Александра Сергеевна
2 398
Блоги

Почему в Google Analytics не построить аналитику с корректными данными, и как решили эту проблему в компании «Вилгуд»

Кейс пишется совместно с компанией R7K12 о том, как устроена аналитика в компании «Вилгуд», и как построить сквозную аналитику для b2b и b2c.

Поделиться

В избранное

В избранном

"Деньги любят счёт", а бизнес — контроль

Было подсчитано, что в среднем каждый человек за один день видит около 5000 рекламных сообщений. В условиях большой конкуренции за право обладания вниманием клиента появляются новые виды рекламы и способы ее представления. Как понять, что же эффективно для конкретного бизнеса? Испробовать все возможные каналы привлечения клиентов. Но как определить, какие именно являются эффективными и действительно приносят прибыль? Ответ очевиден:

«Нужен инструмент анализа эффективности вложений в рекламу!»

Вилгуд — это дилерская сеть умных автосервисов по ремонту машин европейских и японских марок, работающая с корпоративными и частными клиентами.

Компания завоевала на рынке услуг по ремонту автомобилей лидирующие позиции. Оборот компании составляет более 950 000 000 рублей за год. На момент написания кейса открыто 88 СТО Вилгуд по всей России.

На данный момент у интернет-представительства компании:

  • более 80 000 000 показов в месяц в рекламных сетях;
  • более 500 000 баннеров;
  • более 250 000 посетителей в месяц;
  • более 26 600 страниц на сайте;
  • более 6 000 посещений в день
  • более 2 000 рекламных кампаний;
  • более 170 источников трафика;
  • более 150 рекламных аккаунтов;
  • более 50 посетителей одновременно (в секунду);
  • более 18 ГБ размер хранилища данных.

Компания совместила два направления бизнеса: B2C (бизнес для потребителя) и B2B (бизнес для бизнеса). Это проекты «ВилГуд» (wilgood.ru) и «ВилГуд Франшиза» (franchise.wilgood.ru) — система развития автосервиса или создания автосервиса «с нуля». Для каждого из проектов подключен сервис сквозной аналитики «R7K12».

Компания использует такие инструменты для аналитики и контроля состояния бизнеса:

  • CRM система: 1С.
  • Сквозная аналитика: R7K12.
  • Система коллтрекинга: CoMagic.
  • Инструмент для обработки больших объёмов данных: Google BigQuery.
  • Инструмент для компоновки графиков и визуализации отчетов: Power BI и R.
  • Рекламные системы: Яндекс. Директ, Google AdWords, Facebook, Вконтакте.
  • СМС оповещения: Telegram.

Далее расскажем о проблемах, с которыми столкнулись до подключения сервиса сквозной аналитики.

Почему в Google Analytics не построить аналитику с корректными данными?

До подключения сервиса сквозной аналитики R7K12, построенная на базе Google Analytics, аналитика выглядела так:

Импорт расходов осуществлялся через сервис MixData.ru. Отправка данных происходила с помощью API.

Проблема №1. Квоты и ограничения API Google Analytics

Из-за большого количества данных периодически сталкивались с тем, что не вписывались в такие квоты и ограничения API Google Analytics:

  • Не более 50 загрузок в день на один ресурс.
  • 100 МБ на загрузку в день на конкретную дату. В это мы очень часто упирались. Потому что, если загружаем сегодня данные за вчера, то сегодня можем загрузить не более 100 МБ данных. Если же их больше 100 МБ, то завтра нужно будет продолжить.
  • 10 ГБ на ресурс. Например, сейчас у Вилгуда ~ 150-200 МБ данных в день. За неделю они с легкостью наберут 1 ГБ, за 10 недель — 10 ГБ.

Для того, чтобы переобновить данные, например за два дня, необходимо отправить два файла csv по 110 аккаунтам. С таким большим объемом данных мы снова не вписываемся в квоту, и этот процесс затягивается. Стало невозможным не только оценить работу кампаний и проследить прибыльные каналы, но и собрать весь трафик воедино.

Проблема № 2. Расхождения данных в 1С и Google Analytics

Если отправлять данные в Google Analytics в реальном времени, то между данными в 1С разница будет примерно в 40%. Почему? Для Вилгуд очень важно отделять первичные обращения пользователей. В чем возникала проблема построения отслеживания на базе Google Analytics?

Допустим, клиент зашел на сайт по рекламе Яндекс.Директ и позвонил. Определили, что его обращение является первичным. В течение дня может выясниться, что клиент уже ранее пользовался услугами сервиса, только записан в CRM под другим номером телефона. Следовательно, обращение больше не является первичным. Если бы отправка событий в аналитикс была моментальной, мы получаем такую ситуацию: обращение отправлено в Google Analytics как первичное, а по факту таким уже не является.

Получается, что если отправка в Google Analytics идет в реальном времени (real-time), то количество первичных обращений на вечер в 1С меньше, чем в Google Analytics. Данные не сходятся. Плюс приходится отправлять раз в 15 минут, чтобы данные попали в текущую сессию.

Но есть же второй вариант — отправка вечером в определенное время. Приходит логичный вывод, что при этом данные будут более точные. Может с помощью него можно организовать корректную отправку данных? Но не тут-то было.

Проиграем ситуацию заново: клиент зашел на сайт по рекламе Яндекс.Директ и позвонил. Определили, что его обращение является первичным. В течение дня выясняется, что клиент уже ранее пользовался услугами сервиса, только записан в CRM под другим номером телефона. Отправка событий происходит у нас вечером, например, в 23:30 для пущей уверенности. Обращение больше не является первичным, следовательно в Google Analytics мы не отправляем его как первичное обращение. А если обращение все же действительно первичное?

Происходило следующее. Для компании характерна такая цепочка взаимодействия с клиентами: Яндекс.Директ > Google SEO (или Google AdWords). После того, как клиент перешел с рекламы Яндекс.Директ и оставил обращение, через какое-то время он искал сайт в поиске Google. И переходил на сайт снова с рекламы Google AdWords или органической выдачи.

И если данные в Google Analytics отправлять не моментально, то последнему непрямому источнику присваивается конверсия. В нашем случае конверсия присваивается Google SEO, хотя обращение оставил клиент после перехода с рекламы Яндекс.

Получалась некорректная статистика и в первом и во втором вариантах.

Проблема №3. Нет возможности посмотреть цели и расходы по всем параметрам

Да, расходы по кампаниям и ключевым словам мы можем посмотреть в Google Analytics. А расходы в разрезе городов? У компании Вилгуд СТО находятся по всей России! Как узнать, с какого города был визит, заявка, продажа и во сколько она обошлась нам? Такую возможность сама архитектура данных Google Analytics не предоставляет.

Также нельзя посмотреть, была ли заявка и/или продажа, и сколько на нее было потрачено денег с какой-либо рекламной сети или кампании в одном отчете! Чтобы что-то улучшить, нужно знать, что менять. Как управлять рекламным бюджетом в этом случае?

Были попытки сделать панель визуализаций с помощью Microsoft Power BI, выгружать данные из Яндекс.Директа, Google AdWords, Вконтакте, Facebook напрямую. Об этом в следующем пункте.

Проблема №4. Язык R и Power BI не тянут большое количество данных

Power BI предоставляет возможность интегрировать данные напрямую со всех необходимых нам источников (Google Analytics, Facebook, R-скрипт). Но есть ограничение — не более 100 000 строк для таблицы. Из опыта стало ясно, что этот инструмент работает лучше всего с уже сгруппированными данными.

С помощью R-скрипта была попытка собрать данные из API Яндекс.Директа по 100 аккаунтам. Она не увенчалась успехом, так как R-скрипт такое количество не тянет — виснет и падает соединение на 30-м аккаунте. И это загружались данные только по расходу. Плюс к этому нужен был коннект к Google AdWords, Facebook и т.д.

В итоге в панели Power BI можно было посмотреть разве что расход по аккаунту. И не видно было, по каким источникам были первичные обращения, а по каким их не было. По каким кампаниям были первичные обращения, по каким продажи? Если смотреть в Google Analytics — там они на другие источники (смотреть проблему №3).

И не было единой системы, где можно это наглядно увидеть. Вывод был ясен: нужен сервис сквозной аналитика.

Как же устроена сейчас аналитика компании для проектов «Вилгуд» и «ВилГуд Франшиза»?

Все вышеперечисленные проблемы, как и предполагалось, решились с подключением сервиса сквозной аналитики. Компания Вилгуд использует систему «R7K12».

Система сквозной аналитики собирает все данные воедино с CRM, рекламных систем (расходы, показы, клики), ловцов лидов, систем коллтрекинга, email-трекинга, сервиса обратного звонка, конструкторов сайтов. Все эти данные можно увидеть в интерфейсе сервиса сквозной аналитики, построив отчеты любых вложенностей. Также можно загрузить их в Google BigQuery для построения еще более гибких запросов и создания визуализаций на их основе.

В «R7K12» есть готовые интеграции на выгрузку расхода с таких рекламных систем: Яндекс.Директ, Google AdWords, Facebook, Вконтакте, Яндекс.Маркет, myTarget.

В системе также есть ряд готовых интеграций для отслеживания данных с ловцов лидов. Используемые интеграции этого вида с систем: Facebook Lead Ads и VK Lead Ads.

В R7K12 интеграция с используемым коллтрекингом настраивается в пару кликов.

В логе заявок в R7K12 можно увидеть все обращения в компанию в реальном времени: дату и время, имя, номер телефона (если это звонок или оставили номер телефона через форму), другие контактные данные, тип обращения.

Импорт расхода

Со всех рекламных сетей расход (а также клики и показы) загружается напрямую в R7K12. Интеграции создаются в несколько кликов в интерфейсе системы. Там же можно посмотреть очередь загрузки по датам и процент расхождения в данных.

Раз в день система R7K12 делает проверку расхода за последние 90 дней между уже загруженным расходом в систему и расходом в аккаунте Яндекс.Директ. Часто Яндекс возвращает часть бюджета рекламодателю за недействительные клики, за месяц может собраться внушительная сумма. После проверки можно увидеть эту долю расхождения расхода в процентах.

Благодаря этому в системе виден действительный расход в разрезе источников, кампаний, объявлений, ключевых слов и т.д.

Расход с рекламных систем в Google Analytics не импортируется. В этом теперь нет надобности.

Учет конверсий и продаж

Компания Вилгуд в качестве CRM использует 1С. Помимо заявок, большая часть обращений на сайт — звонки. Данные из CoMagic загружаются в 1С с помощью API.

На основе статусов сделок в CRM данные в сервисе сквозной аналитики распределяются на: все обращения, первичные обращения, продажи. При чем система гибко реагирует на смену статуса сделки, и в зависимости от этого данные могут перераспределяться.

Это как раз решение проблемы, которую мы описывали в пункте №2: если обращение оказывается не первичным. Тогда в CRM системе этой сделке меняют статус на “повторное обращение”. Примерно каждые 15 минут R7K12 синхронизируется 1С1С, и в итоге происходит перераспределение статусов в аналитике. Эта заявка “уходит” из столбца “Первичные обращения” в соответствующий столбец. Таким образом в системе сквозной аналитики можно наблюдать живые и точные данные по целевым заявкам и продажам.

Google BigQuery

В R7K12 есть интеграция с Google BigQuery. Все собранные данные в системе сквозной аналитике могут передаваться в BigQuery, где можно построить гибкие запросы к данным для аналитики. Вторым важным моментом в использовании данной интеграции является то, что с помощью R7K12, Google BigQuery, скрипта R и Power BI созданы панели визуализаций статистики с автоматическим ежедневным обновлением данных.

Визуализации Power BI

На данный момент прямой коннектор Google BigQuery в программном интерфейсе Microsoft Power BI в стадии разработки. Поэтому коннект построили с использованием скрипта R.

Вся статистика собирается воедино в системе R7K12, а часть необходимых данных для визуализаций передается в Google BigQuery. Затем с помощью R коннектора и SQL запросов, из Google BigQuery поступают данные в Power BI.

Пример панели визуализации Microsoft Power BI (из соображений конфиденциальности мы не можем показать аналогичную панель для проекта wilgood.ru):

Визуализация дает возможность быстро оценить состояние бизнеса и обратить внимание на какие-либо отклонения или позитивные моменты, что позволяет определить основные стратегии улучшения показателей и увеличения прибыли.

#маркетинг, #R7K12 , #GoogleAnalytics

{ "author_name": "Александра Сергеевна", "author_type": "self", "tags": ["r7k12","googleanalytics"], "comments": 19, "likes": 15, "favorites": 12, "is_advertisement": false, "section_name": "blog", "id": "39896", "is_wide": "" }
{ "is_needs_advanced_access": false }

Комментарии Комм.

Популярные

По порядку

0

Прямой эфир

Подписаться на push-уведомления
[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "240х200_mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "flbq" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Плашка на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } } ]