Как визуализация данных помогает принимать правильные решения

Автор: Константин Найчуков, эксперт по работе с платным трафиков в eLama.

Соавтор: Дмитрий Кожедубов, менеджер проектов в eLama.

Стандартные аналитические системы (Google Analytics, Яндекс.Метрика) предоставляют данные в отчетах в виде таблиц. Такое представление подходит для детализированной информации и точных значений. Но таблицы не раскрывают историю и не позволяют быстро увидеть самое важное. Чтобы представлять информацию в более удобном виде, используйте инструменты визуализации данных. В этой статье расскажем, как сделать отчет нагляднее с помощью Power BI.

Стандартные инструменты аналитики

Типичный отчет в Метрике — таблица с данными или линейная диаграмма, в которой показана история кампании. В диаграмму можно добавить несколько показателей. Почти так же она выглядит и в Google Analytics. Только начинающим специалистам может казаться, что Метрика и Analytics визуально сильно отличаются. В целом это почти одно и то же: таблица или линейная диаграмма:

Возможности визуализации данных

Power BI позволяет визуализировать данные и сделать их гораздо нагляднее. У Power BI удобный, интуитивно понятный интерфейс для моделирования и визуализации данных, особенно для тех кто, привык работать в Excel.

Инструмент позволяет подключить разные источники данных, многие в один клик. В галерее системы доступно множество инструментов визуализации разных типов отчетов. Специалисты могут работать как в облаке, так и в приложении на десктопе.

Примеры отчетов в Power BI

Разберем на примере, как сделать отчет нагляднее. Если посмотрим на данные в табличном виде, то складывается ощущение, что план не выполняется, все плохо и кого-то нужно лишить премии:

Но если представить данные в виде следующей диаграммы, где столбцы — это фактические значения, а линейная диаграмма — это плановые значения, то становится очевидно, что картина не такая уж и плохая:

Да, план не выполняется, но значения близкие. Общая динамика говорит о том, что усилия прилагаются и, возможно, лишать людей премий в данной ситуации — не самое правильное решение.

Рассмотрим второй пример таблицы, где показаны клики, транзакции и выручка по разным категориям. Мы можем отсортировать эту таблицу по убыванию выручки. Станет понятно, что категории, которые остались в таблице наверху, продаются лучше:

Но если преобразовать таблицу в пузырьковую диаграмму, где X=клики, Y=транзакции, а размер пузырька — это выручка, то станет ясно, что одна категория определяет развитие всего интернет-магазина. Остальные категории не могут с ней равняться. Чтобы отчетливо это увидеть, нужна визуализация данных:

В таблице может казаться, что работают хорошо 3 категории или больше. Но в диаграмме видно, что только одна.

Возьмем другой пример. Как распределяется выручка между категориями в таблице:

На диаграмме все становится очевидно:

Последний столбец — общая выручка. Первые 3 столбца показывают, как выручка распределяется по категориям.

На следующей таблице видно, какие ключевые слова приносят транзакции в рекламной кампании. Данные можно отсортировать по убыванию совершенных транзакций (сколько было продаж):

Если сделать дерево категорий, то мы гораздо быстрее поймем, что всего 2 ключевые фразы обеспечивают эффективность рекламной кампании, а остальные влияют на нее гораздо меньше:

Загрузка данных в Power BI

Сложность работы с Power BI заключается в том, что стандартными инструментами нельзя загрузить данные для интернет-маркетинга. Например, выгрузить не сэмплированные данные из Google Analytics или подключить Метрику просто по номеру счетчика не получится. Существуют кастомные коннекторы, например, в виде скриптов на языке программирования R, которые позволяют правильно подключить такие источники к Power BI, но они не построят за вас модель данных, не свяжут клики из рекламных систем с сессиями в веб-аналитике и так далее.

Сервисы выгрузки данных помогают быстро перейти к анализу данных и создать собственный отчет в Power BI. Они сами собирают статистику из рекламных систем и веб-аналитики, связывают их между собой, строят модель данных и отдают все это в готовом виде в Power BI.

Один из таких сервисов — Genreport. Он автоматически обновляет данные, включая обновления задним числом (например, Яндекс может вернуть деньги за клики, которые посчитал недействительными, и данные в отчете обновятся за уже прошедшую дату).

Genreport предоставляет готовую модель данных, специалист может сразу приступить к визуализации и использовать шаблоны отчетов, созданные экспертами. Шаблоны можно изменять, чтобы сделать их удобными и понятными для себя. Genreport — бесплатный сервис. Это простое и доступное решение для тех, кто начинает работать с аналитикой и визуализацией данных.

Это пример отчета маркетолога, которому не надо глубоко погружаться в аналитику. В отчете можно оценить эффективность рекламы в Директе и Ads, выполнение KPI в динамике, а также рост или снижение показателей.

При визуализации важно учитывать, что мы хотим понять из отчета и на чем сфокусироваться. Например, руководителю достаточно видеть стратегические показатели бизнеса без детализации, в то время как специалисту по контекстной рекламе нужны строить более детализированные отчеты с разбивкой по различным сегментам и со множеством метрик. Поэтому шаблоны в Genreport разделены на различные уровни: «для маркетолога», «руководителя», «аналитика» и т. д.

Заключение

Power BI дает возможность маркетологам и специалистам по платному трафику визуализировать информацию и строить наглядные отчеты. Инструмент помогает анализировать данные в удобном и понятном виде, отслеживать динамику изменений и оценивать важные показатели.