Анализ посещаемости блога Power BI Russia от команды Mello

1657
Анализ посещаемости блога Power BI Russia от команды Mello

Привет! Это команда melloАнтон Астахов и Иван Иванов. Мы откликнулись на предложение коллег из myBI поучаствовать в серии статей о моделировании данных в Power BI на примере Google Analytics. Первая статья была посвящена модели данных “Звезда”, вторая — построению такой модели для Google Analytics. Немного поработав над этой моделью данных, мы сформировали отчет, о котором и хотели бы рассказать в этой статье.

В файл, который нам предложили коллеги, уже были загружены данные о посещаемости блога Power BI Russia. Мы решили создать отчет, который позволил бы получить информацию о динамике трафика, а также показать эффективность отдельных публикаций.

По сравнению с аналитикой интернет-магазинов, сайтов услуг и сервисов, возможности для анализа конкретных проектов гораздо меньше. Например, для интернет-магазина можно настроить модуль электронной торговли, объединить его с издержками, тем самым получить качественный анализ таких финансовых показателей, как ROI, ДРР, CPO и т.д. Для сайтов услуг есть возможность настроить call tracking и отслеживание лидов с сайта, таким образом можно оценивать поведение потенциальных покупателей. Для оценки сервисов возможности еще шире (особенно если используется модель подписки).

Почему же для функционал аналитики контентных проектов меньше?

Во-первых, по ним зачастую можно анализировать только простые метрики (особенно, если нет подписки на email рассылку). То есть, отсутствует возможность связать финансовые результаты с эффективностью контента.

Во-вторых, из-за особенностей расчета отказов и длительности сеанса эти показатели для контентных проектов могут быть некорректными.

Однако, если нам известно, какие показатели сайта влияют на финансовые или прочие KPI контентного проекта, ситуация радикально меняется — в этом случае мы можем строить гипотезы о влиянии на эти показатели. В этом нам поможет Google Analytics, он  позволяет получать практические любые метрики по работе и использованию сайта, анализировать их изменение и проверять наши гипотезы. Мы не будем подробно рассматривать этап настройки GA, а перейдем к следующему этапу — визуализации данных, собранных счетчиком аналитики в Power BI.

Наш отчет выглядит следующим образом:

Пройдемся по визуализациям в отчете по мере их информативности и начнем с наименее “интересных”, оставив самое, на наш взгляд, “вкусное” напоследок. Итак, первая визуализация — динамика просмотров страниц по дням.

Динамику по посещаемости блога обычно представляют в виде графика с отображением количества просмотров страниц или страниц входа за определенный период, однако мы решили акцентировать внимание на динамике трафика к предшествующему дню, чтобы проанализировать пики роста трафика, а также проследить за его динамикой:

Анализ посещаемости блога Power BI Russia от команды Mello

Благодаря визуализации появилась возможность оценить, насколько существенно увеличивается трафик в дни публикаций материалов в социальных сетях, а также при выходе email рассылок.

Следующая визуализация демонстрирует распределение трафика по дням недели:

Анализ посещаемости блога Power BI Russia от команды Mello

Здесь все логично: к концу недели трафик падает и его минимальное значение приходится на воскресенье. На первый взгляд это достаточно простой и очевидный отчет, однако, до начала работы с ним, мы не владели полной информацией о периодах email рассылок и графике публикаций в социальных сетях. Простая сегментация трафика показала следующий результат:

Анализ посещаемости блога Power BI Russia от команды Mello

Анализ посещаемости блога Power BI Russia от команды Mello

Понедельник и пятница генерируют наибольшее количество трафика, как выяснилось, в эти дни осуществлялся выход публикаций в социальных сетях, а email рассылки выходили в понедельник:

Анализ посещаемости блога Power BI Russia от команды Mello

Следующим шагом было структурирование полученных данных и их градация по принципу  “ABC анализа” на основе значения “просмотры страницы”:

Анализ посещаемости блога Power BI Russia от команды Mello

В результате мы получили возможность анализировать не только отдельные страницы, но и целые группы:

  • группа А — 70% трафика;
  • группа B — 20% трафика;
  • группа C — 10% трафика.

Как правило, интересно и полезно анализировать тот контент, через который проходит основной поток трафика (категория А), ведь именно по нему пользователи формируют мнение о вашем ресурсе.

Анализ посещаемости блога Power BI Russia от команды Mello

Наверняка, вы заметили в таблице столбец с именем “Коэф. участия”. Пожалуй, это самое интересное, что мы реализовали в отчете.

Этот коэффициент рассчитывается как отношение количества входов к числу просмотров страницы, при этом вход — это когда страница “привела” трафик на сайт, например, она стала первой при переходе из поисковой системы или социальной сети. Просмотр страницы — это любой просмотр, в т. ч. и в том случае, когда страница является страницей входа.

Немного подумав над моделью данных, мы решили ввести коэффициент участия в отчет для того, чтобы оценить, насколько каждая страница эффективна в плане привлечения трафика и одновременно интересна посетителям сайта. При интерпретации коэффициента важно знать, что, если он равен или близок к 1 или 0, по нему нельзя сказать однозначно, хороша страница или очень плоха.

Если значение близко к единице, это говорит о том, что количество входов равно количеству просмотров, т.е. страница работает только на генерацию трафика, при этом ее крайне мало просматривают при внутренних переходах по сайту и наоборот. Если коэффициент ближе к нулю, значит страница больше работает в цепочке внутренних переходов, но не генерирует существенного трафика.

Поскольку сам отчет по значению коэффициента был не очень “интересным”, мы решили сравнить его со средним значением глубины прокрутки страницы. В результате мы получили:

Анализ посещаемости блога Power BI Russia от команды Mello

Подавляющее большинство страниц лежит в правой верхней части графика, это говорит о том, что в основном страницы блога работают на привлечение трафика, вместе с тем они имеют значение прокрутки от 60 до 70 процентов, что указывает на интерес пользователей (на сайте большой “подвал”, есть блок с комментариями).

Выбор страниц группы или класса А показал, что все они имеют глубину прокрутки и коэффициент участия выше 50 процентов, это свидетельствует о том, что их просматривают достаточно полно и при этом они работают (в основном) на привлечение трафика (т.е. больше как страницы входа), однако тот факт, что основная масса этих страниц находится в пределах 60-70% по коэффициенту “участия” указывает, что они также интересны и в плане просмотра при навигации по сайту.

Анализ посещаемости блога Power BI Russia от команды Mello

Таким образом, получив ограниченный (но качественно сформированный) набор данных, мы смогли проанализировать эффективность блога, выдвинуть несколько гипотез, которые впоследствии подтвердились при общении с коллегами.

Данный отчет Вы можете использовать в качестве первого шага для изучения вашего контентного ресурса. В результате Вы получите новые показатели, графики, отчеты для аналитики. Поэтому желаем вам удачи в этом сложном и захватывающем путешествии по вашим данным 🙂

Примечание от команды блога Power BI Russia. Во-первых мы хотим поблагодарить Антона и Ивана за потраченное время и предоставленный результат. Во-вторых, хотим предложить читателям самостоятельно изучить файл с отчетом, которые разработали коллеги. Если у Вас появится желание создать кейс на базе выгрузки из нашего сервиса, а потом тиражировать его, пожалуйста, заполните нашу анкету.

Оставить комметарий