Анализ эффективности SEO-процессов

12.04.2012 SEO-продвижение

Пожалуй, самая популярная из аналитических задач – это оценка эффективности. Причем в число подзадач в процессах и срезах могут входить аналитика трафика (в зависимости от источников трафика и ключевых слов), оценка объемов продаж (в зависимости от стоимости товара и свойств документов входа), и т.д. и т.п.

В целом анализ разбивается на два этапа.

Этап первый. Определение ключевых показателей эффективности.

KPI (Key Performance Indicators) – ключевые показатели эффективности - помогает определить уровень достижения стратегических и тактических целей. Типичными показателями KPI в поисковом продвижении считаются:

-позиция по запросам;

- количество конверсии;

- трафик;

- объемы продаж.

Учитывая поставленные задачи и цели компании, возможно использование самых различных показателей эффективности. В большинстве случаев следует основываться на KPI, которые являются основными для компании в зависимости от специфики ее бизнеса.

Этап второй. Поиск срезов и идентификация зависимостей.

Основополагающий принцип в эффективной аналитике главным образом состоит в поиске срезов, в результате анализа которых можно найти достоверные закономерности.

В подавляющем большинстве глобальные оценки для аналитических задач являются малоинформативными, а для крупных проектов с различной спецификой – различная маржа по группам товара, различные источники трафика и т.д., становятся вообще бесполезными.

При поиске информативных срезов на практике чаще всего используют две методики.

В первом случае рекомендуется исходить из доступных данных. По всем данным делаются срезы по максимальному количеству критериев и отслеживается KPI. Недостаток этой методики в том, объем исходных данных количественно ограничивает анализ.

Второй путь требует креативного ума, но информативен. Выявляются критерии, которые как-либо влияют на течение процессов. Затем все собранные тем или иным способом данные анализируются. Минус этого способа в большой трудоемкости.

Как отделить «зерна от плевел» и не выдать желаемое за действительное.

Очень легко можно ошибиться, принимая во внимание неполные либо непроверенные, а, следовательно, и некорректные данные. Они влекут за собой неверные выводы.

Пример из практики. Данные собирались для некоего коммерческого сайта, занимающегося торговлей.

Ставится задача выяснить оптимальное время для прокрутки контекстной рекламы, т.е. требуется изучить зависимость внутрисайтовой конверсии от времени суток.

В Google Analytics формируется пользовательский отчет с показателями «достигнутые переходы к цели» и «уникальные посетители» по критерию (размеру) «время суток». Дополнительными срезами могут стать в этом случае «канал», «источник», «ключевое слово» и пр., который следует включить перед размером «время суток».

Обработав данные в Excel, получаем следующую картину распределения конверсий по времени суток.

conversions-1.png

Пунктирная линия – данные, полученные из Google Analytics. Выглядит достаточно странно – днем конверсия стремится к нулю, а максимальные показатели конверсии – в ночное время. При внимательном анализе данных выяснилось, что CMS сайта не позволяла удалить спам и поэтому львиная доля конверсий — фикция. При выгрузке данных по конверсиям из CRM, к которых лже-конверсии удалены, все встало на свои места – сплошная линия.

Применяйте правильные KPI и используйте достоверные данные. Удачи! 

 
Больше интересных статей

Оставьте номер телефона, чтобы наш менеджер связался с вами в удобное для вас время

Ваше имя*
Ваш номер телефона*
Тема для обсуждения
Выберите удобное время для звонка
9:00 9:15 9:30 9:45 10:00 10:15 10:30 10:45 11:00 11:15 11:30 11:45 12:00 12:15 12:30 12:45 13:00 13:15 13:30 13:45 14:00 14:15 14:30 14:45 15:00 15:15 15:30 15:45 16:00 16:15 16:30 16:45 17:00 17:15 17:30 17:45
Виды услуг
ОбзорМаксимальный размер файла - 10 мб