Всем привет! Я Лаптев Алексей, основатель и главный разработчик сервиса бесплатной сквозной аналитики и коллтрекинга Utmstat, а также Telegram-канала про сквозную аналитику.
5801 просмотров
Сегодня расскажу почему Google Data Studio и Power BI не совсем подходят для сквозной аналитики и чем лучше более специализированные сервисы.
Почему Google Data Studio и Power BI — это не готовое решение для сквозной аналитики
Если коротко, то 2 причины:
- Для 100%-й сквозной аналитики нужны 100% размеченные данные в строго определенном формате.
- Google Data Studio и Power BI это инструменты визуализации, а не сбора данных и они не могут обеспечить качественный сбор данных, на основании которых можно принимать какие-то решения. Все красиво, но если исходные данные с пробелами — бесполезно.
Пример дырявого источника данных для аналитики
Примерно так выглядят типовые исходные данные по продажам, на основе которых строятся отчеты в GDS и Power BI на примере платной рекламы в Яндекс Директ.
Инструменты персонализации отчетов Google Data Studio и Power BI. Роман Любимцев. MediaGuru
Как видим в наборе данных есть пустые места.
Почему? А вот почему:
- Маркетолог не умеет в грамотные UTM-метки
- Маркетолог не понимает механики, как собираются и склеиваются данные и внедряет свои уникальные методики.
- Маркетолог делает «качественную ручную» рекламу/аналитику
- Маркетологу/владельцу бизнеса религия не позволяет заплатить несущественные деньги за автоматизацию, лучше потратить несоизмеримо больше своего времени, но не заплатить.
- Кривая интеграция сайта и CRM с системой аналитики.
Все это выливается в то, что в один прекрасный момент данных становится много и маркетолог теряет контроль над ними.
Вроде из далека цифры какие-то есть, графики какие-то строятся, но на самом деле данные искажены и по ним нельзя делать выводы.
Но GDS и Power BI вам об этом не скажут, у них все хорошо — графики крутятся, аналитика строится.
Пример полноценного источника данных для аналитики
А вот это уже идеальный датасет. Лучше не сделать.
Каждая продажа имеет номер кампании, номер объявления, номер фразы, фразу и еще десяток параметров в нескольких атрибуциях, актуальных для веб-аналитики.
Аналогичные датасеты есть по кликам, событиям, расходам.
К сожалению такое качество исходных данных не достижимо простой перерисовкой интерфейса Google Analytics в Google Data Studio или Power BI.
Там все гораздо сложнее. Пришлось писать целый сервис, который решает эту сложную задачу — просто.
Как гарантированно получать качественный датасет?
Очень просто и сложно одновременно, надо контролировать всю цепочку:
Тут противникам сервисов сквозной аналитики пламенный привет.
Сервисы сквозной аналитики (по крайней мере UTMSTAT) в автоматическом режиме имеют возможность проверять миллионы кликов, событий и продаж и найдут в ошибку в разметке в одном клике из миллиона, а живой человек нет.
Настройка и работа с Power BI и Google Data Studio. Сквозная аналитика воронки продаж.
В итоге получается честная рабочая гарантия что данные собраны качественно.
Google Data Studio и Power BI это несомненно мощные и полезные инструменты визуализации данных, но без качественных исходных данных пользы от них 0, а контролировать сбор данных они не умеют.
Основные механики сервисов сквозной аналитики для сбора точных данных
Задача сервисов сквозной аналитики
Среди новичков и противников платных сервисов сквозной аналитики, бытует мнение, что сервисы сквозной аналитики продают воздух и данные, которые можно посмотреть в метрике или аналитиксе.
На самом деле сервисы сквозной аналитики продают аутсорс технической и аналитической экспертизы, позволяющей в кратчайщие сроки соединить десятки сервисов и получить необходимые вам отчеты с гарантией работы.
Вместо найма программиста и аналитика с ФОТ в 200 000 — 300 000 в мес, вы получаете готовый продукт за 2000-3000 руб мес уже завтра. Прекрасно же?
На рынке мало хороших специалистов, а те что есть, в месяц стоят дороже чем годовая подписка на сервис.
В итоге когда вы «экономите» и выбираете «бесплатный» сервис типа Google Data Studio — сразу закладывайте и считайте время и стоимость его подключения.
У вас получится 2 варианта:
- Подключения бесплатного сервиса неизвестным специалистом без гарантий с парой месяцев отладки и нервотрепки за десятки и сотни тысяч рублей оплаты труда специалистов
- Подключение платного сервиса стоимостью от 20000 руб (в год!), при этом получаете гарантированный результат в течение недели и проверенный на множестве клиентов.
Client ID — основа сквозной аналитики
В основе любого сервиса аналитики, будь то метрика, analytics или любой другой, лежит уникальный идентификатор пользователя, который хранится в cookies браузера и не удаляется в течение длительного времени.
В разговорах он обычно называется client id или cid.
Вот он, на примере Google Analytics
Благодаря этому факту, сквозная аналитика имеет возможность привязать все действия на сайте и дальнейшие продажи к конкретному клиенту.
В итоге получается детальный лог действий клиента с точностью до клика, на основании которого можно строить много интересных отчетов.
Выглядит это примерно так:
Сейчас любой сервис, который строит хотя бы минимальную аналитику, помечает каждого посетителя своим client id.
Возможность отслеживать все действия пользователя на сайте крайне полезна для понимания что он там делает и как ему лучше продавать.
Client ID и GDPR + запрет Cookies
Нездоровая истерия о персональных данных с запретом Cookies и тенденцией к блокировке к сожалению больше похоже на охоту на ведьм малограмотной инквизицией.
Сквозная аналитика это как МРТ/КТ/рентген бизнеса в интернете — показывает проблемы на ранней стадии и не дает плохо кончить.
Поэтому не нужно боятся что вас отслеживают, пока вы сами не оставите свои личные данные — никто не узнает кто вы, а вот поддерживать рентабельность бизнеса такой трекинг очень помогает.
Как сквозная аналитика подключается к сайту
Очень просто — ставится небольшой кусок кода на сайт, по аналогии с Яндекс Метрикой или Google Analytics.
Это код подтягивает js файл со всей логикой — регистрация кликов, подмена номеров и прочее.
У каждого сервиса формат разный, но суть одна.
Как считаются клики и почему количество между сервисами не совпадает
Довольно частый вопрос от клиентов аналитики: «Почему в сервисе X не сходятся клики с сервисом Y?»
Обычно это «сквозная аналитика VS метрика» или «метрика VS google analytics».
- Разный алгоритм регистрации кликов
- Разные цели регистрации кликов
- Способность кода счетчика работать на разных устройствах и браузерах
Например у метрики и analytics основная задача — считать трафик и они могут быстро фиксировать клики, при этом фильтровать ботов.
А в UTMSTAT задача получить максимум данных об источнике продажи, в том числе client id метрики и analytics. Поэтому клик регистрируется не сразу, а с задержкой в 1-2 секунды.
При таком подходе будет упущен трафик от ботов, которые зашли/вышли, но по реальным покупателям будет максимум информации.
Вот поэтому количество кликов в сервисах различается.
Не стоит переживать по этому поводу, критично чтобы сходились расходы и продажи.
Зачем самостоятельно считать клики, когда есть Google Analytics?
Чтобы построить такой сквозной отчет, в котором цифры будут сходиться, нужны качественные исходные данные без дыр.
Если работать на базе API Google Analytics, то мы теряем контроль над качеством данных по трафику и событиям. Вот так:
В итоге приходится работать с кривыми данными, которые отправил туда маркетолог под дудку Google.
А если собирать данные самостоятельно, то получаем контроль над всеми участниками процесса + возможность собирать данные в идеальном формате для аналитики.
Поэтому если какой-то сервис хвалится что он работает на базе Google Analytics, это конечно продающее утверждение, но с точки зрения реальной пользы, это минус.
Зачем для сквозной аналитики UTM-метки
С технической точки зрения — передать номера кампаний, объявлений, фраз и некоторую другую информацию чтобы можно было точно связать рекламные источники, расходы и продажи по id-шникам, а не случайным креативам маркетологов.
Правильный формат очень важен, почему? Читайте здесь.
Как определяется рекламных источник
По комбинации utm-меток, реферера и информации о рекламных кампаниях.
Тут нет какого-то четкого стандарта, в каждом сервисе алгоритм разный, но результат +/- одинаковый.
Как считаются расходы
Банально. Парсится апи рекламных площадок, того же директа.
Но тут есть нюанс.
Для упрощения архитектуры, расходы группируются по дням и нельзя получить расходы на 12.00 дня сегодня, а потом еще вечером.
Расходы парсятся 1 раз вчерашний день или ранее.
Поэтому «за сегодня» расходы в статистике обычно 0.
Да и это в целом не проблема, так как анализировать нужно на дистанции, а не считать каждый клик и копейку в реалтайме.
Нам нужен отчет с данными для принятия решений, а не реалтайм дашборд для отслеживания текущего статуса.
Как считается атрибуция
Атрибуция — это ваше субъективное мнение, какой рекламный источник считать принесшим продажу, если клиент посетил их несколько.
Подробнее можете почитать в справке Яндекс Метрики.
Атрибуция считается на основании истории кликов.
Сервис сквозной аналитики, самостоятельно собирающий клики может строить любые атрибуции, но на практике используется в основном Первый переход и Последний значимый переход.
Среди продвинутых аналитиков и коучей, часто идут споры о том какая атрибуция правильная и где какую использовать, при этом если попросить математическое обоснование, то ответа скорее всего не получите.
На практике об атрибуции думает минимум клиентов.
У многих продажи идут с 1-2 источников, а на реальных многоканальных последовательностях элементарно не набирается достаточно статистики, чтобы делать там какие-то выводы.
Поэтому заморочки с атрибуцией это удел весьма небольшого числа участников рынка.
Как работает кроссдевайсный трекинг
К сожалению сейчас нет простого и надежного способа распознать клиента на разных устройствах.
Да, можно заставлять его логиниться на сайте, вводить email/телефон, но это будет 1% от трафика и ни о какой точности данных речи тут не идет.
Даже Google тут пока бессилен.
Как работает кроссдоменный трекинг
В рамках одного устройства посетителя можно распознать по фингерпринту. Формулу не скажу, но работает надежно.
Как работает офлайн трекинг
Тут сложно, должно совпасть 2 события:
- Клиент оставил на сайте свой email/телефон и рекламный источник зафиксирован
- Клиент при покупке в оффлайне также оставил своей email/телефон.
В этом случае по email/телефон можно будет определить рекламный источник офлайн продажи. Но так как далеко не все оставляют свои данные при продаже, точность данных тут тоже весьма низкая.
Зачем нужна встроенная CRM?
Для обеспечения высокой точности аналитики по продажам и быстрого поиска проблем в этой самой аналитике.
Иногда бывает что отчеты «врут» и именно возможность разложить цифры из отчетов на реальные сделки в CRM позволяет доказать что цифры правильные или быстро найти причину ошибки.
Нет эффекта черного ящика.
А вот использовать встроенную CRM для построения полноценных бизнес-процесс не рекомендуется, тут лучше использовать популярные решения типа Bitrix24 или AmoCRM.
Поэтому если в вашем сервисе аналитики нет CRM, куда стекаются все типы заявок, то это серьезный минус и высокая вероятность что в отчетах данные расходятся с реальностью.
Как происходит взаимодействие между сервисами
Это когда внешний сервис на какое либо событие (новый лид) отправляет в сервис сквозной аналитики запрос.
По такой схеме идет работа с CRM, онлайн-чатами и прочими захватчиками лидов.
Парсинг API по расписанию
Это когда в определенное время делается запрос к апи внешнего сервиса. Обычно раз в сутки.
По этой схеме собираются расходы.
Почему надо работать в популярных сервисах
В первую очередь это касается CRM и различных онлайн-чатов с квизами.
Сервисы сквозной аналитики обещают простую интеграцию и это в целом действительно так. Но достигается это весьма сложной и дорогой разработкой.
Себестоимость подключения нового сервиса может стоить 100 000 руб и выше, поэтому noname-сервисы, которыми пользуются 1.5 человека не подключаются.
Поэтому если вы нашли супер бесплатную CRM о которой никто не знает, приготовьтесь страдать.
Вы будете платить 0 руб за CRM, но потратите сотни тысяч рублей на костыли с аналитикой или останетесь вообще без нее.
Поэтому сильно дешевле работать в платных, но популярных сервисах.
Почему важно автоматизировать работу со сквозной аналитикой
Работая со множеством клиентов и как следствие, имея большую выборку, можно смело утверждать что на рынке весьма плохо с квалификацией и системным подходом.
Инструментов аналитики много, а пользоваться ими грамотно мало кто умеет.
Поэтому чтобы максимально снять зависимость вашего бизнеса от квалификации конкретного человека, лучше переложить максимум задач на что-то автоматическое.
Механика работы сервисов сквозной аналитики, или почему Google Data Studio и Power BI — это не совсем сквозная аналитика
Всем привет! Я Лаптев Алексей, основатель и главный разработчик сервиса бесплатной сквозной аналитики и коллтрекинга Utmstat, а также Telegram-канала про сквозную аналитику.
Сегодня расскажу почему Google Data Studio и Power BI не совсем подходят для сквозной аналитики и чем лучше более специализированные сервисы.
Почему Google Data Studio и Power BI — это не готовое решение для сквозной аналитики
- Для 100%-й сквозной аналитики нужны 100% размеченные данные в строго определенном формате.
- Google Data Studio и Power BI это инструменты визуализации, а не сбора данных и они не могут обеспечить качественный сбор данных, на основании которых можно принимать какие-то решения. Все красиво, но если исходные данные с пробелами — бесполезно.
Пример дырявого источника данных для аналитики
Примерно так выглядят типовые исходные данные по продажам, на основе которых строятся отчеты в GDS и Power BI на примере платной рекламы в Яндекс Директ.
Как видим в наборе данных есть пустые места.
- Маркетолог не умеет в грамотные UTM-метки
- Маркетолог не понимает механики, как собираются и склеиваются данные и внедряет свои уникальные методики.
- Маркетолог делает «качественную ручную» рекламу/аналитику
- Маркетологу/владельцу бизнеса религия не позволяет заплатить несущественные деньги за автоматизацию, лучше потратить несоизмеримо больше своего времени, но не заплатить.
- Кривая интеграция сайта и CRM с системой аналитики.
Вроде из далека цифры какие-то есть, графики какие-то строятся, но на самом деле данные искажены и по ним нельзя делать выводы.
Но GDS и Power BI вам об этом не скажут, у них все хорошо — графики крутятся, аналитика строится.
Пример полноценного источника данных для аналитики
А вот это уже идеальный датасет. Лучше не сделать.
Каждая продажа имеет номер кампании, номер объявления, номер фразы, фразу и еще десяток параметров в нескольких атрибуциях, актуальных для веб-аналитики.
Аналогичные датасеты есть по кликам, событиям, расходам.
К сожалению такое качество исходных данных не достижимо простой перерисовкой интерфейса Google Analytics в Google Data Studio или Power BI.
Там все гораздо сложнее. Пришлось писать целый сервис, который решает эту сложную задачу — просто.
Как гарантированно получать качественный датасет?
Очень просто и сложно одновременно, надо контролировать всю цепочку:
Тут противникам сервисов сквозной аналитики пламенный привет.
Сервисы сквозной аналитики (по крайней мере UTMSTAT) в автоматическом режиме имеют возможность проверять миллионы кликов, событий и продаж и найдут в ошибку в разметке в одном клике из миллиона, а живой человек нет.
В итоге получается честная рабочая гарантия что данные собраны качественно.
Вывод
Google Data Studio и Power BI это несомненно мощные и полезные инструменты визуализации данных, но без качественных исходных данных пользы от них 0, а контролировать сбор данных они не умеют.
Основные механики сервисов сквозной аналитики для сбора точных данных
Задача сервисов сквозной аналитики
Среди новичков и противников платных сервисов сквозной аналитики, бытует мнение, что сервисы сквозной аналитики продают воздух и данные, которые можно посмотреть в метрике или аналитиксе.
На самом деле сервисы сквозной аналитики продают аутсорс технической и аналитической экспертизы, позволяющей в кратчайщие сроки соединить десятки сервисов и получить необходимые вам отчеты с гарантией работы.
Вместо найма программиста и аналитика с ФОТ в 200 000 — 300 000 в мес, вы получаете готовый продукт за 2000-3000 руб мес уже завтра. Прекрасно же?
На рынке мало хороших специалистов, а те что есть, в месяц стоят дороже чем годовая подписка на сервис.
В итоге когда вы «экономите» и выбираете «бесплатный» сервис типа Google Data Studio — сразу закладывайте и считайте время и стоимость его подключения.
- Подключения бесплатного сервиса неизвестным специалистом без гарантий с парой месяцев отладки и нервотрепки за десятки и сотни тысяч рублей оплаты труда специалистов
- Подключение платного сервиса стоимостью от 20000 руб (в год!), при этом получаете гарантированный результат в течение недели и проверенный на множестве клиентов.
Client ID — основа сквозной аналитики
В основе любого сервиса аналитики, будь то метрика, analytics или любой другой, лежит уникальный идентификатор пользователя, который хранится в cookies браузера и не удаляется в течение длительного времени.
В разговорах он обычно называется client id или cid.
Вот он, на примере Google Analytics
Благодаря этому факту, сквозная аналитика имеет возможность привязать все действия на сайте и дальнейшие продажи к конкретному клиенту.
В итоге получается детальный лог действий клиента с точностью до клика, на основании которого можно строить много интересных отчетов.
Выглядит это примерно так:
Сейчас любой сервис, который строит хотя бы минимальную аналитику, помечает каждого посетителя своим client id.
Возможность отслеживать все действия пользователя на сайте крайне полезна для понимания что он там делает и как ему лучше продавать.
Client ID и GDPR + запрет Cookies
Нездоровая истерия о персональных данных с запретом Cookies и тенденцией к блокировке к сожалению больше похоже на охоту на ведьм малограмотной инквизицией.
Сквозная аналитика это как МРТ/КТ/рентген бизнеса в интернете — показывает проблемы на ранней стадии и не дает плохо кончить.
Поэтому не нужно боятся что вас отслеживают, пока вы сами не оставите свои личные данные — никто не узнает кто вы, а вот поддерживать рентабельность бизнеса такой трекинг очень помогает.
Как сквозная аналитика подключается к сайту
Очень просто — ставится небольшой кусок кода на сайт, по аналогии с Яндекс Метрикой или Google Analytics.
Это код подтягивает js файл со всей логикой — регистрация кликов, подмена номеров и прочее.
У каждого сервиса формат разный, но суть одна.
Как считаются клики и почему количество между сервисами не совпадает
Довольно частый вопрос от клиентов аналитики: «Почему в сервисе X не сходятся клики с сервисом Y?»
Обычно это «сквозная аналитика VS метрика» или «метрика VS google analytics».
- Разный алгоритм регистрации кликов
- Разные цели регистрации кликов
- Способность кода счетчика работать на разных устройствах и браузерах
А в UTMSTAT задача получить максимум данных об источнике продажи, в том числе client id метрики и analytics. Поэтому клик регистрируется не сразу, а с задержкой в 1-2 секунды.
При таком подходе будет упущен трафик от ботов, которые зашли/вышли, но по реальным покупателям будет максимум информации.
Вот поэтому количество кликов в сервисах различается.
Не стоит переживать по этому поводу, критично чтобы сходились расходы и продажи.
Зачем самостоятельно считать клики, когда есть Google Analytics?
Чтобы построить такой сквозной отчет, в котором цифры будут сходиться, нужны качественные исходные данные без дыр.
Если работать на базе API Google Analytics, то мы теряем контроль над качеством данных по трафику и событиям. Вот так:
В итоге приходится работать с кривыми данными, которые отправил туда маркетолог под дудку Google.
А если собирать данные самостоятельно, то получаем контроль над всеми участниками процесса + возможность собирать данные в идеальном формате для аналитики.
Поэтому если какой-то сервис хвалится что он работает на базе Google Analytics, это конечно продающее утверждение, но с точки зрения реальной пользы, это минус.
Зачем для сквозной аналитики UTM-метки
С технической точки зрения — передать номера кампаний, объявлений, фраз и некоторую другую информацию чтобы можно было точно связать рекламные источники, расходы и продажи по id-шникам, а не случайным креативам маркетологов.
Правильный формат очень важен, почему? Читайте здесь.
Как определяется рекламных источник
По комбинации utm-меток, реферера и информации о рекламных кампаниях.
Тут нет какого-то четкого стандарта, в каждом сервисе алгоритм разный, но результат +/- одинаковый.
Как считаются расходы
Банально. Парсится апи рекламных площадок, того же директа.
Но тут есть нюанс.
Для упрощения архитектуры, расходы группируются по дням и нельзя получить расходы на 12.00 дня сегодня, а потом еще вечером.
Расходы парсятся 1 раз вчерашний день или ранее.
Поэтому «за сегодня» расходы в статистике обычно 0.
Да и это в целом не проблема, так как анализировать нужно на дистанции, а не считать каждый клик и копейку в реалтайме.
Нам нужен отчет с данными для принятия решений, а не реалтайм дашборд для отслеживания текущего статуса.
Как считается атрибуция
Атрибуция — это ваше субъективное мнение, какой рекламный источник считать принесшим продажу, если клиент посетил их несколько.
Подробнее можете почитать в справке Яндекс Метрики.
Атрибуция считается на основании истории кликов.
Сервис сквозной аналитики, самостоятельно собирающий клики может строить любые атрибуции, но на практике используется в основном Первый переход и Последний значимый переход.
Среди продвинутых аналитиков и коучей, часто идут споры о том какая атрибуция правильная и где какую использовать, при этом если попросить математическое обоснование, то ответа скорее всего не получите.
На практике об атрибуции думает минимум клиентов.
У многих продажи идут с 1-2 источников, а на реальных многоканальных последовательностях элементарно не набирается достаточно статистики, чтобы делать там какие-то выводы.
Поэтому заморочки с атрибуцией это удел весьма небольшого числа участников рынка.
Как работает кроссдевайсный трекинг
К сожалению сейчас нет простого и надежного способа распознать клиента на разных устройствах.
Да, можно заставлять его логиниться на сайте, вводить email/телефон, но это будет 1% от трафика и ни о какой точности данных речи тут не идет.
Даже Google тут пока бессилен.
Как работает кроссдоменный трекинг
В рамках одного устройства посетителя можно распознать по фингерпринту. Формулу не скажу, но работает надежно.
Как работает офлайн трекинг
- Клиент оставил на сайте свой email/телефон и рекламный источник зафиксирован
- Клиент при покупке в оффлайне также оставил своей email/телефон.
Зачем нужна встроенная CRM?
Для обеспечения высокой точности аналитики по продажам и быстрого поиска проблем в этой самой аналитике.
Иногда бывает что отчеты «врут» и именно возможность разложить цифры из отчетов на реальные сделки в CRM позволяет доказать что цифры правильные или быстро найти причину ошибки.
Нет эффекта черного ящика.
А вот использовать встроенную CRM для построения полноценных бизнес-процесс не рекомендуется, тут лучше использовать популярные решения типа Bitrix24 или AmoCRM.
Поэтому если в вашем сервисе аналитики нет CRM, куда стекаются все типы заявок, то это серьезный минус и высокая вероятность что в отчетах данные расходятся с реальностью.
Как происходит взаимодействие между сервисами
Вебхуки
Это когда внешний сервис на какое либо событие (новый лид) отправляет в сервис сквозной аналитики запрос.
По такой схеме идет работа с CRM, онлайн-чатами и прочими захватчиками лидов.
Парсинг API по расписанию
Это когда в определенное время делается запрос к апи внешнего сервиса. Обычно раз в сутки.
По этой схеме собираются расходы.
Почему надо работать в популярных сервисах
В первую очередь это касается CRM и различных онлайн-чатов с квизами.
Сервисы сквозной аналитики обещают простую интеграцию и это в целом действительно так. Но достигается это весьма сложной и дорогой разработкой.
Себестоимость подключения нового сервиса может стоить 100 000 руб и выше, поэтому noname-сервисы, которыми пользуются 1.5 человека не подключаются.
Поэтому если вы нашли супер бесплатную CRM о которой никто не знает, приготовьтесь страдать.
Вы будете платить 0 руб за CRM, но потратите сотни тысяч рублей на костыли с аналитикой или останетесь вообще без нее.
Поэтому сильно дешевле работать в платных, но популярных сервисах.
Почему важно автоматизировать работу со сквозной аналитикой
Работая со множеством клиентов и как следствие, имея большую выборку, можно смело утверждать что на рынке весьма плохо с квалификацией и системным подходом.
Инструментов аналитики много, а пользоваться ими грамотно мало кто умеет.
Поэтому чтобы максимально снять зависимость вашего бизнеса от квалификации конкретного человека, лучше переложить максимум задач на что-то автоматическое.
Google Data Studio: гайд по настройке, сравнение с Power BI и примеры визуализации
Есть такой вид профессионального удовольствия — превращать скучные цифры во что-то эстетически приятное. Для этого и был создан Google Data Studio — онлайн-сервис визуализации данных. О том, как пользоваться GDS, рассказывает Иван Нуждин, PPC-специалист агентства eLama.
Google Data Studio и его главный конкурент
Google Data Studio — это бесплатный сервис визуализации данных. Он позволяет строить интерактивные отчеты для маркетологов, digital-специалистов или владельцев бизнеса. На рынке у GDS есть главный конкурент — платформа Power BI, разработанная компанией Microsoft. В таблице рассмотрим основные отличия этих продуктов и некоторые их них поясним отдельно.
Google Data Studio
Десктоп-клиент + возможность публиковать в вебе
Простой, интуитивно понятный интерфейс
Для регистрации достаточно почты Gmail
Регистрация только через корпоративную почту
Данные обновляются автоматически
Данные обновляются вручную или по запланированному графику
Упор на визуализацию
Визуализация + интеграция бизнес-метрик, продвинутая аналитика
Удобный интерактивный шеринг отчетов
Шеринг через общедоступную ссылку
(в бесплатной версии)
Есть коннектор eLama в отчетах BI , но находится в режиме доработки
Есть шаблон отчета и коннектор eLama в отчетах BI
Стабильность работы зависит от качества интернет-соединения
Есть и платная, и бесплатная версия
1. Google Data Studio — это веб-сервис, который создается и редактируется на облаке. Power BI имеет программную часть — десктопное приложение, в котором можно создавать и конструировать отчет и уже затем публиковать с доступом по ссылке. В качестве альтернативы можно сохранять отчеты в файл, который можно открыть только через программу PBI. Сразу оговоримся: здесь и далее мы рассматриваем бесплатную версию Power BI.
2. Google Data Studio доступен в любом браузере. Power BI создан для работы с Windows, а вот при конструировании отчетов на других ОС могут возникнуть сложности.
3. Для регистрации Google Data Studio достаточно любой почты Gmail, что делает сервис более универсальным инструментом — им могут пользоваться не только сотрудники агентств, но и фрилансеры.
4. Google Data Studio — это исключительно инструмент визуализации. В нем, в отличие от Power BI, нет каких-то продвинутых инструментов для интеграции данных и метрик, аналитики и возможности прогнозировать результаты. Но мы любим его за простой и удобный интерфейс.
5. Интерактивный шеринг в Google Data Studio предполагает возможность коллективного редактирования данных в облаке. Бесплатная версия Power BI таких возможностей не дает: отчет доступен по общедоступной ссылке — на этом все.
Передача данных через Google Analytics и создание отчетов — в трех шагах
Шаг 1. Настраиваем импорт данных
Сложность при создании отчетов заключается в том, что с Google Analytics напрямую можно связать только одну рекламную систему — Google Ads. Чтобы в Google Analytics появились данные по другим системам, их нужно импортировать — в нашем примере ниже мы импортируем данные по расходам из Директа.
Прежде чем настроить импорт, нужно подготовить Google Analytics к приему этих данных. Для этого мы создаем новый набор данных в ресурсе Analytics.
Отмечаем тип: данные о расходах.
При импорте выбираем действие «сумма». Для импорта мы рекомендуем использовать систему OWOX— она позволяет бесплатно импортировать данные из одного источника.
Что нужно сделать:
1. Зарегистрироваться в OWOX, в разделе Pipeline создать поток и выбрать рекламную систему.
2. Расшарить доступ к Google Analytics, выбрать ресурс и набор данных для импорта.
Далее в OWOX после регистрации:
- выбираем в качестве источника данных Яндекс.Директ, предоставляем доступ к системе;
- устанавливаем нужный нам ресурс и набор данных, который мы только что создали;
- выбираем дату, начиная с которой будут собираться данные;
- не забываем указать процент НДС, чтобы его вычесть из расходов (это важно, чтобы данные по рекламе в Яндексе и Google были однородными).
Шаг 2. Создаем отчет
Чтобы создать отчет, заходим на сайт Google Data Studio, выбираем Use it for free (использовать бесплатно) — нажимаем «Создать отчет». В качестве источника данных выбираем Google Analytics.
Шаг 3. Делаем, чтобы было красиво
Интерфейс Google Data Studio очень прост и понятен: достаточно выбрать графический элемент, внутри него — параметр и показатели из доступных полей. А также настроить стиль изображения. У каждого графического элемента есть возможность редактировать данные, то есть устанавливать параметр, по которому вы хотели бы получить отчет. Также можно выбирать вид графического элемента: шрифт, ориентацию текста, цвет и т. д.