Профессия веб-аналитика, в привычном понимании этого слова, похоже, отживает своё. Специалиста, способного установить и настроить счётчики для веб-сайта, а затем ежемесячно присылать отчёты в коммерческий отдел, которые, судя по всему, никто не читает, сменяет машинное обучение. Но это не значит, что веб-аналитик как отдельная штатная единица больше не нужен. Для работы с большим объёмом данных он, как и ранее, необходим, правда, теперь с другой целью.
Современные алгоритмы машинного обучения действительно в состоянии показать, какой из параметров работы сайта или рекламной кампании надо улучшить, чтобы добиться поставленных перед маркетинговым отделом задач. Однако без участия человека достигнуть нужного KPI пока очень сложно.
Кто-то должен понимать все бизнес-процессы внутри компании, задавать правильные целевые показатели.
Машинное обучение может выполнить всю рутинную работу, которая ранее занимала у сотрудников более 50 % их рабочего времени, но ставить себе задачи и анализировать результат — это пока за гранью возможного.
Самое важное отличие любого аналитика от бездушного робота, то чего многие из них никак не хотят учитывать в своей работе — это осознание того, что не все бьются за абстрактные показатели: снижение доли отказов, повышение количества просмотров страниц. Они работают над улучшением показателей бизнеса.
Другими словами, веб-аналитик обязан становиться диджитал-стратегом для компании.
В большинстве крупных частных фирм такие специалисты уже есть. Они вытеснили или убрали в тень бренд-менеджеров, креативных директоров и прочих офисных обитателей которые формируют будущее компании, но никак не хотят оцифровываться. Причём не только за счёт интернет-рекламы или SMM, но и за счёт постоянного развития всех цифровых каналов коммуникации компании со своими потребителями.
Малому и среднему бизнесу угнаться за этими трендами непросто. Тут только два пути. Либо сам владелец должен быть таким диджитал-стратегом, либо искать хорошего подрядчика на аутсорсинге.
Подпишитесь на нас в Telegram
