Аналитика важна для понимания по каким кампаниям и ключевым запросам приходят лиды, а какие съедают бюджет. Полученные данные помогают увидеть проблемы в квизе и исправить их, внедрять новые гипотезы и проверять результаты тестов. В статье разберемся как настроить аналитику и на какие показатели смотреть, чтобы рассчитать окупаемость рекламной кампании.

Настройка аналитики

Для начала нужно настроить интеграцию с Яндекс.Метрикой, если Метрика подключена, то переходим в текущий счетчик или создаем новый. Инструкция по созданию — тут.

Затем переходим в раздел с настройками и добавляем туда ссылку на квиз. Если счетчик создается только для квиза, то пишем ссылку в поле «Адрес сайта», если он уже привязан к основному сайту, то нажимаем на «Дополнительные адреса» и добавляем туда ссылку.

Далее копируем номер счётчика, в разделе с настройками он есть в двух местах.

Далее в Marquiz переходим в раздел с интеграциями и находим там Яндекс.Метрику:

Вставляем туда счётчик Метрики и адрес сайта, на котором установлен квиз. Это может быть либо основной сайт компании, лендинг или квиз-лендинг.

Сохраняем изменения и нажимаем на «Список целей», доступных для настройки.

Переходим в Яндекс.Метрику в раздел с целями и добавляем новую:

Здесь выбираем JavaScript-событие и далее из предложенных событий в конструкторе квизов копируем нужные идентификаторы для целей и вставляем в строку «идентификатор цели», сверху пишем название цели и сохраняем.

На примере выше была создана цель на открытие квиза, по такому же принципу создаются и остальные, кроме тех, которые отвечают за события, когда пользователь ответил на тот или иной вопрос. Здесь идентификатор в конструкторе «Посетитель прошёл вопрос N», N нужно заменить на цифру вопроса, на который настраивается цель. Например, чтобы настроить цель на прохождение 3 вопроса, идентификатор выглядят следующим образом: «Посетитель прошел вопрос 3».

Как видно, принцип настройки целей в Метрике достаточно прост. Рекомендуется создавать цели на всевозможные события для более глубокой аналитики. Например, при помощи таких целей в Метрике можно построить воронку прохождения по вопросам, как на примере ниже.

С помощью таких воронок можно находить слабые места в квизе. Например, на каком-то вопросе может отваливаться аномально большое количество пользователей, соответственно, его можно убрать или переделать. Или, например, внедрить изменения и затем измерить результаты для подсчёта эффективности реализованной гипотезы.

Как тестировать и анализировать гипотезы

A/B тесты

Настроим A/B тест на примере конструктора квизов Marquiz.

Итак, переходим в раздел «Дополнения» и нажимаем тумблер на A/B тесте. После этого сразу в правом верхнем углу появится кнопка A/B теста.

Принцип работы прост: буква, которая подсвечивается — эта та версия квиза, с которой мы на текущий момент работаем. Любые изменения, которые мы внесем на версии A, отразятся на оригинальной версии опросника. Поэтому, чтобы протестировать новую гипотезу — переходим на вкладку B.

И на этой версии делаем нужные нам доработки. Можно менять текст на страницах и вопросах, картинки, кнопки, дизайн, добавлять/удалять вопросы, менять формы контактов и прочее. После доработок сохраняем квиз и A/B тест запущен! Тест можно расширить до 4 вариантов, добавив C и D версии. Для этого жмём на шестерёнку рядом с вариантами теста и добавляем новые.

Следующий этап — аналитика. Провести анализ A/B теста в метрике можно при помощи параметров визита. Переходим в отчёт «Источники, сводка», выбираем нужную дату, нажимаем «Сравнить сегменты» и «С сегментом, заданным вручную».

У нас появляется сравнение двух одинаковых отчетов за тот же период времени даты.

Далее строим сегмент. Нажимаем на «Визиты, в которых» — «Поведение» — «Параметры визита» и выбираем «marquis_ab». Данный параметр формируется автоматически, при создании A/B теста внутри конструктора, отдельно настраивать его не нужно. Пишем в строку параметр «A» и применяем. Таким образом с левой стороны у нас статистика по тем, кто видел оригинал квиза.

Аналогично делаем с правой стороной, но в параметр пишем «B».

Далее спускаемся вниз к статистике и нажимаем на метрики, где в целевых визитах ищем настроенные цели и выбираем их.

В конце нас ждёт сравнительный отчёт по двум версиям квиза. На примере ниже мы видим, что версия B оказалась эффективнее на 26% (смотрим на последнюю метрику).

Закрепим понимание важности тестирований и аналитики кейсом из моей практики. Ниже представлен скриншот одного из A/B тестов, где с большим отрывом выиграла версия A.

Ниша строительство деревянных домов, где предлагалась скидка 5% за прохождение опроса. Так выглядела изначальная версия.

На первый взгляд, пришла гениальная идея, 5% скидку заменить на рубли, так как деревянные дома стоят дорого, то минимальная скидка будет 100 000 рублей. Таким образом выгода ещё прозрачнее и пользователю не нужно считать, сколько он сэкономит. Так выглядела версия B.

В результате гипотеза провалилась с треском, конверсия упала более чем в 2 раза. Поэтому перед тем, как внедрять какие-либо изменения, нужно тестировать, чтобы снизить риски больших потерь после доработок.

Вывод

Перед тем, как внедрять доработку, нужно проверить ее значимость с точки зрения мат. статистики, для этого можно пользоваться калькуляторами статистической значимости A/B тестов, например, www.websiteplanet.com/ru/webtools/abtest-calculator. В случае с приведенным кейсом видно, что тест оказался незначимым, поэтому не стоит сразу бежать и оставлять версию B. Нужно собрать ещё статистику и, если результат также окажется незначимым, то стоит протестировать новую гипотезу.