Светлая сторона пивного мини-завода: как сократить цикл сделки по продаже пивоваренного оборудования в 2 раза

В сделках с длинным циклом обычно большие чеки. Но и большая неопределенность: как на ранних этапах верифицировать лидов, которые купят с наибольшей вероятностью? И как максимально сократить цикл сделки? Узнали у Евгения Хасанова — предпринимателя, который придумал эту систему, внедрил и потом улучшил с помощью Albato.

Это блог команды конструктора интеграций Albato — он соединяет любые сервисы по API без программистов. О том, как еще наш продукт помогает экономить время бизнесу, автоматизируя процессы, можно прочитать, например, в этой статье. Но вернемся к пив. заводам.

Дальше рассказ будет идти от лица Евгения. Передаем микрофон!

Я занимаюсь несколькими направлениями, но основное — это продажа оборудования для пивных мини-заводов. Средний чек у нас от 300 тыс. до 1 млн. Сейчас уже практически вышли на уровень, когда продаем завод почти «под ключ». Это, кстати, ниша, в которой после февральских событий даже после повышения чека спрос остался неизменным.

Немного консультирую по маркетингу, но только потому что «меня часто спрашивают». Меня действительно часто спрашивают, как я квалифицирую лиды на ранних этапах сделки — потому что это «болит» у многих маркетологов. Так что сейчас раскрою все карты и буду просто делиться этой статьей.

Все, кто работают с рекламой прекрасно знают, что показатели цены клика и ему подобные — это второстепенная история. Важно то, сколько вы в итоге платите за целевое действие (в моем случае — за покупку) и то, насколько реклама окупается. И это еще более-менее понятная история в плане расчетов, когда вы продаете что-то, что люди обычно покупают после пары дней раздумий.

А если это оборудование для мини- завода, где средний цикл принятия решения о покупке от месяца до трех? Тогда в силу вступает новый фактор: нужно как можно раньше понять, кто в итоге купит, а кто нет. Иначе можно привлечь кучу дешевых лидов, но не готовых купить — потратить деньги, время и нервы отдела продаж. И получить ноль рублей в кассу.

Нужна была система, которая бы позволяла уже на первых этапах отсекать тех, кто купит с меньшей вероятностью — и продолжать работать с теми, кто купит с вероятностью хотя бы 50% (в моей нише — это считается очень теплым лидом) . На просторах интернета такой системы найдено не было, так что пришлось креативить самому. Итак, коротко опишу процесс, как у нас в целом происходила лидогенерация. Он достаточно стандартный:

Мы крутили контекстную рекламу, с которой приходили лиды. Далее, этих лидов обрабатывал отдел продаж, с кем-то продолжали работать, кто-то отваливался. Затем запускался многоуровневый ретаргетинг, который подогревал текущих лидов.

Мы видели конверсию в покупку на всем пути сделки и понимали, что тратим много времени и денег на тех, кто изначально не готов покупать. Нужно было разработать «маркеры», по которым мы бы сразу могли понять, что от работы с X-лидом можно отказаться, а на Y-лида можно потратить больше денег на ретаргетинг. И по этим «маркерам» впоследствии отсекать аудиторию и крутить ретаргет только на теплых лидов. А также собирать «Look-alike» новые аудитории на основе теплых лидов — по аналогии с FB. Звучало прекрасно, дело было за малым — оставалось лишь придумать, как это вообще все реализовать.

Для начала нужна была методика, по которой я бы смог определить, с какой вероятностью лид сконвертируется в покупку. Пришлось побыть дата сатанистом на минималках и проанализировать наши данные о продажах за последние 4 года. В итоге получилась система определенных «маркеров» для лида на каждом этапе сделки, которые показывали, что лид купит с вероятностью от 50%.

Что я понимаю под маркерами? Например, это то, что отметит менеджер по продажам после общения с клиентом, стоимость коммерческого предложения и «ключи» из контекстной рекламы, по которым приходят лиды. Все это также прогоняется через

ABC-анализ, и на выходе для каждого лида мы получаем своеобразный «ярлык», по которому определяем — работать с ним дальше или нет.

Дальше была загвоздка — основная часть «маркеров» определялась менеджерами продаж, которые они вносили в CRM-ку. Это уже получались своеобразные «офлайн-конверсии» которые нужно было передать в Яндекс. Метрику, а потом в Яндекс. Директ, чтобы дальше работать с таргетингом и новыми аудиториями на основе теплых лидов. Получилась система из «маркеров», наполовину состоящих из онлайн-конверсий, наполовину из офлайн, под которые также должны были подстроиться дальнейшие рекламные стратегии. В теории все было здорово, но звучало как ночной кошмар контекстолога. Поняли, что без автоматизации тут не обойтись.

Было решено привлечь программиста и написать свою систему, автоматизирующую процесс сбора различных «ярлыков» с рекламных площадок, CRM, квизов и других сервисов в Я. Метрику и дальше в Я. Директ.

Привлекли программиста, описали задачи, спроектировали, запустили. Словили баги, починили, запустили. И… результаты превзошли все ожидания.

Конверсия в горячего лида у нас выросла с 18% до 30% — почти в два раза. Стоимость привлечения лида тоже выросла, но мы были готовы платить за лида больше, ведь мы уже были уверены, что он купит. Вот как в итоге выглядела наша схема работы:

В общем и целом, все было прекрасно. Первое время. А потом началось.

Поддерживать самописный сервис — значит, постоянно быть на связи с программистом. При этом малейшая ошибка в работе сервиса означала бы, что лиды будут теряться.

А ошибки случались часто. В основном из-за того, что в API рекламных систем, с которых мы собирали данные, постоянно что-то обновлялось. Из-за этого могла слететь интеграция, и лиды с отдельных кампаний не приходили в CRM неделями. Когда это обнаруживалось, лиды уже естественно «охлаждались». Даже то, что наш программист достаточно оперативно подхватывал баги не сильно спасало.

Плюс в такой системе мы не сразу могли понять, если что-то отвалилось — поскольку не было уведомлений. Один раз сломалась интеграция с сервисом квизов и лиды оттуда просто не приходили в CRM-ку.

Уследить за всем становилось невозможно — помимо лидогенерации в голове нужно было держать еще тысячи факторов. Система работала, но автоматизировать нужно было как-то иначе. Здесь уже передо мной встал выбор: либо допиливать самописный сервис (что дорого) , либо какое-то готовое решение, на котором мы смогли бы замкнуть сразу все необходимые автоматизации.

Про Albato я узнал от своих бизнес-партнеров — по описанию сервис отлично ложился под те задачи, которые мы не смогли решить с помощью нашей самописной системы.

И вот какая схема работы получилась в итоге:

С таким вариантом закрылось сразу несколько нашей болей, из-за которых могли теряться лиды: если в API сервиса, из которого мы подтягиваем данные, что-то изменится — то разбираться с этим будут в Albato. И есть уведомления — даже если что-то ломается, мы с командой об этом сразу узнаем. И просто подождем, пока починят. Чинят оперативно.

Без постоянных «отлетов» системы из-за внешних API, Я. Директ оптимизировался еще лучше на те аудитории, которые мы собирали по аналогии с look-alike. Лиды стали приходить еще более «горячие», поэтому и цикл сделки в среднем сократился почти 2 раза — с 45 дней до 25. Выдрессировал Директ, можно сказать.

Бонусом открыл для себя еще несколько процессов, которые можно автоматизировать. Например, не дергать отдел продаж вопросами и отчетами. Просто настраиваю себе уведомления в Телеграм о том, сколько нам упало квалифицированных лидов и сразу понимаю как обстоят дела. Вообще теперь думаю, как еще больше автоматизировать работу отдела продаж — несколько идей прямо наметил.

Думаю, когда окончательно закроем для себя планку с продажей мини-заводов «под ключ» — опробуем эту систему на чем-то с маленьким чеком и коротким циклом сделки.

P. S. Вот тут чуть подробнее рассказываю и показываю сами связки, что откуда приходит и как работает.

Делитесь в комментариях, если тоже пробовали автоматизировать процессы с помощью no-code: )