Цифры, измерения, решения. Зачем нужна статистика

В июле этого года я съездил на конференцию Яндекса в Одессе — отдельное спасибо за это Сергею Петренко — построенную в интерактивном формате: все секции представляли собой панель, где 2-3 участника задавали тон обсуждения короткими докладами. Я участвовал в двух панелях: по SMM и по измерениям (это неудивительно, поскольку именно этими двумя областями я сегодня в основном и занимаюсь). Мой доклад перед панелью про измерения звучал так: цифры зло, но решения — добро. Слушатели, естественно, запомнили только первую половину (она и более понятна), поэтому я изложу свою мысль более подробно здесь.

В современном маркетинге, к сожалению, измерения чаще всего играют дурную роль. И это касается не только интерактивного маркетинга, но и всего комплекса, хотя в интернете, где возможности измерений больше, ситуация особенно остра. Огромный вал цифр, значений, разнородных измерений не только не проясняют картину, но в большинстве случаев запутывают ее.

Я занимаюсь исследованиями уже 13 лет (почти юбилей) и раньше я считал «как это ужасно, что компания собирает огромное количество данных и складывает их в папки на полке, но никак не использует весь этот массив». Теперь я понимаю, куда хуже, когда компания собирает огромный массив данных и пытается использовать его, опираясь в своих решениях не на те измерения. Не на неверные значения, как раз, скорее всего, верные, просто не на те, что нужно.

Простейший пример — хосты (о! как я их не люблю). Это отличный пример абсолютно правильных, но совершенно ненужных данных. Ну, судите сами, какая разница, сколько разных IP-адресов используется для доступа к сайту. В своей повседневной жизни я использую десятки IP-адресов: телефон, офис, дом, а также все wi-fi сетки в кафе или на улицах, к которым я подключаюсь. Одновременно со мной те же IP используют десятки (а в случае сотовой связи — миллионы) человек.

Другой пример — посещаемость целевых страниц. Для подавляющего большинства сайтов, если это не страница купона или не страница оформления заказа в интернет-магазине, целевой страницей будет являться любая страница сайта, на которой есть телефон и адрес офиса. Даже для интернет-магазина, если за ним стоит оффлайновая сеть, то до 70% всех заказов придется именно на розницу — сюда придут все люди, которые захотят посмотреть на заказанную вещь до оформления покупки, и многие таки завершат покупку прямо в магазине. Представьте, например, Евросеть, которая есть на каждом углу — пользователю даже не нужно заходить на страницу с адресом магазина на сайте. Тогда зачем считать посещения целевых страниц? Что они дают? Правильно — неверные данные о значении интернет-маркетинга для розницы, на которых выстраиваются бюджеты и маркетинговые планы.

Еще больше отчетов, которые дают правильные и даже иногда полезные данные, но загромождают исследования и отвлекают от понимания картины происходящего. Мой любимый отчет здесь — это «пути по сайту». Он очень интересный, почти завораживающий, но зачем, скажите, вам знание нескольких тысяч вариантов перемещений по графу вашего сайта? Скорее всего, эти пути повторят вашу навигацию и еще раз докажут вам, что она есть. Отчет о путях полезен юзабилисту. А, такой есть вашей команде?! Отлично! Но зачем тогда вставлять эти данные в отчет руководству?

Другой мой «любимый» отчет — «поисковые запросы». Он чудесный и очень информативный, но только о чем он говорит? О том, на какие слова вы размещаете контекстную рекламу и по каким оптимизируетесь! Однако вы же и так это знаете, разве нет?! Конечно, количество переходов полезно, но для контекстной рекламы вы это знаете и так, а переходы по оптимизированным запросам, если вы размещаете одновременно и контекст, вы сходу из этого отчета не выделите. Я не хочу сказать, что этот отчет бесполезен, но его значение, в сущности, переоценено.

То же самое и с более сложными запросами и исследованиями: заказчики ищут огромное количество данных, не имея зачастую четкого понимания, как их использовать — главное, чтобы были данные.  К примеру, вопрос «какие у нас есть конкуренты, какая у них посещаемость, откуда они берут трафик, сколько денег тратят на привлечение трафика, сколько сотрудников работает в компании, какие агентства обслуживают конкурентов, какая конверсия на сайтах» в большой степени лишен смысла, так как большую часть «рецептов» нельзя повторить, а следовательно, большая часть данных попросту загромождает отчет.

Потому что на самом деле нужно искать не данные,  а ответы на вопросы. Например, в последнем случае это будет очень простой вопрос: «Почему наши конкуренты растут быстрее нас?» или «Почему мы не можем увеличить свою долю на рынке?». Именно на эти вопросы надо искать ответ, ведь на самом деле, важны именно они, а не то, какая посещаемость у конкурентов.

А вот дальше уже за дело должен взяться аналитик, которых, как известно, на рынке нет совсем. Этот аналитик смотрит на вопрос: «почему конкуренты растут быстрее нас?» и выписывает факторы, которые на это могут влиять:

— источники трафика
— маркетинговый бюджет
— степень оседания аудитории
— доля покупок по рекомендации
— cредний чек
— конверсия
— дополнительные сервисы
и др.

Собрав данные, ответив на каждый из этих вопросов, аналитик уже может принять решение о том, набор каких именно факторов делает лидеров лидерами. И уже на основании этого анализа можно принимать решение о дальнейшей работе. И это будет, безусловно, решением, а не набором цифр.

Или в примере со статистикой наша задача понять, какой из задействованных нами рекламных инструментов дает нам наибольшую отдачу. Существует бесчисленное количество метрик для этого:

— глубина просмотра
— посещаемость целевых страниц сайта
— число возвратов на сайт
— число заполненных форм
— определенная последовательность страниц
— время на сайте
— данные, которые оставил пользователь о себе

и многое другое. Каждый из этих показателей можно измерить, какие-то проще, другие сложнее, но все можно. И их измеряют, составляя таблицы с десятками колонок, сотнями строк, призванными ответить на простой вопрос: «какая площадка лучше». А на самом деле этот вопрос решается на совсем другом уровне:

  1. Лучше — это означает, что площадка приносит наибольший доход (или наибольшую прибыль), а следовательно, наша задача — проранжировать площадки по уровню дохода от каждой из них.
  2. Лучше — это те площадки, которые будут приносить доход не только сегодня, но и завтра, а следовательно, наша задача построить рекламных инструментов по тренду доходности, но с учетом абсолютных значений дохода каждой площадки.
  3. Лучше — это те площадки, на которых при равном доходе  меньше проблем и рисков, следовательно, нам надо учесть и этот фактор также.

В каждом отдельном случае важны могут быть и другие факторы, но все они имеют весьма слабое отношение к упомянутым выше хитам, посетителям и хостам. В результате же правильно спланированного анализа мы получим ответы на наши вопросы, а не набор полусырых данных.

Иными словами, огромный объем данных, который можно собирать сегодня в интернете, требует огромной квалификации от аналитика, и из рук этого аналитика уже должны исходить решения, а не цифры. Любые данные, любые результаты надо укрупнять, объединять в простые и понятные выводы. Только в этом случае результаты работы аналитика (или маркетингового отдела) становятся понятными и осязаемыми. Если у вас есть такой аналитик — отлично! Если нет — увы. Но и в том, и в другом случае разумно ставить задачи от требуемых решений, а не от набора цифр.

Для наглядности я приведу пример с нефтедобычей. В нашей стране очень много нефти, ее непросто добывать, но многие именно это и делают, а вот дальше начинаются неприятности: нефть нельзя залить в бензобак, на ней нельзя готовить еду, да она даже горит отвратительно! Поэтому специальные заводы перерабатывают эту нефть на бензин и прочие полезные вещи, которые уже и продаются конечным потребителям. Важно же, что вы, садясь за руль автомобиля, имеете весьма смутное представление о производстве бензина, масла, шин, изоляции для проводов, краски, пластиковых частей интерьера — всего того, что делается из нефти или сопутствующих ископаемых. Принимая решение о покупке автомобиля или о дальней поездке на нем, мы опираемся совершенно на другие знания. И важно, что такая ситуация выглядит для нас совершенно логичной, так почему же в аналитике до сих пор продаются сырые данные?

Итак, вот что я хочу сказать: аналитика нужна нам для решений, для ответов на вопросы, а не для получения массы цифр. Сегодня на рынке присутствуют во множестве системы сбора данных, но никак не принятия решений. И все эти системы статистики, предлагая нам чумовое количество чудесных данных, в большинстве случаев лишь отдаляют нас от понимания картины в целом, от решения. В этом смысле статистика — зло, а вот решения, аналитика высокого передела — добро.

Теперь осталось дождаться таких решений. :)