Как проверить аналитические данные на достоверность?

Результаты исследований полностью зависят от исходных данных, и вы должны убедиться в их достоверности, прежде чем на их основе принимать решения. Какими бы профессионалами не были ваши аналитики, ложная информация приведёт их к ложным выводам.

Если вы до сих пор его не используете, самое время начать. Диспетчер тегов делает вас более независимыми, позволяет быстро оценивать успех нововведений и исправлять ошибки при сборе данных. Вам больше не нужно подолгу ждать обновления кода на сайте, вы сами контролируете рабочий процесс. Диспетчер тегов подходит также для объединения ваших инструментов обработки информации. Adobe’s Dynamic Tag Manager и Google Tag Manager – два самых популярных и простых в использовании диспетчера тегов. Они абсолютно бесплатны.

Тестирование должно играть одну из главных ролей в вашей стратегии внедрения. Сбор данных производится на основе JavaScript? Система может вести себя по-разному с различными устройствами и браузерами. 

Посоветуйтесь со своими разработчиками и протестируйте систему на всех платформах, чтобы проверить достоверность собираемой информации. Напишите тестовые задания.

Вы только что завершили тестирование кода. Как расшифровать данные? Слишком много аналитических систем не имеют документации, что затрудняет работу аналитиков и маркетологов.

Прежде всего, регулярно обновляйте конфигурацию и сделайте её доступной всем пользователям системы. Затем унифицируйте наилучшие панели инструментов и пользовательские отчёты, выберите подходящее программное обеспечение и установите каналы связи, чтобы обеспечить бесперебойную доставку отчётов между отделами.

Средства отчётности дают возможность предварительно обрабатывать и фильтровать данные о кликах до того, как они сформируют отчёт. Хоть такие механизмы весьма эффективны, их нужно использовать осторожно.

Обработка данных, не прошедших анализ, может привести к путанице, и ошибки будет трудно устранить. Поэтому, формируйте отчёт только после завершения сбора данных и их анализа.

Является ли проверка данных первоочерёдной мерой при обнаружении аномалий? Считаете ли вы, что падение конверсий было вызвано фактическими событиями, или это ошибка отслеживания? Достаточно ли у вас оснований считать данные достоверными? 

Поскольку аналитические платформы очень хорошо поддаются персонализации, придётся провести диагностику всего процесса с самого начала.

Современное аналитическое ПО не ограничивается простыми отчётами. Теперь стало возможным производить продвинутое сегментирование, что значительно расширяет возможности отчётности. Для получения конкретных результатов можно и нужно вводить переменные показатели.

Но как узнать, является ли сегментированный отчёт корректным? Начните с простых сегментов, которые можно протестировать на связанных отчётах. Например, сегмент для трафика США в отчёте по стране не должен затрагивать другие трафики. Чтобы заняться продвинутым сегментированием, нужно, прежде всего, уяснить, что установленные значения фильтров выдают ожидаемые результаты.

К советам, описанным американскими специалистами, следует добавить рекомендации российского эксперта по маркетингу. Александра Стельмахова, специализирующаяся на маркетинге в сегментах FMCG, Food Retail и HoReCa, дает развернутый комментарий в отношении проверки достоверных данных, и того каким показателям стоит доверять.

 «Как правило, в e-commerce используется одновременно несколько каналов для сбора данных и их последующей обработки, их можно укрупненно разделить на две группы.

Собственные данные компании:

• Данные user experience, основанные на пользовательском поведении посетителей на сайте в рамках UX-исследований (самый практичный Яндекс.Метрика)
• Куки, для хранения персональных предпочтений и настроек пользователя, его аутентификации (в т.ч. гео идентификация по  wi-fi в телефоне)
• Клиентские данные через лидогенерацию (идентификаторы связи и история покупок, общения)

Внешние данные (чужие), описывающие потенциал или рынок:

• Данные справочников компаний (Kompass, Pages Jaune, LexisNexis ), цель бизнеса которых – регистрация максимально точной информации о бизнесе, которая в последствии продается для целей холодных звонков или писем
• Собранные данные, в ходе маркетинговых полевых исследований (опросы, заполнение анкет)
• Данные диджитал-опросов (онлайн панели, имейл-анкетирование)
• Парсинг данных с других сайтов

Ошибки могут быть системными и случайными. Самыми точными данными считаются те, которые не требуют вмешательства человеческого фактора ни одной из сторон (отдающей и принимающей) – из перечисленных выше это Куки и user experience. Вторым способом по достоверности считается сбор клиентских данных, оставленных при полном понимании целей дальнейшего их использования  (иногда через акцепт). В этом смысле клиенту нет целей обманывать, заполняя форму обратной связи или форму покупки. Поэтому собранные данные получаются с наименьшим % ошибок, т.е. без намеренного искажения.

Если сравнивать потенциал точности собираемых данных, то собственные данные бизнеса всегда будут более точные, т.к. они управляемые (т.е. владелец данных понимает способ их возникновения) в отличие от «чужой» информации. Но для принятия решений, в случае количественного превосходства внешних данных над собственными, здравое мышление будет на стороне «чужой» информации».

Об авторах: Джейн Ансара – более десяти лет занимается цифровой аналитикой и цифровой архитектурой данных в должности старшего специалиста по маркетингу в компании Siteworx. Она специализируется на аналитическом обеспечении и интеграции данных.

Выполняя технические и аналитические работы в Siteworx, Савани Татаке обеспечивает развитие, разработку и внедрение систем взаимодействия с клиентами. За плечами Савани тринадцатилетний опыт разработки известных качественных и эффективных сайтов и приложений.