Как построить собственный колл-трекер на базе Google Analytics

Иногда бывает нужно детально проанализировать поведение той части посетителей, которые пришли к вам через сайт, но сделали заказ в офлайне (например, позвонили в колл-центр). Особенно такой анализ важен при продаже нестандартных товаров, товаров с высокой маржей, luxury.

Принято считать, что общее решение здесь, –  колл-трекеры с подменой телефонного номера. Они способны выявлять источник трафика для каждого звонка, а также хранить историю посещений сайта. В ряде случаев они кажутся, действительно, более простым решением, чем Google Analytics. Но, как правило, мы хотим не просто видеть последний источник трафика перед получением звонка, а детально проанализировать поведение пользователей с использованием всех данных, накопленных в Google Analytics: оценить скорость принятия решения отдельной группой клиентов с учетом их первого захода на сайт, понять, с каких сайтов и рекламных каналов они приходили.

Для этого вам понадобится вся история посещений. Если клиенты приходили с поиска, то по каким запросам, в какое время дня и с каких устройств и т.д.?  Стандартные колл-трекеры с заменой телефона нам здесь не помогут.  Они предлагают свой собственный интерфейс, собирая собственные данные. И только малая часть этих данных попадает в Google Analytics  в виде событий (а не параметров). 

Остальное придется сначала выгрузить из колл-трекера, в Excel, потом придумать, как их состыковать с данными из Google Analytics. Возможно вы ничего не придумаете, и вам придется анализировать все цифры все-таки в Excel, а возможности Analytics вы использовать не сможете.

Итак, проблема состоит в том, чтобы в Google Analytics связать офлайн-заказ каждого покупателя с историей всех его посещений нашего сайта. Это нужно, чтобы потом сегментировать наших клиентов, в соответствии, например, с историей их заказов. 

 Расскажу про один из методов решения, который используется на многих сайтах, таких как Wikimart, Consul.ru и др.

Этот метод создан на основе старого метода генерации кодов, который имел низкую эффективность из-за естественных ограничений. Зачастую, когда люди звонили по телефону в колл-центр интернет-магазина, компьютера перед глазами у них не было. Сейчас, в эпоху повышения функциональности мобильных устройств, у людей больше возможности находиться перед экраном, поэтому метод вновь актуален. Да, есть проблема, которая может помешать мобильному пользователю: когда клиент приложил к уху телефон, на котором он только что выходил в интернет и нашел ваш сайт.  Однако доля таких заказов пока невелика

Рассмотрим стандартную часть метода генерации кодов. Каждому посетителю мы присваиваем номер, этот номер будет тянуться через все сессии посещения вашего сайта, пока будут живы установленные куки. Назовем его «номер корзины»: корзина №….

Для использования Google Analytics Universal  старый метод кодов придется апгрейдить. Для этого настраиваем 2 пользовательских параметра:

1) Дату первого посещения нашего сайта посетителем. Назовем её date_user.

2) Сам промо-код с номером корзины. Назовем его user_id.

Осталось вставить информацию о пользовательских параметрах в код  Google Analytics. 

После этого важно обязать отдел продаж уточнять номер корзины каждый раз при обращении по телефону или по чату.

Теперь мы можем выделить  ту часть клиентов, заказы которых нас интересуют, в стандартном функционале Google Analytics.

Вот сравнительная таблица по возможностям собственной аналитики колл-трекинга и Google Analytics. Я специально не сравнивал стоимость того и другого, так как статья – про возможности стандартного Google Analytics, а не про финансовые выгоды.

Напоминаю, что здесь сравнивается полезность только по отношению к аналитике офлайновых заказов, которые начались с захода посетителя на сайт. Если клиент узнал о вас не из Интернета, Google Analytics бесполезен.