Веб-аналитика *

Конверсия интернет-магазина за ночь упала на 14%, хотя оплаченных заказов стало больше. Под подозрением — релиз iOS и посевы в Telegram. Разбираем, как за 20 минут проверить метрику, выявить сбой трекинга и разобраться в реальных причинах просадки.

Полгода вёл SEO клининговой компании из Петербурга после переезда сайта с Tilda на самописный PHP. Все адреса при переезде сменились, так что начинал с сайтом без поисковой истории.

С апреля по сентябрь визиты из поиска выросли с 166 до 3 446 в месяц, запросов в топ-10 Яндекса стало 247 вместо 23. Целевое обращение из поиска в сентябре стоило 915 ₽, из Директа 1 600 ₽.

В статье шесть разборов с цифрами, например, почему Indexing API пять раз ответил «OK» и не переобошёл ни одной страницы, или как карусель со scroll-snap ломала замер LCP. И отдельно 12 моих ошибок, от публикации пачками до 21 статьи в день до выдуманных брендов в текстах, которые стоили позиций.

Раньше раз в неделю я открывал три вкладки: Яндекс.Метрику, Яндекс.Вебмастер и папку с черновиками блога, и в каждой что-нибудь считал в уме. К третьей вкладке я обычно забывал, что искал в первой. В итоге я написал один скрипт без зависимостей, он собирает всё это в одно текстовое сообщение и присылает в Телеграм и на почту. В статье покажу, как он устроен, какие запросы к API делает и что в нём пришлось обходить. Код ниже взят из рабочего скрипта, домен и идентификаторы заменены на заглавные константы и example.com.

В начале сентября у моего рабочего сайта за двое суток просели 181 запрос из 200, которые я отслеживаю в Топвизоре. Коммерческие запросы стояли на 1–5 местах, а оказались на 15–25. Клики в Яндекс Вебмастере упали с 2 740 до 88 в сутки. В профильных телеграм‑каналах как раз писали, что Яндекс «молча выкатил фильтр, который убил тысячи сайтов».

Я занимаюсь поиском с 2005 года, но первая мысль у меня была та же: санкции. Три недели ушло на то, чтобы доказать себе обратное. Ниже — что именно я проверял, где оказалась ошибка и короткий порядок действий. Надеюсь, кому‑то он сэкономит эти три недели.

После просадки органики я устала вручную сводить Screaming Frog, Метрику и Вебмастер и собрала SEO-агента на n8n. Он хранит историю страниц, очищает данные, считает сигналы и отправляет интересные случаи сильной модели для анализа и постановки тз. Внутри — архитектура, код, скриншоты, расходы по проекту и ошибки, которые всплыли на повторных запусках.

Привет, Хабр! Меня зовут Ирина, я UX/CX-исследователь в отделе RnD финтех-компании. Мы разрабатываем много всего нового, много тестируем, пробуем и изучаем. Я провожу качественные и количественные исследования и запускаю A/B-тесты.

Расскажу, как Вариокуб от Яндекса позволил мне самой запускать тесты, на которые раньше уходили недели разработки, и поделюсь граблями, на которые наступила по дороге. И объясню, почему, на мой взгляд, простые A/B-тесты должен уметь запускать и читать каждый исследователь.

Я отдал браузерному помощнику разбор двух рекламных кабинетов в Яндекс Директе. Ниша: продажи серверов и систем хранения данных корпоративным заказчикам, тендерные закупки, цикл сделки в месяцах, чек в миллионах. Работа заняла три дня в начале августа.

Про поломки самих кабинетов я писал в предыдущей статье. Здесь другой материал: пять раз я получил от нейросети уверенный вывод, построенный на неверно прочитанном интерфейсе. Ни один из пяти не был ошибкой рассуждения. Логика в каждом случае чистая, аргументация связная, тон ровный.

Ниже: как выглядят такие ошибки, чем они опасны и по какому признаку я их ловил.

Цифры округлены и обезличены: ниша узкая, игроков мало, по точным данным компанию вычисляют за пару минут. Соотношения между цифрами сохранены.

Обошли краулером два сайта, посчитали PageRank и получили ровную кашу: у каждой страницы из меню сто с лишним входящих, у каждой вне меню две. Меню и подвал забивают весь граф, а редакционные ссылки в нём тонут. Разбираю способ отделить одни от других, не трогая разметку: тридцать строк кода, работает одинаково на Webflow и WordPress и переживает смену темы. Внутри замеры на двух живых сайтах, разбор ограничений и история про то, как этот метод один раз обманул меня самого.

Меня зовут Кирилл, я руковожу двумя аналитическими командами в Циане, сервисе недвижимости, где пользователи ищут квартиры для покупки, долгосрочной или посуточной аренды, а собственники, агенты и застройщики размещают объекты и находят клиентов.

У меня в зоне ответственности две команды аналитиков. Первая работает с CRM-коммуникациями на основе действий пользователей. Её задача — помогать людям быстрее находить подходящие объекты и возвращаться в продукт в правильный момент. Вторая команда отвечает за модерацию и доверие к объявлениям. Мы помогаем снижать количество фейковых квартир и недостоверных объектов, разбираемся с нарушениями правил коммуникации на площадке. 

В этой статье расскажу, чем занимаются мои команды: как мы работаем с сегментами пользователей, рекомендациями, A/B-тестами, модерацией, рендерами и self-service-инструментами. А еще —  почему хороший аналитик в продукте не должен оставаться человеком, к которому приходят только за выгрузками. 

Большинство экспертов, наставников, онлайн‑школ при запуске своего курса/обучения думают о том, как получить ту конверсию заявок и учеников, которые они поставили себе как цель. Думают также о своем продукте и его качестве, чтобы ученики получили и были довольны своими результатами. И совсем забывают обезопасить свой запуск с юридической стороны. Как итог: несут колоссальные убытки.

Поэтому мне хотелось бы обратить внимание на часто допускаемые ошибки на сайтах, о которых большинство не знаете или забывает о том, что есть ряд требований законов, которые нужно соблюдать. В противном случае, можно попасть на крупные штрафы.

Полторы секунды. Столько в среднем живой человек смотрит на рекламу в интернете, а бренд начинает оседать в памяти только после двух с половиной. Разбираю свежие замеры внимания и формат, который выигрывает их все.

45 прогонов в ChatGPT, Perplexity и Алисе AI показали, что один и тот же финальный вопрос после разной истории разговора может приводить к разным наборам брендов. Проверяю, что это значит для замеров AI Visibility по независимым промптам.

Привет! Меня зовут Кирилл Кочнев, я руковожу продуктовой аналитикой в hh.ru и веду «Статзначимый подкаст». Каждый месяц мы в компании запускаем больше сотни A/B-экспериментов, и со временем тесты начали пересекаться: разные команды одновременно меняли связанные части пользовательских сценариев, из-за чего результаты искажались. 

В этой статье расскажу, как мы подошли к управлению пересекающимися экспериментами: выстроили процесс согласования между командами и бизнес-владельцами, доработали платформу A/B-тестов и превратили это не только в техническое изменение, но и в способ развивать культуру планирования экспериментов.

Всё началось со странности в Google Analytics. Для регионального новостного сайта сервис неожиданно стал показывать очень большую долю посетителей с настольных компьютеров.

Это выглядело неправдоподобно: реальная аудитория новостных сайтов сегодня в основном приходит со смартфонов. Но ещё интереснее оказалось другое — значительная часть новых «читателей» якобы находилась в китайском городе Ланьчжоу.

Я решил разобраться, откуда взялись эти люди и люди ли это вообще.

Поисковый трафик обычно воспринимают как игру в долгую. В органике нужно собрать семантику, подготовить контент, дождаться индексации и попытаться обойти страницы, которые уже годами стоят в топе поисковой выдачи. В платном поиске всё быстрее, но каждый клик уже стоит денег — и чем очевиднее спрос, тем дороже за него бороться. 

Но есть сценарий, в котором поисковый трафик можно получить дешевле: поймать спрос в момент, когда он только появляется.

В инстант-режиме (быстром, без нажатой кнопки «Think») ChatGPT читает страницу живьём только в 7% ответов. Остальные 93% модель работает с тем, что легло в её собственный индекс на дату обхода: заголовком без обрезки (до 289 знаков) и статичным сниппетом около 200 знаков, вырезанным при индексации из H1 и соседних элементов — категории, alt-текста, даты. Сниппет не зависит от вопроса: одна и та же врезка уходит и в ответ про цены, и в ответ про характеристики. Цифры и метод — у французской команды RESONEO: 1249 ответов ChatGPT и 88 000 результатов поиска, июль-август 2026.

Такие захваты я сам не ставил: ниже — разбор чужого reverse engineering, реконструкции закрытой системы по внешним признакам трафика.

Разница между режимами — в том, что открывается. В платном thinking-режиме (режиме размышления) страница читается по-настоящему, и корпус другой: около 75% URL приходят через скрейпленную выдачу Google, четверть — через собственный индекс OpenAI. Кнопка Think на бесплатном тарифе даёт столько же источников (35,3 против 35,1 URL), но корпус зеркальный: там около 75% идёт через собственный индекс.

Часть компаний воспринимают GEO/AEO как инструмент привлечения трафика из нейросетей. К сожалению трафика там мало в силу того, что клики из нейроответов внутри Яндекса и Google помечаются в метрике поисковым трафиком. И львиная доля всего взаимодействия с нейроответами происходит именно в поиске. 

Поэтому в этом исследовании я не пытаюсь оценить весь трафик из ИИ, я анализирую наблюдаемую часть GEO: попадание вашего сайта в источники ответов нейросетей и переходы по ссылкам в ответах и источниках.

Совет оптимизировать сайт под Claude смешивает два инструмента Anthropic: Claude и агента Claude Code. Profound снял 24 135 ответов на одних запросах, и у двух инструментов разошёлся почти каждый показатель. Я прошёл по документации путь запроса в обоих инструментах. Для владельца сайта из разбора следуют три вещи: какие боты Anthropic заходят на сайт, что закрыть в robots.txt и как проверить заходы по access-логу.

В отчёте по видимости бренда в ответах ИИ компания нашлась по трём из двадцати вопросов. Открыли сами ответы — и оказалось, что за этим числом стоят разные вещи. В одном случае компанию предложили как исполнителя. В другом поставили ссылку на её статью, но назвали чужую компанию. В третьем название бренда уже было в вопросе.

Представим, что вы хотите попасть в список компаний, из которых выбирает клиент. В отчёте появляется плюс за ссылку на сайт. А в самом ответе заказчик читает о другом бренде. Если смотреть только на процент видимости, разницу можно пропустить.

В статье представлю разбор с тестами, проведенными лично, и объясню, откуда берутся большие всплески открытия постов в первые минуты публикации, обеспечивающие дальнейший взлет и продвижение.

Это вторая редакция статьи, первую забанили модераторы, ее писал Клод. Она мне нравилась больше, легче читалась, НЕ было воды, только сухая суть тестов, наблюдений и анализов. Так, что запаситесь терпением или читайте выводы в конце.