Как отслеживать поведение пользователей на сайте шаг за шагом. Кейс по веб-аналитике для Pingle Studio
Проект: Pingle Studio.
Период сотрудничества: 27.02.2024 — 29.03.2024.
Регион: Украина.
Услуга: веб-аналитика.
Команда проекта: Александр Конивненко, Head of Web Analytics Department в Netpeak Ukraine; Ольга Горностаева, Web Analyst Team Lead; Игорь Павленко, Владимир Демчук, Web Analysts; Сергей Долгополов, Client Project Manager.
Кто наш партнер
Pingle Studio работает над созданием онлайн-игр. Компания — партнер для других разработчиков и создателей. Присоединяется к работе на разных этапах: в момент разработки, тестирования, переноса игр на любую платформу, и в целом может участвовать в полном цикле создания продукта.
Цели сотрудничества
В отличие от ecommerce, где при первом же визите на сайт пользователь может совершить полезное действие, у Pingle Studio длительный цикл продажи. Как и в любом IT-продукте. Поэтому важно тщательно изучить поведение пользователей на сайте. От первого посещения до покупки, чтобы выявить возможности для улучшения и оптимизации.
Одна из ключевых проблем, с которой столкнулся Pingle Studio — в интерфейсе Google Analytics 4 (GA4) отсутствует опция просмотра страниц в привязке к client id (идентификатор, который присваивается каждому посетителю сайта).
Поэтому нам нужно было разработать кастомизированный отчет, который тщательно отображает все действия пользователей на сайте шаг за шагом.
Действия команды
1. Настроили экспорт в BigQuery.
Учитывая, что интерфейс GA4 не позволяет смотреть страницы, источники / каналы в привязке к client id, экспортировать сырые данные в Google BigQuery — логичный шаг. Это облачная база, созданная специально для аналитических целей. Оттуда мы можем забрать только то, что нам нужно, и анализировать более гибко.
У клиента уже был проект в Google Cloud Platform (GCP), что важно, потому что без него передача данных из GA4 в BigQuery невозможна. Это сэкономило нам время.
После настройки мы проверили, корректно ли информация попадает в BigQuery.
2. Построили таблицы с основными данными.
В Google BigQuery с помощью SQL (язык, который используется для запросов данных) построили таблицу с необходимой информацией:
user_pseudo_id: уникальный идентификатор пользователя, ранее известный как client id.
source, medium: данные об источнике / канале пользователя.
event_date, event_datetime: дата и время события.
country, city: географические данные пользователя.
event_name: название события, которое выполнил пользователь.
страница: url страницы.
3. Настроили ежедневное обновление данных.
С помощью автоматизированного запуска данные ежедневно обновляются, чтобы информация из GA4 всегда была актуальной.
4. Визуализировали данные в Looker.
Таблицу с данными подключали к визуализатору Looker Studio, где и готовились финальные отчеты. Мы настроили необходимые фильтры по дате, источнику / каналу и, главное, по client id.
Результаты настройки
- Использование сырых данных из Google Analytics 4 дало возможность Pingle Studio получить значительный объем информации, который не доступен через стандартный интерфейс. А также не только анализировать общие тенденции, но и получать глубокое понимание индивидуальных поведенческих шаблонов пользователей.
- Использование Looker обеспечило удобный и эффективный способ анализировать и визуализировать эти данные. Настроенные фильтры и удобный интерфейс помогли команде Pingle Studio быстро получать нужную информацию и принимать обоснованные решения на основе данных.
- Настройка веб-аналитики позволила Pingle Studio анализировать и реагировать на пользовательское поведение, что становится ключевым фактором в привлечении и удержании клиентов.
Выводы
- Работа с сырыми данными Google Analytics 4 в BigQuery открывает новые возможности для глубокого анализа и понимания поведения пользователей. В отличие от стандартного интерфейса GA4 экспорт необработанных данных в BigQuery предоставляет максимально детализированную информацию.
- Благодаря SQL и инструментам визуализации данных, маркетологи и аналитики создают индивидуальные отчеты, настраивают фильтры и сегментацию в соответствии со своими уникальными потребностями. Это обеспечивает гибкость в анализе и возможность выявлять тонкие детали и тенденции, которые могут не прослеживаться в стандартных отчетах.
- Однако стоит отметить, что работа с сырыми данными имеет свои недостатки. Во-первых, она требует значительных технических навыков и ресурсов, в частности, опыта работы с SQL, BigQuery и инструментами визуализации данных. Кроме того, отсутствие готовых отчетов и визуализаций в BigQuery требует самостоятельной настройки и разработки дашбордов, что может быть сложной задачей для неопытных пользователей.
- Работа с сырыми данными Google Analytics 4 в BigQuery является мощным инструментом для тех, кто стремится к глубокому пониманию поведения пользователей и максимальной эффективности своих маркетинговых усилий. Это позволяет принимать более обоснованные решения, обеспечивать лучший опыт для клиентов и способствовать росту бизнеса.
Узнайте больше о нашем опыте в настройке веб-аналитики:
По теме
Онлайн-магазин 18+. Как увеличить доход на 89% с помощью трафика из органического поиска . Кейс flirtshop.kz
Рассказываем, как охватить больше аудитории и улучшить узнаваемость сайта
Диджитализация АТБ. Комплексный онлайн-маркетинг для лидера ритейла Украины — кейс
Рассказываем как выстроить комплексную диджитал-стратегию
Свежее
Кейс: как увеличить показы и установки приложения на 16% за две недели
Подробно о том, как мы улучшили позиции в топе и видимость в поисковой выдаче
Как легко запомнить пароли, пин-коды, телефоны и все важное
В статье поделюсь несколькими лайфхаками, которые помогут сохранить вашу память (и нервы!) и вовремя вспоминать, наконец, пин-коды банковских карт, исторические даты и другие важные вещи
Как оптимизировать конверсии для страниц приложения в App Store и Google Play
Какие поля и параметры имеют больше значения, и как выжать из них все