Как анализировать товары, которых нет в наличии, в Google Analytics
Отсутствие товаров на складе — одна из худших вещей, которые только могут случиться с Интернет-магазинами. В этом блоге Вы узнаете, как измерять и анализировать данные об отсутствии товаров на складе в GA.
В последние годы я работал со многими представителями электронной коммерции. По моему опыту, проблема «нет в наличии» довольно распространена среди Интернет-магазинов и может иметь большое негативное влияние на продажи и имидж бренда в целом.
Сначала я начну с краткого введения, а затем мы углубимся в реализацию и анализ Google Analytics. Я рекомендую прочитать всю статью от начала до конца, но конечно, если Вы хотите, можете пропустить введение.
Оглавление
- Введение в понятие «нет в наличии»
- Требования к данным в Enhanced Ecommerce
- Пользовательский параметр, связанный с продуктом
- Анализ на уровне товара
- Пользовательский отчет для тестирования
- Google Sheets и Supermetrics
- Три сегмента анализа конверсии
- Анализ сессий «Нет в наличии»
- Данные электронной коммерции
- Тренды коэффициента конверсии
- Влияние на доход
- Заключение
Вперед!
Введение в понятие «нет в наличии»
У Вас все в порядке, если Вы управляете крупным Интернет-магазином, и на складе нет всего лишь нескольких товаров, которые, в общем-то, и не пользуются большим спросом. Но, если у Вас на складе нет большого количества продукции, тогда могут возникнуть реальные проблемы.
Три самых распространенных сценариев:
- Товара постоянно нет в наличии.
- Товара временно нет в наличии.
- Срок годности товара истек.
Самым распространенным случаем является сценарий № 2: оного из товаров временно нет в наличии.
Вот список распространенных отзывов от покупателей:
- Она ушла с Интернет-сайта, чтобы купить тот же товар, но у другого продавца. И что еще хуже, она полностью сменила бренд;
- Негативное влияние на имидж магазина и торговой марки, особенно когда продукт широко рекламировался или продвигался;
- Постоянные клиенты могут сделать свой выбор в пользу того же товара, только другого размера или его разновидности;
- Постоянные клиенты, не испытывающие острой нужды, возможно, отложат покупку товара и дождутся, когда он снова появится на складе;
- Клиенты, обнаружившие товар, которого нет в наличии, до или даже после того, как они добавили товары в свою корзину, могут уйти с сайта, в том числе удалить и другие товары, которые уже были в корзине.
Надеюсь, достаточно причин, чтобы отнестись к этому вопросу серьезно. Теперь я покажу Вам, как собирать релевантные данные в Google Analytics!
Требования к данным в Enhanced Ecommerce
В первую очередь, Вам необходимо установить Enhanced Ecommerce. Я рекомендую разделить внедрение Enhanced Ecommerce (по крайней мере) на два разных этапа. Кроме того, мы хотим работать b в обратном направлении при реализации этой функции. Посмотрите изображение ниже:
Внедрение различных элементов первого этапа необходимо для углубленного анализа продуктов, которых нет в наличии.
Это связано с тем, что наличие товаров обычно отображается и измеряется на уровне описания продукта. Некоторые Интернет-магазины также реализуют эту функцию на страницах галереи (просмотр продукции), но в данном анализе мы сосредоточимся исключительно на страницах описания товаров.
Пользовательский параметр, связанный с продуктом
Я написал подробное руководство по использованию Пользовательских параметров . Прочтите его, если Вы не знакомы с данными понятиями.
Наличие (в наличии или нет в наличии) классифицируется, как пользовательский параметр на уровне товара.
Обязательно используйте следующее правило:
“Пользовательские параметры на уровне товара - это метаданные о каждом продукте, которые Вы должны отправлять в Enhanced Ecommerce ”.
Пример файла dataLayer.push в Enhanced Ecommerce, который содержит пользовательский параметр «Доступность» в слоте № 3:
В данном случае посетитель сталкивается с двумя разными товарами, один из которых есть в наличии, а другого нет. Таким образом, внедрение параметров гарантирует, что Google Analytics сможет правильно их уловить.
Есть еще одна вещь, которую Вам нужно настроить в разделе администратора Google Analytics:
Убедитесь, что номера индексов совпадают, и установите область охвата категории «Продукт».
Анализ на уровне товара
Теперь пришло время погрузиться в первый анализ на уровне товара на основе данных, собранных в Google Analytics.
Вы узнаете, как выполнять анализ с помощью Google Sheets и Supermetrics.
Примечание: установить две пользовательские метрики, если Вы хотите выполнить анализ в Google Analytics.
- Пользовательская метрика № 1: фиксирует представление сведений о товаре, когда он отсутствует на складе. // обязательная
- Пользовательская метрика № 2: фиксирует представление сведений о товаре, когда он есть в наличии. // опциональная
Таким образом, Вы получите метрику, которая показывает процент отсутствующих на складе товаров прямо в Google Analytics.
Пользовательский отчет для тестирования
Всегда полезно сначала протестировать определенные показатели и параметры в Google Analytics или с помощью конструктора запросов.
Вот один из примеров отчета, который содержит два параметра и одну метрику:
- Параметры: SKU и Наличие товара
- Metric: Просмотры сведений о продукте
Настройка отчета
Отчетные данные
Можете создать аналогичный отчет на основе параметра «Наименование продукта». Поступая таким образом, Вы уже подтверждаете тот факт, что данный набор параметров и показателей можно комбинировать как в Google Analytics, так и за его пределами.
Google Sheets и Supermetrics
Самое замечательное это то, что даже без настройки пользовательских метрик Вы сможете сделать подробный автоматический анализ процентного соотношения OOS на уровне названия продукта или SKU в Google Sheets.
Существует множество способов сделать это, но я хотел бы порекомендовать именно 2 инструмента:
- Google Sheets
- Supermetrics
- *Google Analytics API// связующий“мост”
*The Google Analytics API помогает автоматически извлекать данные из Google Analytics в Google Sheets (через Supermetrics).
Итак, давайте перейдем к самому первому шагу. Я проведу Вас через полный алгоритм настройки на уровне SKU (Вы можете сделать то же самое на уровне Наименования продукта).
Шаг 1: Установите Supermetrics на Ваш компьютер.
Шаг 2: Запустите Supermetrics внутри Google Sheets.
Шаг 3.1: Выполните первый запрос по SKU и количеству просмотров сведений о продукте.
Вот, что необходимо выбрать в Supermetrics (сначала направьте мышку на ячейку A1):
- Источник данных: Google Analytics.
- Выбрать просмотры: Google Analytics видит, откуда Вы хотите получить данные
- Выбрать даты: даты, по которым делается запрос.
- Выбрать метрики: просмотры сведений о продукте
- Разделить по / строкам: SKU и # строк (убедитесь, что установлено достаточно высокое значение, чтобы получить все данные о SKU продукта в Google Sheets).
- Опции: старайтесь избегать выборки данных Google (доступно, только если вы пользуетесь платным планом).
Нажмите «Получить данные в таблицу». Обычно это происходит довольно быстро! Отлично, теперь Вы сделали свой первый запрос.
Шаг 3.2: запустите второй запрос по SKU, просмотрам сведений о продукте и связанному пользовательскому параметру.
Во-первых, чтобы сэкономить время, перейдите с помощью мыши в ячейку A1. Нажмите «Дублировать» (под действиями запроса) и перейдите с помощью мыши в ячейку D1.
В построителе запросов нужно внести всего несколько изменений:
- Разделить по / строкам: SKU и Пользовательский параметр [ID], который соответствует пользовательскому параметру «Наличие».
- Фильтры: Пользовательский параметр [ID] равный «Нет в наличии». // изменить имя, если Вы назвали значение по-другому.
Нажмите «Получить данные в таблицу». Супер, теперь все Ваши данные - в Google Sheets. Это должно выглядеть примерно следующим образом:
Этот лист служит в качестве листа первичных данных, Вы можете назвать его «Первичные данные по SKU».
Шаг 4: сопоставьте два запроса, чтобы можно было рассчитать процентное соотношение «Нет в наличии» на уровне продукта.
Один из самых быстрых и простых способов сделать это — использовать функцию ВПР (VLOOKUP).
Пример показан ниже:
Если Вам необходимо больше информации о том, как работает функция ВПР ( VLOOKUP), просмотрите видео:
ют oXtQtUfdPk4
Шаг 5: Сегментируйте данные по своему усмотрению.
Вот пример настройки для просмотра процента отсутствия на складе различных продуктов:
Шаг 6: получите определенную информацию исходя из Ваших данных и действуйте в соответствии с ней.
С помощью этих данных Вы сможете ответить на самые разные вопросы:
- Сколько денег мы тратим на маркетинговые кампании, чтобы привлечь посетителей к товарам, которых нет в наличии?
- Кто из наших покупателей (например, установленных с помощью User ID) интересовался продуктами, которых не было в наличии?
- Можем ли мы известить этих клиентов по электронной почте, когда запасы будут пополнены?
Сколько же ценности в этих данных!
Примечание: Вы также можете добавить метрики дохода/количества товаров, но будьте осторожны при их интерпретации!
БОНУС: автоматизируйте процессы!
Да, это выходит за рамки цели данного руководства, НО, если у Вас есть знания о Google Таблицах и расширенных функциях, Вы определенно можете автоматизировать многие вещи:
- Периодически извлекать данные из Google Analytics;
- Создание диаграмм для Вашего набора данных;
- Настройте оповещения, которые информируют Вас, когда значения пересекают определенный барьер.
Обязательно настройте свои потребности в отчетности и поговорите с технически квалифицированным специалистом, чтобы выполнить данную работу!
Три сегмента анализа конверсии
Кроме того, мы также можем провести анализ на агрегированном уровне. Я рекомендую создать следующие сегменты Google Analytics:
- Сеансы с просмотром товаров, которых нет в наличии.
- Сессии с просмотром товаров в наличии.
- Сеансы с просмотром товаров в наличии и без просмотров товаров, которых нет в наличии.
Сегмент «Нет в наличии»
Сегмент «В наличии»
Сегмент «В наличии» (нет «Нет в наличии)
Анализ сессий «Нет в наличии»
Давайте проанализируем трафик по параметру «Нет в наличии». Опять же, мы можем использовать Google Sheets с Supermetrics.
Сессии (абсолютное значение)
Вот, что необходимо выбрать в Supermetrics:
- Источник данных: Google Analytics;
- Выбрать просмотры: Google Analytics видит, откуда Вы хотите получить данные;
- Выбрать даты: даты, по которым будем делать запрос;
- Выбрать метрики: Сессии;
- Разделить по / строки: Год и месяц;
- Сегмент: Нет в наличии;
- Опции: старайтесь избегать выборки данных Google (доступно, только если вы пользуетесь платным планом).
Обзор сессий (по месяцам):
Явный пик приходится на май и июнь. Но это еще не все.
Что, если в эти месяцы просто больше трафика? Вот почему нам нужно сделать еще один шаг и рассчитать относительные проценты за месяц.
Сессии (относительное значение)
Добавьте еще один запрос в Supermetrics (разница только в том, что сегмент включает все сеансы с просмотром сведений о продукте):
- Источник данных: Google Analytics;
- Выбрать просмотры: Google Analytics видит, откуда Вы хотите получить данные;
- Выбрать даты: даты, по которым будем делать запрос;
- Выбрать метрики: Сессии PDP;
- Разделить по / строки: Год и месяц;
- Сегмент: Нет в наличии;
- Опции: старайтесь избегать выборки данных Google (доступно, только если вы пользуетесь платным планом).
Теперь Вы можете использовать оба источника данных для расчета процентов и отобразить их на диаграмме:
Для этого веб-сайта и Интернет-магазина в марте и апреле (2018 г.) был относительно высокий процент сеансов, когда посетители открывали страницу сведений о продукте, которого на тот момент не было в наличии.
Данные электронной коммерции
Как сеансы «нет в наличии» и «в наличии» соотносятся с продажами? Вот обзор данных электронной торговли за один год:
В этом случае сеансы, в которых посетители столкнулись с товаром, которого нет в наличии, привели к значительно более высокому коэффициенту конверсии.
Объяснений может быть несколько, и одна из причин заключается в том, что эти посетители обычно сравнивают больше продуктов, чем в конечном итоге готовы купить. Они действительно «ходят по магазинам» на сайте.
Коэффициент конверсии сегмента «в наличии» (без «нет в наличии») относительно близок к сегменту «в наличии».
Вот еще один обзор, чтобы продемонстрировать Вам поведение пользователей:
Совершенно другой сегмент в плане поведения пользователей!
В следующем разделе я покажу Вам тенденции коэффициента конверсии по месяцам в 2018 году как для сегмента «нет в наличии», так и для сегмента «в наличии».
Тренды коэффициента конверсии
Я использовал Google Analytics API, Google Sheets и Supermetrics для того, чтобы создать ниже приведенный график:
Помните о возможных трудностях с выборкой данных , если у Вас сайт с высоким траффиком. Платная версия Supermetrics сгладит их;
В 2018 году наблюдается значительная разница коэффициентов конверсии по месяцам.
- Абсолютные и относительные отличия больше для сессии «Нет в наличии»;
- Относительные различия CR («не в наличии» / «в наличии») варьируются в зависимости от месяца;
В целом, наблюдается корреляция между месяцами с низким процентом сессий «Нет в наличии» и CR% электронной коммерции. CR% выше в месяцах с относительно низким количеством сессий «Нет в наличии».
Влияние на доход
В этом разделе Вы узнаете о некоторых стратегиях анализа упущенной выгоды в случае отсутствия товаров на складе.
Рассмотрим два типа анализа:
- Анализ доходов на уровне продукта.
- Совокупный анализ доходов.
Анализ доходов на уровне продукта
На уровне продукта Вы можете рассчитать потенциальную упущенную выгоду для определенных продуктов на основе следующих факторов:
- Общее количество просмотров сведений об определенном продукте/варианте // не забудьте зафиксировать просмотры всех вариантов;
- Общее количество просмотров сведений об определенном продукте с пометкой «Нет в наличии»;
- Цена за продукт/вариант.
Я рекомендую работать с SKU продукта вместо наименования продукта. Наименование продукта обычно объединяет несколько различных SKU, некоторые из которых могут быть в наличии, а другие — нет.
Вы можете выполнить этот анализ в Google Analytics (используйте расчетные и индивидуальные метрики) или в Google Sheets или в других приложениях.
Совокупный анализ доходов
Но что, если Ваша компания/Клиент попросит Вас провести общий анализ транзакций/доходов?
Есть много способов сделать это, хотя, может быть достаточно сложно получить надежные инсайты на основе данных.
Позвольте мне объяснить один из способов рассмотрения упущенной выгоды.
Вам нужно будет работать с коэффициентами. Коэффициент показывает относительную разницу в % CR в месяц между сегментами «нет в наличии» и «есть в наличии».
Вот некоторые данные, основанные на диаграмме в разделе «Тренды коэффициента конверсии»:
- Очень часто низкие коэффициенты коррелируются с периодами с высоким процентом сессий «нет в наличии»;
- В этом случае март и май 2018 года имеют самый низкий коэффициент и очень высокий процент сессий «нет в наличии».
Расчет упущенной выгоды (на примере мая 2018 года)
Ниже приведена некоторая информация:
- Допущение: «Нет в наличии» не влияет на количество/процентное соотношение «В наличии»;
- Коэффициент в мае 2018 года равен 1,7;
- Что, если рассчитанный коэффициент будет равен 1,8, 1,9, 2,0 и т. д.?;
- Средний коэффициент равен 2,0 (на основе набора данных за 2018 год);
- Базовый доход составляет 700 000 долларов США. // это общий доход от транзакции сегмента «нет в наличии».
Я создал эту диаграмму на основе информации выше.
- Мы бы увидели увеличение выручки на 40 000,00 долларов США, когда ожидаемый коэффициент был бы на 0,1 выше в определенный период времени;
- По нашим оценкам, потеря дохода составляет около 100 000 долларов США, если в мае 2018 года ожидаемый коэффициент будет между 1,9 и 2,0 (вместо 1,7).
Основываясь на этих расчетах, мы можем сделать вывод, что отсутствие товаров на складе может существенно повлиять на Ваши доходы и прибыль.
И, как я уже говорил во введении, на карту поставлено гораздо больше, когда Вы имеете дело с большим процентом товаров, которых нет в наличии!
Заключение
Отсутствие товара на складе может стать настоящим кошмаром. Ваш доход и имидж бренда находятся под угрозой, если Вы не справляетесь с этим должным образом!
Очень часто предприятия электронной коммерции имеют системы инвентаризации, в которых они могут выполнить запрос, чтобы узнать, каких продуктов (SKU) нет в наличии.
Чего им не хватает, так это аналитики данных, изучения поведения клиентов и продаж. Вот где Google Analytics приходит на помощь.
В этом блоге я поделился несколькими стратегиями измерения и анализа данных об отсутствии на складе как на уровне продукта, так и на агрегированном уровне.
Да, это непростая задача, но, на мой взгляд, она определенно заслуживает дальнейшего изучения!
