#маркетинговая_аналитика — Public Fediverse posts

Откуда пришли пользователи: first-touch attribution для NestJS + React + Telegram Mini App в 100 строк кода

Я делаю голосовой AI-репетитор английского. Продукт живёт в трёх местах: веб-сайт speakwithai.pro , Telegram Mini App и Android-приложение в RuStore. У меня одна и та же база пользователей на NestJS + Postgres, и мне очень нужен ответ на вопрос: откуда вообще приходят люди? Yandex.Metrika и Google Analytics показывают только сайт. Telegram Mini App для них — чёрный ящик. Android-приложение через WebView — тоже. Из 6000 просмотров статьи на Habr я не мог сказать, сколько оттуда пришло в продукт, и через какой канал (TG, веб, app). Я не хотел тащить большую CDP вроде Mixpanel или Amplitude — для соло-разработчика это overkill. Вечером сел и сделал simplest-thing-that-could-possibly-work: одна колонка в БД, парсится при первом визите, читается на регистрации. 100 строк кода. Делюсь. Если интересно посмотреть на сам продукт — он живёт здесь: 🤖 Telegram-бот 🌐

https://habr.com/ru/articles/1030560/

#attribution #firsttouch_attribution #UTMметки #Telegram_Mini_App #start_param #NestJS #React #вебаналитика #TypeScript #маркетинговая_аналитика

Откуда пришли пользователи: first-touch attribution для NestJS + React + Telegram Mini App в 100 строк кода

Я делаю голосовой AI-репетитор английского. Продукт живёт в трёх местах: веб-сайт speakwithai.pro , Telegram Mini App и Android-приложение в RuStore. У меня одна и та же база пользователей на NestJS + Postgres, и мне очень нужен ответ на вопрос: откуда вообще приходят люди? Yandex.Metrika и Google Analytics показывают только сайт. Telegram Mini App для них — чёрный ящик. Android-приложение через WebView — тоже. Из 6000 просмотров статьи на Habr я не мог сказать, сколько оттуда пришло в продукт, и через какой канал (TG, веб, app). Я не хотел тащить большую CDP вроде Mixpanel или Amplitude — для соло-разработчика это overkill. Вечером сел и сделал simplest-thing-that-could-possibly-work: одна колонка в БД, парсится при первом визите, читается на регистрации. 100 строк кода. Делюсь. Если интересно посмотреть на сам продукт — он живёт здесь: 🤖 Telegram-бот 🌐

https://habr.com/ru/articles/1030560/

#attribution #firsttouch_attribution #UTMметки #Telegram_Mini_App #start_param #NestJS #React #вебаналитика #TypeScript #маркетинговая_аналитика

Откуда пришли пользователи: first-touch attribution для NestJS + React + Telegram Mini App в 100 строк кода

Я делаю голосовой AI-репетитор английского. Продукт живёт в трёх местах: веб-сайт speakwithai.pro , Telegram Mini App и Android-приложение в RuStore. У меня одна и та же база пользователей на NestJS + Postgres, и мне очень нужен ответ на вопрос: откуда вообще приходят люди? Yandex.Metrika и Google Analytics показывают только сайт. Telegram Mini App для них — чёрный ящик. Android-приложение через WebView — тоже. Из 6000 просмотров статьи на Habr я не мог сказать, сколько оттуда пришло в продукт, и через какой канал (TG, веб, app). Я не хотел тащить большую CDP вроде Mixpanel или Amplitude — для соло-разработчика это overkill. Вечером сел и сделал simplest-thing-that-could-possibly-work: одна колонка в БД, парсится при первом визите, читается на регистрации. 100 строк кода. Делюсь. Если интересно посмотреть на сам продукт — он живёт здесь: 🤖 Telegram-бот 🌐

https://habr.com/ru/articles/1030560/

#attribution #firsttouch_attribution #UTMметки #Telegram_Mini_App #start_param #NestJS #React #вебаналитика #TypeScript #маркетинговая_аналитика

Откуда пришли пользователи: first-touch attribution для NestJS + React + Telegram Mini App в 100 строк кода

Я делаю голосовой AI-репетитор английского. Продукт живёт в трёх местах: веб-сайт speakwithai.pro , Telegram Mini App и Android-приложение в RuStore. У меня одна и та же база пользователей на NestJS + Postgres, и мне очень нужен ответ на вопрос: откуда вообще приходят люди? Yandex.Metrika и Google Analytics показывают только сайт. Telegram Mini App для них — чёрный ящик. Android-приложение через WebView — тоже. Из 6000 просмотров статьи на Habr я не мог сказать, сколько оттуда пришло в продукт, и через какой канал (TG, веб, app). Я не хотел тащить большую CDP вроде Mixpanel или Amplitude — для соло-разработчика это overkill. Вечером сел и сделал simplest-thing-that-could-possibly-work: одна колонка в БД, парсится при первом визите, читается на регистрации. 100 строк кода. Делюсь. Если интересно посмотреть на сам продукт — он живёт здесь: 🤖 Telegram-бот 🌐

https://habr.com/ru/articles/1030560/

#attribution #firsttouch_attribution #UTMметки #Telegram_Mini_App #start_param #NestJS #React #вебаналитика #TypeScript #маркетинговая_аналитика

Клиенты, отток и приток: где бизнес чаще всего ошибается?

Начнем данную статью с казалось бы простого вопроса: "Кто такие клиенты и зачем их считать?". Ответ на данный вопрос не такой простой и вообще философский! Каждая компания и человек в отдельности ответят на него по-своему. В телеком компании вам скажут: "Клиент = абонент. Мы считаем их прирост, а также дни, в течение которых они платят нам абонентскую плату.". В небольшой парикмахерской вам, возможно ответят так: "Ну вот кто пришел стричься, тот и клиент. Считаем количество тех, кто постригся за отрезок времени.". Подсчет клиентов может даже пригодиться для оценки компании третьими лицами, здесь также используются свои методологии. И так далее... Думаю, мораль ясна, каждый определяет для себя сам, кто является клиентом и как их считать. Но может быть существует более универсальный способ подсчета клиентов? В следующих разделах я постараюсь предоставить такой способ, пусть меня рассудят в комментариях.

https://habr.com/ru/articles/986806/

#маркетинговая_аналитика #удержание_клиентов #клиентская_аналитика #приток_и_отток_клиентов #метрики_клиентской_базы #стратегия_бизнеса #LTV #datadriven_маркетинг #retention #прогнозирование_клиентского_роста

Как объединить данные Яндекс Метрики и CRM: от загрузки данных до дашборда в DataLens

Всем привет! На одном из проектов я настраивал дашборд в Yandex DataLens, который объединяет данные о трафике из Яндекс Метрики с данными о заказах из CRM и позволяет анализировать доход в разрезе источников трафика. В этой статье расскажу, как был выстроен процесс обработки данных и к какому результату в итоге пришёл.

https://habr.com/ru/articles/1027178/

#datalens #bi_аналитика #визуализация_данных #сквозная_аналитика #маркетинговая_аналитика #data_analytics #аналитика_данных #витрина_данных #дата_инжиниринг #yandex_datalens

Как я за вечер превратил хаос статистики Хабра в дашборд и создал по нему контент-план

Привет, Хабр! Меня зовут Артем Михеенко, я продакт-оунер MWS Tables . Есть мнение, что лучший способ при составлении контент-плана продвижения своего продукта смотреть не в потолок, а в статистику. А статистики на том же Хабре более чем достаточно: тысячи статей, миллионы просмотров, тонны комментариев. Вопрос только в том, как из из этого хаоса достать смысл и увидеть тренды. Вариантов обработки может быть много, — в этом материале покажу, как делаю это с помощью продукта, над которым сам же и работаю.

https://habr.com/ru/companies/ru_mts/articles/960436/

#табс #дашборды #визуализация_данных #mws_tables #biсистемы #автоматизация_маркетинга #маркетинговая_аналитика #контентплан #управление_данными

Как уменьшить процент неквалифицированных лидов на вашем лендинге: простые и эффективные методы

“Мусорные” лиды, привлекаемые онлайн, - насущная проблема, с которой сталкиваются многие бизнесы. Предположим, вы привлекаете на свой веб-сайт или в приложение значительный объем трафика и получаете множество заявок ( лидов ), однако, по мере обработки этих заявок, вы понимаете, что из-за большого содержания “мусорных” обращений (от пользователей, которые явно не готовы покупать) конверсия в покупку из них крайне низкая . В результате ваши менеджеры по продажам перегружены, так как ежедневно обрабатывают десятки, сотни, а иногда и тысячи лидов, но количество оплаченных заказов оставляет желать лучшего . Возникает вопрос: как исправить ситуацию, если попытки улучшить качество трафика, привлекаемого на лендинг, оказались неудачными ? Как правило, в этом случае варианты дальнейших действий ограничены, и одна из наиболее эффективных мер - внести такие изменения в лендинг, которые бы повысили процент целевых заявок , разгрузив команду sales-специалистов. Примечание: Важное преимущество такого подхода заключается в следующем: если вы используете рекламные performance-кампании, работающие с оптимизацией за конверсии, то корректировки лендинга с целью отсеять некачественные лиды повлияют и на показатели рекламы. Корректируя лендинг и “фильтруя” нецелевые лиды, вы уменьшаете число конверсий для оптимизации рекламы, что способствует “переобучению” кампаний в сторону привлечения более качественных лидов. Важно учитывать, что сначала показатели рекламных кампаний могут временно ухудшиться , но далее ситуация стабилизируется и улучшается, и вы начинаете получить качественные лиды по цене меньшей, чем до корректировок.

https://habr.com/ru/articles/833368/

#лидогенерация #повышение_конверсии #маркетинговая_аналитика #ux #web_analytics

# Автоматизация цифрового маркетинга с помощью ИИ: системный подход, который работает

ИИ уже управляет рекламой, воронками и контентом. Петр Жогов показывает, как построить рост без лишней ручной работы.

https://habr.com/ru/articles/913856/

#ии_в_маркетинге #автоматизация_маркетинга #digital_marketing #искусственный_интеллект #машинное_обучение #маркетинговая_аналитика #персонализация #оптимизация_рекламы #автоматизация_бизнеспроцессов

Как объединить данные Яндекс Метрики и CRM: от загрузки данных до дашборда в DataLens

Всем привет! На одном из проектов я настраивал дашборд в Yandex DataLens, который объединяет данные о трафике из Яндекс Метрики с данными о заказах из CRM и позволяет анализировать доход в разрезе источников трафика. В этой статье расскажу, как был выстроен процесс обработки данных и к какому результату в итоге пришёл.

https://habr.com/ru/articles/1027178/

#datalens #bi_аналитика #визуализация_данных #сквозная_аналитика #маркетинговая_аналитика #data_analytics #аналитика_данных #витрина_данных #дата_инжиниринг #yandex_datalens

Как объединить данные Яндекс Метрики и CRM: от загрузки данных до дашборда в DataLens

Всем привет! На одном из проектов я настраивал дашборд в Yandex DataLens, который объединяет данные о трафике из Яндекс Метрики с данными о заказах из CRM и позволяет анализировать доход в разрезе источников трафика. В этой статье расскажу, как был выстроен процесс обработки данных и к какому результату в итоге пришёл.

https://habr.com/ru/articles/1027178/

#datalens #bi_аналитика #визуализация_данных #сквозная_аналитика #маркетинговая_аналитика #data_analytics #аналитика_данных #витрина_данных #дата_инжиниринг #yandex_datalens

Как объединить данные Яндекс Метрики и CRM: от загрузки данных до дашборда в DataLens

Всем привет! На одном из проектов я настраивал дашборд в Yandex DataLens, который объединяет данные о трафике из Яндекс Метрики с данными о заказах из CRM и позволяет анализировать доход в разрезе источников трафика. В этой статье расскажу, как был выстроен процесс обработки данных и к какому результату в итоге пришёл.

https://habr.com/ru/articles/1027178/

#datalens #bi_аналитика #визуализация_данных #сквозная_аналитика #маркетинговая_аналитика #data_analytics #аналитика_данных #витрина_данных #дата_инжиниринг #yandex_datalens

Как мы в Skyeng построили свою мультитач-атрибуцию, чтобы больше не ругаться из-за заявок

Всем привет! Меня зовут Анастасия Козлова, я Senior BI Analyst в маркетинге Skyeng. Сегодня хочу рассказать, как мы научились справедливо оценивать вклад каждого рекламного канала с помощью кастомной мультиканальной модели атрибуции, что нас к этому подтолкнуло и как мы её настроили технически.

https://habr.com/ru/companies/skyeng/articles/954572/

#маркетинговая_аналитика #анализ_трафика #атрибуция_каналов_в_маркетинге #dwh #last_click #bi_аналитика

Как уменьшить процент неквалифицированных лидов на вашем лендинге: простые и эффективные методы

“Мусорные” лиды, привлекаемые онлайн, - насущная проблема, с которой сталкиваются многие бизнесы. Предположим, вы привлекаете на свой веб-сайт или в приложение значительный объем трафика и получаете множество заявок ( лидов ), однако, по мере обработки этих заявок, вы понимаете, что из-за большого содержания “мусорных” обращений (от пользователей, которые явно не готовы покупать) конверсия в покупку из них крайне низкая . В результате ваши менеджеры по продажам перегружены, так как ежедневно обрабатывают десятки, сотни, а иногда и тысячи лидов, но количество оплаченных заказов оставляет желать лучшего . Возникает вопрос: как исправить ситуацию, если попытки улучшить качество трафика, привлекаемого на лендинг, оказались неудачными ? Как правило, в этом случае варианты дальнейших действий ограничены, и одна из наиболее эффективных мер - внести такие изменения в лендинг, которые бы повысили процент целевых заявок , разгрузив команду sales-специалистов. Примечание: Важное преимущество такого подхода заключается в следующем: если вы используете рекламные performance-кампании, работающие с оптимизацией за конверсии, то корректировки лендинга с целью отсеять некачественные лиды повлияют и на показатели рекламы. Корректируя лендинг и “фильтруя” нецелевые лиды, вы уменьшаете число конверсий для оптимизации рекламы, что способствует “переобучению” кампаний в сторону привлечения более качественных лидов. Важно учитывать, что сначала показатели рекламных кампаний могут временно ухудшиться , но далее ситуация стабилизируется и улучшается, и вы начинаете получить качественные лиды по цене меньшей, чем до корректировок.

https://habr.com/ru/articles/833368/

#лидогенерация #повышение_конверсии #маркетинговая_аналитика #ux #web_analytics

Как уменьшить процент неквалифицированных лидов на вашем лендинге: простые и эффективные методы

“Мусорные” лиды, привлекаемые онлайн, - насущная проблема, с которой сталкиваются многие бизнесы. Предположим, вы привлекаете на свой веб-сайт или в приложение значительный объем трафика и получаете множество заявок ( лидов ), однако, по мере обработки этих заявок, вы понимаете, что из-за большого содержания “мусорных” обращений (от пользователей, которые явно не готовы покупать) конверсия в покупку из них крайне низкая . В результате ваши менеджеры по продажам перегружены, так как ежедневно обрабатывают десятки, сотни, а иногда и тысячи лидов, но количество оплаченных заказов оставляет желать лучшего . Возникает вопрос: как исправить ситуацию, если попытки улучшить качество трафика, привлекаемого на лендинг, оказались неудачными ? Как правило, в этом случае варианты дальнейших действий ограничены, и одна из наиболее эффективных мер - внести такие изменения в лендинг, которые бы повысили процент целевых заявок , разгрузив команду sales-специалистов. Примечание: Важное преимущество такого подхода заключается в следующем: если вы используете рекламные performance-кампании, работающие с оптимизацией за конверсии, то корректировки лендинга с целью отсеять некачественные лиды повлияют и на показатели рекламы. Корректируя лендинг и “фильтруя” нецелевые лиды, вы уменьшаете число конверсий для оптимизации рекламы, что способствует “переобучению” кампаний в сторону привлечения более качественных лидов. Важно учитывать, что сначала показатели рекламных кампаний могут временно ухудшиться , но далее ситуация стабилизируется и улучшается, и вы начинаете получить качественные лиды по цене меньшей, чем до корректировок.

https://habr.com/ru/articles/833368/

#лидогенерация #повышение_конверсии #маркетинговая_аналитика #ux #web_analytics