Téma: Webová analytika

První ročník v Česku ojedinělé soutěže pro mladé analytiky, má své vítěze. Přes 200 přihlášených vysokoškoláků spolu svedlo lítý boj a kdo stane na stupních slávy nebylo jisté až do posledního dne.

O čem byla Analytics Challenge?

Cílem soutěže bylo nalézt mezi českými a slovenskými vysokoškoláky nadějné talenty pro práci v oboru prediktivní analytiky.

Úkolem totiž bylo předpovědět prodeje společnosti AVAST na dva měsíce dopředu. Soutěžící museli sestavit prediktivní model pouze na základě poskytnutých skutečných dat o prodejích z předchozího roku. Předpovídali vývoj prodejů ve třech zemích světa a pro tři různé produkty.

Soutěž probíhala od 15. října do 30. listopadu. Během tohoto období bylo možno každý den zaslat soutěžní model k vyhodnocení a na základě zpětné vazby v podobě průběžného skóre  model ladit k vyšší přesnosti.

Ke komunikaci mezi pořadateli a soutěžícími sloužily speciální webové stránky, na kterých lze i po skončení soutěže nalézt mnoho doplňkových informací.

Jak to dopadlo?

První příčku sebevědomě obsadila Simona Oberhauserová, studentka MFF UK, jejíž prediktivní model se shodoval se skutečnými prodeji s téměř 86% přesností. Na druhém místě se umístil její spolužák Matúš Baniar a v těsném závěsu Michal Ginzl z VŠE Praha. Autoři těchto nejlepších prediktivních modelů si převzali své výhry v sídle společnosti AVAST 30. ledna při slavnostním setkání všech zúčastněných stran – tedy výherců a zástupců Optimics, AVAST a MFF UK. Rozhovor s výherkyní si můžete přečíst na blogu AVASTu.

Nutno podotknout, že všichni výherci se pohybovali v předních příčkách dlouhodobě a na stupních vítězů stojí oprávněně.

Závěrečné pořadí

Pořadí	Jméno	Škola	Aktualizace	Skóre
1.	Simona Oberhauserová	MFF UK Praha	3.prosince	85,76 %
2.	Matúš Baniar	MFF UK Praha	3.prosince	84,67 %
3.	Michal Ginzl	FIS VŠE Praha	3.prosince	84,43 %

Celkové pořadí všech soutěžících, kteří zaslali alespoň jeden prediktivní model splňující požadavky, naleznete na samostatné stránce s výsledky.

Cesta k vítězství

Společnost AVAST poskytla anonymizovaná data skutečných prodejů z různých zemí světa. Pro soutěžící byla k dispozici data o prodejích za 1 rok zpětně a neměli tušení, o jaké země se jedná a jaké jsou specifické vlastnosti zákazníků.

Sestavit tedy takto výkonný prediktivní model je značně obtížné. Vývoj přesnosti prediktivních modelů u všech tří výherců však vykazoval velmi podobné rysy. Systematické ladění jednotlivých segmentů, tedy zemí a jednotlivých produktů, a účelné zapracování doprovodných dat vedlo k neustálému zdokonalování.

Průběh přesnosti prediktivního modelu Simony Oberhauserové ukazuje systematické zlepšování přesnosti v čase: (Pozn: modrá křivka je aritmetickým průměrem třech ostatních, jež znázorňují jednotlivé produkty.)

Nejtěžší pro většinu soutěžících bylo předpovědět vývoj prodeje u produktu znázorněného hnědou barvou. Vynikal nejkomplikovanějším chováním zákazníků a správné předpovězení vyžadovalo pochopení jejich unikátních vlastností.

Vítězný model byl naprogramován v EViews. S tímto softwarem pro matematické modelování a predikci dat mají bohaté zkušenosti oba studenti z MFF UK. Třetí vítězný model byl vytvořen s pomocí software SPSS.

Všem výhercům gratulujeme!

 

Napište první komentář!

Před několika dny jsme uspořádali další setkání z cyklu Web Analytics Wednesday (WAW), na kterém se potkávají analytici a online marketéři. Tématem červnového setkání byl Data mining a prediktivní analytika v marketingu a na webu. Jedním z přednášejících byl také Jiří Brázda, spoluzakladatel Optimics.

Pokud jste na WAWu nebyli, máte příležitost se na přednášky Jiřího Brázdy a Filipa Vítka (Allianz – Slovenská poisťovňa) podívat na videu.

Jiří Brázda (Optimics): Real-time prediktivní analytika na webu

Filip Vítek (Allianz – Slovenská poisťovňa): CRM poklady ve vlastních datech

Související články:

• Video: A/B testování v praxi
• Jak využít data z vašeho webu ke zvýšení předvánočního prodeje (1/2)
• Jak využít data z vašeho webu ke zvýšení předvánočního prodeje (2/2)
• Co je zákaznická analytika?
• Prezentace z Ecommerce Fora 2012

 

Napište první komentář!

Video je trend! Mnoho našich klientů, kteří nyní redesignují korporátní web nebo produktovou microsite, aktivně využívá video jako alternativní a pro určitý typ zákazníků lépe stravitelnou formu prezentace produktových informací.

Adobe SiteCatalyst přináší podporu pro měření videa na širokém spektru přehrávačů pomocí mnoha metrik, jako jsou počet spuštění (Total Views), zhlédnutý čas (Time Spent) a podíl zhlédnutých videí (Completion Rate). Samozřejmostí je provázání těchto metrik na veškerá data o prodejích.

Segmentace zákazníků

Výraznou motivací pro implementaci měření videa může být možnost segmentovat návštěvníky. SiteCatalyst umožňuje provádět segmentaci nad všemi dostupnými daty v reálném čase. Budete mít tedy možnost srovnávat objednávky jednotlivých produktů či služeb v závislosti na tom, zda daný člověk zhlédl konkrétní video, nebo zda si vůbec nějaké video před objednávkou alespoň spustil.

Reálný příklad: Produktové video Garance u ING Pojišťovny

ING Pojišťovna před nedávnem zprovoznila novou prodejní microsite, na které propaguje své online produkty mimo jiné i pomocí videa vkládaného na web ze serverů YouTube.

Zajímalo nás, jaký vliv může mít zhlédnutí videa na produktové stránce Investiční pojištění Garance Plus (stránka Microsite | Product Detail | Unit Linked na screenshotu dole), popisující výhody tohoto produktu, na přechod do formuláře s možností on-line sjednání produktu (stránka Microsite | Form | Unit Linked).

Pro tento účel jsme vytvořili segment návštěvníků, kteří si kdykoliv v minulosti alespoň 1× spustili video propagující produkt Garance a srovnali jej se segmentem návštěvníků, kteří si toto video nikdy nepustili.

Podíl lidí v segmentu návštěvníků, kteří video viděli a pokračovali v narýsované cestě směrem ke sjednání, je přibližně 3× vyšší než v případě segmentu návštěvníků, kteří video ani jednou nespustili (vzhledem k ochraně dat našeho klienta jsme konkrétní data v reportu smazali). Navíc zanedbáme-li návštěvníky, kteří i přes shlédnutí videa stránku opustí (exits), pak přímo do formuláře přechází více než polovina návštěvníků. V neposlední řadě se vlivem zhlédnutí videa snížil samotný exit rate. Video tedy plní svůj účel velmi dobře.

Technologie a podporované přehrávače

Měření videa funguje díky kódu JavaScript, který se přidá ke kódu přehrávače videa. V případě videa (na rozdíl od běžného kódu SiteCatalyst) dochází k předání dat o videu až při prvním spuštění. Dále pak přehrávač posílá informace během přehrávání v pravidelných intervalech nebo v předem specifikovaném čase stopáže. Samozřejmostí je odeslání dat při zastavení, anebo dokončení přehrávání videa.

SiteCatalyst umožňuje měřit informace z většiny běžně používaných přehrávačů videa. Mezi podporované technologie patří ActionScript pro Flash, také jako OSMF, .NET v případě Silverlight, a v neposlední řadě JavaScript pro takřka všechny zbylé webové video přehrávače (Windows Media Player, Quicktime ad.).

Měřit lze i videa vložená ze serveru YouTube. Je dobré upozornit, že sesbíraná data pochází výhradně z přehrávače umístěném na vašem webu a s daty o přehrávání přímo na youtube.com je přímo propojit nelze.

Reporty

SiteCatalyst nabízí řadu reportů pro hodnocení výkonu videa na webu.

Video Overview Report

Report Video Overview Report nabízí rychlý přehled o všech videích na vašem webu. Je složen z agregovaných údajů o videu na webu celkově, několika grafů zobrazujících výkonnost nejsledovaněj­ších videí.

Tento report Vám umožní rychle identifikovat videa s nadstandardním počtem spuštění, vysokým podílem dokončených zhlédnutí a zhlédnutým časem.

Videos Report

Pro srovnání všech videí podle libovolných metrik je k dispozici Videos Report. V základním nastavení zobrazuje informace o počtu spuštění (Total Views), celkovém zhlédnutém čase (Video Time Viewed) a počtu zhlédnutých videí (Video Completes) pro každé video na webu. Kliknutím na název videa lze navíc přejít do největšího detailu, který SiteCatalyst nabízí a to je Video Detail Report.

Video Detail Report

Video Detail report přináší detailní pohled na interakci návštěvníka s konkrétním videem. V závislosti na implementaci SiteCatalyst lze každé video například rozdělit na několik stejně časově dlouhých segmentu (Video Segments) a sledovat postupný „odpad“ diváku v průběhu přehrávání. Lze také definovat libovolný počet pevně stanovených milníku (Milestones) a zjistit kolik procent diváků tyto milníky zhlédlo (v horším případě – kolik nikoliv).

Proč se pustit do implementace měření videa?

Závěrem shrňme důvody, pro které je dobré investovat prostředky do implementace videa v rámci SiteCatalyst. Tento nástroj podporuje široké spektrum přehrávačů a jeho nasazení není vůbec složité. Video je, jak vyplývá z příkladu ING Pojišťovny, efektivní způsob komunikace s návštěvníky. Navíc díky segmentaci návštěvníků a pokročilé analýze dat je možné snadno sledovat a hodnotit vliv videí na engagement a konverzi (například uzavření obchodu on-line).

 

Napište první komentář!

Pokud se chystáte na Web Analytics Wednesday, určitě jste zaznamenali, že nebudeme mluvit o webové analytice, ale o zákaznické analytice. Bude to tak trošku historická událost, protože termín zákaznická analytika (v angličtině customer analytics) se v ČR dosud nepoužíval. Nejde nám ale o samoúčelné zavedení nového buzzwordu. Vždyť webová analytika si teprve v letošním roce dokázala vydobýt a pevně obhájit své místo pod sluncem marketingového budgetu, tak proč si komplikovat situaci?

Jednoduše proto, že webová analytika ve své podstatě naráží na omezení, která limitují její přínos pouze na jediný kanál, tj. web. Je sice skutečně pravda, že díky webové analytice můžete identifikovat příležitosti pro zlepšení webových metrik jako je konverzní poměr. Teprve ale když se postavíte jako pěšák v první linii proti majitelům a ředitelům firem, abyste jim prodali webovou analytiku, a když si smočíte ruce v mnoha různých analytických projektech, dojdete po čase k závěru, že konverzní poměr může, ale také vůbec nemusí korelovat s obratem a ziskem firmy.

Problém je tím komplikovanější, že data o obratu a zisku firmy jsou v drtivé většině případů zcela oddělena od webových dat a v marketingové praxi se také bohužel běžně nepoužívá mechanismus tzv. kontrolovaného experimentu, díky kterému lze odlišit skutečnou kauzalitu od pouhé korelace. Jinak řečeno, bez kontrolovaného experimentu nelze nikdy zcela správně vyčíslit vliv změny na webu na obrat či zisk firmy.

Zákaznická analytika v tomto digitalizovaném světě se neobejde bez webové analytiky, ale navazuje tam, kde digitální svět končí. Primárně zkoumá vývoj chování individuálních zákazníků v čase a v interakci s produkty, kampaněmi a prodejními a servisními kanály firmy. Nejdůležitější metrikou je hodnota zákazníka, což v jednoduchosti může být suma hodnoty všech předešlých nákupů, ale lépe suma čisté marže všech předešlých nákupů a všech očekávaných budoucích nákupů. Na základě těchto vztahů pak zákaznická analytika definuje behaviorální segmenty. Je důležité zmínit, že tato behaviorální segmentace se zásadně liší od tradiční demografické a lifestylové segmentace, jejímž výstupem jsou spíše persony, nebo-li profily typických zákazníků, které jsou v čase v podstatě neměnné. Naproti tomu behaviorální segmentace rozděluje zákazníky do skupin na základě jejich chování.

Příkladem může být jednoduchý segment zákazníků, kteří nenakoupili déle než 1 rok. Tím, že je tento segment zákazníků definovaný vzhledem k jejich chování v čase, budou do něj s postupem času přibývat noví zákazníci, kteří nenakupují, a naopak z něj zmizí zákazníci, kteří se probudí a znovu nakoupí – a to vše s ohledem na okamžik, vzhledem ke kterému je formule „déle než 1 rok“ vztažena.

Ale zpět k rozdílu mezi webovou a zákaznickou analytikou. Webová analytika pracuje s daty všech, tj. zejména anonymních návštěvníků webu a obvykle vede k úpravám webu, jejichž cílem je zlepšit obecně uživatelskou zkušenost bez ohledu na to, zda se jedná o nové či stávající zákazníky a zvýšit tak celkovou obchodní výkonnost webu.

Zákaznická analytika pracuje naopak pouze s daty stávajících zákazníků, ke kterým existují identifikační a kontaktní údaje a kompletní historie jejich transakcí. Zákaznickou analytiku lze proto využít jak pro direct marketing, tj. přímé oslovení konkrétního segmentu zákazníků emailem, dopisem, telefonátem apod., tak pro celkové vyhodnocení ziskovosti firmy a to i včetně forecastu do budoucna. Cílem zákaznické analytiky je vždy zvyšovat hodnotu zákazníků.

V dalších dílech tohoto seriálu o zákaznické analytice se pokusím vysvětlit všechny důležité koncepty zákaznické analytiky a ukázat vám konkrétní příklady z praxe. Pokud vás nějaké téma zajímá více do hloubky, pište prosím do komentářů. 

Již tuto středu 30.11. se také koná další Web Analytics Wednesday. Společně s Radkem Hrachovcem, Tomášem Jindříškem, se mnou a dalšími účastníky můžete diskutovat na téma loajality, konverze a retence v online retailu. Více informací o programu a odkaz na bezplatnou registraci najdete na webu Web Analytics Wednesday.

Související články:

• Video: Data mining a prediktivní analytika na webu

 

Napište první komentář!

Minulý týden tým Google Analytics ohlásil změnu v metodice sbírání dat:

1. Když uživatel přijde během otevřené session z nového zdroje návštěvnosti, začne se počítat nová návštěva – dříve stále pokračovala ta původní. Příkladem může být situace, kdy uživatel dělá rešerši ve vyhledávači, položí např. 10 dotazů na dané téma (cca během hodiny) a při nich si dvakrát či třikrát proklikne inzerát Adwords vedoucí na váš web. Dříve by se jednalo o jednu návštěvu, nyní to budou tři.
2. Když uživatel zavře okno prohlížeče s vaším webem, poté ho zase hned otevře a jde na váš web, bude stále pokračovat původní návštěva – dříve se návštěva s uzavřením prohlížeče vždy ukončila.

Můžeme diskutovat o tom, jestli se jedná o změny k lepšímu a jestli nám pomohou lépe pochopit návštěvníky na webu. Mně osobně to přijde jako zlepšení, ale to není tak podstatné.

Podstatné je, že tato úprava metodiky změní vaše čísla bez toho, aby se cokoliv změnilo na webu nebo v kampaních. Uvidíte změny v metrikách Visits, Pages/Visits, Avg. Time on Site a dalších. Razance změn závisí jen na tom, jak moc používáte trackování kampaní, na chování vašich návštěvníků a na nastavení Google Analytics.

U webu malé firmy budou možná chvíli rádi, že jim stoupla návštěvnost, než si uvědomí, že se jedná jen o změnu metodiky (případně toto vůbec nezjistí a budou se domnívat, že jsou nyní úspěšnější).

Umíte si ale představit, co způsobí tato změna v prostředí větších firem, kde existuje reporting a jeho součástí jsou i data z Google Analytics? Odpovědní lidé se budou ptát, co způsobilo změnu čísel a chudák analytik bude v potu tváře vysvětlovat, že nástroj prostě změnil metodiku, a že nyní bude v reportech cca o 20 % vyšší návštěvnost (například) – už napořád. Vlastně ale ne, přesněji řečeno do příští změny v metodice (u které nemůžeme ovlivnit obsah ani čas).

Nedej bože, jestli v reportingu jsou i forecasty (předpovědi) metrik na měsíce či týdny, na základě dat z minulého roku a např. investic do médií v roce aktuálním. Ty se teď můžou vyhodit. Výsledek je, že webová data v reportingu dostanou nálepku nespolehlivá, což by se nám, lidem od webové analytiky, nemělo zamlouvat.

Google Analytics sice neustále procházejí inovacemi, získávají nové funkce a jejich vývojový tým je otevřený a přátelský, ale je třeba si uvědomit, kde je místo Analytics ve strategii Googlu – co odůvodňuje jejich ohromné náklady a žádné přímé příjmy. Cíle Googlu u Google Analytics jsou dva:

1. Mít zdarma co nejvíce detailních dat o různých webech a firmách
2. Podporovat zvyšování obratu Adwords

Všimněte si, že mezi těmito cíly není „poskytovat přesná objektivní data“ nebo „sloužit dobře zákazníkům“ – tím neříkám, že by to Google Analytics nedělaly, ale jaksi to není to hlavní.

Říkám často klientům, když se mě ptají na benefity placených analytických nástrojů, také toto: máte jistotu, že data se budou sbírat i zítra a pozítří, že se tak děje podle SLA a podle jasně popsaných standardů. Google oznámil změnu metodiky poprvé v den, kdy ji změnil. Kdyby podobnou změnu metodiky chystal poskytovatel placeného řešení (např. Omniture), tak:

1. První ohlášení by bylo nejspíše půl roku až rok dopředu.
2. Byla by nejspíše možnost svojí volbou zůstat u staré metodiky ještě po dalších X let.
3. Vše včetně možných konsekvencí a opatření proti nim by se vysvětlilo na přednáškách a v článcích.

Takovýto přístup potřebují firmy, které webová data berou vážně. Ačkoliv ani placené nástroje nejsou ve svém vývoji pokaždé bez ztráty květinky, vždy u nich platí, že se snaží v první řadě o spokojenost zákazníka a že jsou nezávislé na inzertních penězích. Ani jedno dnes u Google Analytics není a bude to podle mě čím dál větší problém.

PS: Pokud jsou vám sympatické pokročilé nástroje webové analytiky, možná pro vás máme práci.

Související články:

• Segmentace dat v Google Analytics
• Pokročilé nástroje webové analytiky (aneb až vám Google Analytics přestanou stačit)
• Jak využít data z vašeho webu ke zvýšení předvánočního prodeje (1/2)

 

Komentáře: 7

Jen úplný nováček, který se zcela náhodou ocitl na tomto webu, zřejmě ještě neslyšel o tom, co je analytika a jak je to perspektivní obor pro business napříč všemi jeho funkcemi. A tím pádem i perspektivní pro vlastní kariéru.

Práce, půda, kapitál? Zapomeňte! Data is the new soil.

Pokud ale přece jen váháte, a na VŠ vás učili něco jiného, podívejte se na 5 vybraných indikátorů o stále rostoucím významu dat a analytiky.

1. Stoletá IBM už dávno není výrobcem počítačů, v posledních čtyřech letech investovala více než 14 miliard dolarů do akvizic v oblasti analytického softwaru (Cognos, SPSS, Unica, Netezza a další)
2. Hal Varian, Google Chief Economist, v roce 2008 prohlásil: I keep saying that the sexy job in the next 10 years will be statisticians
3. Reid Hoffman, zakladatel LinkedIn, doplňuje: Web 3.0 Will Be About Data
4. Porovnejte trendy počtu vyhledávání výrazů analytics, seo, adwords a social media a trendy počtu volných míst
5. Internet je jedna velká pokladnice plná dat, prostřednictvím které lze zmapovat celý svět
6. (pokud máte nějaký jiný oblíbený odkaz/citát spojený s analytikou, přidejte klidně do komentářů)

My tyto trendy sledujeme a vnímáme potřeby firem přesně v tom duchu, který popisuje Hal Varian. Naši klienti mají data, ale potřebují technologie a lidi, kteří jim pomůžou těmto datům porozumět a vytěžit z nich konkurenční výhodu. IBM, SAS, Accenture nebo Google, Facebook, Twitter a mnoho dalších to vidí úplně stejně. Nad daty dokonce vznikají zcela nové obchodní modely, datová tržiště a datové agregátory.

Cílem Optimics je vybudovat prvotřídní know-how a specializaci v analytice se zaměřením na online marketing a prodej. Neustále hledáme příležitosti, abychom v praxi u klientů mohli aplikovat to, o čem přednáší ti nejlepší konzultanti na konferencích ve Spojených státech a dobrá zpráva je, že se nám to daří stále víc a víc. Pokud tedy věříte významu analytiky a chtěli byste se stát součástí této úspěšné vize, máme právě teď pro vás zajímavou nabídku. Pojďte pracovat s námi.

PS. A přijďte také 29.6. na další Web Analytics Wednesday. Můžete si udělat lepší představu o tom, kdo jsme a co děláme. Zároveň si můžete poslechnout zajímavé prezentace analytiků z iDNES a O2.

Související články:

• Pokročilé nástroje webové analytiky (aneb až vám Google Analytics přestanou stačit)

 

Napište první komentář!