Как дать доступ к счетчикам и рекламным системам

Для того, чтобы мы могли исследовать данные о посетителях и целевых действиях на сайте, нам потребуется доступ в Яндекс.Метрику. Если вы ведете рекламу в Директе, в отчетах Метрики можно отследить работу рекламных кампаний.

Для начала перейдите к списку счетчиков Метрики ( https://metrika.yandex.ru/list/ ). Чтобы дать доступ к статистике другому пользователю, определитесь с правами, которые вы ему делегируете.

Управление правами доступа пользователей к счетчикам

Есть два вида доступа: Гостевой и Представительский.

Для Гостевого доступа пользователю можно предоставить права:

• «Только просмотр» – к статистике и настройкам без возможности изменения. Нельзя сохранять отчеты и сегменты.
• «Доступ на редактирование» — управление счетчиком за исключением удаления.

Часто можно ограничиться гостевым доступом с правом “Только просмотр”. Этот уровень доступа дают на этапе ознакомления агентства с вашей аналитикой.

В ходе работы для настройки целей и создания сегментов потребуется доступ с правом редактирования.

Мы рекомендуем периодически проверять список пользователей, которым предоставлен доступ. Если вы прекратили сотрудничество с агентством, отключайте.

Гостевой доступ

Для предоставления гостевого доступа нажмите на кнопку настроек.

В новом окне перейдите на вкладку Доступ, далее — Индивидуальный доступ — Добавить пользователя.

В новом окне введите логин, которому будет предоставлен доступ — intervolga5@yandex.ru, далее выберите нужный уровень доступа.

Нажмите кнопку Добавить, а затем — Сохранить.

Представительский доступ

Представительский доступ позволяет дать нескольким пользователям право доступа на управление вашим счетчиком. Представители могут настраивать гостевой доступ к вашему счетчику.

Для добавления нового пользователя, откройте пункт меню Представители.

В поле Новый представитель укажите его логин. Как только создан новый счетчик, все представители получат доступ.

Базовые отчеты Google Analytics и Яндекс.Метрики

Начнем знакомиться с интерфейсом Google Analytics, используя тестовый аккаунт для интернет магазина Google Merchandise Store. Чтобы зайти в него, нужно просто авторизоваться в аккаунте под почтой gmail.com.

Левая панель навигации позволяет перемещаться между отчетами и сейчас мы находимся на вкладке «Аудитория». Здесь ты сможешь узнать больше о пользователях сайта: откуда они, на каких языках говорят и какими технологиями пользуются, какого они возраста и пола, каков уровень их вовлечения, лояльности и чем они интересуются.

Отчет по активным пользователям

Начнем с отчета «Активные пользователи». В нем содержится информация об охвате пользователей за последние 1, 7, 14 и 30 дней. Охват будет расти по мере увеличения интереса пользователей к сайту.

Отчет по демографии и интересам аудитории

Google Analytics предоставляет социально-демографические данные в отчете «Демография» и «Интересы».

Такие отчеты помогут лучше изучить свою аудиторию, так как в них можно узнать пол и возраст пользователей, а также, какой контент они предпочитают. Также это поможет выбрать стратегию развития сайта и маркетинговый подход.

Но, для того, чтобы увидеть такие отчеты, нужно в настройках администратора в разделе «Ресурс» выбрать «Настройки ресурса» и в разделе «Включить демографические отчеты и отчеты по категориям интересов» нажать «ВКЛ».

Отчеты по географическим данным и поведению пользователей

В отчете «География» по IP-адресу посетителя определяется континент, страна и город. Можно увидеть, в каком городе больше трафика, а где выше конверсия и использовать это для увеличения эффективности бизнеса.

В разделе «Посетители» можно провести анализ между новыми и вернувшимися пользователями, узнать, как они себя ведут, какие действия и конверсии совершают и сравнить их между собой.

Отчеты по технологиям и мобильным устройствам

В отчетах «Технологии» и «Мобильные устройства» можно узнать, с каких устройств пользователи заходят на сайт и какими технологиями пользуются. Копнув глубже, можно даже определить модель устройства, его операционную систему и разрешение экрана. Все это может помочь в оптимизации сайта или мобильного приложения.

Отчеты по аудитории в Яндекс.Метрике

Яндекс.Метрика также позволяет увидеть эту статистику в «Стандартных отчетах» по «Аудитории» и «Технологиям».

Отчеты по источникам трафика

Данные отчеты помогут оценить эффективность маркетинговых каналов, которые мы уже разобрали несколько шагов назад.

Каким образом система аналитики определяет источники трафика? Когда пользователь открывает сайт, счетчик автоматически регистрирует параметры, указывающие, откуда он пришел.

Давай кратко повторим, какие могут быть каналы:

• Organic — это трафик, полученный из результатов поисковых систем, например Google или Яндекс;
• Cpc — трафик по платной рекламе, например по текстовым объявлениям из кампаний Google AdWords;
• Referral — переходы по ссылкам на других сайтах, но не в поисковиках;
• Email — переходы по ссылкам в письмах, например в рекламной рассылке;
• None — иногда в отчетах можно увидеть none, который означает, что посетитель пришел на сайт, набрав адрес в браузере. В таком случае указывается источник «(direct)» и канал «(none)».

Отчет по источникам

В отчете передается и источник, например, у канала referral мы увидим URL сайта, с которого был совершен переход. Или для канала organic — название поисковой системы google или yandex.

В отчете можно воспользоваться фильтром и выделить только определенный трафик. Например, написав в строке фильтра «organic», мы получим статистику только по поисковым системам.

Отчет по каналам

Этот отчет также может показать эффективность источников трафика. Но его особенность в том, что он группирует источники по определенным признакам. Например, обычный поиск, реферальный переход, социальные сети и др. При необходимости, можно настроить свою группировку.

Отчет по реферальным переходам

В этом отчете содержатся все сайты, на которых размещена ссылка на наш сайт. Также, можно узнать, на какую конкретно страницу ведет эта ссылка. Для этого в отчете нужно выбрать дополнительный параметр «Целевая страница» и появится список страниц.

Отчет по источникам в Яндекс.Метрике

Яндекс.Метрика также содержит похожий отчет по источникам. Разница лишь в том, что каналы имеют русскоязычные названия.

Отчеты по поведению пользователей

Отчет по всем страницам

В разделе «Контент сайта» можно ознакомиться со статистикой по каждой странице. Например, мы можем посмотреть сколько пользователей посетило ту или иную страницу.

Полезно обратить внимание на показатели «Средняя длительность просмотра страницы» и «Показатель отказов». Слишком высокий показатель отказов и мало проведенного времени на странице могут помочь определить проблемы и являются сигналами к ее улучшению.

Отчет по анализу посещаемости страниц

В отчете «Анализ посещаемости страниц» страницы сгруппированы в соответствии со структурой каталогов на сайте. В любой из них можно провалиться и ознакомиться со статистикой подробнее.

Отчеты по страницам входа и выхода

В отчете «Страницы входа» и «Страницы выхода», как уже подсказывает логика, находятся страницы, с которых пользователи начали или на которых завершили свой сеанс.

Отчет по событиям

В отчете «События» мы можем увидеть пользовательские взаимодействия с сайтом, которые мы предварительно добавляем дополнительным кодом отслеживания. Это могут быть клики по кнопке «Купить», просмотр видео, подписка на рассылку и другие действия.

Отчеты по поведению в Яндекс.Метрике

В Яндекс.Метрике похожий отчет находится в разделе «Стандартные отчеты» — «Содержание».

Отчеты по конверсиям

Что из себя представляют цели — мы уже познакомились. Конечно, статистика по ним собирается в отдельные отчеты, которые можно увидеть на вкладке «Конверсии».

Отчеты по целям

Главный показатель отчетов по целям — коэффициент конверсии. Он представляет собой отношение числа выполненных целевых действий к количеству сеансов.

За один сеанс может быть зафиксировано только одно достижение уникальной цели. Это значит, если пользователь два раза нажал на кнопку «Добавить в корзину», цель о добавлении товара зафиксируется только один раз.

Отчеты по электронной торговле

В отчете «Электронная торговля» содержатся данные о транзакциях на сайте. В этом отчете можно узнать, какие из товаров лучше продаются и востребованы клиентами. Также передается доход на одну транзакцию, количество товаров в одной покупке. В одном из отчетов отслеживается время от первого посещения сайта до покупки.

Отчеты по многоканальным конверсиям

Отчеты по «Многоканальным конверсиям» создаются на основе путей пользователей к конверсии, то есть мы увидим историю взаимодействия, которые привели к транзакции. Каналы в отчетах упорядочены по значимости в цепочке действий до совершения конверсии.

В отчете «Ассоциированные конверсии» можно увидеть сколько конверсий было начато, продолжено и завершено в каждом канале.

Отчет «Основные пути конверсии» представлены цепочки взаимодействий, по которым пользователи пришли к совершению транзакции.

«Время до конверсии» и «Длина последовательности» покажут сколько дней и взаимодействий понадобилось пользователю, чтобы осуществить конверсию.

Отчет по конверсиям в Яндекс.Метрике

В Яндекс.Метрике тоже есть отчеты по целям и электронной торговле, но они гораздо менее информативны, чем в Google Analytics. Находятся они в разделе «Стандартные отчеты» — «Конверсии» и «Стандартные отчеты» — «Электронная коммерция».

Проектирование счетчика с заданным набором состояний на rSтриггерах.

Счётчик – последовательная схема, нужна для увеличения/уменьшения хранимого кода на 1 или константу.

Модуль счёта (М) — число устойчивых состояний счётчика

Счётчики могут быть: а) Синхронными б) асинхронными:

В синхронных схемах все изменения согласуются по времени с подачей считаемого сигнала на общую шину, объединяющую синхронизирующие входы С триггеров счетчика (рис. а).

В асинхронном счетчике отсутствует общая шина, на которую поступает считаемый сигнал. На вход С триггеров асинхронного счетчика сигналы могут поступать как с выхода другого триггера, так и от схем, непосредственно не связанных с синхронизирующими импульсами (рис. б).

Для проектирования синхронных счётчиков используют стандартные методы. Для асинхронных счётчиков удобных систематизированных методов нет, из-за различий во внутреннем строении триггеров проявляющихся при асинхронной работе. Поэтому при разработке надо иметь чёткое представление о внутреннем строении триггера и не ограничиваться таблицей переходов, которая описывает только синхронную работу триггера.

Любой синхронный счётчик можно представить в виде логической структуры:

Сигналы с выходов триггеров поступают на вход комбинационной схемы, которая преобразует поступившую информацию. С выходов комбинационной схемы сигналы подаются на логические входы триггеров. Преобразованная информация не воспринимается триггером до тех пор, пока на синхровходы триггеров не поступит считываемый сигнал. Информация находящаяся на входах каждого триггера, сформирована комбинационной схемой так, чтобы по приходу очередного считываемого сигнала счётчик перешёл из тек. состояния в следующее

Функции возбуждения входов i-го триггера:

Функции возбуждения — переключательные функции, которым соответствуют комбинационные схемы.

Задача синтеза счётчика собранного на определённом типе триггеров заключается в составлении функций возбуждения в заданном базисе.

При синтезе синхронных схем используются матрицы переходов триггеров.

Далее составляются таблица переходов функций возбуждения.

Проводим минимизацию функций возбуждения триггеров.

Находим функцию переноса для возможности каскадирования счётчиков. Например, счётчик по модулю 10 имеет 10 устойчивых состояний; счётчик по модулю 3 — три устойчивых состояния.

Пример: Пусть необходимо на базе одноступенчатых RS(JK)-триггеров спроектировать двухразрядный двоично-десятичный счётчик c заданным набором состояний.

Необходимо сделать перевод в соответствующую систему счисления (двоичную, троичную). В данной системе кодирования каждая десятичная цифра представляется четырехразрядным двоичным эквивалентом.

Wicart — скрипт корзины для покупок

Wicart — готовый скрипт весьма привлекательной корзины для покупок для сайта интернет-магазина. Очень полезное решение. Нам не нужно самим придумывать код корзины для покупок для нашего сайта: нужно просто «подключить» к нему уже существующую — и все будет работать: на нашем сайте появится готовая корзина для покупок: покупатель сможет «перетаскивать» туда товары и там же совершать оплату.

Как она выглядит:

Преимущества.

Нет PHP: только HTML и Javascript
Скрипт корзины для покупок написан только на языке Javascript (библиотека jOquery + технологии AJAX). Что это значит для рядового пользователя? А то, что корзина для покупок на сайте работает очень быстро, не требует перезагрузки сайта и не притормаживает по пустякам. Корзина для покупок на сайте интерактивна, и в то же время предельно быстра. Это несомненный плюс для покупателя.

Wicart очень легко подключается к сайту. Понятно, что скрипт корзины для покупок к сайту еще нужно подключить — нужно ручками вставить нужные кусочки кода в нужные места на сайте. Но с этим у вас не возникнет никаких проблем. Разработчики уже обо всем позаботились за вас. В инструкции к использованию указаны куски кода данной программы (скрипта), и указаны места на сайте, куда их нужно вставить. С этим справится любой, даже самый начинающий веб-мастер.

Вебмастеру не нужно самому ничего дописывать. Скрипт закончен и готов к использованию. Нужно просто вставить указанные кусочки кода в нужные места на сайте — и корзина заработает.

Подключение файлов

Открываем HTML страницу нашего сайта в текстовом редакторе, это может быть блокнот, который поставляется вместе с ОС Windows.
В начале файла должен находиться блок:

Именно сюда нужно вставить необходимые файлы из архива.

1) CSS файл
Данный файл отвечает за внешний вид нашей корзины. В нашем случае сам файл лежит в папке css, вы можете настроить любую другую папку.

2) JQuery
Для работы корзины нам понадобится библиотека JQuery. Вы можете загрузить ее с сайта, либо воспользоваться CDN

*Нужно обратить внимание, что скрипт работает в кодировке UTF-8, если ваш сайт имеет отличную кодировку для скриптов, нужно явно указать нужную нам кодировку

Минимальная конфигурация имеет следующий вид:

Переменная cart должна быть глобальной, к ней в последствии идет обращение.
basketwidjet это контейнер нашей корзины.

2) Виджет корзины (блок, куда попадает товар после покупки)

• ограниченное количество показа виджета в бесплатном режиме

В виджете есть ограничение на показ добавленного виджета. После определенного количества показа, виджет выключается. Базовый пакет допускает 5000 просмотров в месяц. Pro Black 50000 просмотров. Если у Вас достаточно большой трафик на сайте/сайтах, то Вам лучше подойдет Корпоративный пакет. Более подробно с ценами можно ознакомиться на официальном сайте Elfsight.

Если возникнут какие-то трудности в установке или в отображении виджета на сайте, всегда можно обратиться в техническую поддержку Elfsight за помощью.

Осваиваем мониторинг с Prometheus. Часть 2. PromQL и метки

В прошлой статье я говорил, что Prometheus — это не готовое решение, а скорее фреймворк. Чтобы использовать его возможности полноценно, надо разбираться. Что ж, начнём.

PromQL — это про то, как вытаскивать метрики не из экспортеров, а уже из самого Prometheus’а. Например, чтобы узнать сколько ядер у процессора, надо написать:

PromQL дословно расшифровывается как Prometheus query language, т.е. язык запросов. Он не имеет ничего общего с SQL, это принципиально другой язык. Поначалу он казался мне каким-то запутанным, а документация не особо помогала. Потихоньку разобрался и мне даже понравилось.

Пробуем простые запросы

Prometheus server хранит все данные в виде временных последовательностей (time series). Каждая временная последовательность определяется именем метрики и набором меток (labels) типа ключ-значение (key-value). Давайте сразу посмотрим несколько примеров в Prometheus web UI. Напомню, он работает на localhost:9090. Чтобы не городить скриншотов, я буду показывать запросы в своём псевдо-терминале, а вы не ленитесь и пробуйте у себя.

node_load1 — имя метрики,
instance и job — имена меток,
localhost:9100 и node — соответствующие значения меток,
0.96 — значение метрики.

Можно запустить какой-нибудь top и убедиться в том, что одноминутный load average на локалхосте действительно равен 0.96.

Если у вас несколько машин, результат будет интереснее:

Prometheus разрабатывался так, чтобы наблюдать за группой машин было так же легко, как за одной. И метки этому способствуют. Прежде всего они позволяют фильтровать вывод:

Кроме = и != есть ещё совпадение и несовпадение с регулярным выражением: =

. Лирическое отступление: мне не нравится одинарное равно для точного сопадения. Это против правил. Должно быть двойное! Эх, молодёжь… А вот разницы в кавычках я не заметил: одинарные и двойные работают одинаково. Да, если задать несколько условий, они будут объединяться логическим И.

Возьмём другой пример. Посмотрим свободное место на дисках:

В байтах получаются огромные непонятные числа, но сейчас не обращайте на это внимания — мы упражняемся в запросах.

Можно получить свободное место в процентах:

tmpfs — это не про диск, уберём его:

Не обязательно указывать одинаковый фильтр для всех операндов, как я только что сделал. Достаточно одного, а дальше Prometheus сам возьмёт пересечение по меткам. Следовательно, последний запрос можно с чистой совестью сократить до такого:

Мы получили свободное место в процентах, но как-то привычнее другая величина — занятое место в процентах:

Как видите, можно умножать или делить на скаляр и не важно что это: константа или результат вычисления. Вообще я заметил, что в PromQL действует правило: пиши осмысленные запросы и всё будет хорошо. Не надо пытаться сложить диск с процессором и делить на память.

Агрегация

По меткам можно делать агрегацию. Смысл агрегации в том, чтобы объединить несколько однотипных метрик в одну. Например, посчитать максимальный (или средний) load average среди машин определённой группы.

Синтаксис непривычный, но вроде ничего. Все эти скобочки являются обязательными, без них работать не будет. Пробуем на нашем load average:

Метки работают как измерения в многомерном пространстве. Агрегация с использованием by как бы схлопывает все измерения, кроме указанного. В примере с node_load1 это не очень заметно, потому что у меня мало меток и хостов. Ок, вот пример получше:

Эта метрика показывает сколько времени каждое ядро работало в каждом режиме. В сыром виде от неё никакого толку, но сейчас это не важно. Важно, что у неё куча меток: cpu , instance , job , mode .

Оператор without работает как by , но в другую сторону, по принципу: “что получится, если убрать такую-то метку”. На практике лучше использовать именно without , а не by . Почему? Дело в том, что Prometheus позволяет навесить кастомных меток при объявлении таргетов, например разный env для машин тестового и боевого окружений (как это сделать). При составлении запроса вы заранее не знаете какие дополнительные метки есть у метрики и есть ли они вообще. А если и знаете, то не факт, что их число не изменится в будущем… В любом случае при использовании by все метки, которые не были явно перечислены, пропадут при агрегации. Это скорее всего будет некритично в дашбордах, но будет неприятностью в алертах. Так что лучше подумать дважды, прежде чем использовать by . Попробуйте самостоятельно поиграться с агрегациями и понять как формируется результат. Полный список агрегирующих операторов вы найдёте в документации.

Считаем ядра

В принципе у вас уже достаточно знаний, чтобы самостоятельно посчитать ядра процессора, но я всё равно покажу. Для решения задачи нам нужна метрика node_cpu_seconds_total и оператор count , который показывает сколько значений схлопнулось при агрегации:

Результат получился правильный, но хочется видеть лишь две строчки: одну для localhost и вторую для anotherhost. Для этого предварительно надо избавиться от метки mode любым из способов:

Да, мне тоже кажется, что получение простой по смыслу метрики (число ядер) выглядит как-то заковыристо. Как будто мы ухо ногой чешем. Привыкайте.

Мгновенный и диапазонный вектор

Простите, я не смог придумать лучшего перевода. В оригинале это называется instant and range vector. Сейчас мы смотрели только мгновенные вектора, т.е. значения метрик в конкретный момент времени. Почему вообще результат запроса называется вектором? Вспоминаем, что Prometheus ориентирован на работу с группами машин, не с единичными машинами. Запросив какую-то метрику, в общем случае вы получите не одно значение, а несколько. Вот и получается вектор (с точки зрения алгебры, а не геометрии). Возможно, если погрузиться в исходный код Prometheus, всё окажется сложнее, но, к счастью, в этом нет необходимости.

Диапазонный вектор (range vector) — это вектор, который хранит диапазон значений метрики за определённый период времени. Он нужен, когда этого требует арифметика запроса. Проще всего объяснить на графике функции avg_over_time от чего-нибудь. В каждый момент времени она будет вычислять усреднённое значение метрики за предыдущие X минут (секунд, часов…). По-научному это называется “скользящее среднее” (moving average). На словах как-то сложно получается, лучше взгляните на эти 2 графика:

Оранжевый получен из зелёного усреднением за 10 минут. Да, это был мой любимый load average:

Собственно, диапазонный вектор — это когда мы дописываем временной интервал в квадратных скобочках. Интервал времени для диапазонного вектора указывается очень по-человечески: 1s — одна секунда, 1m — одна минута, 1h — один час, 1d — день. А что, если нужно указать полтора часа? Просто напишите 90m .

Домашнее задание: посмотрите на графики max_over_time и min_over_time .

Типы метрик

Метрики бывают разных типов. Это важно, потому что для разных типов метрик применимы те или иные запросы.

Шкала (gauge). Самый простой тип метрик. Примеры: количество свободной/занятой ОЗУ, load average и т.д.

Счётчик (counter). Похож на шкалу, но предназначен совершенно для других данных. Счётчик может только увеличиваться, поэтому он подходит только для тех метрик, которые по своей природе могут только увеличиваться. Примеры: время работы CPU в определённом режиме (user, system, iowait…), количество запросов к веб-серверу, количество отправленных/принятых сетевых пакетов, количество ошибок. На практике вас не будет интересовать абсолютное значение счётчика, вас будет интересовать первая производная по времени, т.е. скорость роста этого счётчика, например количество запросов в минуту или количество ошибок за день.

Гистограмма (histogram). Я пока не сталкивался с таким типом, поэтому ничего путного не скажу.

Саммари (summaries). Что-то похожее на гистограммы, но другое.

Смотрим счётчики

Посмотрим счётчики на примере сетевого трафика:

Сырое значение счётчика не несёт никакого смысла, его надо оборачивать функцией rate или irate . Эти функции принимают на вход диапазонный вектор, поэтому правильный запрос выглядит так:

В чём разница между rate и irate ? Первая функция для вычисления производной берёт весь диапазон (5 минут в нашем случае), а вторая берёт лишь два последних сэмпла из всего диапазона, чтобы максимально приблизиться к мгновенному значению (первоисточник). Собственно, её название расшифровывается как instant rate.

Почему мы берём диапазонный вектор за 5 минут, а не за 1 или 10? Не знаю. Почему-то так делают во всех примерах и в дашборде Node exporter full тоже так. Для rate получается, что чем меньше интервал, тем больше пиков, а чем больше интервал, тем сильнее их сглаживание. Ну, с математикой не поспоришь. Для irate величина диапазона не имеет значения. На самом деле при определённых обстоятельствах всё-таки имеет, но это настолько тонкий нюанс, что на него можно забить.

Другой вопрос: 1210 — это в каких попугаях? Во-первых смотрим исходную метрику, там явно написано bytes. Функция rate делит исходную размерность на секунды, получается байт в секунду. Вообще Prometheus предпочитает стандартные единицы измерения: секунды, метры, ньютоны и т.п. Как в школе на уроках физики.

Считаем загрузку процессора

С памятью, диском и трафиком понятно, а как посмотреть загрузку процессора? Отвечаю. То, что мы привыкли считать загрузкой процессора в процентах на самом деле вот какая штука: сколько времени (в процентном отношении) процессор не отдыхал, т.е. не находился в режиме idle.

Итак, всё начинается с метрики node_cpu_seconds_total . Сначала посмотрим сколько времени процессор отдыхал:

Возьмём среднее значение по ядрам и переведём в проценты:

Ну и наконец получим загрузку процессора:

Любопытно, что сумма всех режимов работы процессора никогда не доходит до 100% времени:

Почему так? Хороший вопрос. Я подозреваю, что оставшаяся часть времени уходит на переключение контекста процессора. Получается, что загрузка процессора, полученная по формуле выше, будет чуть-чуть завышенной. В действительности можно не переживать по этому поводу, потому что погрешность получается незначительная. Это просто у меня anotherhost работает на старом процессоре Intel Atom. На нормальных взрослых процессорах погрешность не превышает десятые доли процента.

И это всё?

Думаю, на сегодня достаточно. Да, я рассказал не про все возможности PromQL. Например, за кадром остались операторы ignoring и on , логические and и or а также сдвиг offset . Есть всякие интересности типа производной по времени deriv или предсказателя будущего predict_linear . При желании вы сможете почитать про них в документации: операторы и функции. Я же вернусь к ним, когда мы будем решать практические задачи мониторинга.

Simple WMS Client – это визуальный конструктор мобильного клиента для терминала сбора данных(ТСД) или обычного телефона на Android. Приложение работает в онлайн режиме через интернет или WI-FI, постоянно общаясь с базой посредством http-запросов (вариант для 1С-клиента общается с 1С напрямую как обычный клиент). Можно создавать любые конфигурации мобильного клиента с помощью конструктора и обработчиков на языке 1С (НЕ мобильная платформа). Вся логика приложения и интеграции содержится в обработчиках на стороне 1С. Это очень простой способ создать и развернуть клиентскую часть для WMS системы или для любой другой конфигурации 1С (УТ, УПП, ERP, самописной) с минимумом программирования. Например, можно добавить в учетную систему адресное хранение, учет оборудования и любые другие задачи. Приложение умеет работать не только со штрих-кодами, но и с распознаванием голоса от Google. Это бесплатная и открытая система, не требующая обучения, с возможностью быстро получить результат.

5 стартмани

09.01.2019 63743 271 informa1555 239

Структура лендинга

Как и любая страница, лендинг подчиняется правилам. Считается, что максимальную конверсию обеспечивает следующая структура:

• заголовок;
• характеристики и преимущества;
• социальные доказательства;
• визуальные эффекты;
• призыв к действию.

Заголовок

Как посетитель попадает на ваш лендинг? Откуда бы он ни пришел и что бы там ни нажимал, это была ссылка со словами. Страница лендинга должна встречать посетителя теми же словами, что и в источнике, с которого он пришел. Если там было: «Избавься от лишних килограммов» или «Танцуй вместе с нами», то и заголовок должен содержать эти слова. Если языковая цепочка нарушена, ожидайте высокого показателя отказов независимо от цены текста для лендинга, которую вы заплатили.

Заголовок – это первое, что видят люди, попадая на вашу целевую страницу. На странице с максимально высокой конверсией он отвечает на вопрос: «Что я получу, посетив эту страницу?» Хорошие заголовки выполняют одну задачу: заставляют читателя продолжать читать.

Как это сделать? Используйте один из 5 способов написания заголовков:

• задайте актуальный вопрос;
• начните рассказ, но не заканчивайте;
• скажите что-то неожиданное;
• подразумевайте, что у вас есть информация, которой нет у посетителя и вы готовы ею поделиться;
• обращайтесь к опыту, подводя к тому, что посетитель знал это, но вы собираетесь обновить его знания.

Примеры заголовков: Вы когда-нибудь задумывались, как будете выглядеть с «улыбкой на миллион долларов»? Или: Что находится под капотом Роллс-Ройса?

Заголовок служит переходом к основному тексту. Он может строится по старой схеме копирайтинга PAS (проблема, волнение, решение) или по новой AIDA (внимание, интерес, желание, действие).

Характеристики и преимущества

Согласно исследованию Nielsen Norman Group, посетители остаются на веб-странице только 10-20 секунд. За это время страница должна убедительно объяснить, почему покупатель должен остаться и прочитать больше. Нужно сосредоточиться на функциях товара или на его преимуществах? Маркетинговая мудрость гласит, что сосредоточение внимания на преимуществах выгоднее. Независимо от вашего выбора, заказывая текст для лендинга учитывайте 2 фактора:

• стадии осознанности;
• является ли продукт гедонистическим или утилитарным.

Всего выделяют 5 стадий осознания:

1. Человек не знает, что у него есть проблема.
2. Человек знает, что проблема есть, но не знает, как ее решать.
3. Человек знает, что у его проблемы есть решение, но не знает, что предлагаете вы.
4. Человек знает о проблеме и о том, что у вас есть решение, но мало знает о вашем способе решения.
5. Стадия полной осведомленности и о проблеме, и о возможных решениях, и о вашем варианте решения.

Чем более осведомлен человек, тем менее убедительным можете быть текст. В стадии полной осведомленности нет нужды описывать товар. Посетитель уже готов принять решение, основываясь на известных ему характеристиках. Поэтому для написания лендинга важно знать на какой стадии осведомленности находится потенциальный покупатель.

Помимо этапов осознания, тип продукта тоже влияет на лендинг и то, как копирайтер будет компоновать целевую страницу.

Люди покупают у вас потому, что ваш товар доставляет им удовольствие или потому, что вы предлагаете что-то практичное? От этого зависит лексика, которую подбирают для описания продукта.

Утилитарное восприятие связано с рациональными, практическими потребностями, ответами на вопросы и преодолением возражений. Гедоническое восприятие – это эмоциональная связь – представление продукта или бренда в приятном контексте. Не забывайте учитывать, что тип текста влияет на восприятие цены продукта. К примеру, насколько высока вероятность, что покупатель готов купить ваш блендер потому, что он внешне привлекателен, подходит под цвет кухни или его приятно касаться руками? Поэтому описывая преимущества, не стоит использовать «лишние аргументы», не влияющие на выбор у целевой аудитории.