photo_2019-08-27_21-16-27

Экспертиза в аналитике. Мир не ограничивается Яндекс Метрикой

Когда заходит разговор об аналитике, чаще всего речь идёт о классических системах Яндекс метрика и Гугл Аналитика. Но для качественной аналитики необходимо использовать весь стек технологий, с которым мы сейчас вас познакомим:

 

1 Анализ рекламной кампании в Google analytics

2 Анализ рекламной кампании в Яндекс.Метрика

3 Внедрение call-трекинга (Comagic). Интеграция с Google Analytics

4 Интеграция Google Analytics с CRM

5 Анализ, сегментация, работа с данными (графики, формулы,фильтры) в “Google Таблицы” с использованием макросов

6 Автоматизация аналитики с помощью Power BI. Объединение данных из разных источников, минимизация ручного труда специалистов, визуализация данных. Power BI интегрируется с Google Analytics, современными  CRM-системами и даже Facebook это позволит получать визуализированные отчеты в любой момент времени. Power BI дает подсказки на какие выводы необходимо обратить внимание. Например мы можем взять расходы на рекламу, связать количество посещений сайта или звонков из системы телефонии, добавим цифры конечного дохода и сделаем вывод, сколько денег принесли звонки. Можно определить, сколько денег потрачено на рекламу в конкретный день, и понять, сколько тогда было звонков с заказами. Соответственно, можно рассчитать дополнительный KPI, конверсию, соотношение доходов и расходов.  

7 Использование Google Data Studio для анализа данных. Инструмент, который помогает маркетологам анализировать эффективность рекламных кампаний, визуализировать различные данные с разных источников.

8 Математическая статистика, статистические тесты, проверка статистических гипотез, визуальное отображение статистических данных. Математика мощьнейший инструмент, который позволяет на этапе модделирования просчитать гипотезы, выбрать самый оптимальный вариант и взять его в работу, без тестовых бюджетов и тестовых рекламных компаний

9 Базы данных, SQL, выгрузка данных. Большинство компаний используют базы данных для хранения информации, для аналитики этих данный требуется знание яззыка структуированных запросов.  Знание декларативного языка программирования позволяет получать из базы данных конкретные только необходимые, отсортированные таблицы

10 Кластеризация и сегментация больших данных с использованием Python (JBTD). Кластеризация данных жто задача разбияния множества объектов на группы. Кластерный анализ позволяет сделать отбор выборки объектов для кластеризации.

определить множества переменных, по которым будут оцениваться объекты в выборке, при необходимости – можно сделать нормализацию значений переменных. Например мы можем взять клиентов магазина, объеденить их в категории, и специально для каждой категории делать специальные предложения.

Вычисление значений меры сходства между объектами.

11 RFM анализ больших данных с использованием Python позволит сегментировать клиентов по частоте и сумме покупок и выявить тех кто приносит больше прибыли.

 

 

Метки: нет меток
2

Add a Comment

Your email address will not be published. Required fields are marked*