Сквозная аналитика для интернет-магазина: как настроить

Владелец интернет-магазина с тремя рекламными каналами — Яндекс Директом, ВКонтакте и органическим поиском — однажды сказал мне примерно следующее: «Продажи есть, реклама работает, но я не понимаю, что именно работает». При этом на рекламу уходило больше полумиллиона рублей в месяц. Это классическая проблема магазина без сквозной аналитики: деньги тратятся, заказы приходят, а связи между конкретным рублём вложений и конкретным рублём выручки нет.

Я настраиваю аналитику для ecommerce-проектов разного размера уже много лет, и ситуация «реклама работает в среднем» — одна из самых распространённых и самых дорогостоящих проблем. Когда нет разбивки по каналам, форматам и кампаниям, невозможно понять, где выгодно масштабироваться, а где — сократить бюджет. Это всё равно что управлять автомобилем, глядя в лобовое стекло через плотный туман.

В этой статье разберу, как выстроить сквозную аналитику для интернет-магазина: настроить электронную коммерцию в Яндекс Метрике, связать данные о рекламных расходах с реальными заказами, считать ROAS по каналам и кампаниям, и понять, где именно теряются деньги в текущей рекламной стратегии.

Прежде чем переходить к технике, скажу о главном мотиве. Большинство владельцев магазинов оценивают рекламу по косвенным признакам — «когда даём рекламу, продажи выше» — но не могут ответить на конкретный вопрос: сколько рублей выручки приносит каждый рубль, вложенный в конкретную кампанию. Сквозная аналитика отвечает именно на этот вопрос и делает управление рекламным бюджетом фактически автоматическим: если канал приносит выручку выше целевого ROAS — масштабируем, ниже — сокращаем или пересматриваем.

Что такое сквозная аналитика и чем она отличается от обычной

Обычная аналитика сайта фиксирует визиты, клики и цели — например, факт перехода на страницу «спасибо за заказ». Сквозная аналитика идёт дальше: она соединяет каждый заказ с конкретным источником трафика, рекламной кампанией, ключевым словом и объявлением, а затем сопоставляет стоимость этого заказа с реальным рекламным расходом на привлечение. На выходе получается ответ на главный вопрос любого рекламодателя — сколько конкретная кампания заработала, а не просто сколько конверсий она принесла.

Принципиальное отличие в том, что сквозная аналитика оперирует деньгами, а не только метриками вовлечённости. Конверсия в заказ — это средство, а не цель. Цель — рентабельность рекламных вложений (ROAS) и прибыль. Кампания с высоким числом конверсий, но низким средним чеком может оказаться менее прибыльной, чем кампания с меньшим числом заказов, но на дорогой товар — и без сквозной аналитики это различие остаётся невидимым.

По моим наблюдениям, магазины с настроенной сквозной аналитикой в среднем тратят рекламный бюджет эффективнее — не потому что они умнее или тратят больше, а потому что видят данные и перераспределяют бюджет к тому, что работает. Без этой видимости типичная ситуация — 20–30% рекламного бюджета уходит на каналы с отрицательным ROAS, но никто об этом не знает, потому что «в целом всё выглядит нормально». Настройка аналитики — это буквально деньги, которые можно спасти или направить туда, где они работают.

Электронная коммерция в Яндекс Метрике — основа аналитики магазина

Первый обязательный шаг для интернет-магазина — подключить модуль «Электронная коммерция» в Яндекс Метрике. После подключения Метрика начинает фиксировать не просто факт заказа, а его содержание: какие товары куплены, в каком количестве, по какой цене, какова сумма заказа целиком. Это позволяет видеть выручку в разрезе каждого источника трафика, а не только количество транзакций.

Настройка электронной коммерции

Для настройки нужно, чтобы разработчик добавил в код сайта специальные события при ключевых действиях пользователя: добавление товара в корзину, начало оформления заказа, успешная оплата. Каждое событие передаёт в Метрику данные о товарах — ID, название, категория, цена, количество. После этого в интерфейсе Метрики появляются отчёты «Электронная коммерция» с данными о выручке, товарах и конверсии на каждом шаге воронки.

На CMS-платформах с готовыми модулями — например, на распространённых российских движках для ecommerce — установка модуля электронной коммерции часто делается через плагин без написания кода вручную. На самостоятельных решениях потребуется разработчик. Важный момент: разница между «поставить счётчик» и «настроить электронную коммерцию» принципиальная — многие магазины стоят с установленным счётчиком Метрики, но без модуля электронной коммерции, и видят только факт заходов, ничего о деньгах.

UTM-метки — обязательный элемент атрибуции

Даже с подключённой электронной коммерцией Метрика не сможет правильно атрибутировать заказы, если переходы из рекламы не размечены UTM-метками. Без меток все переходы из рекламных кабинетов часто попадают в категорию «прямые визиты» или «переходы из поисковых систем», и понять, какая кампания принесла заказ, невозможно.

В Яндекс Директе UTM-метки проставляются автоматически, если включить соответствующую опцию в настройках кампании. Для других каналов — ВКонтакте, email-рассылок, партнёрских площадок — метки нужно добавлять вручную к каждой ссылке. Стандартная структура UTM для магазина: utm_source — источник (yandex, vk, email), utm_medium — тип трафика (cpc, cpm, banner), utm_campaign — название кампании, utm_content — формат или тип объявления, utm_term — ключевое слово. Подробнее о логике построения UTM-меток — в статье UTM-метки: что это и как использовать.

ROAS — как считать рентабельность рекламы для магазина

ROAS (Return on Ad Spend) — ключевая метрика сквозной аналитики для ecommerce. Формула простая: ROAS = выручка от рекламного канала / расходы на этот канал. Результат показывается как соотношение: ROAS 3 означает, что на каждый рубль, вложенный в рекламу, магазин получает 3 рубля выручки.

Важно различать ROAS и ROI. ROAS считает отдачу от рекламных расходов и оперирует выручкой, не учитывая себестоимость товара. ROI (Return on Investment) учитывает все вложения, включая закупочную стоимость товаров, логистику и операционные расходы, и считает прибыль, а не просто выручку. Для быстрой оценки эффективности рекламных кампаний удобнее ROAS — он считается из данных, которые уже есть в Метрике. Для оценки реальной прибыльности бизнеса нужен ROI — и тут без CRM с данными о себестоимости не обойтись.

Для практики я рекомендую начинать с ДРР — доля рекламных расходов в выручке. Это та же логика, что ROAS, только выраженная в процентах: если ДРР у канала 15%, значит, 15% выручки от этого канала уходит обратно в рекламу. Норма ДРР сильно варьируется в зависимости от маржи товара — для товаров с маржой 50% ДРР в 20% вполне приемлем, для товаров с маржой 10% — это убыток.

Как рассчитать целевое значение ROAS или ДРР для своего магазина? Отталкивайтесь от экономики: возьмите среднюю маржу по ассортименту (выручка минус себестоимость) и определите, какую долю этой маржи вы готовы отдавать на рекламу. Например, если средняя маржа 40% и вы готовы тратить на рекламу треть от неё, то целевой ДРР будет около 13–14%. Это и есть ваш ориентир при оценке каналов: каналы с ДРР ниже этого значения прибыльны и заслуживают масштабирования, выше — убыточны и требуют оптимизации или отключения.

Важный нюанс: целевой ROAS разумно считать отдельно для разных категорий товаров, а не как одно число для всего магазина. Категория с маржой 60% может выдержать более высокий рекламный ДРР, чем категория с маржой 15% — и единый целевой показатель для обеих будет либо слишком агрессивным для одной, либо слишком лояльным для другой.

Связка Метрики с CRM — полная картина цикла заказа

Яндекс Метрика с модулем электронной коммерции фиксирует только онлайн-транзакции: заказы, оформленные прямо на сайте. Но у большинства магазинов значительная часть заказов проходит через звонки, мессенджеры и почту — и эти заказы Метрика в стандартном виде не видит. Для полной картины нужна связка с CRM.

Принцип: в CRM к каждой сделке привязывается источник трафика (через UTM-метки из первого перехода или по коллтрекингу). После того как заказ выполнен и оплачен, фактическая выручка из CRM сравнивается с рекламными расходами по тому же периоду и источнику. О коллтрекинге и принципах построения сквозной аналитики с учётом офлайн-источников я писал в статье коллтрекинг и сквозная аналитика.

Модели атрибуции для интернет-магазина

Атрибуция — один из самых сложных вопросов сквозной аналитики для ecommerce. Когда покупатель проходит несколько точек контакта перед покупкой — кликнул по рекламе в Директе, потом пришёл из органического поиска, потом вернулся по ремаркетингу, а потом написал напрямую — какой канал считать «ответственным» за заказ?

Типы атрибуции

Яндекс Метрика поддерживает несколько моделей атрибуции. Атрибуция по последнему переходу отдаёт всю заслугу последнему источнику перед заказом — удобно для быстрого понимания, что закрыло сделку, но может недооценивать каналы верхней воронки, которые первыми познакомили покупателя с магазином. Атрибуция по первому переходу, наоборот, отдаёт всё первому касанию — хорошо показывает, откуда пришёл новый покупатель, но игнорирует то, что его дотолкнуло до покупки. Линейная атрибуция делит заслугу равномерно между всеми касаниями — честный, но усреднённый подход.

Для практики большинства магазинов я рекомендую смотреть на несколько моделей параллельно, а не выбирать одну «правильную». Сравнение атрибуций по первому и последнему переходу сразу показывает, какие каналы работают на знакомство с брендом, а какие — на закрытие сделки. Это разные роли в воронке, и оценивать их по одной метрике было бы ошибкой. Как читать и анализировать отчёты Метрики в целом — я разбирал в отдельном материале Яндекс Метрика для анализа рекламы.

Как видеть ROAS в Яндекс Директе

После того как электронная коммерция настроена в Метрике и счётчик правильно привязан к кабинету Директа, данные о выручке появляются прямо в отчётах Директа — можно видеть не только количество конверсий, но и доход от них в разрезе каждой кампании, группы объявлений и ключевого слова. Это позволяет оптимизировать не по стоимости клика или даже стоимости конверсии, а по реальной выручке — стратегия «оптимизация по доходу» в Директе именно это и делает.

Для корректной работы стратегии оптимизации по доходу важно, чтобы в событие «Покупка» передавалась сумма заказа, а не просто факт совершения покупки. Без передачи суммы алгоритм не может оптимизировать ставки под доходность — он будет оптимизировать под количество транзакций, что не одно и то же. Я регулярно вижу эту настройку, выполненную не до конца: конверсия настроена, сумма не передаётся, и автостратегии работают вслепую. Подробнее о настройке целей — в статье как настроить цели в Яндекс Метрике.

Анализ воронки магазина — где теряются деньги

Помимо анализа эффективности каналов, электронная коммерция в Метрике позволяет видеть, на каком шаге воронки покупатель уходит. Это критически важно для поиска узких мест: если корзину добавляют 30% посетителей, но до оформления заказа доходят только 8%, значит, именно на этапе корзины или оформления теряется огромная часть потенциальной выручки — и работать нужно именно там, а не только на уровне привлечения трафика.

Стандартные шаги воронки для магазина: клик по рекламе → визит на сайт → просмотр карточки товара → добавление в корзину → начало оформления → успешная оплата. Конверсии между шагами нужно анализировать по каждому источнику трафика отдельно — иногда один канал даёт хорошую конверсию в корзину, но теряет покупателей при оформлении (чаще всего из-за неудобной формы или обязательной регистрации), а другой канал даёт меньше корзин, но выше процент оплаченных заказов. Принципы построения и анализа воронки я разбирал в статье воронка продаж.

Для детального понимания поведения пользователей на ключевых страницах воронки отлично подходит Вебвизор — запись реальных сессий, которая позволяет буквально посмотреть, как конкретный пользователь взаимодействовал с формой оформления заказа или страницей корзины. Подробнее о возможностях этого инструмента — в статье Вебвизор в Яндекс Метрике.

Анализ товарных категорий и ключевых товаров

Один из недооценённых отчётов электронной коммерции — детализация по товарам и категориям в разрезе рекламных источников. Это позволяет понять, какие конкретные товары продаются через рекламу, а не только общий объём выручки с канала. Результаты часто бывают неожиданными: магазин рекламирует товар А, а по факту продаются больше товары Б и В — значит, рекламная кампания работает не на то, что планировалось.

Для рекламы интернет-магазина эта информация прямо влияет на структуру кампаний. Если аналитика показывает, что определённая категория товаров даёт ROAS существенно выше среднего — туда нужно перебрасывать бюджет. Если другая категория стабильно убыточна по рекламе — либо менять ставки, либо исключать из показов, либо пересматривать посадочные страницы под эту категорию. Подробнее о настройке рекламы для магазинов — в статье реклама интернет-магазина в Яндекс Директе.

Сегментация по товарным категориям особенно важна для магазинов с широким ассортиментом, где в одной кампании могут быть товары с маржой 70% и товары с маржой 5% — и без детализации невозможно понять, что рекламный бюджет на самом деле «финансирует» продажи тех товаров, где денег почти нет.

Межканальное взаимодействие — как разные каналы влияют друг на друга

Сквозная аналитика в хорошей реализации показывает не только результаты каждого канала изолированно, но и то, как они взаимодействуют между собой. Покупатель мог увидеть баннер в РСЯ, потом найти магазин в органическом поиске, потом получить письмо по email-рассылке и только после этого совершить покупку по прямому заходу на сайт. При атрибуции по последнему переходу весь кредит получит «прямой» источник, хотя реально ни один канал не работал в изоляции.

Это межканальное взаимодействие особенно важно понимать, когда рассматривается вопрос об отключении «неэффективного» канала. Иногда канал, который выглядит слабым по метрике последнего касания, на самом деле активно участвует в цепочке, которая приводит к покупке через другие каналы — и его отключение неожиданно снижает продажи по всем остальным каналам тоже. Анализ ассоциированных конверсий в Метрике показывает, в каких конверсионных цепочках участвовал каждый канал, даже если он не был последним перед покупкой.

Частые ошибки в аналитике интернет-магазина