UX Rocket - отечественная платформа для аналитики и экспериментов. Попробовала, делюсь мнением

*Премия «MarTech Star Awards» направлена на выявление и поощрение инновационных решений для автоматизации маркетинговой деятельности.

*Продукт разработан компанией EXCITE KIT, которая уже более 6 лет занимается разработкой, системной интеграцией и цифровым маркетингом.

Тестирую UX Rocket

Настройка системы и доступные интеграции

Я настроила систему довольно быстро, так как настройка стандартная и подробная инструкция есть в документации.

Систему можно подключить как облачный сервер или развернуть на серверах компании. Разница в том, что при сборе данных в облачный сервис можно собирать любые данные о поведении пользователей, кроме данных, сбор и управление которыми регламентируется специальными законодательными актами (персональные данные, медицинские данные и прочее).

Чтобы подключить, нужно:

1. Для сайта установить тег в HTML-код сайта внутри тега .

*Интересно, что такая рекомендация дается и в продуктах Google и Яндекс, однако бывает, что аналитики и разработчики пренебрегают этим советом. Я проводила аудит систем веб-аналитики компаний и ошибка, когда устанавливали внутри тега , а не была часто распространена, за счет чего данные на сайте собирались некорректно. Не повторяйте эту ошибку.

1. Для мобильного приложения подключить SDK.

В UX Rocket доступны разнообразные интеграции, что является важным для полной картины данных и настройки сквозной аналитики*.

*Сквозная аналитика — подход в анализе эффективности маркетинга, при котором отслеживают путь клиента от первого клика по рекламе и визита на сайт до заявки, покупки и повторных продаж.

Простая интеграция с помощью коннекторов доступна с Google Big Query (для тех клиентов, кто хочет сохранить исторические данные из GBQ), а также с Яндекс.Директ (что позволит сопоставить данные о показах, кликах, затратах на рекламу и фактических покупках клиентов на сайте). С помощью API можно интегрировать базу данных, CRM систему.

Сбор данных

Сюрпризом для меня стало то, что сбор данных о поведении пользователей происходит автоматически сразу после установки тега на сайт и SDK в мобильное приложение. Не нужно вручную отправлять в систему события и цели, как при работе с продуктами Yandex и Google и другими аналогами. Это экономит время на разметке и можно сразу анализировать данные без дополнительных действий.

Меня волновал тот факт, что автоматическая разметка UX Rocket не будет точной и возможны ошибки. Однако исходя из публичной информации на страничке компании и содержания выступления на Startup village следует, что по результатам внешнего независимого тестирования решений класса tag manager, проведенного ВТБ, точность разметки UX Rocket в среднем на 20% превзошла конкурентов и составила 98,6%.

Какие данные собирает UX Rocket на сайте? Это важно понимать для эффективного использования платформы (см скриншот ниже). В системе есть понятия «действия» и «атрибуты».

По умолчанию система собирает действия:

1. openpage — переход на страницу,
2. closepage — закрытие страницы,
3. buttons — нажатие на кнопку,
4. links — клик на гиперссылку,
5. lists — выбор элемента в выпадающем списке.

Также можно подключить сбор дополнительных событий:

1. show — показ всплывающего элемента (диалоги, баннеры),
2. click — клик по элементу на странице (например, баннер),
3. change — нажатие на радиокнопки и переключатели (checkbox и radiobutton),
4. field — данные из поле ввода при потере фокуса (переход на другое поле).

Также есть атрибуты:

1. стандартные (местоположение, характеристики устройства, UTM-метки и некоторые другие данные), их система собирает автоматически.
2. пользовательские (30 дополнительных текстовых полей). Можно сохранять любую информацию, например, уровень участия в программе лояльности, предпочтительный способ оплаты и тд, чтобы смотреть аналитические отчёты в соответствующих разрезах. Получение данных из сессионных куки и из URL не требует программирования. Получение данных из других источников требует написания java-script.

SDK UX Rocket для мобильного приложения автоматически заполняет стандартные атрибуты, кеширует параметры пользователя и вызовы к API (при отсутствии связи событие будет сохранено локально и передано позднее). Пользовательские атрибуты заполняет/сбрасывает программист мобильного приложения.

Важно, что UX Rocket не семплирует данные, как это делает Яндекс Метрика и Google analytics. Поэтому во всех отчетах UX Rocket отображаются точные данные и на них можно полагаться, в то время как данным от Яндекс Метрики и Google analytics часто по этой причине нельзя доверять.

*Семплирование — при наличии большого количества статистических данных, собираемых счетчиком, Яндекс.Метрика и Google analytics может использовать только часть из них.

Отчеты

Отчеты и дашборды — это основа для оценки результатов, с помощью них можно увидеть существующие проблемы или прогресс.

В UX Rocket есть несколько основных отчетов и дашбордов (диаграмма Sankey, дашборд «Воронка», агрегаты по сессиям пользователей, аналитические виджеты). Каждый можно настроить под себя в несколько кликов, никаких специальных знаний (типа знаний SQL, Python) не требуется.

Диаграмма Сенки (Sankey diagram)

Предназначена для отражения потоков посетителей, путешествующих по сайту в течение определенного периода времени. Это некий аналог Customer journey map (CJM). С помощью нее можно выделить пути, по которым пользователи приходят к покупке и далее перенаправлять пользователей с менее конверсионного пути на более конверсионный.

Пример использования:

На диаграмме есть основная страница (Demo, на ней 100% трафика). Все, что находится до — это откуда пользователи пришли на нашу страницу, после — куда они с нее уходили (см скриншот ниже).

При этом смотреть можно как в общем, так и по конкретному домену, типу устройства, категории продукта. Если отфильтровать по типу устройства, то увидим, что пользователи мобильных устройств ведут себя иначе, покидают страницу Demo чаще, чем в среднем (см скриншот ниже).

Дашборд «Воронка»

Показывает шаги, по которым клиент проходит от визита на сайт/в приложение до покупки (см скриншот ниже). Помогает найти узкие места в работе сайта/мобильного приложения.

Пример использования:

У одного из клиентов (бизнес — электронная коммерция) была низкая конверсия в покупку. С помощью дашборда «Воронка» было обнаружено, что наибольшая потеря пользователей происходит на этапе оформления заказа. Это стало видно по значительному снижению числа пользователей, которые переходили с этапа добавления товара в корзину к оформлению заказа. Дальнейший анализ путем детализации с помощью фильтров (устройство, страна) и других отчетов позволил выявить причины проблемы: на сайте длинная форма заполнения заказа, а также проблемы с выбором пункта самовывоза на карте. После устранения причин конверсия увеличилась.

Сегменты в воронке

Этот инструмент показался мне полезным и подобного я не видела в других системах. Он позволяет найти сегменты, в которых все работает плохо (чтобы мы могли устранить узкие места), а также сегменты, в которых все работает хорошо (чтобы понять, почему и использовать это знание) .

Ниже зеленым отмечены сегменты, в которых доля завершивших больше, чем среднее значение и красным сегменты, в которых доля завершивших меньше, чем среднее значение (см скриншот ниже).

Агрегаты по сессиям пользователей

UX Rocket может посчитать агрегированные данные. Например, если нужны не детальные, а общие данные по посетителям сайта, сумме покупок и так далее.

Аналитические виджеты

С помощью аналитических виджетов можно отслеживать значение или динамику любого показателя. При этом доступны различные виды диаграмм (линейный график, круговая, горизонтальная, вертикальная и тд). Получится своеобразный мини-дашборд, в котором можно проанализировать работу сайта или приложения на верхнем уровне (см скриншот ниже).

А/Б тестирование

А/Б тестирование используется для сравнения двух или более вариантов страниц сайта или приложения, с целью определить, какой из вариантов показывает лучшие результаты. Это помогает принимать обоснованные решения на основе данных и улучшать эффективность и конверсию, основываясь на предпочтениях и поведении пользователей.

В UX Rocket реализован полный цикл для работы с а/б тестами:

Настройка и отладка а/б тестов

Шаг настройки кампании — это основа а/б тестирования. В UX Rocket настройка кампаний включает в себя все, что нужно для обеспечения надежности и достоверности результатов (см скриншоты примера настроек ниже):

1. Задаем общие настройки и, если нужно, период действия кампании (когда эксперимент начнется и когда остановится).
2. Вкладка «элементы». Задаем визуал страницы, логику работы. Весь код прописывается на языке html. Тестовых элементов можно задать несколько, тем самым провести мультивариативное тестирование.
3. Вкладка «правила». Задаем сегмент, для которого будем показывать эксперимент. Можно использовать любые параметры, которые есть в системе, а также до 30 атрибутов, настраиваемых вручную. Здесь же отмечаем вес каждого варианта в процентах.
4. Вкладка «действия». Прописываем все действия, которые хотим собирать. Далее будем использовать статистику по действиям, чтобы понять, какой вариант работает лучше, какой хуже. Отдельно отмечаем целевое действие — по которому платформа будет определять успех эксперимента.
5. И другие настройки: вкладка «Скрипты» (если хотим собирать дополнительную информацию о пользователях), вкладка «Страницы» (если запускаем многостраничный эксперимент), вкладка «История» (можно посмотреть кто и когда вносил изменения по эксперименту), вкладка «Файлы» (для хранения файлов — баннеры, документы и прочее).

Для проверки и исправления ошибок в настроенном эксперименте перед его запуском или в процессе выполнения используем «Отладку». Есть режим предпросмотра, который позволяет просмотреть варианты эксперимента до запуска на сайте.

Анализ результатов а/б тестов

На этом с настройками все — они похожи с тем же Google Optimize и подобными платформами. Меня очень интересовал анализ результатов и статистическая оценка теста. UX Rocket дает результаты тестирования в виде графиков и таблиц с указанием вероятности ошибки (см скриншоты ниже). Эта информация помогает сделать основные выводы по эксперименту и принять решение о дальнейших действиях, таких как внедрение лучшего варианта или проведение дополнительных тестов.

График конверсии показывает процент пользователей, которые совершили конверсию для каждого варианта эксперимента в течение определенного периода времени. Позволяет определить, какой вариант имеет наибольший эффект на конверсии.

График показов отображает количество пользователей, которые увидели эксперимент и позволяет оценить, как много пользователей было вовлечено в эксперимент.

Более детальные данные по каждому эксперименту можно увидеть в таблице (показы, целевые действия, конверсия, вероятность ошибки, прогноз продолжительности, доход).

Также платформа рассчитывает вероятность ошибки. Например, если при сравнении двух опытов получена вероятность ошибки менее 5%, результат сравнения считается достоверным, и опыт с большей конверсией становится победителем. При достижении достоверных результатов сравнения нескольких опытов победителем будет вариант с максимальной конверсией. Если вероятность ошибки более 5%, то платформа, основываясь на данных, будет рассчитывать прогноз продолжительности. И в колонке «Прогноз продолжительности» увидим, например, что эксперимент нужно продолжать еще неделю.

Есть графики с дополнительными действиями, которые также можно использовать для оценки успешности эксперимента: проверить влияние на различные метрики, избежать одномерного анализа, обнаружить неожиданные эффекты (см скриншот ниже).

Один из примеров — изменение расположения формы подписки на сайте. Форму подписки расположили в более видное место на сайте, чтобы увеличить количество подписчиков. Однако помимо увеличения подписок, также увеличилось количество отказов от оформления покупки на странице товара. Это было связано с тем, что форма подписки отвлекает внимание посетителей и не дает завершить покупку. Дополнительное действие «Отказ от оформления покупки» помогло выявить этот неожиданный эффект.

Дополнительные функции

UX Rocket имеет дополнительные функции:

1. Рекомендации по экспериментам — платформа отслеживает ход эксперимента и может давать рекомендации с помощью ИИ (например, перераспределить трафик).
2. Профиль клиента — в нем собрана вся информация по пользователю, объединенная по разным устройствам, а также содержит офлайн данные.
3. Сегменты — можно создавать и в дальнейшем отслеживать нужные сегменты.

В настройках разделяются права для отдельных пользователей и групп пользователей, чтобы ограничить доступ к тем или иным функциям.

Заключение

По итогу тестирования UX Rocket делаю вывод, что система является достойной альтернативой корпоративных версий продуктов Google и Яндекс:

1. Нет необходимости внедрять и интегрировать несколько решений: весь функционал, необходимый для UX и CRO оптимизации (аналитика +тестирование+ персонализация), доступен в одной платформе.
2. Есть возможность интегрировать с CRM и другими имеющимися у корпоративных клиентов системами.
3. Нет семплирования, а значит данные точные и им можно доверять.
4. События и целевые действия обычно выбираются автоматически.
5. Можно анализировать данные как в самой системе, так и выгружать.
6. Активно используется потенциал ML-моделей и AI (инструментарий рекомендаций, определение продолжительности и проверка достоверности тестирования). Ранее нужно было ломать голову над изучением статистики, теперь это сделают за вас.

И что немаловажно сейчас, система UX Rocket включена в реестр отечественного ПО.

Дополнительным преимуществом можно считать возможность покупки не только платформы, но и UX / CRO сервисов. Пока они доступны текущим крупным клиентам, но глядя на кейсы и цифры, думается, это может облегчить жизнь многим продактам/аналитикам и всем тем, кто отвечает за рост продаж в цифровом канале.