Henry Morgan
Капитан
Компании, которые работают на b2b рынках, имеют дело с корпоративными клиентами, а не с отдельными физическими лицами. Поэтому, построение веб-аналитики только вокруг отдельных сессий и хитов недостаточно для полного анализа поведения целевой аудитории на сайте. Нужны данные в разрезе посещений конкретных компаний.
Задачи
1. Сбор IP адресов посещений
Идентификация анонимных посещений производится по IP адресу источника сессии. Для начала нужно научиться собирать эти данные и объединять их в один профиль пользователя.
В этом случае нам не помогут такие популярные платформы аналитики как Яндекс.Метрика или Google Analytics, т.к. по действующим правилам они не отображают открыто в интерфейсе персональные данные посещений, в число которых входят IP адрес.
Воспользуемся любой другой системой аналитики, которая позволяет собирать, хранить и выгружать IP адреса. Например, Clicky
Посмотреть вложение 17845
Производим стандартную процедуру установки счетчика на сайт, видим фиксацию посещения с записью IP адреса. Хорошо, что Clicky автоматически присваивает посещению уникальный параметр ID, чтобы в дальнейшем идентифицировать посещения из этого же браузера (cookie) и объединять их в одну группу.
2. Идентификация IP адресов
Чтобы связать конкретный IP адрес с компанией, которой он принадлежит воспользуемся одним из сервисов массовой проверки и идентификации IP адресов. В нашем случае будем использовать MaxMind. Проходим регистрацию и получаем демо баланс в $5 на тестирование платформы, которых хватит на 2500 запросов.
Выгружаем список IP адресов из Clicky любым удобным способом, копируем в окно массовой проверки и получаем результат.
Посмотреть вложение 17846
Очищаем результат от телеком-провайдеров и получаем список. Мы делали выгрузку за последние 7 дней, удалось идентифицировать всего 15 компаний из 100 уникальных визитов.
3. Анализируем полученные данные
Для наших внутренних нужд и клиентских проектов мы используем аналогичные, только автоматизированные инструменты, благо на рынке уже есть из чего выбрать, например финский стартап Leadfeader:
Посмотреть вложение 17847
Интерфейс Leadfeeder — компании, найденные после интеграции с Google Analytics
Бесплатный месяц на использование сервиса по ссылке
Аналогичные решения: Lead Forensics, Whoisvisiting, Visualvisitor, встречается как модули внутри CRM - Hubspot и т.д.
Выводы
В корпоративных (b2b) продажах дополнительная информация о действиях потенциальных клиентов (лидов) увеличивает шансы закрыть сделку. Особенно эта информация будет полезна при продажах на зарубежных рынках, где точность информации о компаниях в разы выше, чем в России. Подведем краткие итоги такого подхода:
Плюсы
- Возможность построения веб-аналитики вокруг посещений компаний. Понимание источника и всех параметров визитов.
- Анализ поведения целевой аудитории на сайте, коррекция гипотез
- Дополнительный источник данных при продаже услуг (знаем что успели посмотреть и изучить)
Минусы
- Невысокая точность и репрезентативность данных (телеком-провайдеры, анонимайзеры, защищенные виртуальные сети)
- Трудоемкость ручного анализа
Задачи
- Идентифицировать посещения вебсайта конкретными компаниями - техническая процедура установки веб-аналитики и идентификации компаний по связанному IP адресу
- Проанализировать насколько хорошо отрабатывают построенные маркетинговые воронки и где присутствуют узкие места
- Сопоставить профиль целевой аудитории с визитами
1. Сбор IP адресов посещений
Идентификация анонимных посещений производится по IP адресу источника сессии. Для начала нужно научиться собирать эти данные и объединять их в один профиль пользователя.
В этом случае нам не помогут такие популярные платформы аналитики как Яндекс.Метрика или Google Analytics, т.к. по действующим правилам они не отображают открыто в интерфейсе персональные данные посещений, в число которых входят IP адрес.
Воспользуемся любой другой системой аналитики, которая позволяет собирать, хранить и выгружать IP адреса. Например, Clicky
Посмотреть вложение 17845
Производим стандартную процедуру установки счетчика на сайт, видим фиксацию посещения с записью IP адреса. Хорошо, что Clicky автоматически присваивает посещению уникальный параметр ID, чтобы в дальнейшем идентифицировать посещения из этого же браузера (cookie) и объединять их в одну группу.
2. Идентификация IP адресов
Чтобы связать конкретный IP адрес с компанией, которой он принадлежит воспользуемся одним из сервисов массовой проверки и идентификации IP адресов. В нашем случае будем использовать MaxMind. Проходим регистрацию и получаем демо баланс в $5 на тестирование платформы, которых хватит на 2500 запросов.
Выгружаем список IP адресов из Clicky любым удобным способом, копируем в окно массовой проверки и получаем результат.
Посмотреть вложение 17846
Очищаем результат от телеком-провайдеров и получаем список. Мы делали выгрузку за последние 7 дней, удалось идентифицировать всего 15 компаний из 100 уникальных визитов.
3. Анализируем полученные данные
- Проводим сортировку по поведенческим показателям (глубина просмотра, соотношение просмотров в сессии, достижение показателей конверсий и т.д.).
- Просматриваем записи отдельных визитов.
- Изучаем профиль компании путем поиска дополнительной информации
Для наших внутренних нужд и клиентских проектов мы используем аналогичные, только автоматизированные инструменты, благо на рынке уже есть из чего выбрать, например финский стартап Leadfeader:
Посмотреть вложение 17847
Интерфейс Leadfeeder — компании, найденные после интеграции с Google Analytics
Бесплатный месяц на использование сервиса по ссылке
Аналогичные решения: Lead Forensics, Whoisvisiting, Visualvisitor, встречается как модули внутри CRM - Hubspot и т.д.
Выводы
В корпоративных (b2b) продажах дополнительная информация о действиях потенциальных клиентов (лидов) увеличивает шансы закрыть сделку. Особенно эта информация будет полезна при продажах на зарубежных рынках, где точность информации о компаниях в разы выше, чем в России. Подведем краткие итоги такого подхода:
Плюсы
- Возможность построения веб-аналитики вокруг посещений компаний. Понимание источника и всех параметров визитов.
- Анализ поведения целевой аудитории на сайте, коррекция гипотез
- Дополнительный источник данных при продаже услуг (знаем что успели посмотреть и изучить)
Минусы
- Невысокая точность и репрезентативность данных (телеком-провайдеры, анонимайзеры, защищенные виртуальные сети)
- Трудоемкость ручного анализа
