Все потоки сходятся в один

Как устроена система анализа поведения клиентов и эффективности каналов рекламы группы компаний ПИК.

Все потоки сходятся в один

ПИК — самый большой девелопер России и один из крупнейших рекламодателей рунета. Для оценки эффективности затрат на маркетинг в группе компаний разработали PIK Data — систему агрегации и обработки данных, включающую модуль аналитики. Также это база для запуска и развития автоматизированного и персонализированного маркетинга.

Система аналитики: самостоятельно или через подрядчика

Когда встает вопрос внедрения системы сквозной аналитики, для начала, очевидно, следует провести первичную оценку возможностей. Все решения на рынке делятся на три группы:

  • Крупные интеграторы. SAP, продукты Oracle, IBM или Microsoft — долго и дорого
  • Российские системы. Roistat или Alytics — ограниченный функционал «из коробки», не позволяют решить все задачи крупного клиента
  • Зарубежные решения. Связка Google Analytics 360, Owox BI, BigQuery — нет полноценной поддержки, данные хранятся вне ИТ-инфраструктуры компании, есть сложности с агрегацией данных от российских рекламных систем.

Обычно компания, которая выбирает готовое решение, часто приходит к тому, что оно не учитывает все особенности бизнеса. В итоге компания «застревает» в бесконечной доработке системы под себя.

После первичного анализа решений мы поняли, что нет идеального, которое закрывало бы все наши задачи и позволяло бы измерять оффлайн-каналы.

Большинство решений рассчитаны на рынок e-commerce с высокой частотностью и понятным циклом сделок. Под девелоперский бизнес они не заточены. Также у нас было бы слишком мало возможностей для работы с данными от сторонних источников.

Поэтому мы в итоге решили разработать собственный инструмент. Стоимость такого решения — 3-5 млн рублей, то есть инвестиция оправдана для средних и крупных рекламодателей.

Роман Абдуллин, директор по маркетингу ПИК

Разумеется, этот путь не универсален, и глубокая аналитика нужна не всем. У нашего девелоперского бизнеса есть своя специфика: покупки происходят редко, клиенты долго выбирают продукт, воронка конверсий состоит из множества касаний с брендом — при этом нужно понимать, как связаны друг с другом рекламные компании в сети и в офлайне. Без глубокого анализа данных мы просто не могли бы оценить эффективность тех или иных статей расходов.

Для разработки собственной системы аналитики нужна крепкая ИТ-команда внутри компании. На рынке аналитических систем есть деньги, но нет постоянного спроса, из-за чего немногие специалисты выбирают эту сферу.

В итоге мы всё-таки решили разработать собственную систему аналитики — доработка готовых решений стоила бы в десятки раз больше. К тому же, оставался вопрос о безопасности — передавать данные клиентов третьей стороне опасно.

Все потоки сходятся в один

Наша система эволюционировала от целевой переменной «входящий звонок» до построения атрибутивной модели с переменной «валидированный лид», плюс данные по транзакциям и сделке клиента.

Алиса Василева, руководитель отдела веб-аналитики

Посчитать несложно, сложно — посчитать всё необходимое и правильно

На рынке недвижимости каждая компания по-своему определяет, что такое «лид». Кто-то принимает за этот показатель звонки определенной длительности, кто-то учитывает вообще все обращения. Чем лучше проработана оценка «качества» лидов — готовности людей к покупке, — тем проще правильно распределять рекламный бюджет исходя из эффективности каналов маркетинга.

Все потоки сходятся в один

Раньше мы считали лиды исходя из количества звонков. Теперь отталкиваемся от числа сделок, и данные стали сильно отличаться. Например, скачки количества звонков могут быть вызваны не успешной рекламной кампанией, а началом заселения в жилой комплекс.

Так было 20 ноября 2017 года — мы увидели прирост звонков по объекту «Бутово-парк 2», в который начали въезжать жильцы, но повышения количества зафиксированных интересов не было.

Все потоки сходятся в один

Сейчас в ПИК лидом считают подтвержденную специалистами компании заявку клиента, заинтересованного в покупке. Одна из ключевых задач PIK Data — понимать, сколько таких обращений поступает, к каким каналам они относятся, и какова в конечном итоге доля рекламных расходов в каждой сделке.

PIK Data умеет обрабатывать данные от любых рекламных каналов — от контекстной рекламы до продвижения на агрегаторах недвижимости. Они собираются в едином внутреннем хранилище, после чего анализируются с помощью алгоритмов. Помимо подсчета стоимости привлечения клиента для каждого канала, система позволяет учитывать «внутренний каннибализм» — когда потенциальные клиенты переходят по рекламе одного проекта ПИК, но в итоге покупают другой.

Отчёт PIK Data по «внутреннему каннибализму»
Отчёт PIK Data по «внутреннему каннибализму»

Сейчас в сегменте недвижимости низкая частотность сделок — человек покупает 1-2 квартиры за жизнь, при этом высоки затраты на привлечение клиента. Поэтому нам не подходит подход LTV, когда измеряется совокупная прибыль компании, получаемая от одного клиента за все время сотрудничества с ним.

Сейчас мы оперируем стоимостью привлечения клиента (CAC, Customer Acquisition Cost), но понимаем, что рынок изменится, и мы должны это учитывать.

Роман Абдуллин, директор по маркетингу ПИК

Какие данные собирает система

Информация поступает из трех групп источников. Первый — система CRM, в которой хранятся данные о клиентах, сделках, квартирах, партнерах и сотрудниках. Их нужно адаптировать, чтобы можно было связать все данные друг с другом.

Второй источник — около десятка рекламных систем от Adwords до MyTarget и баз недвижимости вроде ЦИАН и «Яндекс.Недвижимость». От них PIK Data получает данные о расходах компании на рекламу, показах объявлений и переходах.

Самая трудоемкая часть процесса — это сбор данных из рекламных систем и поддержка бесперебойной и корректной работы. Нужно оперативно добавлять новые источники, аккаунты и учитывать возможность смены API.

Алиса Василева, руководитель отдела веб-аналитики

Третий источник — аналитические системы. Они выдают огромное количество данных, поэтому тут PIK Data нужно выделить информацию, которая важна для ПИК — источники звонков и поведение клиентов на сайте. Кроме того, данные нужно выгружать раз в несколько дней, потому что Google Analytics сжимает их, из-за чего показатели становятся менее точными.

Какие показатели рассчитываются

После сбора данные помещаются в единое хранилище и объединяются. Информация о звонке из CRM — номер телефона, дата и время — связывается с данными от системы коллтрекинга об источнике звонка, рекламной кампании и странице, с которой был совершён звонок. Туда же добавляется Google Client_ID, чтобы связать звонок с действиями пользователя на сайте.

Данные из рекламных систем объединяются с информацией о звонках с помощью меток, которыми маркируются все рекламные кампании ПИК. То же самое происходит с данными из CRM и системы коллтрекинга — они объединяются с помощью ID звонка, которая передаётся в CRM, когда потенциальный клиент связывается с компанией по телефону. В итоге можно понять, откуда пришёл звонивший, а специалист компании может построить воронку продаж для каждого источника лидов.

После этого рассчитываются три ключевых показателя: конверсия по всем этапам воронки продаж, стоимость каждого из них и соотношение рекламных инвестиций к продажам продуктов (ДРР или ROMI). Это соотношение затрат на рекламу и прибыли от заказов, которые оставили клиенты, пришедшие после рекламной кампании.

В интерфейсе PIK Data это всё представляется в виде таблиц, которые связаны между собой разными параметрами и метками. Специалисту остаётся только построить отчёты и цепочки взаимодействия клиента с брендом.

Все потоки сходятся в один

Как мы работаем с показателями

После сбора и объединения данных в Tableau проектируется отчет по эффективности всех рекламных источников, в которых есть информация о проценте и сумме покупок недвижимости, стоимости каждого этапа взаимодействия с клиентом и доле рекламных расходов.

Также формируется отчет по «внутреннему каннибализму» и ассоциированным конверсиям, который наглядно показывает, как рекламная кампания по одному проекту конвертируется в продажи по другим.

Отчёт PIK Data по ассоциированным конверсиям
Отчёт PIK Data по ассоциированным конверсиям

Благодаря визуализации данных, любой сотрудник ПИК может легко пользоваться отчётами без специальной подготовки — особые навыки нужны для создания нестандартных отчётов и более глубокой аналитики.

Простой пример использования PIK Data в работе отдела рекламы — медиапланирование. Каждый месяц компания планирует, сколько лидов должно быть по каждому проекту. С помощью PIK Data можно посмотреть данные за прошлые месяцы и исходя из этого распределить бюджеты.

Результат

Отчёты PIK Data помогают нашим сотрудникам лучше понимать клиентов и видеть, как они взаимодействуют с ПИК. Кроме того, данные используются для персонализированных рассылок, в которых предлагаются интересные клиенту проекты.

Поскольку PIK Data позволяет более глубоко анализировать процессы внутри компании, данные от системы помогают эти процессы структурировать. Например, платить подрядчикам можно не только за трафик и звонки, но и за подтвержденные лиды, пришедшие с конкретного канала продаж, и даже за заключенные сделки.

Внедрение сквозной аналитики увеличило глубину измерения всех активностей в онлайне и оффлайне, позволило учитывать вклад источников (ассоциированные конверсии) и применять в маркетинге полноценный data-driven подход.

Сейчас глубина проникновения аналитики составляет порядка 70% и увеличивается каждый квартал. Следующие шаги — автоматизированный и персонализированный маркетинг, построение более детальной атрибутивной модели.

Роман Абдуллин, Директор по маркетингу ПИК

Советы создающим свою систему аналитики

  • Прежде всего нужно определить цели.
  • Затем – собрать данные, которые уже есть, и понять, чего не хватает.
  • Какое-то время собирать отчеты вручную, чтобы понять, какая архитектура будет у системы сквозной аналитики.
  • Спроектировать архитектуру проекта заранее.
  • Изучить рынок и принять решение: делать самостоятельно или через подрядчика. Универсальных рекомендаций нет — любой вариант до появления первых результатов требует серьезных вложений и просто попробовать не получится.
  • Просто отдать всю работу подрядчику не получится. Таким проектам очень нужен лидер — человек изнутри, который будет контролировать процессы, понимая бизнес-задачи компании.
  • Ещё одна дилемма: разрабатывать инструментарий с нуля или использовать в качестве основы CRM или Google Analytics. В первом случае можно сразу заточить систему под нужды компании, во втором у неё будет фундамент из уже существующих инструментов и данных.

Специалисты ПИК готовы ответить на вопросы о PIK Data в комментариях.

2626
111 комментарий

Вела меня от юга и до севера
Дорога по неведомым морям
Менялся ПИК, чего в нём только не было
Но три таджика рыли котлован

9
Ответить

Все это замечательно, но почему ваши потенциальные клиенты, приезжая в любой из офисов ПИК, ждут по 2 часа менеджера в очередях? Напоминает ситуацию с грефом, инновациями и "вы где карту открывали, туда и идите!"

6
Ответить

Извиняюсь за ожидание, действительно у нас бывают пиковые нагрузки. Пытаемся и решаем их.

Буду рад ответить на ваши вопросы.

1
Ответить

Прочел комментарии, люто поддерживаю Евгения Еременко.
О какой сквозной аналитике можно говорить, если лично звонил несколько раз спросить про проект и каждый раз менеджер уточнял как меня зовут? Какой проект интересует и какой бюджет, общался в общем так, как будто первый раз слышит?
Исходя из статьи - обо мне ПИК должен давно все знать после первого звонка: и как зовут, и откуда пришел, и каким проектом интересовался и при переводе звонка (ответа на который я, кстати, ждал около 3 мин в ожидании связи с менеджером) мне должны быть сказать: "Добрый день, Андрей, какие у Вас есть дополнительные вопросы про проект такой-то про такую-то квартиру?."
Ну и итог. Я попал в CRM под двумя id и мой номер не встал в цепочку отслеживания эффективности.
Что мы получили: задвоенность данных - погоня за "тремя" пользователями, увеличенный при этом рекламный бюджет, а не экономия при медиапланировании.
И главный вопрос: делать дату для чего? Чтобы она приносила реальную выгоду для бизнеса и удобство в коммуникации с клиентом, а не для того чтобы делать абстрактную отчетность с постоянными доработками и писать такие статьи.
Кстати, на ретаргетинге /ремаркетинге в соц сетях и Google меня "догонял" какой угодно проект, но только не тот, что я искал :)

3
Ответить

Роман, коллеги, приветствую!
Статья интересная, неплохая - поддержу, так как сам люблю самописные решения под задачи клиента.

У нас более 3-х самописных CRM с BI, Ml и прочими плюшками на более чем 10 Лямов юзеров в совокупности)

Но возвращаясь к теме - в рамках вашей статьи и её сути, плюс комментариев людей напрашивается следующее:
1. Реализовать концепцию Golden Record, потом, из неё уже Golden Profile.
2. Раз собираете много данных, так собирайте в кучку вообще всё, что есть - вперёд к реализации Data Lake. А уж на чем его делать - поднимать на своей серверной архитектуре opensource Hadoop/Hove etc или Брать облако от Amazon - вопрос десятый, главное - сделайте, потенциальных бенефитов масса.
3. Прикрутите программу лояльности к CRM - да, слышал, покупка 1-2 раза в жизнь, НО - есть же additional cost, ЖКХ в ваших домах, плата за обслуживание и куча других вещей стоящих денег, с которыми можно работать и стимулировать лояльность/сарафанное радио и улучшать UX.
4. Согласно комментариям - сделайте наконец нормального чат-бота, не скриптованную дрянь, с которой плакать хочется, а нормальное решение с обучаемым семантическим ядром, если уж не с NLU, NLP &NLG, то хотя бы чтобы контекст фразы умел понимать, методом 2d векторов на плоскости - если все норм сделаете то сможет заменить до 90% текстовой поддержки операторов.

Короче развивайтесь и копайте в сторону digital, вы уже молодцы!

4
Ответить

Буду признателен за примеры программ лояльности, котоыре окупаются и являются ценными в низкочастотных бизнесах?
также как история с чат ботом, где он круто работает на сложных вопросах?

1
Ответить