Как отслеживать электронную коммерцию в Яндекс.Метрике и Google Analytics

У Retail Rocket более 1000 клиентов по всему миру: Россия, Европа, Латинская Америка, СНГ – часть которых работает с компанией много лет. Из них для исследования мы отобрали 27 интернет-магазинов, специализирующихся на различных категориях товаров.

Такое разнообразие магазинов понадобилось, чтобы проверить, насколько найденные прокси-метрики будут универсальны.

Логика формирования признаков и целевой переменной

Чтобы было проще разобраться, введем следующие термины:

Дата среза – это дата, разделяющая два периода: период сбора признаков (4 месяца до даты среза) и период сбора информации о будущем LTV (6 месяцев после даты среза).

Например, если дата среза – 1 июля 2020 года, то признаки собираются с 1 марта 2020 по 1 июля 2020 года включительно, а информация о будущем LTV – со 2 июля 2020 года по 1 января 2021 включительно.

Целевая переменная в нашем исследовании (информация, которую мы хотим предсказать) – факт покупки в период сбора информации о будущем LTV. Мы рассматривали только посетителей из периода сбора признаков и, если не находили никаких связанных с ними событий в период сбора информации о будущем LTV, считали, что такой пользователь ничего не покупал.

Чтобы проверить, насколько найденные нами зависимости стабильны во времени, у каждого из 27 магазинов мы взяли по 6 срезов (первое число каждого месяца с июля по декабрь 2020 года).

Для отбора кандидатов в прокси-метрики мы составили обширный список. Он включал в себя признаки, связанные с:

• Заказами: количество, давность последней покупки, средний чек, выручка и т.д;
• Добавлением товаров в корзину: за всё время, за последнюю неделю;
• Использованием поисковой системы сайта: кол-во запросов в поисковой системе сайта за всё время, за последнюю неделю;
• Временем, проведенном на сайте: разница в днях между первым и последним посещением сайта, давность последнего посещения сайта, активность на сайте в рабочие и нерабочие часы, в конкретные дни недели;
• Фактом подписки: оставил email или нет, как давно стал подписчиком;

Мы провели исследование для всех 27 магазинов, но для простоты покажем в качестве примера результаты двух наиболее крупных и отличающихся друг от друга. У «Магазина 1» больше всего посетителей, совершающих заказы, и короткий период потребления, а у «Магазина 2» наоборот – меньше всего посетителей, совершающих заказы, и длинный период потребления.

Отбор признаков по степени влияния на целевую переменную

Целевая переменная бинарная – пользователь либо совершит покупку, либо нет – поэтому силу отдельных признаков и модели целиком мы измеряли с помощью метрики ROC AUC.

Для начала посмотрели, насколько значим каждый признак с помощью алгоритма бустинга над решающими деревьями. Затем оставили признаки с высоким значением ROC AUC. Таким образом мы отсеяли слабые признаки и обнаружили среди оставшихся много хороших кандидатов в прокси-метрики с высокими показателями ROC AUC.

На графиках ниже – примеры сильных признаков.

По графикам видно, что даже в совершенно разных магазинах признаки работают одинаково. Также отметим, что признаки «количество просмотренных товарных позиций» и «давность последнего посещения сайта» никак не связаны с заказами и при этом работают ничуть не хуже.

Отбор признаков по коррелированности

Среди признаков было много пар с высокой корреляцией. Включать их вместе в итоговый список прокси-метрик LTV бессмысленно, так как меняются они одинаково, а отслеживать большое количество признаков затруднительно. Также, если обучать модель на коррелированном наборе признаков, то могут возникнуть проблемы со стабильностью параметров и дальнейшим использованием модели.

Например, есть три сильных признака:

• Количество разных просмотренных товаров;
• Количество разных просмотренных категорий.

Корреляция между ними больше 80%: все говорят о том, что пользователь ознакомился с каталогом магазина и заинтересован в его товарах. Следовательно, любой из этих признаков можно взять в качестве прокси-метрики. Скорее всего, для магазинов с большим числом категорий полезнее будет «количество разных просмотренных категорий», а для магазинов с несколькими категориями, но большим количеством разных товаров – «количество разных просмотренных товаров».

Мы оставили признак «количество разных просмотренных товаров», так как он отвечает за ознакомленность с каталогом и связан с эффективным размером каталога. Также мы отталкивались от обзорной статьи, в которой он оценивается как имеющий бизнес-ценность.

Аналогично мы поступали и с другими парами коррелирующих признаков. В итоге оставили несколько признаков о заказах (они коррелированы, но часто используются нашими клиентами как прокси-метрики LTV) и самые сильные признаки, не связанные с заказами:

• Давность последнего заказа в днях;
• Посетитель оставил email;
• Давность последнего посещения сайта;
• Количество разных просмотренных товаров;
• Длительность взаимодействия пользователя с сайтом в днях (разница в днях между первым и последним посещением);
• Количество запросов в поисковой системе сайта;
• Количество добавленных в корзину товаров.

Как мы видим на графиках выше, между собой коррелируют только связанные с заказами признаки и еще несколько пар:

• Тип браузера и тип устройства имеют относительно слабую корреляцию, поэтому оба этих признака могут быть полезны магазину. Однако для каких-то магазинов их, возможно, лучше объединить в один;
• Количество добавленных в корзину товаров и количество заказов также имеют корреляцию, так как перед заказом товара его обычно добавляют в корзину. Степень коррелированности этих признаков зависит от особенностей магазина, например, от доли брошенных корзин. На графиках мы видим, что для «Магазина 1» корреляция невысокая;
• Факт подписки и связанные с заказами признаки могут коррелировать между собой, потому что в некоторых магазинах пользователи автоматически становятся подписчиками после совершения покупки.

Проверка стабильности работы признаков по времени

Признаки одинаково влияют на оценку будущего LTV, независимо от даты среза. Например, если у пользователей с 10 просмотрами разных товаров в среднем будущий LTV выше, чем у пользователей с 2 просмотрами, то это справедливо для каждого месяца.

Чтобы проверить это утверждение, мы построили графики, на которых разбили посетителей на группы по интервалам значения признаков и для каждой отобразили долю посетителей, совершивших заказ в будущем.

По графикам выше видно, что независимо от выбранного среза признаки работают одинаково: например, чем больше разных товаров смотрит посетитель, тем вероятнее совершит покупку в будущем. Соответственно, найденные нами зависимости стабильны по времени.

Вклад отдельных прокси-метрик в качество модели

На основе отобранных признаков мы построили модель с помощью бустинга над решающими деревьями – последовательно добавляли признаки в следующем порядке и измеряли ее качество:

• Признаки, связанные с заказами;
• Количество добавленных в корзину товаров;
• Посетитель оставил email;
• Количество запросов в поисковой системе сайта;
• Длительность взаимодействия пользователя с сайтом;
• Количество просмотренных разных товаров;
• Давность последнего посещения сайта;

Такой порядок был необходим, чтобы понять, несут ли признаки, не связанные с заказами, дополнительную полезную информацию для модели по сравнению со связанными с заказами признаками.

Как мы видим выше, связанные с заказами признаки (средний чек, выручка, давность последней покупки) добавляют мало дополнительной информации к признаку «количестве заказов», поэтому среди прокси-метрик можно оставить какой-то один показатель, связанный с заказами. Мы выбрали самый устойчивый к выбросам – «количество заказов». На этом графике также можно заметить, насколько важны все последующие признаки – каждый добавляет информацию об LTV, не содержащуюся в предыдущих признаках.

Такую аналитику мы провели для всех 27 магазинов – и везде отобранные нами признаки, не связанные с заказами, показали сильную связь с LTV и добавили много дополнительной информации к признакам, связанным с заказами.

Часто один признак, например, «количество разных просмотренных товаров» или «давность последнего посещения сайта» имел ROC AUC больше, чем все признаки о заказах вместе взятые. Это связано с тем, что по сравнению со всей массой посетителей интернет-магазинов заказы совершает очень маленькая доля пользователей. Соответственно, данных по ним меньше. В нашей выборке только у одного магазина доля пользователей с заказами составила 10%, у остальных она была 2-5%.

Затем мы поменяли порядок добавления признаков и посмотрели, как меняется модель, если сначала загружать в нее не связанные с заказами признаки, а потом связанные.

По графику видно, что связанные с заказами признаки несут в себе дополнительную полезную информацию, но есть магазины (в данном случае это «Магазин 2»), где дополнительная информация практически отсутствует.

Сделанные в этой главе выводы мы проверили на всех исследуемых магазинах, и они подтвердились.

В следующей части обсудим, как бизнесу работать с полученными метриками, чтобы повышать LTV пользователей, а вместе с ним и долгосрочную выручку онлайн-магазина.

Модели атрибуции в Google Аналитике

Пользователь не всегда совершает целевое действие при первом же заходе на сайт. Как правило, он возвращается на ресурс несколько раз из разных каналов: поисковой выдачи, контекстной или таргетированной рекламы, соцсетей, закладок браузера.

Определить, какому каналу принадлежит наибольшая значимость в привлечении целевого посетителя, маркетологу помогает модель атрибуции. В Google Аналитике по умолчанию используется семь, есть возможность создать пользовательскую модель.

• По последнему непрямому клику: последний прямой переход (по точному URL) не засчитывается и конверсия присваивается предыдущему непрямому переходу. Эта модель используется в Аналитике по умолчанию, кроме отчета по многоканальным последовательностям. Обычно с ней сравнивают другие модели атрибуции.
• По последнему взаимодействию: конверсия приписывается последнему каналу. Подходит для бизнес-ниш с быстрым циклом сделки, например, доставки цветов.
• По последнему клику в Google Рекламе: учитывается последний переход по рекламному объявлению. Рекомендуется использовать для оптимизации объявлений и выявления наиболее конверсионных.
• По первому взаимодействию: конверсия приписывается первому каналу, в котором случился контакт. Подходит для анализа привлечения интереса к бренду или продукту, когда важно понять, из какого канала пользователь впервые перешел на ресурс.
• Линейная модель: ценность конверсии равномерно распределяется среди всех каналов. Эту модель атрибуции можно использовать в том случае, если важен постоянный контакт с заинтересованным посетителем, неважно, из какого канала.
• С учетом давности взаимодействий: ценность конверсии возрастает от первого взаимодействия до последнего, самыми ценными считаются наиболее близкие к конверсионному действию. Модель используется при запуске ограниченных во времени акций: чем ближе к целевому действию переходы, тем они ценнее.
• С привязкой к позиции. Ценность конверсии делится в процентном соотношении таким образом: по 40% получают первый и последний клик, оставшиеся 20% равномерно распределяются между остальными каналами. В этой модели наиболее важными для бизнеса признаются первое касание и переход, который привел непосредственно к конверсии.

Для подбора правильной модели атрибуции в Аналитике есть инструмент сравнения моделей.

Он находится в группе отчетов «Многоканальные последовательности»:

В нем можно выбрать одну или несколько целей и сравнить две модели атрибуции за определенный период. Выбираете одну из семи моделей по умолчанию, создаете свою или импортируете созданные ранее из галереи:

В полученном отчете можно посмотреть каналы, затраты, сравнение количества и цены за конверсию в разных моделях атрибуции. Последний столбец показывает, как меняется число конверсий по второй модели в сравнении с первой в процентном соотношении:

Так вы можете выбрать модель атрибуции, которая учитывает нужные вам каналы привлечения клиентов.

У этого инструмента, как и у большинства отчетов в Google Аналитике, гибкие настройки. Можно менять группы каналов и источников трафика, добавлять дополнительные параметры, например, построить отчет в разрезе городов или типов устройств пользователей.

Типы целей

В Google Аналитике больше типов целей, чем в Метрике, но четыре из пяти основных аналогичны.

• Целевая страница (аналог — «Посещение страниц» в Метрике): посещение пользователем определенной страницы сайта или экрана приложения.
• Последовательность целей (аналог составной цели в Яндекс.Метрике). Строго говоря, это не отдельный тип, а способ отслеживания пути пользователя к значимому целевому действию. Последовательность шагов можно задать для типа «Целевая страница». Разница с Метрикой в том, что в качестве этапов можно прописать только страницы в том же формате, что и конечный URL («равно», «начинается с», «регулярное выражение»), включить в цепочку цели типа «Событие» невозможно.
• Событие (аналог типу «JavaScript-событие» в Метрике): на сайте выполнено действие, которое не привело к изменению URL.
• Продолжительность (нет аналога в Метрике): сеанс пользователя заданной длительности.

В Аналитике можно формировать наборы, включающие до пяти отдельных целей. Объедините их по принципу схожести целевых действий (например, «отправка форм», «скачивание документов», «просмотр видео»), чтобы эффективнее оптимизировать рекламные кампании на основе конверсий.

Условия работы умных целей

• Аккаунты Google Аналитики и Google Рекламы должны быть связаны.
• Достаточный объем трафика из Google Рекламы, который учитывается Аналитикой: не менее 500 сеансов за последние 30 дней.
• Не больше 10 млн сеансов за последние 30 дней на уровне представления.
• В настройках на уровне аккаунта должны быть активированы «Продукты и сервисы Google»:

При настройке отслеживания стоит учесть следующее

• код электронной коммерции должен быть сгенерирован под каждый заказ;
• рекомендуется заполнить все поля: номер заказа (id), название продукта (name), артикул (sku), категория продукта (category), цена (price), количество (quantity);
• после установки нужно проверить корректность передачи наименований кириллицей.

Данные по продажам собираются в специальную группу отчетов «Электронная торговля». В них отслеживается динамика дохода в целом и по каждому товару, средняя стоимость заказа, информация по транзакциям и даже количество дней или число сеансов пользователя до совершения покупки.

Пошаговая инструкция

Пройдем по всем этапам настройки цели от ее создания до внедрения на сайт.

В режиме администратора на уровне представления заходим в раздел «Цели» и нажимаем на кнопку «+ цель»:

Далее Google предлагает пойти тремя путями:

Если вы не указали отрасль, к которой относится ваш сайт, сделайте это в настройках на уровне ресурса:

• Создать умную цель (доступно только для сайтов, которые отвечают обозначенным выше условиям).
• Создать собственную цель (далее подробно опишем этот вариант):

Настройка целей через Google Tag Manager

Google Tag Manager (GTM) — бесплатный инструмент для отслеживания статистики сайта при помощи тегов (кодов систем аналитики и коллтрекинга).

Удобство его использования в том, что маркетолог размещает коды нужных сервисов самостоятельно, программисту требуется всего лишь один раз установить код GTM. Кроме того, Google Tag Manager позволяет улучшить показатели скорости загрузки сайта. Во-первых, в него можно интегрировать все коды отслеживания (в том числе, Яндекс. Метрику), что сокращает количество кода до одного контейнера. Во-вторых, GTM использует асинхронную загрузку тегов: более «тяжелые» не тормозят загрузку остальных.

Последовательность действий для установки GTM:

• Зарегистрируйтесь или авторизуйтесь через аккаунт в Google.
• Настройте теги. Разобраться со структурой аккаунта и создать теги поможет наша инструкция по подключению Google Аналитики к GTM и отслеживанию событий.

Диспетчер тегов от Google — удобный сервис для интернет-маркетолога, который стоит изучить, чтобы управлять отслеживанием целей оперативно и без помощи программиста.

Автоматическая пометка gclid

Пометка включается в настройках связанного с Аналитикой аккаунта Google Рекламы, в разделе «Автоматическая пометка тегами»:

Преимущества автопометки понятны: не нужно вручную добавлять параметры к ссылкам в объявлениях, вся статистика по переходам с Google Рекламы будет автоматически передаваться в Аналитику.

Яндекс. Метрика также понимает параметр gclid и выдает статистику по переходам из Google Рекламы при помощи функционала сегментации:

Получается, что utm-разметка нужна только в том случае, если вы используете сквозную аналитику или коллтрекинг. Данные в автопометке зашифрованы и сторонняя система аналитики их не прочитает.

Одновременное использование UTM-разметки и автопометки Google

Если gclid используется в основном для связи Аналитики и Ads, то разметка utm собирает статистику для всех систем аналитики.

Вопрос об одновременном внедрении gclid и utm возникает, когда требуется решить две задачи:

• передавать данные из Аналитики в связанный аккаунт Google Рекламы для настройки ремаркетинга и оптимизации рекламных кампаний;
• сообщать данные о конверсии системам сквозной аналитики и коллтрекинга.

Для того, чтобы Аналитика обрабатывала данные по кликам с utm-метками, нужно в настройках ресурса (пункт «Расширенные настройки») разрешить пометку вручную. При этом отключать автопометку в связанном аккаунте Google Рекламы не нужно.

Шаблон отслеживания

Самый удобный способ. Он внедряется на уровне аккаунта, кампании или группы объявлений и избавляет от необходимости прописывать отдельную utm-метку в каждом объявлении. Если на разных уровнях заданы свои шаблоны отслеживания, шаблон более низкого уровня имеет приоритет. Например, шаблон отслеживания на уровне группы объявлений имеет приоритет перед шаблоном на уровне аккаунта.

Шаблоны отслеживания в Google Рекламе можно создавать с использованием ValueTrack — динамических параметров URL, которые собирают сведения о кликах.

Таким образом, шаблон отслеживания с использованием параметров ValueTrack на уровне аккаунта может выглядеть так:

Используя его для всех кампаний, мы получим такую информацию: по какому объявлению перешел пользователь, какой ключевой запрос он ввел и какая кампания сработала.

После создания шаблона обязательно пользуемся кнопкой «Проверить», чтобы убедиться в корректности ссылки.

Подробнее о том, как создать шаблон отслеживания с помощью параметров ValueTrack на уровне кампании, группы объявлений, объявления, дополнительной ссылки, ключевого слова и цели динамической рекламы, читайте в официальной справке Google Рекламы.

Суффикс конечного URL

Не всегда удобно создавать подробный шаблон отслеживания с множеством динамических параметров на уровне кампании. В этом случае дополнительные параметры можно указать в суффиксе конечного URL. Например, можно отследить клики по конкретным объявлениям и расширениям в них. Параметры добавляются через символ «&» в строку Суффикс конечного URL раздела «Настройки параметров URL» или при создании нового объявления:

Специальные параметры

Они задаются для тонкой настройки аналитики. Вы сами задаете до восьми параметров, которые передаются в Аналитику после перехода по объявлению. Специальные параметры можно задать на любом уровне, кроме аккаунта. Прописать их можно в блоке отслеживания соответствующего уровня.

Каждый специальный параметр состоит из двух частей:

После того, как все необходимые специальные параметры прописаны, нужно внести их в шаблон отслеживания:

Основные данные, которые можно увидеть в отчете по каждому URL:

• число кликов;
• стоимость (общая сумма за все клики в заданный период);
• цена за клик;
• число посетителей;
• число сеансов;
• показатель отказов;
• количество страниц за сеанс;
• показатели конверсии по каждой цели — достигнутые переходы, процент конверсии, ценность.

Отчеты по конверсиям в Google Аналитике

Посмотрим, какие данные вы увидите в группе отчетов «Конверсии», если выполнили все наши рекомендации по настройке целей.

В группу входят отчеты «Цели», «Электронная торговля», «Многоканальные последовательности». На электронной торговле мы уже останавливались выше, теперь подробнее расскажем об оставшихся двух.

Обзор

В обзорном отчете представлены:

URL целей

На графике по умолчанию представлена информация по достигнутым целям. Можно выбрать ценность цели и сравнить эти два показателя. Информация доступна для всех целей или каждой в отдельности.

В табличной части столбцы «местоположение достигнутой цели» (URL), «достигнутые цели» (количество и процент) и «ценность цели» можно дополнить другими параметрами: дата, предшествующие цели шаги и другими. Представление из таблицы можно поменять на диаграмму.

Визуализация последовательностей

Если вы правильно настроили этапы последовательности до цели, в этом отчете сможете увидеть ее наглядно. Вот визуализация воронки продаж:

Как и в составной цели в Метрике, здесь видны узкие места воронки, с которых уходят пользователи.

Карта целей

В отчете наглядно представлены пути пользователей к достижению цели:

Основные отличия от отчета «Визуализация последовательностей»:

• отчет показывает возвраты на предыдущие шаги;
• не восполняет пропущенные шаги;
• показывает реальную последовательность шагов;
• можно сравнить коэффициент конверсии для каждого шага за два временных диапазона.

Чтобы настроить представление данных в отчете под свои задачи, воспользуйтесь инструкцией от Google.

В отчете доступна общая информация по всем или одной цели. Есть возможность увидеть данные по всем каналам и только по Google Рекламе. По умолчанию показаны данные за 30 дней до совершения конверсии, но можно изменить период от 1 до 90 дней в окне ретроспективного обзора.

Под графиком дано общее количество конверсий и ассоциированных конверсий (о них подробнее ниже).

Также в обзорном отчете есть визуализатор многоканальных конверсий. В левой части можно отметить до четырех каналов, справа наглядно представлены пересечения между теми каналами, которые участвовали в пути пользователя до конверсионного действия:

Ассоциированные конверсии

Определимся с термином. Ассоциированными называются конверсии, для которых канал не является последним взаимодействием. Пример: пользователь зашел на сайт по рекламному объявлению, затем через несколько дней из поисковой выдачи, а через месяц кликнул по таргетированной рекламе в соцсети и совершил покупку. Конверсия засчитывается таргету, а для рекламы и поиска, которые тоже участвовали в цепочке знакомства с продуктом, это будет ассоциированная конверсия.

График в отчете можно построить по дате, количеству дней до конверсии и позиции в пути.

В табличной части представлено количество и ценность ассоциированных и прямых конверсий для каждого канала.

Длина последовательности

Представление данных в этом отчете похоже на предыдущий. Разница в том, что здесь в первом столбце указана длина последовательности во взаимодействиях, то есть количество взаимодействий пользователя с сайтом перед совершением конверсионного действия (от одного до 12+).

Отслеживание целей в системе PromoPult

Для проектов, которые продвигаются в PromoPult, можно отслеживать достижение целей в разрезе каналов трафика и рекламных кампаний.

Для того чтобы данные попадали в систему, настройте цели в Google Analytics по нашей инструкции и предоставьте доступ к счетчику в профиле проекта:

Далее кликните на шестеренку возле правого графика напротив проекта и отметьте цели, которые хотите отслеживать:

На графике отобразится одна цель или сумма достижений нескольких целей.

Если у вас SEO-проект, то в настройках левого графика выберите видимость в поиске или количество посетителей. Для проектов контекстной и таргетированной рекламы выберите показы или клики.

Для проектов контекстной и таргетированной рекламы цели будут отслеживаться по каждой кампании за счет UTM-разметки.

В PromoPult можно также заказать бесплатную настройку целей в Google Аналитике. Для этого кликните по ссылке «Настроить цели» в режиме Достижение целей правого графика:

Для установки цели типа «JavaScript-событие» потребуются доступы к сайту, их можно предоставить в профиле проекта:

Все не так сложно, как кажется

Google Аналитика обладает огромным функционалом для глубокого маркетингового анализа. Владение этим инструментом позволит интернет-маркетологу вычислить ценность каждого канала в привлечении прямых и ассоциированных конверсий, проработать узкие места во взаимодействии пользователей с сайтом, проанализировать длительность цикла сделки, комплексно оценить эффективность продвижения по всем источникам трафика.

Для решения конкретной задачи определитесь с целью и каналами, последовательно пройдите по описанным в статье настройкам и анализируйте результаты. Документации по теме достаточно, чтобы решить практически любую задачу аналитики.

Как подключить Ecommerce?

• Перед подключением необходимо авторизоваться в Яндекс.Метрике.
• Далее заходим в интересующий аккаунт.
• После открываем «Настройки».
• На вкладке «Счетчик» (первая, открывается по умолчанию), находим раздел «Электронная коммерция» – активируем ползунок.
• При этом происходит обновление кода счетчика, который нужно заменить на сайте.

Нет времени разбираться?

Комплексное продвижение в онлайне

Если Метрика к сайту подключается впервые, то включение опции «Электронная коммерция» происходит на этом этапе.

Настройка передачи данных

Базовые принципы передачи данных в Ecommerce основаны на объектах и действиях, совершаемых с ним. В роли объекта выступает товарная позиция интернет-магазина, действия же могут быть следующими: добавление/удаление из корзины, покупка, просмотр полного описания.

Сам объект представлен в виде контейнера JavaScript:

И включающий в себя следующие поля (* – обязательные):

• ecommerce (*).
• Add – факт добавления товара в корзину.
• Remove – удаление из корзины.
• Purchase – совершение покупки.
• Detail – открытие (просмотр) полного описания товарной позиции.
• actionField (поле, участвующее в передаче данных о покупке) – описание совершенного действия.
• Products (*) – товары, в отношении которых были совершены описываемые действия.

Передаваемые данные о товаре

• Id (*) – идентификатор товара, текстовый или буквенный.
• name (*) – название. Требуется указать id или name, либо оба этих параметра.
• brand – марка или бренд товарной позиции.
• category – указание категории товара. Разрешается использовать не более 5 уровней вложенности (пример, «Смартфоны — Xiaomi»).
• price – цена за единицу.
• quantity – их количество.
• coupon – здесь прописывается промокод, относящийся к товару.
• Variant – тип товара (цвет, комплектация, размер).

Передаваемые действия от объекта (actionField)

Описание поля actionField, которое передает данные только при совершении покупки товара:

• Id (*) – идентификатор покупки.
• goal_id – идентификатор цели из Метрики, найти его можно в «Настройки — Цели».

«Настройки — Цели»

• revenue – доход в указанной валюте, берется из цены, либо рассчитывается автоматически исходя из суммы стоимости приобретенных товаров.
• coupon – указывается промокод, относящийся ко всей совершенной покупке.

Ошибки при настройке электронной коммерции

Для того, чтобы проверить корректность настройки электронной коммерции, необходимо:

• Открыть карточку товара на сайте.
• Добавить в конец URL-адреса параметр: «?_ym_debug=1» (URL.ru/?_ym_debug=1).
• Далее, на этой же странице открываем консоль браузера (F12 — Console).
• Фильтруем данные по параметру «Counter».

Фильтрация данных по параметру по параметру «Counter»

Этот параметр включает в себя контейнер данных о товаре, если он присутствует в консоли, то информация передается корректно.

Привлекли 35. 000. 000 людей на 185 сайтов

Мы точно знаем, как увеличить онлайн–продажи

Применяем лучшие практики digital–продвижения как из вашей тематики, так и из смежных областей бизнеса. Именно это сделает вас на голову выше конкурентов и принесёт лиды и продажи.

Ваша витрина (сайт, соцсети и пр

• Электронная коммерция не активирована в счетчике. Проверить это можно по его коду, в нем должна присутствовать строка: «dataLayer» или «ecommerce:true».
• Загрузка счетчика произошла после того, как посетитель покинул страницу. Это может произойти из-за особенностей настройки передачи данных, когда она происходит в момент перехода пользователя на другую страницу (к примеру, в качестве события была выбрана кнопка формы заказа).
• Не передаются данные после покупки товара. Для решения проблемы, необходимо корректно заполнить поле actionField.

Примеры кодов

Ниже приведем примеры четырех действий, данные которых собираются в контейнер window. dataLayer.

Добавление в корзину

В данном примере, пользователь приобрел 2 позиции: смартфон и чехол к нему.

Просмотр полного описания позиции

Если сайт базируется на одной из популярных CMS, то для передачи данных в Метрику, достаточно будет установить плагин. Перед установкой, не забудьте настроить счетчик Метрики.

«1С-Битрикс»

В компонентах редакции «1С-Битрикс» для интернет-магазинов уже имеется необходимый компонент, его нужно только настроить:

Настройка электронной коммерции для «1С-Битрикс» — 1

Настройка электронной коммерции для «1С-Битрикс» — 2

Настройка электронной коммерции для «1С-Битрикс» — 3

Drupal

Модуль скачивается из официального репозитория, после настройки, он автоматически генерирует JS-код данных коммерции.

VamShop

В VamShop уже «из коробки» присутствует возможность работы с электронной коммерцией. Для этого включаем статистику Яндекс. Метрика (Админка – Настройки – Счетчики), в поле ID от Яндекс. Метрики указываем идентификатор счетчика. Также включаем «Отправку в метрику данных», после настраиваем цели

Shop Script

Плагин «Электронная коммерция» прост в установке и настройки, присутствует подробная документация по его интеграции. Цена: 2999 руб.

Отчеты по ecommerce в Метрике

Благодаря группе отчетов по электронной коммерции, в Метрике можно отслеживать такие данные как:

• Информацию по заказам: источник, доход.
• Содержимое заказов, в отчете показывается количество купленных товаров, их сумма (речь про то, что один посетитель может приобрести за один заказ несколько позиций).
• Популярные бренды и категории товаров, товары.
• Товары в корзине. Отчет позволяет отслеживать товары, которые были добавлены/удалены из корзины, их стоимость и итоговую сумму купленных товаров.
• Название заказанного товара. Показывает количество проданных позиций, пользователей, которые купили товар и стоимость.
• Промокоды. Позволяет оценить эффективность влияния промокодов на продажи (сколько было куплено товара по тому или иному промокоду, общая и средняя стоимость покупки)

Понятие стандартной и расширенной электронной торговли в Universal Analytics

Предыдущая версия аналитики Universal Analytics предлагает 2 типа отчетов по электронной торговле: стандартная и расширенная.

• Стандартная электронная торговля Гугл Аналитикс отслеживает типовые показатели, такие как доход, коэффициент конверсии, средняя стоимость заказа и эффективность товаров.
• Расширенная электронная торговля добавляет больше детализированных данных, включая отчеты по этапам оформления заказа и пути к покупке. Настройка расширенной электронной торговли Google Analytics позволяет увидеть эффективность промокодов, купонов, других рекламных акций. И оценить результаты ваших маркетинговых усилий в полной мере.

Для чего использовать электронную торговлю в Google Analytics

Подключение электронной торговли необходимо для отслеживания количества покупок и других данных о продажах, таких как:

• общий доход;
• общее количество транзакций;
• коэффициент конверсии электронной торговли;
• средняя стоимость заказа;
• коэффициент отказа от корзин покупок.

Если вы занимаетесь продажами в Интернете, но не включили отслеживание электронной торговли в Universal Analytics, ваши аналитические возможности будут ограничены. Например, вы увидите стандартные показатели — такие как пользователи, сеансы и просмотры страниц. Однако не поймете, завершилось взаимодействие с сайтом покупкой или нет. Если работаете в новой версии Google Analytics 4, но ограничиваетесь только стандартными отслеживаемыми событиями — то же самое.

Мы приведем 5 преимуществ использования электронной торговли Google Analytics на вашем сайте.

Отслеживание важных KPI

Электронная торговля позволяет мгновенно оценить состояние бизнеса сегмента e-commerce. Вы можете отслеживать ключевые показатели эффективности, чтобы отвечать на такие вопросы, как:

• Какова выручка с начала месяца, с начала года, в определенный период времени?
• Есть ли периоды всплесков или падения продаж?
• Как выручка за эту неделю, месяц или квартал соотносится с аналогичным периодом прошлого года?

Пример — сравнение показателей за год в отчете «Обзор» раздела электронной торговли.

Оценка эффективности воронки продаж и конверсий

Отчет «Конверсии» — «Электронная торговля» — «Анализ поведения покупателей» показывает, как пользователи продвигаются по вашей воронке продаж. Он начинается со всех сеансов и проходит через просмотры продуктов, добавление в корзину, оформление заказа и совершение транзакции.

Вы можете увидеть, сколько пользователей ушло на каждом из этапов:

Используйте эту информацию, чтобы определить слабые места на пути к покупке. Например, если многие посетители уходят с определенной страницы, вероятно, стоит внести на нее изменения. Но сначала нужно понять, как улучшить пользовательский опыт и уменьшить количество отказов.

Если вы хотите получить подробные данные по определенным сегментам вашей аудитории, нажмите кнопку «Добавить сегмент» в верхней части отчета. Так вы сможете выбрать или создать сегмент, который хотите проанализировать.

Статистика числа продаж и дохода по разным каналам

Электронная торговля добавляет ряд полезных показателей к типовым отчетам GA. Вы можете детализировать определенные каналы и их роль в продажах.

Например, в разделе «Источники трафика» — «Весь трафик» — «Источник/канал» можно увидеть, как каждый канал продвижения влияет на коэффициент конверсии, транзакции и доходы.

Это поможет увидеть каналы, которые приносят наибольший доход, и убрать те, которые неэффективны.

Статистика процента отказа от корзины покупок

Сколько пользователей добавляют товары в корзину, а затем покидают ваш сайт? Вы можете увидеть процент отказов от корзины покупок в вашем магазине с помощью отчета «Конверсии» — «Электронная торговля» — «Анализ поведения покупателей».

Коэффициент отказа от корзины покупок выражается в числовом значении и процентах. Он показывает количество сеансов, в которые входил отказ от корзины. Используйте показатель «Неоплаченные корзины покупок», чтобы понять, какой потенциальный доход вы упускаете, и принять соответствующие меры.

Просмотр характеристик отдельных продуктов

Отчет «Конверсии» — «Электронная торговля» — «Эффективность товаров» позволяет анализировать данные о продажах отдельных продуктов и отвечать на следующие вопросы:

• Какой доход приносит каждый товар?
• Склонны ли клиенты покупать более одной штуки одного и того же товара за раз?
• Сколько людей, просматривающих страницу продукта, добавляют его в свою корзину?
• Сколько людей проходят через воронку продаж полностью и совершают покупку за один сеанс?

Понять это помогут такие показатели, как доход от продукта, среднее количество покупок, коэффициенты выбранных товаров и совершенных покупок.

Вы можете просматривать и анализировать характеристики продукта по его названию или артикулу.

Как настроить электронную коммерцию в Google Analytics за 5 шагов

Прежде чем вы сможете начать сбор данных о продажах и доходах, необходимо включить отслеживание электронной коммерции в Гугл Аналитикс. Затем добавить полученные коды в свой интернет-магазин. Вот как это сделать за 5 шагов в системе Universal Analytics.

Зайдите в раздел «Администратор»

В кабинете Universal Analytics ссылка на раздел находится в нижнем левом углу.

Перейдите к нужному представлению

Убедитесь, что вы работаете в правильном представлении. В столбце «Представление» щелкните раскрывающийся список внизу, чтобы выбрать представление, которое нужно изменить.

Представление — это набор данных в учетной записи Universal Analytics. Оно может иметь собственные настройки конфигурации и фильтров просмотра. Фильтры просмотра полезны, например, для исключения внутреннего трафика из отчетов или для отслеживания субдоменов.

Подробнее о том, как создать представление в Google Analytics, мы писали в отдельном материале.

Перейдите в «Настройки электронной торговли»

В том же столбце меню «Представление» нажмите на ссылку «Настройки электронной торговли».

Включите электронную торговлю

Переведите переключатель отслеживания электронной торговли в положение «Включено».

Как только вы это сделаете, появится параметр «Включение отчетов для расширенной электронной торговли».

Мы рекомендуем включить эту опцию. Настройка расширенной электронной торговли даст возможность отслеживать дополнительные параметры, интегрироваться со сквозной аналитикой и создавать собственные названия для этапов воронки продаж.

По сути, это и есть настройка электронной коммерции Google Analytics в предыдущей версии. Больше ничего делать не нужно. Просто нажмите на кнопку «Сохранить».

Добавьте код отслеживания электронной торговли на свой сайт

На последнем этапе нужно добавить код на свой сайт. Это понадобится для сбора данных электронной торговли и отправки их в Google Analytics. Если вы не хотите самостоятельно редактировать HTML и писать код на JavaScript, понадобится помощь специалиста. Вы также можете обратиться к руководствам Google и документации для разработчиков:

• использование gtag.js для электронной торговли;
• настройка отслеживания электронной торговли;
• электронная торговля Universal Analytics.

Есть и еще одна возможность для лёгкой настройки — это Диспетчер тегов Google.

Настройка электронной торговли через Диспетчер тегов Google

Google Tag Manager обычно позиционируется как инструмент, позволяющий маркетологам и веб-аналитикам управлять отслеживанием данных на сайте без участия разработчика. Но при настройке электронной торговли в Google Analytics вам, скорее всего, понадобится помощь специалиста.

Для начала вкратце рассмотрим основные шаги, которые можно предпринять самому. Чтобы добавить отслеживание на страницу завершения покупки — то, что покупатель видит сразу после оплаты. Допустим, она называется у нас thank-you. Мы будем делать все не совсем «по канону», но зато быстро и без лишних усилий.

Регистрируемся в Диспетчере тегов Google

Заходим на главную страницу сервиса, нажимаем «Создать аккаунт».

Добавляем новый аккаунт

Теперь нужно указать название аккаунта и контейнер, который содержит ваш сайт. Заполняем все поля, указываем тип целевой платформы «Веб-сайт».

Добавляем новый тег

Тег предназначен для сбора данных по транзакциям. Чтобы его создать, заходим в меню слева, выбираем «Теги» и нажимаем на кнопку «Создать».

В открывшемся окне первым идет нужный нам тег — «Google Аналитика: Universal Analytics». Если вы используете более новую версию Google Analytics 4, нужно выбрать её.

Поскольку мы — не программисты, делаем самую простую настройку тега на примере Universal Analytics. Указываем тип отслеживания «Транзакция», в графе «Настройки Google Аналитики» выбираем из выпадающего меню пункт «Новая переменная».

В открывшемся окне вставляем в поле «Идентификатор отслеживания» код нашего ресурса из Google Analytics.

Как его узнать? Заходим в аккаунт Google Аналитики в меню администратора. В столбце «Ресурс» выбираем пункт «Отслеживание» и переходим по ссылке «Код отслеживания». В открывшемся окне в верхнем левом углу будет нужный нам идентификатор. Копируем его в поле Диспетчера тегов.

Сохраняем полученный результат, переходим к следующей вкладке «Триггер».

В случае, если вы выбрали тег нового типа — «Google Аналитика: GA4», вместо идентификатора отслеживания нужно ввести ID потока данных.

Найти его можно там же, в разделе «Администратор» аккаунта GA4. Только вместо пункта отслеживания выберите раздел «Потоки данных».

В открывшемся окне вы увидите идентификатор веб-потока для конкретного ресурса. Именно это значение нужно будет скопировать в настройки тега Google Tag Manager.

В остальном алгоритм такой же, как и для Universal Analytics.

Добавляем триггер

Триггер — это указание тегу, когда он должен включиться и собирать данные. Нажимаем на поле «Триггер», игнорируем типовые варианты, которые нам предлагают вроде «Все страницы». Вместо этого заходим в «Тип триггера» и выбираем «Просмотр страницы».

В выпадающих меню указываем следующие условия: «Page URL», «содержит» и пишем имя нашей страницы, «thank-you». Переименовываем триггер в верхнем поле. Нажимаем «Сохранить».

Созданный нами тег с триггером появляется на главной странице.

Добавляем программные коды

Этот этап состоит из 2-х шагов. Во-первых, нужно добавить на сайт код самого Менеджера тегов Google.

Заходим на вкладку «Администрирование» в Менеджере тегов, выбираем ссылку «Установить Google Менеджер тегов».

В открывшемся окне появится 2 фрагмента кода. Их нужно скопировать и вставить на сайт перед тегами и.

Уже на этом этапе вам может понадобиться помощь программиста. Но если даже нет, вторая часть установки все равно существенно сложнее. Так что имеет смысл объединять обе эти задачи.

Чтобы в Google Analytics начали поступать данные о заказах с сайта, нужно разместить на веб-страницах специальный код, описывающий так называемый уровень данных. Он имеет вид вроде:

Уровень данных является одним из ключевых компонентов Менеджера тегов Google. Он содержит информацию, которая позже используется в тегах, триггерах и переменных Google Tag Manager. Чтобы включить отслеживание электронной торговли GA с помощью Менеджера тегов Google, сначала нужно передать данные о транзакции на уровень данных. Затем мы дадим GTM команду «прочитать» эти данные и передать их в Google Analytics.

Рассказывать обо всех переменных в уровне данных нет смысла, так как маркетологи — не программисты. Да и дать образец кода, который можно просто скопировать и вставить, невозможно. Потому что у каждого интернет-бизнеса — своя специфика, и ее нужно учитывать.

Чтобы вы понимали, что требовать от специалиста на финальном этапе, давайте разберем типы действий электронной торговли, которые вы сможете отслеживать, если они будут описаны на уровне данных GTM.

Типы действий электронной торговли в Universal Analytics

Всего мы можем управлять 9-ю типами действий в электронной торговле. Давайте посмотрим, что они описывают.

Показы товаров, Product Impressions

Назначение: подсчитать общее число показов товаров

Клики по товарам, Product Clicks

Назначение: подсчитать клики по линкам на товары

Показы подробных сведений о товарах, Product Detail Impressions

Назначение: подсчитать число показов подробной информации о товаре

Добавление товаров в корзину и удаление их из корзины, Add/Remove from Cart

Обозначение: add или remove

Назначение: подсчитать число товаров, которые были добавлены в корзину или удалены из нее

Показы внутренней рекламы, Promotion Impressions

Назначение: подсчитать количество показов внутренней рекламы на сайте — например, баннеров по промоакциям, активно рекламируемых товаров и так далее

Клики по внутренней рекламе, Promotion Clicks

Назначение: подсчитать количество кликов и переходов по внутренней рекламе

Оформление покупки, Checkout

Обозначение: checkout, checkout_option

Назначение: отслеживать весь процесс покупки, в том числе нажатие на кнопку заказа. А также действия пользователя на различных страницах. Например, там, где указывается адрес для доставки или способ платежа. Этапы можно задавать какие угодно или получать дополнительную информацию о процессе покупки — например, о том, как осуществлялась оплата.

Покупки, Purchases

Назначение: передать данные о совершенных транзакциях

Возврат средств, Refunds

Назначение: подсчитать число возвратов всей суммы транзакции

6 метрик электронной торговли, которые нужно знать

Чтобы получить максимальную отдачу от данных электронной торговли, необходимы будут следующие показатели.

Доход от продукта

Показатель «Доход от продукта» показывает общую прибыль, полученную от продаж отдельных продуктов за определенный период.

В отчете «Конверсии» — «Электронная торговля» — «Эффективность товаров» вы можете увидеть продукты, отсортированные по доходам от каждого. А также процент, который каждый из них внес в общий доход.

Если вы включили расширенную электронную торговлю, то также можете увидеть доход от каждой категории товаров.

Уникальные покупки

В том же отчете показатель «Уникальные покупки» указывает на общее количество раз, когда товар покупали, то есть он участвовал в транзакции. Имейте в виду, что этот показатель не указывает, сколько единиц определенного товара вы продали. Он измеряет только то, в скольких транзакциях GA он появился.

Например, вы можете продать 100 штук товара А, но у него будет только 70 уникальных покупок. Это означает, что 100 штук продукта А были куплены в рамках 70 отдельных транзакций.

Количество

Показатель «Количество» в этом же отчете отражает количество конкретного товара, проданное за определенный период.

В приведенном выше примере у товара A было 70 уникальных покупок, а продано всего 100 штук.

Среднее количество

Метрика «Среднее количество» в отчете «Эффективность товаров» показывает среднее количество определенного товара, проданного за 1 транзакцию. Этот показатель может сказать, покупают ли ваши клиенты товар в больших количествах.

Среднее количество рассчитывается по формуле:

Среднее количество = Количество : Уникальные покупки

Например, если за 70 транзакций было продано 100 штук товара, ваш показатель среднего количества составляет 1,43.

Коэффициент транзакций

Коэффициент транзакций можно найти в отчете «Конверсии» — «Электронная торговля» — «Обзор».

Это процент сеансов, завершившихся транзакцией. Он рассчитывается так:

Например, если у вас 500 сеансов и 20 транзакций, коэффициент конверсии электронной торговли будет (20/500) * 100 = 4%.

Средняя стоимость заказа

Находится в том же отчете, «Эффективность товаров».

Средняя стоимость заказа — это средняя стоимость транзакций за выбранный период. Вы можете рассчитать её следующим образом:

Средняя стоимость заказа = Общий доход / Общее количество транзакций

Например, если общий доход составляет 50000 рублей, и он получен от 100 транзакций, то средний доход составляет 50000 рублей / 100 = 500 рублей.

Как перейти на Google Analytics 4 со старой версии аналитики

Если вы перешли с Universal Analytics на Google Analytics 4, вам придется учесть другой порядок настройки электронной торговли. В новой версии аналитики раздел электронной коммерции переехал, он находится в разделе «Монетизация». Помимо этого, изменился и формат передаваемых данных, и их обработка.

Что нужно учесть при переходе:

• В Google Analytics 4 нет разделения на виды электронной торговли. Никаких стандартных и расширенных — теперь все это единый массив данных, который называется монетизацией.
• Версия Universal Analytics требует предварительной настройки электронной торговли на уровне аккаунта. Пример мы рассматривали выше. В GA4 ничего делать не нужно, большинство событий e-commerce и так рассматриваются как конверсии. Например, событие покупки или purchase.
• Старый формат имеет префикс UA, новый — GA4.
• Названия многих событий электронной торговли поменялись. Например, products — данные о товаре — стало items, события — id — превратились в item_id, и так далее. Полный список изменений вы можете посмотреть в официальном руководстве.
• GA4 «понимает» ранее настроенную электронную коммерцию в формате Universal Analytics. Например, у вас есть созданные события электронной торговли UA в Диспетчере тегов Google. Вы можете добавить в уже существующий тег GTM новые события в формате GA4 и настроить их параметры так же, как обычно. Удалять или создавать новые не нужно.
• Universal Analytics не работает с новым форматом данных — вы не сможете настроить в старой версии обработку событий электронной коммерции по формату GA4.

Все это актуально, когда вам нужны оба варианта аналитики — старый и новый. Это может понадобиться для сохранения привычных функций. Например, в GA4 пока нет возможности делиться отчетностью с коллегами — как в представлении Universal Analytics. И не работает связка для визуализации отчетов в Google Data Studio.

Но если вы полностью переходите на Google Analytics 4, мы рекомендуем делать события электронной торговли полностью по новой схеме, в формате GA4. Это легко, если вы создаете аккаунт с нуля. Но чуть сложнее, если у вас уже есть настроенные события электронной торговли в Universal Analytics. С большой вероятностью для работы по переносу «старого в новое» придется привлечь программистов. И хотя уже существуют «самописные» шаблоны — например, оптом переконвертировать все UA в GA4, для индивидуального решения они вряд ли подойдут. Возможны ошибки при переносе данных, которые могут вам дорого обойтись. Если информации немного, вы можете попробовать популярное решение от разработчика Симо Ахавы — темплит для массовой конвертации UA в GA4.

Важно понимать, что многие события GA4, будет отслеживать по умолчанию — ничего дополнительно включать не нужно. А для создания остальных можно воспользоваться официальным списком от Google, Это так называемые рекомендованные события, охватывающие полный спектр электронной торговли в том числе. Приведем самые часто встречающиеся в GA4 события, которые стоит настроить на своем сайте для полноценного отслеживания e-commerce.

Для описания каждого события можно использовать до 25 уникальных параметров. Например, купон — coupon, валюту — currency, бренд — item_brand и так далее. Вот пример кода отслеживания в GA4 для события begin_checkout — когда человек начал процесс оформления заказа. При этом применяется акция 10 рублей минус — coupon: ‘ACTION10OFF’, передаются цены до и после — discount: 10, price: 500, value: 490 — и некоторые другие значения конкретной покупки.

Конечно, написать подобные коды для каждого из нужных событий — не задача для маркетолога. Поэтому рекомендуем пользоваться Диспетчером Тегов Google либо все-таки привлечь к вопросу компетентных разработчиков.

Как упростить сбор данных об электронной торговле в Google Analytics

Функция электронной торговли Google Analytics помогает понять, как клиенты совершают покупки на вашем сайте. Вне зависимости от версии, у GA нет единого отчета, который позволил бы сразу понять, откуда пришли эти пользователи и какое продвижение сработало лучше всего.

Например, GA предоставляет количественные данные о ваших продажах и доходах. Дальше вам нужно самостоятельно думать над такими факторами как:

• Какие рекламные каналы привели пользователя на сайт?
• Каковы реальные показатели расходов на рекламную кампанию?
• Каковы доходы от продаж, которые удалось получить с ее помощью?

Откройте для себя инструмент сквозной аналитики ROMI center на основе коннекторов, который существенно расширяет возможности GA. Сквозная аналитика поможет объединить данные из Google Analytics с другой информацией. О том, откуда пользователи к вам приходят, как ведут себя на разных этапах воронки продаж и что мешает конверсиям.

Настроить такую интеграцию легко — об этом мы писали в отдельном материале. Есть 3 приятных бонуса:

Вам не придется вставлять различные коды на сайт, чтобы получать нужные данные. Достаточно будет единого коннектора к Google Analytics в любой версии, старой или новой.

Сквозная аналитика соберет данные не только о событиях электронной торговли, но и об офлайн-продажах. Коннекторы ROMI center «умеют» получать нужную информацию напрямую из CRM.

Пользователи, которые зарегистрировались впервые, получают полный доступ ко всему функционалу бесплатно в течение 14 дней. Затем цена в месяц составит от 800 рублей.

Ходовые товары

Отчет «Электронная коммерция — Популярные категории и бренды», а также «Популярные товары», покажет, что разлетается как пирожки (и делает выручку), а что просто забивает каталог.

Судя по бешеной популярности бургеров, пиццы и соусов — почему бы не добавить в ассортимент еще несколько позиций по каждой категории? Можно протестировать незначительное увеличение цены и сравнить изменение конверсии: упадет или останется прежней. Затухающие категории попробуйте оживить через акции.