ВЫГРУЗКА ДАННЫХ В BIG QUERY И КОГОРТНЫЙ АНАЛИЗ
Канал про email-маркетингАвтор: Дмитрий Спунтик Самый главный, но не самый важный в eSputnik.com - Система Автоматизации Маркетинга
ВЫГРУЗКА ДАННЫХ В BIG QUERY И КОГОРТНЫЙ АНАЛИЗ
== Введение ==
Этой статьей хочу начать серию публикаций на тему “Дополнительный Аналитика”. Любая система, даже самая хорошая имеет ограничения связанные с тем, какие отчеты в ней можно построить и вывести на dashboard для оперативного слежения.
Даже там, где можно настраивать “любые” отчеты иногда возникает вопрос о “недостатке данных”, если в систему нельзя по каким-то причинам передать данные: то ли долго ждать интеграции, то ли это по причине безопасности. И приходится в результате сопоставлять таблички из разных систем.
Самое простое решение - выгрузить куда-то данные, догрузить то, чего нехватает, и используя любые BI системы настраивать аналитику. Я хочу рассказывать о разных отчетах и извращениях которые мы делаем с Google DataStudio ( это очень BI которая еще в очень Beta, но легко доступная + все выгрузки с Google Analytics легко интегрируются).
Мы добавили возможность “в пару кликов” добавить синхронизацию данных с BigQuery, и балуемся с кастомными отчетами. Смотрим как получается и удачные добавляем в наш дашбоард и улучшаем отчеты о рассылках. Вскоре мы добавим выгрузку и в PostgreSQL для работы в PowerBI, Tableau. DataStuido мне нравится быстротой настройки, полностью облачной архитектурой, бесплатностью использования, и лёгкостью управления правами. Но какой же он убогий с точки зрения визуализации данных.
Тем не менее история простая. Настраиваем выгрузку данных, доливаем в случае необходимости еще данных и настраиваем кастомные отчеты. Таких, интересных, на мой взгляд и необычных отчетов десятки. Но буду рассказывать по порядку.
== Использованные данные ==
Для начала буду рассказывать о “простых” отчетах, которые не требуют дополнительных данных кроме ContactActivity (истории об активности контактов: получил, прочитал, перешел по ссылке, отгреб ошибку, пометил как спам, ...).
== Текущая ситуация ==
Меня всегда волновал Когортный анализ и “недораскрытость темы” в Contact Dashboard eSputnik (рис 1).
На рисунке показаны когорты по активности контактов привлеченным в указанный период когорты. Активностью в данном случае считаем “Открытие”.
Хотелось бы иметь возможность фильтровать когорты по группам, чтобы делать разные срезы. Тут все просто, отдельно имеет смысл рассматривать, например, контакты пришедшие с разных источников.
== Типы когортного анализа ==
А еще хочется научиться строить когорты не только “обычные”, но и “накопительные”. Обычные, это когда в периоде учитываются контакты которые проявили активность в этот период времени (позволяет понимать на какой “трафик” можно рассчитывать, если привлечь Х контактов).
Накопительные, это когда активность контакта в следующих периодах учитывается в предыдущих. Т.е. показывает как быстро контакт потерян насовсем. Например, если контакт не проявлял активность в период 1, но был замечен в период 2, считаем что и в период 1 он был “живым” и потенциально на него можно рассчитывать.
Вот так это выглядит в DataStudio в случае с Обычный и Накопительным вариантом отображения (рис 2,3):
— Обычный когортный анализ —
Графики под таблицей показывают сколько контактов проявили активность в указанный период времени и какой вклад в эту активность у каждой когорты. Первый график показывает этот рост и вклад в абсолютных единицах, а второй вклад когорты в процентах на общий трафик.
Частенько сталкивался с ситуацией, когда общее падение open rate списывают на плохую работа маркетолога, а по факту просто происходит выгорание старых когорт, на которые продолжается отправка в том же объеме.
Такой тип когортного анализа может искажать картинку, если неправильно выбрать длительность периода. Например, если приходится одно письмо в неделю на человека и период стоит одна неделя и у нас база из 200 подписчиков, а из которых 100 прочитает первое письмо, а остальные только второе письмо, то по таблице в периодах они распределятся так, что будет учтены как 50% потерь.
— Накопительный когортный анализ —
Та же визуализация для Накопительных значений (рис. 3) показывает уже реальную потерю активности и время от времени цифры в прошлых периодах могут расти, если успешно удалось провести реактивацию. В какой период была успешная реактивация можно узнать из предыдущего представления когортного анализа.
Обычно виден всплеск в какой-нибудь диагонали матрицы когортного анализа. А если триггер успешно реактивирует это будет видно в вертикали того периода когда отработал триггер.
Но почему такой большой отток контактной базы, точнее такое падение открытий. Оно ведь может быть потому что просто не отправляли писем. Забыли о каком-то сегменте, сколько из этих ребят отписались или упали в черный список после hardbounce или жалобы на спам.
Это я уже в следующем посте напишу, а то какой-то лонгрид получается.
Профиль фб автора https://www.facebook.com/dmitry.spuntik