Кейс: исследование аномального всплеска прямого трафика

Кейс: исследование аномального всплеска прямого трафика
Спасибо за репост!

В статистике веб-сайта клиента в один из дней зафиксирован пик прямых посещений (direct). Десктопные РК размещаются в обычном режиме. В этот период компания X также проводит РК для своих приложений в GooglePlay и AppStore.

Задача: определить настоящий источник дельты прямого трафика

mobile-traffic-delta

Исследуем по объему трафика


Ищем просадку в сеансах по какому-нибудь источнику. Сравниваем в двух вариантах — со вчерашним днем (возможно были какие-то изменения в бюджете кампании) и с этим же днем на прошлой неделе (в разные дни недели активность пользователей также немного различается).

Из действующих десктопных рекламных кампаний существенного отклонения по объему трафика не наблюдается:

mobile-analytics-sources

Вывод: Этот трафик не из текущих десктопных рекламных источников, который по той или иной причине оказался не размечен.

Исследуем каналы


Создаем сегменты:

  • исследуемые источники, по которым была реклама
  • прямой трафик, причину роста которого мы исследуем
  • все остальные источники

Также оставляем сегмент “все пользователи”, чтобы наглядней было видно корреляцию.

mobile-traffic-analytics

Вывод: изменения объема всего трафика связаны только с прямым трафиком – из других источников трафик не уменьшился.


Исследуем время возникновения аномалии

Сравниваем с этим же днем недели на прошлой неделе и со вчерашним днем.

mobile-trafic-time-1mobile-trafic-time-2

Рост трафика произошел в период с 15 до 22 часов. Основные пики – 15:00 и 19:00.

Вывод: Всплеск активности случался целых 2 раза, и оба раза характер затухания активности похожий.


Исследуем город / тип устройства

Из каких городов и с какого типа устройств пришел этот трафик:

mobile-analytics-city

Вывод: Вырос именно мобильный трафик. Города, в которых был самый большой % прироста – Екатеринбург, Сургут, Челябинск, Пермь, Тюмень, Нижневартовск и т.д.


Исследуем операционную систему устройства


mobile-analytics-device

Вывод: Трафик вырос как по устройствам на Android, так и на iOS.

Проверяем кампании по мобильным приложениям

При клике на ссылку мобильного размещения, пользователь направляется в Google Play только в том случае, если Google Play у него установлен. Если нет, то его направляет на основной сайт и он зачисляется в прямой трафик.

Гипотеза:

Часть посетителей с мобильной РК вместо мобильного приложения попали на веб-сайт. В результате они “потерялись” из статистики по мобильной РК (в нашем случае — AppsFlyer) и попали в статистику веб-сайта (Google Analytics).

Исследование:

  • Запросим у источников РК по мобильным приложениям статистику кликов по дням
  • Выгрузим статистику зафиксированных кликов из AppsFlyer
  • Сведем данные за 15 число и определим расхождения кликов с нашей статистикой
  • Сравним объем расхождений в кликах с объемом всплеска прямого трафика в Google Analytics.


mobile-appsflyer-data

Вывод: Как видно по сводной таблице, расхождения в статистике безусловно есть (они почти всегда есть), но не соразмерно выросшему трафику. В AppsFlyer не учтено чуть больше 300 кликов, в то время как в Google Analytics прирост составил около 3000 новых пользователей / 3600 сессий. (После внутренней проверки оказалось, что таких “потерянных” переходов в этот день оказалось всего 9, то есть вклад этих переходов очень небольшой.)

 

Итог: Выявленные характеристики аномального трафика

  • Мобильные устройства разных типов и брендов
  • С 15:00 по 22:00 с ярко-выраженным ростом в 15:00 и 19:00
  • Прирост в разных городах, больше всего в Екатеринбурге

Вопрос: какие активности с мобильными устройствами были у клиента в 15 и 19 часов в этот день?

Вывод:

Учитывая характер их активности, было выдвинуто предположение о двух смс-рассылках в 15 и 19 часов, которое позволило клиенту обнаружить источник аномального прироста прямого трафика.

Отправить ответ

Оставьте первый комментарий!