник


@imarketingua

OWOX запустили сертификацию по продукту OWOX BI Pipeline!

Сегодня стартовала сертификация и теперь аналитики могут подтвердить навыки владения OWOX BI Pipeline: внедрение, настройка, построение сквозной аналитики, работа с сырыми данными в GBQ, построение отчетов для продвинутой маркетинг-аналитики.

https://www.owox.ru/certification/

@internetanalytics

Актуальные дорогие вакансии опубликованные недавно в @analysts_hunter

Наши друзья из агентства мобильного маркетинга Borscht ищут для своего клиента аналитика в Санкт-Петербурге. Платят достойно. Вилка $3000-4000. И это при удаленном формате работы!
Подробнее по ссылке: https://hh.ru/vacancy/39826086

Актуальные дорогие вакансии опубликованные недавно в @analysts_hunter

- Тимлид в отдел аналитики Skysmart - от 250000
- Аналитик BI в Kelly IT Solutions от 130 до 150k Москва
- Аналитик в Тинькофф от 100 до 200 к. Москва
- Data Engineer в SmartDataLab 120-180k удаленная
- Веб-аналитик в Eapteka.ru от 160k на руки Москва
- Продуктовый аналитик в hh.ru 150000+
- Middle BI аналитик в inDriver 160-180k net Москва
- Reporting Analyst в Evrius 800-1200$
- Продуктовый аналитик в ID Finance З/п 2500 евро
- Data Analyst / Product Analyst $1500-2300 Киев
- Data Analyst в Avanta 1500-2500$ Минск
- DataAnalyst в RA Clever Recruiting 3000-3500 euro net Лимасол, Кипр

Подписывайтесь на @analysts_hunter - ежедневно там десятки и уже более 8000 подписчиков

Летом 2020 года Роман Нестер (ex-Segmento, НИУ ВШЭ) взял несколько интервью у представителей компаний, работающих на data-рынке. Из этого получился довольно интересный youtube-канал, на котором в ближайшее время появится еще несколько видеороликов.

Прямо сейчас можно посмотреть и послушать разговор со следующими людьми:

Илья Лагутин, основатель AiData и AiTarget
Георгий Левин, Getintent
Алексей Авдей, глава персонализации СБЕР
Павел Калайдин, директор по исследованиям ВК
Даниил Кравцов, Improvado, Rizzoma
Елена Потехина, Performetry.ai

Все эти люди работают на глобальном рынке данных и их стоит послушать для того, чтобы научиться понимать как работает рынок, как монетизируются данные и с чего начать свой путь в работу с данными,

Подписаться на канал Ромы можно по этой ссылке

Запись интервью с Олегом Якубенковым

Как стал product-менеджером
Product-менеджмент в игровой сфере
Какую роль сыграло образование карьере
Работа в API.AI

Зачем бесплатно делиться экспертизой
Как читать, чтобы развиваться и что читает Олег

Выбор между работой в Google и Facebook
Покупка MSQRD Facebook
Как проводят собеседования в Facebook
Как строить карьеру в Facebook
Зарплаты в Facebook
Что даёт работа в соцсети для опыта
Культура работы с данными и экспериментами
Почему ушел из Facebook
Конкуренция внутри компании и как устроено наделение акциями
Скандал с Cambridge Analytica

Как создавался GoPractice
Куда будет развиваться симулятор
Советы начинающему product-менеджеру

Зачем Олегу деньги
Чем отличаются мессенджеры
Чем Цукерберг лучше Дурова?

Магистратура ВШЭ "Коммуникации, основанные на данных" первой среди всех университетов внедрила GoPractice в учебную программу

@internetanalytics

В прошлом году Константин Юревич, CEO компании SegmentStream, презентовал на Матемаркетинге новый подход к построению атрибуции на основе машинного обучения.

Сегодня на VC была опубликована статья, которая является логическим продолжением этого выступления и рассказывает, как предиктивная атрибуция способна решать проблемы ITP, режима “инкогнито”, кросс-девайса и т.д.

https://vc.ru/marketing/170734-kak-ocenit-effektivnost-reklamy-kogda-analitika-bolshe-ne-rabotaet

@MateMarketing_official

Вот за что я люблю наше сообщество аналитиков, так это за взаимовыручку и поддержку друг друга.

Продолжая тему атрибуции на основе машинного обучения, — статья Влада Флакса, СЕО OWOX, о том, что ML еще не панацея и не все так радужно с настройкой моделей, как может показаться на первый взгляд.

В статье разобраны основные ошибки внедрения ML в атрибуции.

https://performance360.ru/ml-attribution/

@MateMarketing_official

Мои друзья из Datmark (по моей наводке 😉) провели исследование онлайн-курсов по аналитике, маркетингу, data science на предмет кто чему учит, что сколько стоит, как быстро окупается и тд и тп.

В лучших традициях своего бизнеса, упаковали это в дашборд (2 дашборда) которые максимально полно ответят на все ваши вопросы.

Что можно узнать из исследования:
- какие курсы наиболее перспективны в соотношении с открытыми вакансиями, а какие уже явно перегреты
- обучение каким профессиям окупится быстрее
- кому учиться дольше, дизайнерам или аналитикам
- как длительность курса влияет на цену обучения (спойлер: это не всегда очевидно)
- у каких школ курсы длиннее и дороже
- где покупать курсы, чтобы стать профессионалом, а не просто научиться азам
- сколько выделять бюджета на освоение профессии, и сколько - на совершенствование

Дашборд по результатам исследования тут - https://datmark.com/education

Дашборд для подбора курса по 9 параметрам - https://datmark.com/course-search

Полезно не только тем, кто хочет учиться, но и тем, кто хочет запустить свои курсы.

Очень рекомендую к изучению

@internetanalytics

На TechCrunch вышла статья, в которой коротко рассказывается о том, как изменялся Тиндер во время локдауна. При этом, дана ссылка на AppAnnie с пометкой, что Tinder сохранил лидерство в деньгах даже в то время, когда кафе и бары не работали, а передвигаться по улицам было довольно проблематично.

Хорошая новость: биздев Tinder - Майк Эллис - выступит на Матемаркетинге и подробно расскажет о том, как в эпоху COVID поменялось самое популярное приложение для знакомств и встреч, о том, как Tinder пережил пандемию и остался на первом месте по прибыли в сторах.

https://matemarketing.ru/

Это первое выступление сотрудника Tinder на российской конференции, чем мы невероятно горды 😎

В Метрику за последнее время запилили несколько фич, которые сильно облегчили жизнь пользователям - не надо ничего кодить, нужно однажды потыкать в настройках и все. Собрал подборку из тех, что будут особенно они будут полезны для маркетологов и специалистов, в чьи обязанности входит привлекать клиентов в онлайне.

1) Аналитика дохода по цели. Теперь чтобы добавить в отчёты данные о доходе сайта, достаточно просто указать нужное значение в настройках цели.

2) Оценка окупаемости рекламы. Чтобы понять, какие рекламные источники оказываются самыми выгодными, в Метрике можно оценить их показатель ROI или ДРР.

Для подсчёта ROI и ДРР необходимо передавать в Метрику не только доход, но и расходы на рекламу. Статистика по Яндекс.Директу передаётся автоматически.

3) В Метрике можно за пару кликов привязать кабинет Google Ads, чтобы статистика по этой рекламной системе появилась в отчёте по расходам и ROI.

По ссылке подробное описание новых инструментов и подробности по настройке.

@internetanalytics

Технологический стек Patreon - это React на интерфейсе (JavaScript) и Python на сервере. Команда использует Python для статистического анализа, Amplitude для поведенческой аналитики, и большую часть своего анализа он выполняет с помощью базы данных Redshift.

Кроме штатных аналитиков, Patreon работает с сервисом Avo.app Это исландская аналитическая компания, которая 2 месяца назад получила $3 млн от Heavybit и Y Combinator на развитие платформы, помогающей принимать решения.

Avo сильны тем, что умеют прогнозировать развитие показателей при разных сценариях. Среди их клиентов - Rappi, Patreon, TripAdvisor, Sotheby's и др.

Условно, Avo – это Palantir для бизнеса. В РФ аналогичных решений нет. Но зато в PФ есть Матемаркетинг, на котором выступит CEO Avo - Стефания Олафсдоттир. Стеф расскажет о том, как работать с данными продуктовой аналитики так, чтобы не приходилось перенастраивать ее с каждым большим релизом.

До конференции - всего 10 дней.
Билеты на matemarketing.ru

@matemarketing_official

По оценкам Barilliance, более 73% покупателей в e-commerce не завершают покупки, оставляя полные корзины неоплаченными, покупая с компьютера, и 85% — покупая в мобильном приложении.

✅ 95% SMS-сообщений читаются в течение трех минут после получения – по сравнению с 22% прочитанных писем в электронной почте.
✅ Чтобы процент открытий был выше, в push-уведомления можно добавить фото или стимулы для перехода к корзине.
✅ Общение в мессенджерах обходится компании дешевле, чем любые другие каналы

В статье «Брошенная корзина: как довести пользователя до покупки?» на retail.ru обсуждают актуальные цифры и инструменты, как вернуть пользователя в корзину и мотивировать его оплатить отложенную покупку.