Метрики вовлечённости — это количественные сигналы, показывающие, как покупатели взаимодействуют с листингом товара ещё до покупки: CTR, время на странице, доля добавлений в корзину, просмотры видео в листинге. Они измеряют интерес и намерение, а не непосредственно выручку, что делает их полезной системой раннего предупреждения: листинг с высокой вовлечённостью, но слабыми продажами обычно указывает на проблему с ценой, наличием или оформлением заказа, а не на проблему со спросом.
Почему метрики вовлечённости важны
Данные об эффективности фида часто поступают с задержкой — на корректную атрибуцию конверсий и выручки может уйти несколько дней, — поэтому метрики вовлечённости служат опережающим индикатором, который команда проверяет в первую очередь. Новый товар с большим количеством показов, но низким CTR говорит о том, что название или изображение недостаточно привлекательны; хорошее количество кликов при низкой доле добавлений в корзину указывает, что проблема скорее в цене или посадочной странице. Именно из-за этой диагностической ценности метрики вовлечённости в большинстве процессов отчётности стоят перед аналитикой e-commerce: они позволяют определить, на каком этапе воронки листинг теряет покупателей, прежде чем кому-то придётся погружаться в полную отчётность по выручке. Для каталогов с тысячами SKU именно этот этап сортировки позволяет выбрать из всего каталога те несколько сотен листингов, которым нужно внимание в первую очередь.
Как работают метрики вовлечённости
Данные о вовлечённости собираются на каждом этапе взаимодействия покупателя с листингом: данные о показах и кликах поступают от самой рекламной платформы, а поведение на сайте — глубина прокрутки, время на странице, добавления в корзину — фиксируется с помощью тегов отслеживания конверсий на витрине. Инструменты управления фидами обычно связывают эти данные с исходной строкой каталога по ID товара, поэтому падение вовлечённости можно отследить до конкретного изменения названия, изображения или цены, а не воспринимать как размытый общий тренд по сайту. Некоторые платформы также рассчитывают на основе сигналов вовлечённости сводную оценку видимости, давая специалистам одно число для сравнения листингов друг с другом вместо анализа пяти отдельных метрик по каждому товару.
Пример
<item>
<g:id>SKU-64207</g:id>
<title>Insulated Travel Mug - 16oz, Forest Green</title>
<g:price>18.50 USD</g:price>
<g:image_link>https://example-shop.com/img/travel-mug-forest.jpg</g:image_link>
<g:custom_label_4>engagement-watch</g:custom_label_4>
</item>Пометка строки пользовательской меткой, например engagement-watch, позволяет команде выделить отдельные листинги для более пристального мониторинга, чтобы тренды кликов и добавлений в корзину по этому товару отображались в отчётности отдельно от остальной категории.
Связанные понятия
Метрики вовлечённости полезнее всего анализировать вместе с данными отслеживания конверсий, поскольку вместе они точно показывают, на каком этапе воронки листинг приобретает или теряет покупателей, а также вместе с более широкой аналитикой e-commerce, которая рассматривает эти сигналы в контексте выручки и маржи. Оценка видимости, построенная на данных о вовлечённости, даёт командам быстрый способ определить, каким листингам нужно уделить внимание в первую очередь.
