Как найти корреляционные метрики для оптимизации конверсии (перевод)

Получи нашу книгу «Контент-маркетинг в социальных сетях: Как засесть в голову подписчиков и влюбить их в свой бренд».

Подпишись на рассылку и получи книгу в подарок!

Введите e-mail

Я подтверждаю свою дееспособность и даю согласие на обработку своих персональных данных в соответствии с соглашением

Подписаться

Зеленым на графике обозначен показатель потребления сыра на душу населения в США. Синим - число людей, умерших, запутавшись в простынях.

Как повысить конверсию сайта

Один из самых сложных моментов повышения конверсии сайта – нахождение ключевых областей для возможной оптимизации. Поиск этих точек играет важную роль в расстановке приоритетов и при составлении последовательного плана дальнейших действий.

Необходимо найти факторы, которые являются критериями успеха для клиента – такие, как RPV (средний уровень дохода с одного посетителя) и LTV (совокупный доход за весь период сотрудничества с конкретным клиентом) или любые другие метрики, опираясь на которые можно выявить влиятельные факторы и сделать выводы относительно качества оптимизации.

Но как найти эти корреляционные показатели?

Что такое корреляционная метрика

Вы когда-нибудь слышали об Ага!-моменте социальной сети Facebook? Семь друзей за десять дней. Оказалось, что если пользователь добавляет 7 новых друзей в течение этого срока, скорее всего, он продолжит использование социальной сети Фейсбук в дальнейшем.

Вроде бы это еще ни о чем не говорит; однако в целом, анализируя эти действия, можно предсказать будущее поведения пользователя – человеку-то нравится! Таким образом, Facebook использует такие моменты для анализа и последующей оптимизации – это и есть один из примеров корреляционной метрики.

В качестве еще одного примера можно привести сайт электронной коммерции – другими словами, интернет-магазина. Можно обнаружить, что клиенты, использующие поиск по сайту как минимум дважды, вероятнее станут потенциальными покупателями. Вам неизвестно, почему все именно так – ведь нет никаких причинно-следственных связей между количеством использования поиска по сайту и итоговой конверсией. Однако этот момент тоже можно использовать при прогнозировании, дальнейшем тестировании и последующей оптимизации.

Корреляционные метрики называют по-разному: прогнозирующие или предикативные показатели, опережающие индикаторы, ага- или вау-моменты, корреляции, общие показатели конверсии и так далее. Все эти жуткие слова имеют примерно одинаковое значение.

Корреляция – Причинность

Метрики, которые вы ищете, необязательно будут иметь причинно-следственные связи. Просто имеется взаимосвязь и корреляция с желаемым конечным результатом.

Красным на графике обозначено количество утонувших в бассейне людей после падения. А желтым – количество фильмов с Николасом Кейджем в ролях. Это так называемая паразитная связь, никакой причинно-следственной связи на самом деле между двумя этими показателями, разумеется, нет.

К примеру, вы обнаружили, что скачивающие определенный PDF файл посетители в конечном итоге в три раза чаще заполняют контактной информацией лид-форму, чем те посетители, которые файл не скачивают. И это еще ничего не значит. Просто эти пользователи были нацелены на поиск информации и им понравились предоставляемые вами услуги. Но этот факт уже можно использовать в качестве отправной точки для оптимизации – просто нужно исследовать потенциальную область и посмотреть на получившийся результат. А вдруг?

Сплит-тестирование – что это и зачем

С помощью этого метода можно попытаться выявить необходимые нам связи. При тестировании необходимо изменить только один элемент, остальные оставить как есть. При этом если происходят какие-либо перемены с конверсией, можно быть уверенным, что это вызвано именно этим конкретным элементом. В этом и есть весь смысл сплит-тестирования. Однако стоит заметить, что объяснить ПОЧЕМУ стало лучше не получится.

Представитель компании Microsoft Рон Кохави говорит об этом:

Сотрудники компании Airbnb говорят об этом следующее:

Поэтому нужно искать корреляции – это необходимо для нахождения тех областей для оптимизации, которые помогут провести ряд контролируемых экспериментов. Когда вы сможете выделить эти элементы с помощью тестирований, получите возможность оказывать влияние непосредственно на конверсию.

Соавтор Lean Analytics Бэн Йосковитц пишет:

Опережающие индикаторы или отстающие показатели

В настоящее время опережающие индикаторы и запаздывающие показатели являются основными типами показателей.

Что такое опережающий индикатор

Investopedia говорит:

• «Опережающим индикатором является измеряемый экономический фактор. Он изменяется прежде, чем экономика начинает следовать определенной тенденции. Такие индикаторы используются для прогнозирования изменений в экономике, однако не всегда точны».

• «Запаздывающие показатели легко измерить, но на них трудно повлиять – они ориентированы на конечный результат, в то время как опережающие индикаторы трудно измерить, а повлиять, наоборот, легко».

В первую очередь стоит обратить внимание на опережающие показатели, потому что они работают как своего рода прогноз (совершение одного действия приводит к появлению другого).

Основатель Academia.edu Ричард Цен говорит о том, что такие индикаторы можно разделить на три категории:

• Плотность сети: количество друзей и контактов за конкретно установленный промежуток времени.

• Загруженные посетителями файлы – то есть контент.

• Количество посещений – их частота.

Хотя эти три категории в первую очередь имеют отношение к SaaS и соцсетям, они довольно широкие по смыслу и могут применяться к довольно большой аудитории. Допустим, если изменить «загруженный контент» на «потребленный товар», то категории можно применить для B2B продаж или сайта интернет-магазина. Поэтому в целом любая сфера вписывается в эти три категории с небольшими поправками.

Как найти и определить корреляционные показатели

Существует несколько различных способов, вы можете осуществлять поиск в зависимости от типа бизнеса и поставленных целей. Есть также многочисленные точки зрения о том, каким образом обнаружить эти метрики.

При оптимизации конверсии существуют общие показатели прогнозирования:

• Процент отказов на целевых страницах.

• Показатель метрики успеха – ключевые показатели эффективности – KPI.

• Клики и любые действия на страницах за определенный промежуток времени CTR.

• Добавление товара в корзину для сайтов интернет-магазинов.

• Регрессионный анализ – с помощью его можно оценить отношения между переменными и найти показатель, который наиболее точно предсказывает успех.

Есть и другие показатели – к примеру, время, проведенное на странице, время на сайте и количество страниц за один визит. Начать нужно с определения успеха метрики.

Эндрю Чен, предприниматель и инвестор, привел пример ряда показателей :

• Количество дней, когда посетители активны – период анализа месяц.

• Доход за этот же срок.

• Использованный контент – тоже в течение месяца.

• То, что считаете важным и хотите определить.

Не существует универсального ответа относительно того, что определяет показатели успеха. Они зависят полностью от специфики бизнеса и того, чем является предлагаемый продукт.

Facebook заботится  о частоте посещений и глубине просмотров, потому что одна из важнейших ее целей – это конечно же реклама, но для SaaS важным будет количество активных пользователей ежемесячно, для сайта электронной коммерции что-то еще. Как видите, у каждого бизнеса свой подход.

Как можно довольно просто провести анализ

После определения нужного показателя необходимо собрать некоторые данные для анализа и изучения возможных корреляционных показателей.

Вот один из способов, предложенный Эндрю Ченом:

Что касается ситуации с Фейсбук – для этой соцсети обнаружение 7 друзей и стало коррелирующим показателем. Ричард Прайс пишет, что они просто изучили новых зарегистрированных пользователей, которые стали пользоваться сетью и добавлять друзей, и тех, кто не ничего после регистрации делать не стал. Так и появился показатель «7 друзей».

Какие действия нужны для роста конверсии в SaaS

Подход для SaaS заключается в разработке общих действий для оптимизации и увеличения конверсии. Идею предложил Линкольн Мерфи, менеджер по работе с клиентами в компании Gainsight.
Несколько лет назад он определил набор показателей, которые назвал общими действиями, предшествующими конверсии деятельности – или CCA. Эти общие действия он определил как то, что большинство платежеспособных клиентов делают во время использования демо-версии продукта.

Этот способ подразумевает изучение уже имеющихся данных и нахождение закономерностей. Возьмем для анализа каждого пользователя, который стал клиентом в течение последних 12 месяцев, и посмотрим, что они делали, какие действия совершали? А делали они действия X, Y, и Z прежде чем превратились в ваших клиентов. Бывает такое, что исходных данных просто нет – они недостаточно детализированы или проект вообще запущен впервые. Тут нужно использовать понимание клиентов, чтобы построить гипотезу – каждый клиент, вероятнее всего, совершает действия X, Y, и Z, прежде чем становится вашим целевым лидом.

Таким образом, после выполнения пользователем определенного ряда последовательных действий происходит конверсия.

Идея CCA говорит о тех же предиктивных показателях и корреляционных метриках. Линкольн просто добавил к уравнению элементы в виде различных сюжетов и вариантов действий пользователя. Необходимо использовать сочетание качественных и количественных данных для анализа, строя гипотезы и цепочки, ведущие к конверсии.

На какие качественные данные нужно обратить внимание – какие данные помогут при анализе

Хорошей отправной точкой при поиске корреляционных метрик является исследование качественных данных. Используйте открытые вопросы, которые позволят вам понять, чем пользователям нравится ваш продукт. Постарайтесь найти именно то, что отличает этих пользователей от остальных, которым продукт не нравится. Вы можете использовать такие инструменты, как:

• Опросы ваших клиентов, которые пользуются продуктом.

• Интервью с клиентами и теми, кто клиентом так и не стал.

• Маркетинговый метод фокус-группы.

• Метод предварительного подсчета результатов – exit poll.

Маркетолог Алисия Шуи из Analytics, говорит:

Описанные способы довольно простые – так можно обнаружить очевидные, очень явные корреляции. Чтобы копать глубже и выявлять скрытые, существует традиционные техники и ряд инструментов, которые можно и нужно использовать, если в конечном итоге хотите увеличить конверсию вашего сайта.

Инструменты и методы для нахождения корреляции

Существуют некоторые надежные статистические методы для нахождения корреляционных показателей. Первый из них – метод логистической регрессии, изложенный Дэвидом Куком:

Но есть инструменты, которые могут сделать эти вычисления проще.

Какие еще инструменты помогут найти корреляции и как их использовать

Соучредитель компании Lawn Starter Райан Фарли предлагает инструмент – Data Robot:

На изображение представлен пример анализа сервиса Pingdom и их коррелятивные показатели.

Еще инструмент, который делает это – Amplitude Analytics, с его помощью вы можете отслеживать деятельность веб-приложений, которые коррелируют с ключевыми показателями эффективности:

Еще один инструмент, который может вам помочь, появился из мира маркетинга электронной почты. Segmetrics был создан в качестве инструмента аналитики для Infusionsoft. Чтобы найти показатели ценности товара для клиента, анализировались доходы и соответствующее потребление контента.

С помощь инструмента было выявлено много полезных данных, но одой из самых крутых вещей оказалось нахождение различия в стоимости PDF-файлов компании.

Во-первых, было обнаружено, что средняя стоимость пользователей, которые скачивают PDF составляет $ 40,44, а это на 59% выше, чем средняя стоимость пользователей, которые не загрузили PDF ($ 25,36).
Обнаружено также, что некоторые PDF-файлы приводят к гораздо более высоким значениям.

Не забывайте, что это не всегда означает наличие причинно-следственной связи. Такая информация просто говорит о том, что определенные документы PDF коррелируют с более высокими значениями, и эта информация является ценной сама по себе.

Еще инструменты

Хотя такие инструменты волшебным образом ничего вам не расскажут, но все же могут быть полезными при поиске корреляций и оптимизации конверсии:

• Google Tag Manager / Google Analytics

• Heap Analytics

• Snowplow Analytics

• KISSMetrics

• Woopra

• Mixpanel

• Segment

• Amplitude Analytics

• Data Robot

• Segmetrics

Я нашел данные, влияющие на конверсию – что дальше

Эти данные без последующих действий бессмысленны, так что необходимо использовать найденные показатели в качестве прогностического материала для оптимизации. Можно попробовать использовать тест, во время которого пользователи должны совершать определенное корреляционное действие, и понаблюдать, какое влияние это действие окажет на конверсию в целом. Необходимо убедиться на практике, что эти действия действительно имеют значение.

Эндрю Чен:

Какие можно сделать выводы

Ведется огромное количество сложных дискуссий вокруг вопроса по обнаружению корреляций для последующей оптимизации конверсии. Проведенные тестирования совершенно точно показывают,что обнаружение действий, совершение которых может значительно влиять на развитие бизнеса, очень важно. Особенно если вы стремитесь повысить конверсию, а на что обратить внимание – не ясно.

Такие микро-преобразования коррелируют с крупными преобразованиями в будущем, поэтому любое открытие таких областей может сыграть значительную роль для оптимизации. Корреляции могут показать вам, какие действия предшествуют покупке или сигнализируют о дальнейшей активности на вашем сайте (как в примере с Фейсбук). Они упрощают реализацию стратегии роста, помогают допускать меньше ошибок, не теряя средства. Сосредоточившись на определенной маленькой метрике можно прийти к большим целям и доходам.

Таким образом, существует множество способов обнаружить корреляционные метрики, но что действительно важно – суметь на них повлиять, чтобы в результате увидеть значительный рост конверсии.