В современном бизнесе, кто не собирает данные — тот не пьет шампанское. Но просто собирать данные мало — их нужно проверять на качество и полноту. Сбор данных — это не самоцель, а лишь топливо для аналитической машины. И если вы хотите, чтобы эта машина служила вам верой и правдой долгие годы — вливайте в нее только проверенный бензин данных.
5 ошибок в настройке и процессе сбора данных
Человеческий фактор
Ни аналитик, ни программисты, настраивающие сбор данных, ни маркетологи, визуализирующие данные в отчетах, — не могут отречься от обычного человеческого «я забыл / недосмотрел / потерял». А это — всегда убытки для бизнеса.
Поэтому и существует автоматизация: те рутинные процессы, где человек может невзначай сделать ошибку, стоящую бизнесу существенных денег, — можно отдать машине. А человеку отдать человеческое — принятие решений и усовершенствование процессов.
Отсутствие связи между бизнес-задачами и настройкой аналитики
Знаете ли вы точно что, зачем и куда собираете? Понимаете ли, какие задачи решает ваша аналитика? Почему в плане развития на год стоит увеличение базы новых клиентов, а в метриках и отчетах везде на первом плане фигурируют повторные продажи? Что делать с таким разногласием?
Все эти вопросы — сингалы о проблеме асинхронности целей бизнеса и настройкой аналитики.
«Плавающее» руководство по сбору данных
Обычно этой ошибки не избежать, так как невозможно с первого дня существования бизнеса собирать все данные правильно. Но чем раньше вы определите все внутренние требования и правила по сбору данных и будете неуклонно им следовать, тем меньше неприятностей будет встречаться в отчетах и самих данных.
Разрозненные и сэмплированные данные
Представьте все рекламные каналы, CRM-систему, коллтрекинг, офлайн-точки продаж, приложения и сайты, которые генерируют прибыль. Правильно ли связаны их данные? С учетом периодичности обновлений, возможных дублей полей, перезаписей данных, уникальных идентификаторов?
Если не уверены, вероятно, данные до сих пор хранятся в разных «корзинах». Дополнительно, установите контроль над аналитическими инструментами — предоставляют ли они отчеты на базе всех ваших данных или семплируют их? Даже если речь о сэмплировании в Google Analytics, информацию нельзя считать надежной.
Отсутствие проверок
Отсутствие мониторинга качества информации уже достаточная причина считать данные неготовыми к построению отчетов. Есть ли смысл строить отчет на некачественных данных или данных с ошибкой? И есть ли смысл принимать решения на базе такого отчета?
Или например, маркетолог может просто не знать о том, что красивые показатели ROAS из данных импорта расходов Facebook Ads или Яндекс.Директа в Google Analytics не всегда релевантные. Например, потому, что API Директа мог просто не отдать всех нужных данных. А Facebook может обновить данные ретроспективно. И без проверки этого никогда не узнать.
Давайте рассмотрим глубже мониторинг качества данных как инструмент предупреждения ошибок в вашем бизнесе.
Что такое мониторинг качества данных?
Это комплексная проверка соответствия статистических данных стандартам качества по следующим критериям:
- Доступность. Данные доступны только ответственным специалистам, а не всем подряд в компании.
- Точность и полнота. Данные собираются по всем правилам и в полном объеме (например, если основная система анализа — Google Analytics с сэмплированием, этот пункт уже проседает).
- Взаимосвязанность. Если рекламу ведет агентство, то данные об этих кампаниях также должны быть у рекламодателя, связанные с информацией о поведении пользователей и заказах.
- Непротиворечивость. Если данные противоречивы — значит, ошибка точно есть.
- Однозначность. Пользователь либо купил, либо нет. То же должно быть и в данных.
- Релевантность. Все данные, которые собираются, берутся в расчет метрик и включаются в отчеты, должны служить определенной цели и решать бизнес-задачи.
- Своевременность. Это касается периодичности обновлений и режима доступу к данным.
Ничего так чек-лист, правда? Для проверки данных нужно привыкнуть к постоянному тестированию состояния экосистемы данных на всех организационных этапах:
- Проверка документации и технических заданий — убедиться, есть ли связь между бизнес-процессом и задачей, заданием на настройку бизнес-аналитики и метриками аналитического инструмента.
- Проверка настроек аналитического инструмента. К примеру, в Google Analytics — указать область доступа, удалить дубли существующих параметров, проверить и ввести необходимые пользовательские метрики.
- Проверка качества запущенной аналитики — убедиться, что данные правильно передаются, таблицы полностью заполняются, и оценить, как выполнена работа по настройке аналитики.
- Проверка данных в полезных отчетах — проверить, точны ли данные в отчетах, имеют ли они смысл и что теги отслеживания стоят на всех страницах сайта.
Аналитические инструменты имеют свой «протокол» внутренней проверки, который называется аудит аналитики. Для Google Analytics он выглядит следующим образом:
- Безопасность данных: проверить, что доступ на просмотр и редактирование данных и изменение настроек есть только у сотрудников, работающих над проектом.
- Диагностические уведомления об ошибках на сайте: своевременно выводятся оповещения о превышении лимитов по хитам, неправильной интеграции с Google Ads, недостатке UTM-параметров, аномалиях в отслеживании конверсий и другие.
- Корректны ключевые настройки ресурса: поле «Отрасль» не осталось пустым, так как это упрощает работу с шаблонами и целями; понятно, как выставляется UTM-pазметка рекламных кампаний — вручную или автоматически; количество хитов в месяц не превышает ограничение бесплатной версии; длительность сессии соответствует специфике бизнеса; из отчетов исключены данные из нежелательных источников; правильно выбран уровень параметров и показателей — Обращение, Сеанс, Пользователь или Товар.
- Корректны ключевые настройки представления: используется ли User ID; не попадают ли под фильтры нужные данные; для каждого представления установлен корректный часовой пояс; при необходимости включена расширенная электронная торговля; внесены заметки о критических изменениях на сайте; настроены специальные оповещения на email об изменении ключевых показателей.
Подробнее об этом чек-листе читайте в нашем блоге.
Везде есть своя специфика, но в основном все инструменты схожи в одном: правильная установка предотвращает проблемы потери данных или их искажения.
Имея в распоряжении эти критерии и процедуры тестирования, бизнес сможет управлять процессом мониторинга и предотвращать проблемы, которые появляются у тех, кто игнорирует этот тщательный подход.
А что если не мониторить и не проверять свои данные?
Всем рискованным парням, которые задаются этим вопросом, стоит знать несколько фактов.
Исправление ошибок «по факту» стоит дороже
Профилактика — всегда дешевле лечения. Здесь та же логика. На то, чтобы распутать клубок ошибок на уровне отчета, когда не понятно откуда взялась та или иная цифра, уйдет много времени. И главное, ситуация с ошибкой заставит пройти той же дорогой тестирования, только уже с потерянными нервами и ресурсами.
Цена ошибки в зависимости от этапа ее определения
К тому же, одна ошибка в отчете, построенном вручную, стоит намного больше, чем просто потерянное время. Согласно британскому отчету, каждый пятый крупный бизнес понес значительные финансовые потери из-за ошибок в таблицах. Наиболее распространенные ошибки: опечатки или неправильный ввод данных; ошибки в логике расчетов; копирование ошибки из другого документа; пропуски диапазона ячеек или неправильные диапазоны ячеек в расчетах.
Отсутствие контроля над персональными данными клиентов
Не зная всего пути данных — от источника и до хранилища, не контролируя этот процесс, на рынках, где царит GDPR, компания будет сама себя ограничивать.
GDPR (General Data Protection Regulation) — документ, вступивший в силу в мае 2018 года и регламентирующий правила обработки персональных данных на территории Европейского Союза. GDPR имеет экстерриториальное действие и применяется ко всем компаниям, которые обрабатывают персональные данные резидентов и граждан ЕС независимо от местонахождения самой компании.
Клиенты готов делиться с бизнесом данными, но только если они понимает, что эта информация принесет им пользу. По данным отчета Janrain, так ответили 52% опрошенных пользователей. При этом 18% сказали, что поделятся личными данными с компаниями без дополнительных условий, в то время как 25% отметили, что хотели бы сохранить конфиденциальность персональной информации.
В зоне ответственности бизнеса сделать все возможное, чтобы клиент мог управлять своими данными, например, отписаться от рассылки. Если этого не сделать — пользователь поймет, что данные, которые он доверил, не находятся в безопасности. Обычно это раздражает и может спровоцировать гневные отзывы.
Данные рекламных кампаний могут принадлежать третьим лицам
Даже если рекламу в Facebook ведет одно агентство, а Google Ads — другое, компания может настроить правильные интеграции со своим главным аналитическим инструментом и контролировать данные эффективнее. Таким образом она будет собирать данные в едином хранилище и избежит проблемы разрозненности данных.
К тому же в этом случае бизнес получает альтернативу радужным отчетам от агентств — собственный дашборд о расходах и доходах с рекламы, описанных в категориях прибыли и реальных продаж. Вероятно, маркетолог заметит, что бизнес тратите на аутсорс-рекламу больше, чем стоит.
Сбор всех данных воедино может занять от 3 до 6 месяцев активной работы. Но это того стоит.
Неточные данные — ошибочные бизнес-решения
На «грязных» данных невозможно построить отчет, отображающий реальное состояние в бизнесе и маркетинге. Пока маркетологи и аналитики не убедятся, что все данные отвечают вышеописанным критериям, отчеты будут с изъянами. А это значит, что на основе таких отчетов придется принимать решения и очень быстро. Цена ошибки на момент принятия бизнес-решения может стоить бизнеса.
Не ждите такой ситуации. Запускайте профилактику своей аналитики уже сегодня.