1. Життя після лайка
2. Весь інтернет-маркетинг за 19 тижнів!
3. Аналіз утримання фанів: 8 місяців з життя однієї фан-сторінки в Вконтакте
4. Навіщо все це?

Останнім часом з'являється багато досліджень, що демонструють низьку ступінь залученості фанів у взаємодію на фан-сторінці, поганий рівень повернення на сторінку і розрив між бажаннями клієнтів і діями компаній. деякі дослідження показують , Що «лайк» - це всього лише одне мале дію, за яким не ховається будь-яких обіцянок або зобов'язань користувача знову і знову повертатися на фан-сторінку. А адже це питання напевно мучить кожного ком'юніті-менеджера, який прагне залучати та утримувати нових фанів якомога ефективніше. Так чи є життя після лайка?

Життя після лайка

Щоб відповісти на це питання, нам потрібен інструмент, аналогічний веб-аналітиці сайтів. Без сумніву багатьом з вас приходила в голову ідея про те, що було б дуже непогано мати щось схоже на Google Analytics для Facebook або ВКонтакте, щоб проводити більш глибоку аналітику активності фанів в спільнотах. Зовсім недавно ми показали , Як можна проаналізувати співтовариство в цілому, використовуючи методи мережевого аналізу. А сьогодні ми покажемо, як проаналізувати ефективність утримання фанів в співтоваристві. По суті, ми представимо аналог аналітичних опцій з розділу «Нові і повернулися» з стандартних звітів всередині Google Analytics.

Весь інтернет-маркетинг за 19 тижнів!

Cossa рекомендує: онлайн-курс по інтернет-маркетингу від Ingate - digital-агентства з 17-річним досвідом.

• 17 навчальних блоків з ключових питань інтернет-маркетингу
• підтримка менторів
• диплом
• Стажування в топових агентствах Росії
• Допомога в працевлаштуванні

Реклама

Треба зізнатися, що функціонал аналізу фан-аудиторії всередині Facebook або ВКонтакте досить бідний, щоб дати нам можливість хоч якось детально оцінити рівень утримання фанів. Єдиним наближенням до розуміння ефективності утримання є показник частоти відвідувань унікальних користувачів. Однак, цей графік не відображає розподіл унікальних відвідувань в часі і не демонструє, як змінюється обсяг нових і повернулися фанів від місяця до місяця (або по днях, кварталами і років). Тобто ми не бачимо, як поводяться унікальні фани в динаміці.

А що ж містить стандартний набір звітів Google Analytics з цих питань? Перелічимо основні:

1. Нові та повернулися - загальна динаміка відвідувань і їх розподіл за новими і вернушімся відвідувачам.
2. Періодичність і час з останнього повернення - розподіл відвідувачів за частотою відвідувань за обраний період часу (по суті це відображення присутності різних сегментів відвідувачів по накопиченої частоті відвідувань за обраний період часу).
3. Активність користувачів - розподіл відвідувачів за часом, проведеним на сайті.

Треба зауважити, що в тій же Яндекс.Метрика крім часу з останнього повернення є і час з першого візиту, і періодичність візитів. У будь-якому випадку у «нашого гугла» аналітика утримання аудиторії на сайті виглядає цікавіше. Отже, що ж є у нас, щоб аналізувати утримання фанів?

Аналіз утримання фанів: 8 місяців з життя однієї фан-сторінки в Вконтакте

Для демонстрації аналітичних можливостей ми наведемо дані реального співтовариства великого бренду споживчої електроніки, зібрані за допомогою системи Ниппель . Конфіденційність не дозволяє нам розголошувати власника бренду, але для розуміння цінності аналітики нам цього і не потрібно. Отже, сьогодні в нашому розпорядженні 3 діаграми. Зверніть увагу, що наші дані не охоплюють усього періоду існування фан-сторінки, тому позначення «нові» і «повернулися» фани стосується тільки цього періоду часу (з травня по грудень 2011 року).

На першій діаграмі ми бачимо розподіл активних фанів по місяцях.

Немає сумніву, що після літа фани-аудиторія в цілому більш активна - нам вже довелося з'ясувати це раніше на прикладі іншого бренду в статті про аналіз активності фанів для оптимізації контент-менеджменту (див. коментарі під статтею, зокрема, відмінний питання Олександра Блохіна і моя відповідь). Однак, спираючись тільки на ці дані, ми не дізнаємося, що саме дало такий відчутний сплеск активності фанів у вересні і жовтні, як і не дізнаємося, чи належить ця активність новим або старим, який повернувся фанам, і в яких пропорціях.

Щоб відповісти на ці ключові питання, друга діаграма вже дає нам трохи більш детальну картинку про природу цього сплеску.

З діаграми стає очевидно, що осінній сплеск - це заслуга нових фанів, оскільки частка тих, хто повертався 3 і більше разів за цей час на сторінку спільноти, досить мала. Насправді це було зрозуміло і на основі стабільного рівня активності відвідувань за травень-серпень. Однак цілком можна уявити собі випадок іншого співтовариства або періоду часу, коли активність не так сильно залежить від сезонності або рекламної активності бренду. Тоді було б далеко не настільки очевидно, якого сегменту фанів (новим або повертаються) належать ці сплески або рівна динаміка відвідуваності.

Отже, для повноти картинки нам не вистачає тільки детальних даних по розподілу нових і повертаються фанів - і це ми бачимо на третій діаграмі.

Стає ясно, що нові фани не просто «відповідальні» за сплеск активності в суспільстві, а й те, що рівень повернення цих фанів досить невисокий (в наступні 3 місяці після сплеску). Ми можемо навести ще одну діаграму цього ж розподілу, але вже в% -ному співвідношенні, щоб частки цих сегментів по місяцях були представлені більш наочно.

Навіщо все це?

Перш за все, ми побачили, як можна досить детально аналізувати активність фанів по повернень на сторінку для розуміння ефективності наших дій. На закінчення ми більш детально перерахуємо основні сфери застосування цієї аналітики:

1. Аналіз ефективності рекламних кампаній із залучення й утримання фанів.

Знаючи базовий постійний обсяг повертається аудиторії за період, що передує рекламної кампанії, і динаміку природного приросту спільноти, ми можемо точно виділити сегмент нових активних фанів, залучених через цю кампанію. І аналізувати їх подальшу поведінку, розуміючи ступінь утримання фанів в співтоваристві. Крім того, можна порівнювати різні кампанії між собою і розуміти, яка реклама більш ефективна в довгостроковому періоді. По суті, це аналог post-campaign аналізу для фан-сторінок.

1. Аналіз ефективності акцій та конкурсів за глибиною залучення (рівня активності фанів).

В даному випадку ми не тільки розуміємо, наскільки акція / конкурс краще впливають на утримання фанів (на частоту подальших повернень), але і на рівень їх активності за кожний наступний період часу (день, тиждень, місяць і т.д.). Наприклад, Конкурс Х дає на 30% більше активну фан-аудиторію, ніж Конкурс У. Крім того, рівень цієї активності загасає повільніше. Це хороший приклад Engagement Analytics для акцій / конкурсів та інших механік залучення / утримання користувачів-фанів.

1. Ідентифікація лояльного ядра фан-аудиторії (регулярно повертаються фанів).

Для роботи з найбільш лояльним сегментом фан-аудиторії потрібно знати не стільки найактивніших в сумарному вираженні, скільки активних на регулярній основі. Адже фан, дуже активний 1-2 місяці з 8 попередніх місяців - це щось зовсім інше, ніж фан, помірно активний протягом усіх 8 місяців. Хоча їх сумарна активність може бути однаковою. Наша аналітика дає більш детальний погляд на лояльних фанів, дозволяючи піклуватися про тих, хто дійсно заслуговує на це. І адресно залучати їх на підтримку ваших активностей в співтоваристві як надійних союзників. Технологія дозволяє отримати поіменний список фанів з різним рівнем активності за будь-який період часу.

На сьогодні все. Будемо раді відповісти на ваші запитання, зауваження, і, звичайно ж, на запити з аналізу вашої фан-сторінки або групи в Facebook або ВКонтакте (ми підтримуємо обидва «формату»). Дякую за ваші лайки і shares!

PS Дякую Олексію Цверову за дані.

джерело: smm3.org