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. 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.