Вы запустили интернет-магазин, настроили рекламные кампании, привлекаете трафик — но как понять, кто именно ваши клиенты? Где они уходят с сайта? Почему одни страницы продают, а другие — нет? Ответы на эти вопросы лежат в данных. И если вы не умеете работать с SQL, Google Analytics и Яндекс.Метрикой, вы действуете на ощупь — как водитель в тумане без фар. Многие владельцы бизнеса боятся этих инструментов, считая их слишком сложными. Но на самом деле, с ними можно работать даже без технического бэкграунда — если знать, как. В этой статье мы разберём, как правильно настраивать аналитику, какие данные стоит собирать, как извлекать их из базы с помощью SQL и как объединять результаты из Google Analytics и Яндекс.Метрики, чтобы принимать решения на основе фактов, а не догадок.

Почему аналитика — это не «для технарей», а ключ к росту бизнеса

Многие предприниматели думают: «У меня и так всё работает, зачем мне какие-то таблицы с цифрами?». Но представьте: вы открываете кафе, не проверяете, какие блюда покупают чаще всего, не знаете, в какое время приходят клиенты и сколько они тратят. Вы просто наугад закупаете продукты, назначаете цены и ждёте, пока кто-то придёт. Это не бизнес — это лотерея. То же самое происходит с веб-сайтом, если вы не используете аналитику. Вы тратите деньги на рекламу, но не знаете, какие каналы приносят реальные продажи. Вы видите рост трафика, но не понимаете — повышается ли конверсия? Повышаются ли средние чеки?

Аналитика — это не про сложные формулы и «программирование». Это про то, чтобы отвечать на простые, но критически важные вопросы:

  • Какие страницы приводят к покупкам?
  • С каких устройств чаще всего совершаются заказы?
  • Где люди уходят с сайта и почему?
  • Какие кампании приносят клиентов, а какие — только расходы?
  • Сколько людей возвращаются, и кто из них становится постоянными покупателями?

Ответы на эти вопросы находятся в данных. И чтобы их получить, вам нужно уметь работать с тремя основными инструментами: SQL — для работы с базой данных клиентов и заказов, Google Analytics — для анализа поведения на сайте, и Яндекс.Метрика — для глубокого анализа российского трафика. Эти системы не конкурируют — они дополняют друг друга.

Что такое SQL и зачем он нужен в аналитике?

SQL (Structured Query Language) — это язык, с помощью которого вы можете общаться с базами данных. Представьте базу данных как огромную таблицу в Excel, где каждая строка — это пользователь или заказ, а каждый столбец — характеристика: имя, email, сумма покупки, дата, источник трафика. SQL позволяет вам «спрашивать» эту таблицу: «Покажи мне всех, кто купил больше 5000 рублей за последние 30 дней» или «Какие продукты чаще всего покупают вместе?»

Почему это важно для бизнеса? Потому что в вашей CRM или платформе (например, 1С-Битрикс, Magento, Shopify) хранятся самые ценные данные: кто купил, что купил, когда, за сколько и откуда пришёл. Google Analytics знает только о действиях на сайте — но не о фактических заказах, оплатах, возвратах или доставках. Только SQL даёт вам полную картину.

Как написать простой SQL-запрос для аналитики

Не пугайтесь — вы не должны становиться программистом. Вам нужно лишь понимать основные конструкции. Вот как выглядит базовый запрос:

Пример 1: Выбор всех заказов за последний месяц

SELECT * FROM orders WHERE order_date >= '2024-03-01' AND order_date <= '2024-03-31';

Этот запрос выбирает все записи из таблицы orders, где дата заказа находится в марте 2024 года. Вы можете экспортировать эти данные в Excel и построить график доходов.

Пример 2: Сколько клиентов совершили повторные покупки?

SELECT customer_id, COUNT(*) as order_count FROM orders GROUP BY customer_id HAVING COUNT(*) > 1;

Здесь мы группируем заказы по клиенту и считаем, у кого их больше одного. Это поможет понять, какая часть клиентов становится лояльной — а значит, стоит инвестировать в программы удержания.

Пример 3: Какие продукты чаще всего покупают вместе?

SELECT o1.product_id, o2.product_id, COUNT(*) as frequency FROM orders o1 JOIN orders o2 ON o1.customer_id = o2.customer_id WHERE o1.product_id < o2.product_id GROUP BY o1.product_id, o2.product_id ORDER BY frequency DESC LIMIT 10;

Этот запрос сложнее, но он даёт вам возможность создавать «сопутствующие товары» — например, если люди часто покупают кофе и сахар одновременно, вы можете предложить их в одном наборе.

Практический кейс: интернет-магазин одежды

Владелец онлайн-бутика заметил, что прибыль растёт, но не так быстро, как расходы на рекламу. Он решил разобраться. В SQL он сделал запрос: «Покажи мне всех клиентов, которые сделали заказ больше 10 000 рублей за последние три месяца». Результат: всего 32 человека. При этом 80% из них пришли через рекламу в Instagram, а 95% — с мобильных устройств. Он пересмотрел рекламные кампании: стал делать акцент на мобильных форматах, создал промо-акцию для «тяжёлых» клиентов — и за месяц средний чек вырос на 42%.

Вот что значит аналитика: не просто цифры, а понимание людей. SQL позволяет вам выйти за пределы «всего трафика» и работать с реальными клиентами.

Как избежать ошибок при экспорте данных

Одна из самых частых проблем — потеря данных при экспорте. Часто люди делают запрос, экспортируют в CSV и обнаруживают, что:

  • Пропали русские буквы (из-за неправильной кодировки)
  • Цифры с точками превратились в текст
  • Пустые поля не отображаются, и кажется, что данные «исчезли»

Важно: Всегда проверяйте кодировку при экспорте — выбирайте UTF-8. Используйте Excel или Google Sheets для открытия файлов — они лучше справляются с форматами. Если вы экспортируете из базы данных, убедитесь, что в запросе указаны все необходимые столбцы — не полагайтесь на «SELECT *», если вы точно знаете, какие данные вам нужны. Запросы вроде SELECT name, email, order_total FROM customers надёжнее и быстрее.

Совет: Создайте шаблон запроса для еженедельной отчётности — например, «Количество заказов, выручка, средний чек, источник трафика». Сохраните его как файл .sql и запускайте каждый понедельник. Это превратит аналитику из разовой задачи в регулярную практику.

Google Analytics и Яндекс.Метрика: в чём разница, и как их использовать вместе

Вы когда-нибудь задумывались: почему в Google Analytics вы видите, что 500 человек пришли с Facebook, а в Яндекс.Метрике — только 280? Или почему один инструмент показывает, что вырос трафик, а продажи упали? Это не ошибка — это разные методы подсчёта.

Google Analytics: глобальный взгляд на поведение

Google Analytics (GA) — это инструмент, который анализирует поведение пользователей на сайте. Он отслеживает:

  • Сколько человек зашли на сайт
  • Какие страницы просматривали
  • Сколько времени провели
  • Откуда пришли (поисковые системы, соцсети, реклама)
  • Какие действия совершили (кликнули на кнопку, добавили в корзину)

Он идеален для понимания пользовательского пути: где люди теряются, какие страницы «утекают» трафик, как устроена структура сайта. Но GA не знает о ваших заказах — только о действиях на сайте.

Яндекс.Метрика: российский «внутренний» анализ

Яндекс.Метрика — это российский аналог GA, но с ключевыми отличиями:

  • Лучше понимает русскоязычный трафик
  • Более точно определяет источники из Яндекс.Директа, ВКонтакте и Одноклассников
  • Даёт подробную информацию о поведении пользователей с мобильных устройств
  • Имеет встроенные инструменты для анализа CRM-данных (например, вы можете привязать заказ к конкретному посетителю)

Многие российские компании используют Яндекс.Метрику как основной инструмент, потому что она лучше работает с российскими браузерами (Opera, Yandex.Browser) и учитывает особенности поведения русскоязычной аудитории. Например, пользователи чаще используют мобильные устройства для поиска товаров и совершают покупки в вечернее время — это видно в Метрике.

Что лучше: Google Analytics или Яндекс.Метрика?

Ответ простой: не «что лучше», а «что для чего».

Вот таблица сравнения:

Критерий Google Analytics Яндекс.Метрика
Точность для российского трафика Средняя — не всегда корректно определяет Яндекс.Директ Высокая — идеально работает с российскими источниками
Интеграция с CRM Ограниченная, требует настройки через API Лучше интегрируется с российскими CRM и платформами
Понятность интерфейса Сложнее для новичков, много настроек Проще в освоении, больше подсказок на русском
Доступ к данным после блокировки (из-за GDPR) Ограничен в ЕС, требует согласия Меньше ограничений для российского бизнеса
Глубина анализа поведения Продвинутая — события, цели, воронки Тоже продвинутая — «посетитель», «сессия», «клик»
Стоимость Бесплатная версия с ограничениями Полностью бесплатна, без скрытых лимитов

Важно: Не выбирайте один инструмент — используйте оба. Google Analytics покажет вам, как ваш сайт работает в мире, а Яндекс.Метрика — как он работает у вас дома.

Как настроить оба инструмента без ошибок

Самая частая ошибка — установка кода аналитики не на всех страницах. Если вы забыли добавить тег на страницу «Контакты» — вы не знаете, откуда приходят люди, которые хотят связаться с вами. Или если вы установили теги после запуска кампании — первые недели данных потеряны.

Пошаговая инструкция по настройке:

  1. Создайте аккаунт в Google Analytics 4 и Яндекс.Метрике.
  2. Получите код отслеживания (трекинг-код) для каждого.
  3. Убедитесь, что код добавлен на ВСЕ страницы сайта — особенно на «Корзину», «Оформление заказа» и «Спасибо за покупку».
  4. Настройте цели: в GA — «purchase», в Метрике — «цель: заказ». Убедитесь, что они совпадают.
  5. Подключите веб-аналитику к платформе сайта (например, через Google Tag Manager или встроенную интеграцию).
  6. Проверьте, что данные появляются в отчётах — сделайте тестовый заказ и убедитесь, что он зафиксирован.

Обратите внимание: Если вы используете WordPress, не добавляйте код вручную в шаблон. Лучше используйте плагины: для GA — «Google Site Kit», для Метрики — «Яндекс.Метрика». Они автоматически вставляют код и не позволяют забыть о важных страницах.

Какие ошибки чаще всего допускают при настройке аналитики

Многие компании тратят месяцы на рекламу, а потом понимают: «А почему у нас столько «бесплатных» заказов?». Оказывается, в аналитике не настроены цели. Вот самые частые ошибки:

  • Не настроены цели. Вы видите 1000 посетителей, но не знаете, сколько из них купили. Без целей аналитика — это просто статистика.
  • Неправильно настроены фильтры. Например, вы исключили трафик с офисного IP — и теперь не видите, как сотрудники влияют на поведение сайта.
  • Нет привязки к CRM. Вы видите, что «пользователь X» пришёл с рекламы — но не знаете, купил ли он. Привяжите заказы к пользователю по email или ID.
  • Используют старую версию GA (Universal Analytics). Google уже не поддерживает её. Переходите на GA4 — иначе через год данные исчезнут.
  • Не проверяют точность данных. Зайдите в отчёт «Поведение» — посмотрите, есть ли страницы с 100% отказами. Это означает, что люди сразу уходят — возможно, страница сломана.

Совет: Раз в месяц проводите аудит аналитики. Задайте себе вопрос: «Если бы я не видел эти данные, как я бы понял, что происходит на сайте?» Если ответ — «Не знаю», значит, у вас есть пробелы.

Как объединить данные из SQL и аналитических систем в одном отчёте

Вы видите в Google Analytics: «150 человек добавили товар в корзину». В SQL: «Только 42 человека оформили заказ». Что происходит? Где теряются 108 человек?

Ответ — в переходе между системами. Чтобы понять это, нужно объединить данные из базы и аналитики.

Как связать Google Analytics с SQL-данными

В GA вы можете передавать уникальный идентификатор пользователя (например, email или ID клиента) через параметры. Это называется «User-ID». Если ваш сайт требует регистрации, вы можете отправить этот ID в GA. Тогда в отчётах вы увидите: «Пользователь с ID 12345 пришёл из рекламы, посмотрел три страницы и купил».

В SQL у вас есть таблица с заказами, где есть user_id. В GA у вас есть Client ID или User ID. Сопоставив их, вы получите полную картину: кто пришёл, что смотрел и что купил.

Практический кейс: интернет-магазин электроники

Компания заметила, что в Яндекс.Метрике «цель» (оформление заказа) срабатывает 30 раз в день, а в SQL — только 25. Почему? Они решили объединить данные.

Они экспортировали из SQL список всех заказов с ID клиента и датой. Из Яндекс.Метрики — список всех успешных заказов (цели) с датой и IP-адресом. Сравнили по совпадению: оказалось, что 5 заказов были сделаны с одного IP-адреса — это сотрудники, которые тестировали сайт. Они исключили их из анализа — и выяснили, что конверсия в реальных заказах выше, чем казалось.

Кроме того, они обнаружили: 70% покупателей сначала заходили на страницу «Сравнение моделей», потом — на страницу с ценами, и только после этого оформляли заказ. Это позволило им перестроить навигацию: добавить кнопку «Сравнить» прямо на странице товара — и конверсия выросла на 18%.

Как автоматизировать объединение данных

Вы не должны каждый день вручную экспортировать данные. Есть два способа:

  1. Используйте BI-инструменты. Google Data Studio (теперь Looker Studio), Power BI или Metabase позволяют подключить SQL-базу и Google Analytics как источники данных. Создайте один дашборд — и получайте ежедневные отчёты с продажами, трафиком и поведением в одном окне.
  2. Настройте API-интеграции. Если у вас техническая команда, подключите Google Analytics API и Яндекс.Метрику к вашей CRM — чтобы данные автоматически попадали в базу. Тогда вы сможете строить отчёты по клиентам: «Этот человек зашёл с рекламы, просмотрел 5 страниц, добавил в корзину — и купил через два дня».

Совет: Начните с простого. Создайте таблицу в Excel: колонки — «Дата», «Посетители (GA)», «Заказы (SQL)», «Конверсия». Каждый день добавляйте данные. Через неделю вы увидите тренды — и поймёте, какие дни самые прибыльные, а какие — «трафик-мусор».

Как экспортировать данные без потерь — пошаговая инструкция

Вы хотите отдать аналитику бухгалтеру, маркетологу или партнёру. Но вы боитесь: «А вдруг что-то пропадёт?» Это нормально. Данные — это ваша валюта. Вот как экспортировать их безопасно.

Шаг 1: Определите, какие данные вам нужны

Не экспортируйте всё подряд. Составьте список:

  • Для маркетолога: трафик по источникам, цели, отказы, поведение на страницах.
  • Для бухгалтера: количество заказов, выручка, средний чек, источники оплаты.
  • Для менеджера по продажам: список клиентов, их заказы, даты, комментарии.

Шаг 2: Выберите формат экспорта

Лучшие варианты:

  • CSV — простой, поддерживается всеми программами. Используйте кодировку UTF-8.
  • Excel (.xlsx) — если нужно с формулами, графиками, фильтрами.
  • JSON — если вы работаете с разработчиками.

Шаг 3: Экспортируйте из Google Analytics

  1. Зайдите в GA4 → Отчёты → Пользователи → Сессии.
  2. Выберите нужный период (например, последний месяц).
  3. Нажмите «Экспорт» → «CSV» или «Google Sheets».
  4. Убедитесь, что в отчёте есть: «Источник», «Сессии», «Конверсии», «Выручка» (если настроено).

Шаг 4: Экспортируйте из Яндекс.Метрики

  1. Зайдите в Метрику → Отчёты → «Цели» или «Поведение пользователей».
  2. Выберите нужные метрики: «Посетители», «Цели», «Среднее время на сайте».
  3. Нажмите «Экспорт» → «Excel» или «CSV».
  4. Проверьте, что в данных есть «Источник трафика» и «Количество заказов».

Шаг 5: Экспортируйте из SQL-базы

  1. Запустите запрос: SELECT order_id, customer_email, total_amount, payment_method, created_at FROM orders WHERE created_at >= '2024-01-01';
  2. Экспортируйте результат в CSV или Excel.
  3. Важно: Не экспортируйте персональные данные (телефоны, адреса) без согласия — это нарушение закона о персональных данных (ФЗ-152).

Шаг 6: Объедините данные и проверьте их

Откройте все файлы в Excel. Создайте отдельный лист «Объединённые данные». Используйте функцию VLOOKUP или XLOOKUP, чтобы сопоставить заказы из SQL с трафиком из GA и Метрики. Проверьте:

  • Совпадают ли даты?
  • Одинаковое ли количество заказов?
  • Соответствуют ли источники трафика реальным кампаниям?

Обратите внимание: Если в SQL у вас 120 заказов, а в GA — только 95, значит, 25 человек ушли до оформления заказа. Это ваше «узкое место» — на него нужно обратить внимание.

Шаг 7: Создайте шаблон отчёта

Сохраните структуру как шаблон. Каждый месяц вы будете просто обновлять данные — и получать одинаковый отчёт. Это экономит время, уменьшает ошибки и делает аналитику предсказуемой.

FAQ

Можно ли использовать Яндекс.Метрику без Google Analytics и наоборот?

Да, можно. Многие компании используют только Яндекс.Метрику — особенно если их аудитория в России и СНГ. Google Analytics подходит для международных брендов или если вы продвигаетесь в ЕС. Но если вы хотите полную картину — используйте оба. Никто не мешает вам установить и тот, и другой тег на сайт — они работают параллельно.

Как выбрать правильный домен для аналитики?

Не используйте поддомены вроде shop.yourcompany.ru, если они не интегрированы в аналитику. Убедитесь, что все страницы сайта — включая корзину и «Спасибо» — находятся на одном домене. Иначе аналитика будет считать переходы между поддоменами как «новые пользователи» — и ваши показатели конверсии будут искажены.

Стоит ли использовать цифры или дефисы в домене для аналитики?

Для аналитических систем это не имеет значения — они работают с URL независимо от символов. Но для пользователей — да, цифры и дефисы ухудшают запоминаемость. Лучше выбирать простые, понятные домены: yourbrand.com, а не your-brand2024-shop.ru. Это влияет на кликабельность в рекламе и упоминаниях.

Что делать, если данные в GA и Яндекс.Метрике не совпадают?

Не паникуйте — это нормально. Разница в 10–20% объясняется разными методами подсчёта. GA считает сессии по cookie, Метрика — по IP и устройству. Также разница может быть из-за блокировщиков рекламы, которые удаляют GA-код, но не Метрику. Главное — смотрите на тренды: если оба инструмента показывают рост — значит, он реальный. Если один растёт, а другой падает — ищите ошибку в настройке.

Какие данные из SQL стоит экспортировать ежемесячно?

Создайте стандартный набор:

  • Общее количество заказов
  • Выручка (доход)
  • Средний чек
  • Количество новых клиентов
  • Количество повторных покупок
  • Самые продаваемые товары
  • Источники заказов (если есть поле «источник»)

Эти данные — основа для ежемесячных отчётов руководства.

Почему после настройки аналитики продажи не растут?

Потому что вы смотрите на данные, но не действуете. Аналитика — это не «финальный отчёт», а инструмент для тестирования гипотез. Например: вы заметили, что 70% заказов делают после просмотра «Отзывов». Значит, нужно вывести отзывы выше на странице товара. Проверьте — и если продажи выросли, значит, гипотеза верна. Без действий данные бесполезны.

Заключение: аналитика — это не страшно, а выгодно

Вы больше не должны бояться SQL, Google Analytics или Яндекс.Метрики. Эти инструменты — не про код и сложные формулы. Они про понимание: кто ваши клиенты, что им нужно и как вы можете им помочь. SQL даёт вам реальные данные о продажах, Google Analytics — про поведение пользователей, а Яндекс.Метрика — про российский рынок. Вместе они создают систему, где каждое решение основывается на фактах, а не на догадках.

Начните с малого: установите оба тега аналитики, настройте одну цель — «оформление заказа». Экспортируйте данные раз в неделю. Сравните, что происходит на сайте и в базе. Через месяц вы будете удивляться: «Как я раньше жил без этого?»

Аналитика — это не про то, чтобы стать экспертом. Это про то, чтобы перестать гадать и начать знать. И когда вы знаете — вы начинаете расти.