Аналитика пути клиента: что это и как построить

Автор

Практика без единого автора (термин использовали в исследованиях сервиса Халворсрюд, Квале и Фёльстад; затем его превратили в продукты вендоры аналитики), 2010-е

Уровень

401 · Экспертный

Подходит

растущая компания, корпорация

Время на внедрение

от двух до четырёх недель на первую сквозную картину по каналам; большую часть времени занимают идентификация и соединение данных

Что понадобится

данные на уровне событий минимум из двух каналов, например сайта и колл-центра · идентификатор человека, который встречается больше чем в одном источнике · один бизнес-результат, на который опереться · аналитик, который умеет читать сырые таблицы событий

Аналитика пути клиента — это разбор событий из всех каналов, где бывает клиент. События объединяют по идентификатору человека и ищут последовательности, по которым люди на самом деле приходят к результату. Единица анализа — человек, а не визит и не устройство. На выходе набор посчитанных путей: какие из них частые, какие заканчиваются покупкой, какие — молчанием.

У термина нет единого автора. В исследованиях сервиса Рагнхильд Халворсрюд, Кнут Квале и Асбьёрн Фёльстад описали в 2016 году в Journal of Service Theory and Practice «анализ пути клиента» как способ сравнить запланированный сервис с тем, что клиенты действительно пережили в разных каналах. Годом позже на форуме CAiSE 2017 Гаэль Бернар и Периклис Андритсос из Лозаннского университета, просмотрев 69 статей в Scopus, IEEE Xplore, DBLP и Web of Science и оставив 13, доказывали, что записанные данные о событиях в сочетании с process mining дадут картам пути недостающие им показатели для решений. Позже вендоры вроде Adobe построили вокруг идеи продукты, и Adobe Experience League описывает её как Analysis Workspace, объединённый с данными из Experience Platform, которые хранятся в Experience Data Model (XDM) и запрашиваются через SQL в Query Service.

Чем она отличается от карты пути и воронки

Это количественный слой между двумя более старыми инструментами. Карта пути клиента качественная: она показывает, что один клиент делает, думает и чувствует, по интервью и воркшопам. Анализ воронки количественный, но узкий: он считает людей по шагам, которые вы выбрали заранее. Аналитика пути стоит между ними.

Работают три инструмента по очереди. Карта даёт гипотезы, просмотр путей находит значимые последовательности, а воронка затем измеряет ту, которую вы выберете. Похожая точка зрения у Forrester. В публикации января 2026 года по 30 интервью с покупателями Жоана де Кинтанилья пишет, что пути окупаются, когда привязаны к данным о клиентах и бизнес-показателям, а иначе отдачу подтверждают только отдельные истории.

Сначала идентификация

Самое трудное — соединить источники. Веб-инструмент видит cookie, приложение — устройство, колл-центр — номер телефона, и один человек выглядит как трое незнакомцев.

Инструменты решают это идентификатором, который вы задаёте сами. В Google Analytics 4 User-ID связывает активность одного человека между сессиями и устройствами, а настройка идентификации в отчётах определяет, использовать ли в отчётах сначала User-ID, затем ID устройства, затем моделирование. В Adobe Customer Journey Analytics соединение называется stitching (сшивание): оно перезаписывает ключи событий, чтобы идентификатор человека появился в большем числе строк, а в примере Adobe рекламный визит на сайт связан с более поздним событием в колл-центре. Наборы данных объединяются в подключении, которому нужен один и тот же Person ID; значение чувствительно к регистру, поэтому два написания одного ID дадут двух людей.

У каждого инструмента есть пределы, которые надо знать до того, как планировать соединение. User-ID в Google Analytics 4 должен быть не длиннее 256 символов и не должен содержать сведений, по которым третья сторона могла бы опознать человека. Сшивание в Adobe Customer Journey Analytics допускает 5 наборов данных в пакете Select, 15 в Prime и 50 в Ultimate. В одном подключении может быть до 100 наборов данных.

ClientID в Яндекс Метрике, напротив, привязан к браузеру, так что тот же человек в другом браузере выглядит другим пользователем, пока вы не добавите собственную связку.

Какие отчёты показывают пути

Просмотр путей начинается с одного события и показывает, что идёт после него или что было до. Исследование путей в Google Analytics 4 принимает либо начальную, либо конечную точку, но не обе сразу, по умолчанию показывает пять узлов на шаг (максимум 20), а остальное сворачивает в «Others». Новая сессия начинается после 30 минут бездействия. Flow в Adobe подходит для исследования нелинейных путей с несколькими точками входа.

Отчёт об отвале берёт заданную вами последовательность и показывает, где люди из неё выходят. Fallout в Adobe подходит для линейных путей с одной точкой входа, сравнивает два сегмента рядом и показывает, куда люди идут после отвала. Это и есть воронка, к которой вы пришли через просмотр путей. Исследование воронки в Google Analytics 4 принимает до 10 шагов. Отчёт «Воронки» Яндекс Метрики предлагает окно до 360 дней, конверсию от первого или от предыдущего шага, до семи группировок и до трёх условий на шаг.

Холст позволяет нарисовать ветвящийся путь и посчитать, кто в итоге переходит между узлами. Journey canvas в Adobe делает это и называет путь с самой высокой конверсией. В Google Analytics 4 есть отчёты по путям и атрибуции в разделе «Реклама»: они распределяют вклад по точкам контакта на пути пользователя к ключевым событиям.

Командам, которым нужно больше контроля, Яндекс Метрика Pro умеет выгружать неагрегированные данные сессий в кластер ClickHouse в Yandex Cloud, где цепочки источников трафика по каждому пользователю можно считать по пронумерованным моделям атрибуции, включая последний клик (1), последний непрямой клик (2) и первый клик (3). Яндекс отмечает, что 99% сессий завершаются в течение 3 дней после начала.

Пример с кредитором по шагам

Вернёмся к иллюстративному кредитору. Веб-воронка показывает 4000 из 10 000, то есть 40%, так, как считает исследование воронки. Среди 6000 остановившихся 1500 позвонили, каждый четвёртый. Из этих 1500 человек 900 завершили заявку по телефону: 60% позвонивших и 9% всех, кто начал. Прибавьте 900 к 4000 и разделите на 10 000 — получится 49%, и этот счёт стал возможен благодаря общему Person ID. Остальные 5100 либо не вернулись, либо пришли через канал, который соединение не покрывает.

Что говорят исследования о путях

В исследовании кликстрима интернет-магазина книг, опубликованном в Marketing Science в 2004 году, Алан Монтгомери с коллегами обнаружили, что модель с памятью о прежних страницах предсказывала путь пользователя лучше, чем традиционные мультиномиальные пробит-модели и марковские модели первого порядка, и что покупателей можно было выделить с точностью свыше 40% после шести просмотренных страниц при базовой конверсии 7%.

Анализ путей меняет и то, как распределяют вклад каналов. Ева Андерл с коллегами смоделировали пути как марковские блуждания в International Journal of Research in Marketing в 2016 году на четырёх больших массивах данных по клиентам, в каждом из которых было не меньше семи онлайн-каналов, и получили результаты, заметно отличающиеся от атрибуции по последнему клику. Хонгшуанг Ли и П. К. Каннан построили трёхуровневую модель рассмотрения каналов, визитов и покупки и проверили её в полевом исследовании, где фирма на неделю отключила платный поиск.

Халворсрюд с коллегами изучали вместе с Telenor подключение абонентов к мобильному широкополосному интернету. Они восстановили отдельные пути по интервью, дневниковым исследованиям и отслеживанию процессов и нашли четыре вида отклонений доставленного сервиса от запланированного: внеплановые точки контакта, точки контакта вне очереди, сорвавшиеся точки контакта и отсутствующие. Бернар и Андритсос хранят путь в виде XML на основе формата IEEE XES, который читают программы process mining, так что задуманный и записанный пути можно сравнивать. Даан Вейс и Эмиль Карон в 2022 году применили process mining к кейсу интернет-магазина, чтобы сопоставить путь, который задумал бизнес, с путём, которым идут клиенты. Кэтрин Лемон и Питер Верхуф описывают, как клиенты встречаются с компаниями через точки контакта в разных каналах и медиа, и поэтому соединение данных так важно.

Где метод ломается

Путь показывает порядок событий, а не их причину. Тот, кто позвонил после страницы с ценами, мог собираться звонить в любом случае. Чтобы понять, меняет ли шаг результат, проведите тест на инкрементальность с отложенной контрольной группой.

Пробелы в идентификации укорачивают пути: визиты без входа в аккаунт, второй браузер и отказ от согласия обрывают хронологию раньше времени. Google Analytics 4 к тому же скрывает часть строк ниже минимальных уровней агрегации; более широкий период смягчает эффект.

Пути хороши настолько, насколько хороши события за ними, и поэтому письменный план трекинга событий идёт первым. Регулярный разбор путей естественно встраивается в Marketing-Operational System.

Как применять: Аналитика пути клиента: что это и как построить по шагам

1. Выберите результат и людей. Возьмите один результат, например пополненный счёт или состоявшийся приём, и группу, которую вы изучаете: скажем, всех, кто открыл заявку за последние 90 дней. Результат: одно предложение, которое определяет путь.
2. Перечислите источники и их идентификаторы. Выпишите каждую систему, которая фиксирует контакты, — сайт, приложение, колл-центр, CRM, — и идентификатор человека, который в ней хранится. Результат: таблица, по которой видно, какие источники можно соединить.
3. Соедините источники по идентификатору человека. Возьмите самый распространённый идентификатор, обычно логин или номер клиента, и слейте события в одну хронологию на человека. Анонимные визиты остаются на уровне устройства, пока вход в аккаунт их не свяжет. Результат: одна хронология на человека.
4. Сначала читайте пути, потом определяйте воронки. Откройте просмотр путей назад от результата и вперёд от первого контакта и отметьте частые и неожиданные последовательности. Результат: короткий список путей, которых никто не рисовал.
5. Превратите сильнейший путь в воронку. Возьмите путь, по которому идёт больше всего людей или выручки, и зафиксируйте его как шаги, чтобы отчёт по воронке измерял отвал на каждом. Результат: воронка, построенная по наблюдаемому поведению.
6. Сравните ожидаемое с фактическим и проверьте. Положите рядом путь, который задумала команда, и путь из данных, выберите самый большой разрыв и проверьте изменение как эксперимент. Результат: одно изменение с исходным уровнем и итогом.

Примеры

Заявка в кредитной организации, посчитанная по людям

Иллюстративный пример. Кредитор видит 10 000 заявок, начатых на сайте, — первый шаг [исследования воронки](https://support.google.com/analytics/answer/9327974?hl=en) — и 4000 отправленных: завершение 40%. Затем он присоединяет записи колл-центра по номеру клиента — это [сшивание, которое описывает Adobe](https://experienceleague.adobe.com/en/docs/analytics-platform/using/stitching/overview) для визита на сайт и последующего звонка. Из 6000 тех, кто остановился, 1500 позвонили в течение недели, и 900 из них завершили заявку по телефону. По людям заявку закончили 4900 из 10 000, то есть 49%. Воронка только по сайту занижала завершение на девять пунктов и направляла команду не на ту проблему.

Путь от рекламы до визита в клинику

Иллюстративный пример. Клиника видит, что на рекламу нажали 2000 человек. Онлайн-запись фиксирует 160 записей, то есть 8%. Если присоединить журнал звонков на ресепшен — для вошедших в аккаунт посетителей это позволяет [User-ID в GA4](https://support.google.com/analytics/answer/9213390?hl=en), — добавится 140 человек, которые заглянули на страницу с ценами и затем позвонили записаться. По двум каналам, соединённым общим [Person ID](https://experienceleague.adobe.com/en/docs/analytics-platform/using/cja-connections/create-connection), записались 300 из 2000, то есть 15%. Звонок — часть пути, а на звонок людей толкает страница с ценами.

Когда применять

Применяйте метод, когда клиенты перед результатом перемещаются между каналами, например сайт, приложение, затем телефон, и ни один инструмент не показывает путь целиком, а команда уже отслеживает события и у неё есть общий идентификатор клиента.

Когда не применять

Не берите метод, если важен только один канал, если ни один идентификатор не связывает источники или если трафика так мало, что пути не повторяются. Ранним командам больше даст отчёт по воронке и несколько интервью с клиентами.

Частые ошибки

• Покупают инструмент, не проверив, у каких источников общий идентификатор человека. Соединение не получается, и инструмент показывает три несвязанные воронки.
• Принимают частый путь за причину. Путь показывает порядок событий, а повлиял ли шаг на результат, покажет только тест с отложенной контрольной группой.
• Объединяют анонимные данные и данные вошедших пользователей, не проверив правила согласия, или не замечают, что идентификаторы, чувствительные к регистру, разрезают одного человека на двух.
• Делают выводы по пути, на котором всего несколько десятков человек, или по строкам, скрытым из-за порогов конфиденциальности.
• Проводят анализ один раз, вместо того чтобы регулярно пересматривать его по одному и тому же результату и тем же людям.

Вопросы и ответы

Что такое аналитика пути клиента?

Аналитика пути клиента объединяет данные о поведении из нескольких каналов по идентификатору человека, а затем разбирает последовательности, по которым люди идут к результату. Она показывает частые пути, точки отвала и задействованные каналы — по записанным событиям, а не по итогам воркшопов.

Чем аналитика пути клиента отличается от карты пути клиента (CJM)?

Карта пути клиента — качественная картина того, что один клиент делает, думает и чувствует; её строят по интервью и воркшопам. Аналитика пути количественная и строится по записанным событиям тысяч людей. Карта подсказывает, куда смотреть, а аналитика считает, кто идёт каждым из путей.

Чем аналитика пути клиента отличается от анализа воронки?

Анализ воронки считает людей по шагам, которые вы определили заранее, на пути к одному результату. Аналитика пути стартует от данных и показывает, какие шаги люди делают на самом деле, включая ветвления, петли и другие каналы. Просмотр путей находит последовательности, а воронка затем измеряет ту, которую вы выбрали.

Можно ли делать аналитику пути клиента в Google Analytics 4?

Отчасти. В Google Analytics 4 есть исследование путей и исследование воронки, а User-ID может связывать устройства. Но GA4 видит только данные, отправленные в Analytics, так что офлайн-события вроде звонков нужно импортировать или соединять в другом месте, например в хранилище данных, чтобы покрыть путь целиком.

Какие данные нужны для аналитики пути клиента?

Нужны данные на уровне событий с отметкой времени и идентификатором из каждого канала, а также идентификатор человека, который встречается больше чем в одном источнике, например логин или номер клиента. Без общего идентификатора каждый канал остаётся отдельным набором анонимных визитов.

Источники

1. Google, [GA4] Key events and attribution reports, Analytics Help
2. Google, [GA4] Path exploration, Analytics Help
3. Google, [GA4] Funnel exploration, Analytics Help
4. Google, Reporting identity, Analytics Help
5. Google, Measure activity across platforms with User-ID, Analytics Help
6. Google, [GA4] Data thresholds, Analytics Help
7. Adobe, Customer Journey Analytics overview, Experience League
8. Adobe, Stitching overview, Experience League
9. Adobe, Create a connection, Experience League
10. Adobe, Flow visualization, Experience League
11. Adobe, Fallout visualization, Experience League
12. Adobe, Journey canvas, Experience League
13. Yandex, Funnels report, Metrica Help
14. Yandex, Users and customers, Metrica Help
15. Yandex, Working with exported data, Metrica Help
16. A. L. Montgomery, S. Li, K. Srinivasan, J. C. Liechty, Modeling Online Browsing and Path Analysis Using Clickstream Data, Marketing Science, 2004
17. E. M. Anderl, I. Becker, F. von Wangenheim, J. H. Schumann, Mapping the customer journey: Lessons learned from graph-based online attribution modeling, International Journal of Research in Marketing, 2016
18. H. Li, P. K. Kannan, Attributing Conversions in a Multichannel Online Marketing Environment, Marketing Science Institute working paper
19. R. Halvorsrud, K. Kvale, A. Følstad, Improving service quality through customer journey analysis, Journal of Service Theory and Practice, 2016
20. G. Bernard, P. Andritsos, A Process Mining Based Model for Customer Journey Mapping, CAiSE Forum, 2017
21. D. Weijs, E. Caron, Customer Journey Analytics: A Model for Creating Diagnostic Insights with Process Mining, ICSOFT, 2022
22. K. N. Lemon, P. C. Verhoef, Understanding Customer Experience Throughout the Customer Journey, Journal of Marketing, 2016
23. Forrester, Customer Journey Management In 2026: From Maps To Measurable Impact

Обновлено 15 октября 2026

Илья ПушинОснователь PUSHERS & COO Fintech ServiceИлья строит операционные системы для растущих компаний в медицине и финтехе. С 2021 года руководит трансграничными платежами в ARBI Exchange, лицензированном обменнике в Таиланде, включая KYC, AML и выход в новые юрисдикции.Об автореLinkedIn