Analytics

Определение

Аналитика — это системный сбор, обработка и интерпретация данных о поведении пользователей на сайте, в мобильном приложении и в каналах продаж, чтобы принимать решения на основе цифр, а не интуиции.

В контексте DTC-бренда аналитика отвечает на три ключевых вопроса:

1. Откуда приходят люди? (источники трафика)

2. Что они делают? (поведение, воронка, микроконверсии)

3. Сколько они приносят? (выручка, LTV, маржинальность)

Без аналитики вы управляете магазином «на ощупь»: не знаете, какой креатив в Meta Ads сжёг бюджет, почему корзина бросается на шаге оплаты и какие SKU тянут вниз средний чек.

Аналогия

Представьте, что ваш интернет-магазин — это офлайн-бутик.

- Веб-аналитика = камеры наблюдения и счётчик посетителей на входе.

- Событийная аналитика = продавец, который фиксирует: зашёл, посмотрел, примерил, ушёл без покупки.

- Сквозная аналитика (end-to-end) = система, которая связывает чек на кассе с рекламным объявлением, по которому клиент пришёл.

Если у вас нет «камер», вы не знаете, что 68% посетителей уходят с карточки товара, не долистав до кнопки «Купить». Это не «плохой продукт», это проблема UX, которую аналитика делает видимой.

Формулы

1. Конверсия (CR):

CR = (Количество конверсий / Количество сессий) × 100%

Пример: 1 200 сессий → 36 заказов = CR 3,0%.

2. Стоимость привлечения клиента (CAC):

CAC = Маркетинговые расходы / Количество новых клиентов

Пример: 240 000 ₽ на рекламу / 400 новых клиентов = CAC 600 ₽.

3. Пожизненная ценность клиента (LTV):

LTV = Средний чек × Частота покупок × Срок жизни клиента

Пример: 4 500 ₽ × 2,3 покупки × 1,8 года = LTV ≈ 18 630 ₽.

4. Соотношение LTV/CAC:

LTV / CAC ≥ 3 — здоровая юнит-экономика

5. ROMI (возврат на маркетинг):

ROMI = (Доход от рекламы − Расходы на рекламу) / Расходы на рекламу × 100%

6. Retention Rate (удержание):

Retention = ((Клиенты на конец периода − Новые клиенты) / Клиенты на начало периода) × 100%

Сравнение инструментов

**Важно:** в 2024–2025 гг. в РФ и СНГ растёт доля **server-side tracking** из-за ограничений cookie и блокировщиков. Ориентируйтесь на 15–25% «потерянных» данных при client-side трекинге.

Сценарии применения

1. Оптимизация воронки checkout.

Вы видите: 100% → корзина 22% → шаг доставки 14% → оплата 9%. Падение на доставке = 8 п.п. Гипотеза: дорогая доставка или непонятные сроки. A/B-тест → +2,4 п.п. к CR.

2. Атрибуция рекламных каналов.

Клиент касается бренда 4 раза: TikTok → email → поиск → retargeting. Модель last-click отдаст заказ retargeting’у, но реальный вклад — у TikTok. Используйте data-driven attribution в GA4 или Яндекс Метрике.

3. RFM-сегментация базы.

По давности (Recency), частоте (Frequency) и сумме (Monetary) вы делите клиентов на 8–11 сегментов. Пример: «чемпионы» (12% базы) дают 41% выручки — им нужна VIP-программа, а не скидка.

4. Прогноз LTV и CAC по когортам.

Когорта января: LTV/CAC = 2,1 (плохо). Когорта марта после смены креативов: LTV/CAC = 3,6. Вывод: масштабировать мартовские связки.

5. Контроль маржинальности SKU.

Blended ROAS 4,2 выглядит отлично, но после вычета COGS, логистики и возвратов маржа отрицательная на 3 SKU из 40. Аналитика по SKU-уровню спасает от «роста в убыток».

Частые ошибки

- Смотреть только на ROAS. Высокий ROAS при низкой марже = убыток. Считайте POAS (profit on ad spend).

- Игнорировать мобильный трафик. 70–80% визитов в DTC — смартфоны. Если вебвизор смотрите только на десктопе, вы не видите реальную картину.

- Не настроить события e-commerce. Без view_item, add_to_cart, purchase в GA4/Метрике воронка не построится.

- Доверять одной системе атрибуции. Расхождение между GA4, Метрикой и кабинетом рекламы — норма 10–30%. Сводите в BI.

- Собирать данные без гипотез. Дашборд ради дашборда = 0 решений. Каждая метрика должна иметь владельца и действие.

- Забыть про 152-ФЗ. Персональные данные, cookie-баннеры и согласия — обязательны для RU-аудитории.

Связанные термины

- Web Analytics — веб-аналитика (трафик, сессии, источники)

- Product Analytics — продуктовая аналитика (события, фичи, retention)

- Attribution Model — модель атрибуции (last-click, first-click, linear, data-driven)

- Cohort Analysis — когортный анализ

- Funnel — воронка продаж

- RFM Analysis — сегментация по Recency, Frequency, Monetary

- A/B Testing — сплит-тестирование гипотез

- CDP / DWH — customer data platform и хранилище данных

- Server-side Tracking — серверный трекинг

- LTV, CAC, AOV, CR, ROAS, POAS — ключевые e-commerce метрики

Вывод: аналитика в DTC — это не отчёт «для галочки», а операционная система роста. Начинайте с 5–7 метрик (CR, AOV, CAC, LTV, retention, ROAS, маржа), настройте события корректно и принимайте решения на основе гипотез, а не интуиции.