На конференции Optimization 2017 Антон Астахов (Mello) говорил о возможностях Power BI для проведения локальных исследований.
После того как пользователь зашел на страницу теста http://blog.btskf.ru/test, должен начать работать таймер. То есть каждую секунду его значение должно увеличиваться на одну единицу.
У каждого вопроса в зависимости от позиции в тесте будет свой порядковый номер. Если вопрос находится на первом месте, то порядковый номер равен 1, если на 10-м значит 10-ти. Так как порядок вопросов у нас не фиксирован, это значит, что в зависимости от сессии пользователя у вопроса может меняться порядковый номер.
ID вопроса — это переменная, которая формируется по принципу «порядковый номер вопроса_значение таймера». Пример:
порядковый номер вопроса = 2
значение таймера в момент формирование переменной ID = 10
ID = 2_10
После того как пользователь зашел на страницу теста, должен начать работать таймер.
При клике на кнопке следующий вопрос должно срабатывать событие. Для этого нужно вставить код:
ga(’send’, ’event’, ’{{ID}}’, ’{{Title}}’, ’{{Выбранный вариант ответа}}’);
После того как событие отправлено, таймер быть должен обнулен и запущен снова.
Всеволод зашел на сайт теста. В момент его захода таймер запустился. Далее он читает текст и доходит до первого вопроса, напрягает мозги, выбирает ответ и нажимает кнопку «следующий вопрос». В этот момент происходит следующее.
Мы формируем переменную ID равную ID=1_значение таймера, потом вставляем эту переменную, заголовок вопроса и текст ответа в событие для Google Analytics и отправляем его в GA. После этого обнуляем таймер. Далее показываем Всеволоду следующий вопрос. Сам процесс должен происходить за доли секунд, поэтому на время загрузки не влияет.
Вернемся к Всеволоду, он видит второй вопрос, еще больше напрягает мозги, выбирает ответ и нажимает на кнопку следующий вопрос. Мы формируем переменную ID равную ID=2_значение таймера, потом вставляем эту переменную, заголовок вопроса и текст ответа в событие для Google Analytics и отправляем его в GA. После этого обнуляем таймер. Далее показываем Всеволоду следующий вопрос.
Пузырьковая диаграмма, 1 пузырек = 1 вопросу, размер пузырька — средняя длительность ответа, по оси Y количество ответов по оси X средняя позиция ответа.
Так как позиции вопросов не были фиксированы, а алгоритмы работали так, чтобы каждый вопрос в итоге показался на разных позициях, то мы получили, что в среднем все вопросы имели примерно одну среднюю позицию.
На этом отчете есть возможность выбрать конкретный вопрос и посмотреть распределение вариантов ответов.
На этом отчете представлены 2 воронки. Первая — воронка ответов на вопросы. Мы видим, как убывает количество людей, которые отвечают на вопросы.
Вторая воронка показывает, как увеличивается суммарное время изучения теста. Например, на втором шаге воронки суммируется время ответа на первом шаге и на втором. На 3-м — суммируется сумма времени ответов на 1-м, 2-м, 3-м шагах и так далее.
На сайте есть конструктор воков. Так как комбинаций товаров много, то в электронную торговлю Google Analytics мы передаем только факт заказа вока с ценой, то есть внутри не указаны ингредиенты.
Клиент поставил задачу провести тестирование, чтобы узнать, какие воки собирают с помощью этого конструктора.
У нас есть четыре опции, две из которых подразумевают единичный выбор, две других — множественный. В качестве решения этой задачи для анализа данных можно предложить следующее: создать 5-ть пользовательских параметров на уровне «товар» (использовать только для воков):
— для хранения light или big вариант (1-н);
— для хранения данных о выбранных опциях (4-е).
Выбранные опции с единственным вариантом записывать как есть в параметр, для множественного перед сохранением выполнять их «склейку» с помощью некоторого символа, например «|».
Для анализа данных использовать выгрузку из GA, а затем разработку отчета в PBI. Мы сможем узнать, сколько воков добавили в корзину и с какими опциями (сохранять данные на этапе нажатия кнопку в корзину).
Пользовательские параметры:
Передача данных по конкретному воку:
Шаг 1: Выбор основы.
Распределение типов основ в зависимости от количества выборов. Основная задача отчета — понять наиболее популярные основы и оценить разрыв между наиболее и наименее популярными.
Шаг 2: Выбор добавки.
На этом шаге можно выбрать 1 или несколько продуктов. Для того, чтобы вести корректный подсчет при множественном выборе, нам нужно расклеивать данные. Например, было выбрано Говядина|Свинина|Лосось. Значит, нам нужно разбить эту позицию на три продукта (Говядина, Свинина, Лосось) и каждый посчитать отдельно.
На этом графике мы видим распределение корзин по продуктам, а также среднюю стоимость позиций в шаге с разбивкой на количество продуктов. Если клиент выбирает несколько позиций, то средняя стоимость продуктов на этом шаге увеличивается в 2 раза, то есть наша задача заключается в стимуляции заказов с несколькими позициями на этом шаге.
Шаг 3: Соус.
Распределение соусов в зависимости от количества выборов. Основная задача отчета — понять наиболее популярные соусы и оценить разрыв между наиболее и наименее популярными.
Шаг 4: Топпинг.
На этом шаге можно выбрать 1 или несколько продуктов. Для того чтобы вести корректный подсчет при множественном выборе, нам нужно расклеивать данные по аналогии со 2-м шагом.
Вам будет интересно
Доставляем экспертный контент
Мы делимся с подписчиками экспертным контентом: отправляем полезные статьи, советы от специалистов, приглашаем на вебинары. Подпишитесь, чтобы узнать больше о продвижении бизнеса в Интернете, наших мероприятиях и репортажах с крупных отраслевых событий. Выберите наиболее удобную платформу для вас и наслаждайтесь контентом!
Нажимая на кнопку «Подписаться», я даю согласие на обработку персональных данных и соглашаюсь c политикой конфиденциальности
Мы отправили вам проверочое письмо — пожалуйста, подтвердите адрес электронной почты, перейдя по ссылке внутри письма.
Пожалуйста, попробуйте еще раз