Как работает аналитика в интернет-коммерции?

Выбор системы аналитики зависит от задач и целей проектов. Например, веб-аналитика и вовсе не нужна для сайтов, которые не продают.

Есть такая наука — business intelligence — это направление аналитики, которое заключается в том, чтобы предоставить данные о бизнесе конечному пользователю. Ведь очень часто сложнее всего получить вовремя все данные и потому откладывается решение важных проблем. Так вот business intelligence означает, что данные собираются, обрабатываются и затем предоставляются пользователю. Есть разные системы business intelligence — например, на платформах Microsoft, Oracle, IBM и прочих.

Если хочется подойти к вопросу аналитики серьезно, то без построения хранилища данных не обойтись. Как правило, хранилище данных — это база данных, обновляемая раз в сутки или чаще. Там же эти данные обрабатываются и хранятся.

Вычислительные нагрузки на такие системы довольно высоки и потому нужно учесть, что в некоторых ситуациях можно «уронить» сайт только из-за одного запроса по базе данных. Во избежание таких ситуаций базы данных обычно обновляются по ночам (чтобы процессы не накладывались и можно было производить вычисления в дневное время).

Можно, конечно, совмещать процессы — это делается с помощью репликации. Реплика — копия базы данных с отставанием на некоторое время.
[su_box title=”Нужны данные для вашего бизнеса?” style=”default” box_color=”#085fc8″]

Бесплатно регистрируйтесь на нашем портале https://ru.xmldatafeed.com и используйте ежедневные итоги парсинга крупнейших сайтов России (товары и услуги)!

[/su_box]

Файл с базой данных по переходам с миллиардом строк может весить и 500 гБ, так что еще нужно учесть мощности и память рабочего ПК.

Наверняка у вас возник резонный вопрос: какого масштаба должна быть компания, чтобы ввязываться в это все?

А именно: брать на работу высокооплачиваемого аналитика (а лучше двух!), который будет агрегировать невообразимое количество данных для дальнейшей работы с ними.

Скажем, пора, если в штате уже 50 сотрудников и потребность в аналитике стала осознанной, а также позволяет бюджет.

Грубо говоря, есть две культуры: отчетная и аналитическая. Для первой важны красивые графики, цифры, тренды. Для второй же требуются более сложные системы, при этом красота оформления отходит на второй план. Аналитическая культура ставит более сложные вопросы и задачи.

Эффективность систем аналитики

Чтобы ответить научно на этот вопрос, нужно проводить А/Б тестирование: построить параллельную «вселенную» — сайт без системы аналитики и попробовать достигнуть поставленных целей без пляски вокруг цифр. Но представляется ли это возможным? Пожалуй, нет.

Но однозначно стоит отметить тот факт, что у компании повышается прозрачность данных и потому совершается намного меньше ошибок.

Также, располагая массивом данных, можно строить отдельные системы. Например, в Wikimart есть система рекомендаций, не связанная со страницами конкретных товаров, но связанная непосредственно с товарами. Когда вы ищете какой-то товар, находите его и затем принимаете решение касательно покупки, вам в этом здорово могут помочь рекомендации. Причем рекомендации очень простые и алгоритмы их выводят довольно примитивные, но «фишка» в наличии данных.

Рекомендательные сервисы на основе поведения пользователей на сайте могут существенно поднять конверсию.

Системы Google Analytics и Яндекс.Метрика тоже являются инструментами business intelligence и до некоторых пор они устроят большую часть интернет-магазинов, но на их базе невозможно построить сервисы по типу рекомендательного. Для этого нужно собирать данные «что пользователь посмотрел, когда…» и «что он купил». Возможно, в будущем появится функционал для этого и в бесплатных системах веб-аналитики, но пока придется искать альтернативные решения.