Руководитель аналитики Lamoda: «Увеличение конверсии даже на процент для нас — большие деньги»

Редактор рубрики Growth Hacks Егор Данилов пообщался с руководителем веб- и онлайн-аналитики крупнейшего российского интернет-магазина одежды Lamoda Игорем Селицким о Google Analytics и «Яндекс.Метрике», покупках через мобильные приложения, рекламе на телевидении и команде.

Егор Данилов: Традиционный вопрос, который я задаю всем в начале беседы: на чем строится аналитика вашей компании? У вас достаточно большой сервис. Подозреваю, вы используете не только Google Analytics.

Игорь Селицкий: У нас достаточно большая компания, и очень много вещей сделано именно с in-house, то есть помимо сайта есть своя доставка, свой склад, вплоть чуть ли даже не до логистических аналитиков. Поэтому аналитики много. Если говорить о маркетинге сайта, используем четыре основные системы — две из них стандартные, их используют все – Google Analytics и «Яндекс.Метрика», потому что все мы работаем с Google и «Яндексом», никуда от них не денемся.

Еще используем немецкую систему Webtrekk и потихоньку развиваем свою систему LSTAT — LamodaStat. Назначение этих систем разное: «Яндекс» и Google лучше интегрированы с соответствующими инструментами Google и «Яндекса». Webtrekk — больше как enterprise solution, корпоративное решение, похож на Omniture — очень много возможностей, но достаточно сложно настраивать. Вот его мы используем для маркетинга, для анализа товарных, категорийных вещей.

LSTAT мы используем для рекомендаций, А/В-тестов, adhoc-запросов, где надо подробно посмотреть поведение пользователя. В LSTAT у нас собираются, например, показы картинок всех товаров, даже в каталоге, в рекомендациях и так далее.

Для сбора данных по мобильному приложению используем Adjust.

Это коробочное решение или тоже ваше?

Это покупное решение, оно интегрировано с различными SDK: Facebook, AdWords, «Таргет@Mail.ru» и так далее.

То есть Adjust — это стороннее решение?

Да, мы часто используем стороннее решение для сбора данных. Из того же Webtrekk берем показатели и интегрируем их со своими данными о статусах заказов, о категории товаров и так далее: тип оплаты, тип чекаута, город доставки, маркетинговые затраты. Почему? Потому что для нас важно понимать, сколько человек выкупил и как он выкупает.

Что имеется в виду под «выкупил»?

У нас специфический e-commerce, мы не просто так делаем доставку, мы делаем сервис, который позволяет человеку, например, заказать восемь платьев, а купить только одно. И этот сервис себя окупает, но, естественно, есть люди, которые покупают не всё, поэтому существует такое понятие как «процент выкупа» — что именно купили, на сколько денег купили или вообще от всего отказались. Мы отслеживаем маркетинговые каналы, которые лучше работают, которые хуже, которые приводят больше новых клиентов, которые приводят клиентов с большим средним чеком, которые реактивируют клиентов.

Ты говоришь, что знаете, какие каналы вам приводят новых посетителей, какие реактивируют старых или просто возвращают. А каким образом вы на это влияете? То есть вы знаете в момент покупки этого пользователя, что он для вас новый? Как это работает?

Мы знаем. Люди у нас оставляют контактные данные, несложно определить, новый или не новый.

Если я правильно понял, вы это определяете уже на момент, когда пользователь пришел к вам на сайт.

В ряде случаев да, но вообще абсолютно точно это определяется уже на момент заказа — когда человек оформляет заказ, он оставляет всю свою контактную информацию.

Это определяется в момент, когда он уже находится у вас на сервисе? Я просто думал, что это что-то вроде RTB, когда в момент показа рекламы…

Нет, в ряде случаев, конечно, такое происходит, и мы активно используем ретаргетинг, у нас есть собственный RTB. Естественно, у нас есть целый ряд ретаргетинговых стратегий для того, чтобы работать с разными сегментами клиентов: по доходности, по частоте покупок, по давности покупки, захода на сайт и так далее.

Какие метрики смотрите в Google Analytics? Если я правильно понял, то вы «Яндекс.Метрику» и Google Analytics используете только для отслеживания кампаний Google, «Яндекс», или это не совсем так?

Не совсем так. В принципе, у Google Analytics достаточно удобный интерфейс, и текущие заказы за сегодня мы часто смотрим в нём.

Он вам показывает realtime-данные?

Да, realtime. У нас Premium-аккаунт, поэтому он достаточно оперативный и в основных отчётах — задержка небольшая, обычно меньше часа.

Круто, я никогда не видел.

На наших объемах обычный Google Analytics практически нет смысла использовать, ничего там не увидишь.

Семплирование всё равно используется?

Даже в premium-аккаунте есть проблема с семплированием, но меньше — мы ее тоже пытаемся обходить. У нас достаточно много категорий, достаточно много страниц, товаров — и это тоже не очень хорошо влезает в Analytics. Вот сейчас мы переходим к Universal и постараемся там уже разложить ее так, чтобы проблем с семплированием было меньше.

Как вы обычно достигаете этого?

Через различные нововведения Google Analytics: это группа контента, пользовательские измерения (custom dimension), пользовательские метрики (custom metrics), категории товаров. То есть мы будем как бы разрезать наш контент, раскладывать по полочкам и делать так, чтобы это было удобно использовать в Google Analytics. Он сейчас достаточно хорошо развивается, приближается к нашей системе Webtrekk по своим возможностям, к enterprise-системам в целом. Это хорошее начинание Google. Есть у него, конечно, еще недоработки, но…

Что не устраивает?

Например, загружаем туда проданную действительно выручку, которую получили — то есть те восемь платьев, которые человек заказал на сумму, допустим, 30 тысяч рублей, а выкупил на 15. Вот сейчас это в Analytics достаточно проблематичная вещь, потому что есть момент, когда ты получил 30 тысяч, есть момент, когда ты узнал о том, что на самом деле 15, и показатель будет работать только если ты выберешь период, содержащий обе эти даты, — то есть когда у тебя пришла информация, что 30 тысяч, и когда ты изменил статус.

В России до сих пор есть отдаленные уголки, где работает только почта, поэтому в ряде случаев они могут доходить достаточно долго.

Получается, что это некоторая ваша специфика.

У многих это востребовано. У нас просто достаточно серьезные требования, потому что большие обороты. Бизнес вообще завязан на то, достаточно ли хорошо ты контролируешь продажи, как они идут, как идет сезон, контролируешь ли ты, когда тебе нужно делать скидку, когда еще ее рано делать, когда нужно докупить товар.

Если ты это плохо контролируешь, плохо прогнозируешь, то ты начинаешь проигрывать, у тебя под конец сезона остается настолько много товара непроданного, что тебе приходится сливать его по чересчур низкой цене.

За счет чего вам это удается?

Это целая большая команда Lamoda — есть разные отделы, разные компетенции, но сейчас у нас достаточно хорошая интеграция. Маркетинг, товародвижение, скидки — все это достаточно хорошо интегрировано, отлажено работает.

В общих словах я хорошо понимаю, но в чем конкретно ваша задача?

Мы обеспечиваем Lamoda аналитикой. Она позволяет контролировать и понимать, где нужно увеличить ставки в «Директе», на какие категории, а когда нужно их, наоборот, понизить, когда нужно увеличить скидку, когда понизить, когда нужно какую-то акцию провести, и это все очень динамично, сезонно.

Сезонно – это не только раз в полгода, есть товары, которые продаются неделю в году.

Что за товары, если не секрет?

Например, резиновые сапоги, зонтики. Есть товары, которые не растянуты на сезон.

А «Яндекс.Метрика» зачем вам?

«Яндекс.Метрика» позволяет задавать ретаргетинг в «Яндексе». Вот такой факт, который, пожалуй, можно раскрыть: у нас несколько тысяч целей в «Яндекс.Метрике» для того, чтобы сделать, соответственно, таргетинг в «Яндекс.Директе».

Какого типа эти цели?

Категорийные цели. У Google есть динамический ремаркетинг, который позволяет нам уже у себя видеть категорию. У «Яндекса» пока такого нет, поэтому нам приходится заводить тысячи этих целей, то есть те, которые посещали там Nike, которые посещали Mango, Baldinini, кто положил в корзину, кто не положил и так далее. Надеемся, что «Яндекс» тоже сделает это как-то более гибко, чтобы можно было удобнее управлять ремаркетингом.

А «Метрика 2.0»? Ты смотрел, там есть что-то интересное для вас?

«Метрика 2.0» — действительно большой шаг, но пока, мне кажется, еще сыровата, хотя API мы уже начинаем использовать. Были, конечно, нюансы с ним, но вроде разобрались. Сейчас все хорошо, радует то, что она держит наши объемы, вроде, пока без сбоев.

По моим ощущениям в ней еще не включили семплирование.

Семплирование там по умолчанию есть, но его можно отключить. Здорово, что «Яндекс» действительно сделал такое решение, которое в наших объемах работает. Бывает, что в «Директе», в «Маркете» упираемся в лимиты. Мы даже в Google AdWords упираемся в лимиты, но пока стараемся в рамках жить.

Расскажи чуть про LSTAT. У вас там есть три системы аналитики, вроде неплохие, есть enterprise-решение, зачем вы еще пилите что-то свое?

У нас достаточно много своего. Мы сначала из Webtrekk получаем данные, дальше соединяем их с маркетинговыми затратами и строим свою модель атрибуции. Это тоже достаточно сложное решение. LSTAT появился в компании, когда нужно было делать А/В-тестирование. Мы проверили несколько инструментов, просто даже на А/A-тестах и пришли в выводу, что А/A-тесты у них не работают. Получается, что А выигрывает у А, и это достоверно. У нас есть ответ от CEO одной из распространённых систем A/B-тестирования: он сказал, что да, так случается, что А побеждает А, видимо, просто вам очень не повезло.

Я бы тоже сказал: слушайте у нас очень редко бывают какие-то проблемы, это только с вами, завтра у нас все будет нормально.

Мы же хотим проводить много регулярных тестов, а тот сервис, который мы пробовали, скорее, для мелкого и среднего объема, когда вы проводите за полгода двадцать тестов. Есть технологические ограничения на каждый эксперимент. Система на каждый вариант ставит свои куки, а в старых Internet Explorer есть ограничение на количество кук с одного домена, что естественно искажает результаты.

Двадцать тестов за полгода для крупного бизнеса — совершенно не годится. То есть для нас было важно, чтобы всё точно работало, потому что увеличение конверсии даже на несколько процентов для нас — это существенно большие деньги, и мы получаем большой профит от этого. Вот так и возникла LSTAT.

То есть это была даже не статистика, это был эксперимент для разделения трафика?

Разделения и подсчета конверсии, каких-то показов этих вариантов, плюс мы хотели измерять показы картинок в каталоге и рекомендациях. Сейчас у нас каждый показ картинки товара измеряется.

Сколько данных пишется?

Несколько сотен миллионов показов в день. Это, с одной стороны, достаточно много, с другой, если сравнивать с объемами интернета, — нет. Я просто до этого работал в Openstat, там только со счетчика один терабайт в день в сжатом виде писался.

Это уже агрегированные были?

Нет, это не агрегированные, это исходные, но поджатые. Тут у нас объемы меньше, но тоже уже достаточно существенные, чтобы завести там свой hadoop-кластер и попытаться их обрабатывать.

На чем у вас все работает? Я имею ввиду на frontend что стоит? Piwik какой-нибудь?

У нас своя библиотека. Пока никакого Piwik нет — просто nginx с логами, которые собираются в Hadoop. Поверх Hadoop стоит Hive, то есть тут пока никакой магии нет — это часто используемая практика.

Расскажи еще немного про рекомендации. Вы используете свое решение или что-то стороннее? Как внедряли, как тестируете? Потому что рекомендации — это инструмент, который можно до бесконечности улучшать.

Да, у нас есть отдел R&D, он занимается развитием и разработкой собственного рекомендательного движка. Мы когда-то давно использовали стороннее решение, но оно не очень хорошо работало.

Что в вашем понимании хорошо или плохо? Какая метрика — количество добавленных товаров в корзину?

В основном смотрим на выручку и прибыль на посетителя. Для разных рекомендаций используются разные метрики: есть рекомендации на карточке товара, есть рекомендации на главной странице, есть рекомендации в письме (товары, которые дополнительно рекомендуются), а есть аксессуары. В разных местах по-разному.

Мы смотрим, как эти рекомендации добавляют, как они меняют конверсию, как они меняют маржинальность, потому что для нас это тоже важно.

То есть вы можете поступиться релевантностью рекомендации, если это увеличивает средний чек или еще что-то?

Что такое релевантность рекомендаций? Это если человек добавил в корзину… Разные магазины выбирают разные метрики, то есть «Озон» раньше говорил, что они просто смотрят на добавление в корзину. Может быть с точки зрения «Озона», его стратегии, это правильно, а для нас — нет.

Вот, скажем, так: тип поведения, как люди покупают одежду — в ряде случаев это больше спонтанная покупка, то, что нравится. Бывает так, что люди много-много накидывают, потом удаляют, и для нас важна уже конечная продажа и удовлетворенность пользователя, даже до того, чтобы он не захотел вернуть это.

Как измеряете удовлетворённость пользователя?

Есть опросы как после заказа, так и опросы населения, обзвоны, различные типы опросов — от удовлетворенности оператором, курьером и так далее. Мы смотрим это не только в России, но и по другим странам. В целом у нас достаточно неплохие показатели.

Не так давно я брал интервью в «Сотмаркете», у них там был смешной случай, когда от стороннего сервиса у них к iPhone прилагался какой-то пластмассовый унитаз. У них чуваки, которые делали рекомендации, убеждали, что это такой сложный алгоритм. Понятно, что это не совсем релевантно..

Очень непростой вопрос. Мы смотрим как бы от типа рекомендации, и какую задачу мы перед собой ставим, потому что важно смотреть, на каком этапе еще человек находится, и какая цель этих рекомендаций в данном случае.

Можешь привести один-два примера, что ты понимаешь под тем, на каком этапе и в каком состоянии сейчас находится человек?

Имеется в виду, если он посещал сайт, смотрел какие-то товары, может даже что-то добавил в корзину, и мы высылаем ему еmail, — это одно. А если он прямо сейчас на сайте — это его другое состояние. Если он уже дошел до корзины, или он не дошел до корзины, он смотрит каталог, смотрит ту же категорию, другую категорию, которую до этого смотрел, или он смотрит карточку товара, и там ему нужно какие-то похожие варианты товара предложить, чтобы они ему подошли. То есть там как бы на похожесть ориентируются.

На чем строится алгоритм похожести или сходства?

Есть несколько алгоритмов по поведению пользователя, в том числе по его покупкам. Стандартные вещи: используются категорийная составляющая, сходства товаров, история покупок и история поведения, колаборативная фильтрация в том числе.

Почему на мобильниках вы не используете Google Analytics?

Мы используем там Google Analytics, но больше для продуктовой аналитики: для воронок или различных событий внутри приложения. Google в этом плане достаточно удобная система. Опять же, premium-аккаунт позволяет работать с нашими объемами, так как в приложениях тоже существенные объемы и заказов, и просмотров товаров. Пользователи в приложении достаточно активны.

Приложение достигло уже отметки в 17 процентов от заказов, и я думаю, что даже без увеличения покрытия мобильников 20-25 процентов — это вполне реально, может быть, даже 30. Ну а с увеличением — там уже посмотрим.

Ваш LSTAT вы там не используете?

Мы сейчас работаем над тем, чтобы там тоже он был. А тут такой хороший вопрос: почему столько систем, почему не выберем одну? С одной стороны, есть различные задачи, с другой — действительно, данные не совпадают. И сначала может показаться, что больше времени, сложней контролировать. Однако если одна система имела сбой, по другой можно посмотреть, что случилось. И при наших объемах это имеет уже смысл — держать как минимум две системы.

Плюс любые сторонние системы берут деньги за объем измерений. В своей системе это достаточно легко увеличить — вбить новый сервер, новый жесткий диск. Ты потратишь не так много, а в сторонних системах, как правило, затраты увеличиваются в разы, на тысячи долларов, которые нужно каждый месяц платить.

У нас бывают проблемы с производительностью этих сторонних систем. В наши лимиты они не всегда укладываются, то есть ты можешь добавить какое-то измерение, допустим, тех же показов картинок в каталоге, но сторонняя система просто нагнется и перестанет нормально функционировать.

Поэтому у нас в данном случае приходится даже такое учитывать. Я достаточно хорошо отношусь к прогрессу Google Analytics, но его интерфейс бывает у нас просто виснет.

Хотел спросить по поводу модели атрибуции в Google Analytics: ты говоришь, что вы её не используете?

Мы иногда с ней сравниваем свои модели, а в самом Analytics у нас дефолтная модель. Немножко ее настраиваем, но пока это просто тестовая модель, чтобы что-то сравнить, посмотреть. А так у нас есть несколько своих моделей: есть основная, есть те, которые используются для сравнения.

Могу сказать, что используем Last Click, потому что он достаточно простой и понятный, оперативный. Запустил кампанию — сразу увидел.

Вторая модель — multichannel-подход. Например, когда у тебя может быть клик, потом через неделю еще один клик, через два дня — ещё клик, и заказ. Между первым кликом и заказом прошло десять дней, и ты можешь увидеть не сразу, то есть получается так, что если ты запускаешь новую кампанию, то сначала она будет работать плохо из-за того, что в цепочке кликов она занимала последние позиции, так как только запустилась. А первые клики, которые там случались раньше, она не занимала — то есть будет проигрывать и наберет свой вес только с течением времени. Через неделю или через месяц уже можно оценивать какие-то источники по multichannel-атрибуции — сколько нам этот канал принес, и какую роль он в этой цепочке чаще играет: первый клик, средний клик, последний клик.

Вы длительность отслеживания сколько делаете? Имею в виду, сколько вносит вклад с точки зрения трафика в привлечение пользователя? Стандартный блок 180 или у вас там какие-то свои?

У нас немного по-другому: хитрее, скажем так. Мы длинные цепочки не обрезаем. Например, бывают такие сценарии, когда человек ходит полгода, что-то выбирает. Тут важно то, что если он перестал ходить на сайт, то тут мы уже обрезаем, если он долго не посещал. Почему? Потому что считается, что это уже новая цепочка стартует.

У вас, получается, не давность клика, а отток.

Да, у нас есть такие посетители, которые долго примеряются, смотрят и не сразу решаются на покупку. Понятно, что у каждого нового ритейлера достаточно большие скидки. Есть люди, которые покупают только в сезон скидок, может, они этого ждут. Или человек ждет появления какого-то товара, какого-то бренда, то есть какой-то категории, когда новый привоз будет, потому что мы закупаемся по сути два раза в год.

На Lamoda я никогда не покупал, но меня просто окружили баннерами. Я видел, что вы сделали в Facebook, «ВКонтакте», сегодня видел еще в Twitter. Вы меня достали — достучались до моего сердца. Как вы покрываете такое количество источников? Со всеми людьми нужно работать, подписывать договора, отслеживать источники трафика и так далее. И второй вопрос: каким образом вы наиболее успешно возвращаете потребителя?

Мы активно используем ретаргетинг. Сейчас технологически уже практически каждая крупная рекламная система поддерживает ретаргетинг, многие поддерживают даже динамический ретаргетинг, когда можно выбрать товары, которые ты хочешь показывать в зависимости от поведения пользователя на сайте: добавленные в корзину и так далее.

Управлять этим действительно непросто, но мы пытаемся, различным образом сегментируем кампании и смотрим на то, сколько они приводят человек, которые доходят до заказа. Бывают, наоборот, стратегии, которые там кроме посетителей сайта, исключающие. Даже для возврата посетителей в мобильное приложение у нас работает динамический ретаргетинг, мы запустили его весной 2014 совместно с Criteo. По их утверждению, это был первый в мире запуск динамического ремаркетинга мобильного приложения.

Мне понравилось, что меня прокинули сразу в приложение.

У нас, можно сказать, специфика такая, что человек покупает картинку. Он выбирает картинку, она очень важна.

В рекламе или на вашем сайте?

И в рекламе, и на нашем сайте. Это не техника, которую ты выбираешь по параметрам. Ты знаешь, что тебе нужен компьютер с такими характеристиками, с таким процессором, с такой памятью. Ты покупаешь картинку, ты запоминаешь эту картинку, и поэтому мы покупаем достаточно много дисплейной рекламы, и ретаргетинг для нас – один из лучших примеров с точки зрения применения технологии.

Как это работает в мобильных приложениях? Я просто не помню, где я видел вашу рекламу, наверное, внутри приложения. Но разве есть возможность между приложениями узнавать, что это пользователь Lamoda?

Это на самом деле не очень просто и технологически в мобильных приложениях не все так гладко. Но Criteo — пионер в этом плане. У Facebook тоже есть достаточно хорошая интеграция по рекламе приложений. Подключение ретаргетинга нужно вставить в SDK рекламной системы. Например, Facebook, или вставить систему аналитики, в которую интегрирована SDK. Так, чтобы они подключались достаточно легко через настройки и не приходилось менять код приложения.

Через настройки — ты имеешь в виду, что Criteo уже позволяет все эти системы ретаргетинга подключать?

Не Criteo, а система мобильной маркетинговой аналитики — она интегрирована с различными рекламными системами, посылает им различные события: что человек посмотрел такой-то товар, что он добавил его в корзину, что он его купил. Это нужно для того, чтобы настроить стратегии ретаргетинга и стратегии показа. Чтобы сама система понимала, что вот это баннер, вот этот показ сработал. В вебе мы ставим пиксели, а там используем такую систему.

Расскажи еще про маршрут работы с CPA-сетями. В «Сотмаркете» целая эпопея с этим была, потом брал интервью у «Рокетбанка» — у них тоже эпопея. И по своему опыту работы с CPA-сетями могу сказать, что там не очень бывает. Как у вас эти дела обстоят? Вы работаете чуть ли не через Admitad, и чуть ли не эксклюзивно.

Мы работаем через свою партнерскую систему, аффилиатскую программу Lamoda. Она была запущена в апреле 2013 года при моем непосредственном участии. Мы интегрировали ее с нашим сайтом, так что может понимать, какие заказы на сколько выкуплены — поэтому работаем именно за выкупленную часть, причем учитываем купоны.

Если мы знаем, какие купоны были, если партнер привел такие заказы, где использовались купоны с достаточно большой скидкой, то он получает уже совсем другую комиссию. Мы сделали свою логику, которая понятна большинству веб-мастеров, — они легко могут ее проверить. Мы работаем по ней за выкупленную часть заказа. Сами же смотрим показатели: сколько там новых клиентов, прибыльность и так далее.

Но вы в зависимости от этого…

Да, меняем комиссию, работаем через агрегаторы — то есть работаем с Admitad, он внутри себя набирает конкретных веб-мастеров, а мы меняем комиссию как агрегатору, так и конкретному веб-мастеру в рамках этого агрегатора.

Работаем с несколькими агрегаторами, потому что понятно, что они тоже могут какую-то часть мелких веб-мастеров набирать.Мы достаточно четко это замечаем и серьезно штрафуем людей.

Если не секрет, как отслеживаете?

Во-первых, понятно, что при нашей модели, когда мы платим уже за выкупленную стоимость, — с отсрочкой, но платим, — нет смысла этим заниматься. Никто не будет брать, покупать, потом ждать достаточно долгий период — у нас где-то 60 или 40 дней, и потом возвращать эти деньги.

Я имею в виду, когда ваш сайт открывается во фрейме или на спорном сайте.

Это тоже очень легко замечается, когда конверсия очень низкая. У нас тоже такое бывает. На старте даже были такие случаи, когда просто сотни тысяч переходов за какие-то десятки минут. Сразу было заметно, отключено. Хотели даже делать систему, которая блокирует переходы на сайт, то есть через редирект пропускаем часть трафика, чтобы вообще его исключить, но сейчас в принципе такие проблемы возникают всё реже.

На старте были чаще, когда ещё не все понимали, что такое проходить не будет. Собственная модель атрибуции позволяет нам видеть все цепочки: на каком шаге это случилось, какой вклад это вносит — просто было открытие сайта или закрытие.

У нас в ivi.ru есть метрика отслеживания уника. И когда там всё плохо, просто низкая или маленькая глубина — сразу отрезаем. Просто мне было интересно: вы в e-commerce такое отслеживаете?

В e-commerce есть очень четкий показатель, сколько это денег принесло.

В деньгах, наверно, всё было достаточно неплохо, но конверсия, как я понимаю, скорее всего, была низкая.

Там очень четко заметно по конверсии, на старте программы аффилиатка давала низкую конверсию, с течением времени она улучшается. Сейчас этот канал занимает далеко не последнее место по конверсии.

А с мобильниками как?

Для приложений мы с рядом партнеров работаем по модели CPI, то есть плату за установку. Масштабно еще не запускали. Мобильное направление для нас ещё достаточно новое, но я думаю, для всех оно достаточно новое. Поэтому много экспериментируем.

По поводу партнерки. Может быть еще не набралось столько партнеров, чтобы под них нужно было делать такую программу. По крайней мере, в дальнейшем всё может быть. У нас мобильные приложения дают 17 процентов заказов. При этом есть десктопный сайт, куда попадают люди с других десктопных сайтов и с планшетов. Есть мобильный сайт, куда попадают люди со смартфонов и есть мобильные приложения iOS и Android.

Расскажи какие-нибудь неожиданные хаки, которые вам позволили круто увеличить выручку или повысить конверсию.

Я рассказывал на RIW-2014 про то, как мобильный сайт увеличивает конверсию, про то, что на самом деле приложение дает новых покупателей. Мы думали, что у нас уже достаточно известный бренд в России, и мы не получим новых покупателей, но на самом деле получили. Есть такая категория людей, которые начали покупать именно с мобильного телефона. Доля новых покупателей в приложении до сих пор больше, чем на сайте, и это несмотря на то, что приложение не так активно продвигается, как сайт.

У вас есть тенденция к тому, что пользователи с веба перекочевывают в мобильники?

Цифр с ходу привести не смогу, но такие пользователи есть, и это нормально. Часть установок у нас была с сайта, часть с рассылки.

Чем вы измеряете трафик в мобильных приложениях?

Adjust. По поводу каких-то хаков — мы сильно не делимся внутренней кухней, но я думаю, что рецепт достаточно простой: надо смотреть на потребности вашего клиента, надо смотреть, где вы можете быть лучше, чем конкуренты, и как люди покупают, как выглядит их воронка, и где ее можно улучшить.

Потом приходит аналитик в магазин «Суперплатье.ру», в котором 500 человек в день, и думает: «Так, надо сделать что-то нормальное», и не понимает даже, куда ему смотреть — у аналитика воронки нет. На какие ты бы вещи смотрел в воронке, с чего бы ты начал, на что бы ты посмотрел?

Чтобы смотреть на этапы воронки, надо их выделить. Магазин — это, как правило, этап карточки товара, этап добавления в корзину, этап чекаута. Этап чекаута уже может быть разложен, у нас достаточно простой чекаут — несколько полей, кнопочка и всё. Но вот интересная тоже вещь, что мы в ряде случаев не звоним дополнительно еще человеку, а высылаем просто SMS-подтверждение, что да, ваш заказ уже одобрен и курьер приедет.

Как вы принимаете решение звонить или не звонить?

Есть несколько критериев, но основной — если клиент уже покупал, у него уже все подтверждено. В ряде случаев у нас может быть перегружен call-центр, тогда приходится тоже прибегать к SMS. Операторы просто не успевают дозваниваться, а если человеку звонят на следующий день, вероятность того, что он согласится, сильно падает — он уже пошел и в другом магазине всё это купил.

Нужно ковать деньги, не отходя от кассы.

Если я ночью сделал заказ, вы мне все равно перезвоните?

Если человеку делают звонок, а он не берет трубку, то мы перезваниваем уже на следующее утро.… По-моему, я сейчас не помню, были эксперименты, чтобы просто не звонить, а уже утром звонить, но лучше работает вариант, когда пытаются звонить и ночью. Понятно, что в большинстве случаев мы стараемся избежать работы операторов. У нас канал call-центра не приоритетный с точки зрения увеличения продаж.

В России очень много бизнесов, которые развивают этот канал именно как канал продаж, пытаются его как-то измерять. В ряде случаев это, может быть, целесообразно, например, там где средний чек более 30 тысяч — в этом случае какой-то прирост дает, но на нашем рынке заниматься этим не очень нужно.

Наш товар визуальный, его надо посмотреть. Call-центр — только как дополнительная справочная информация. Надо строить бизнес исходя из того, что действительно ваше, а что — нет. Мы, например, мало работаем с рекламными агентствами, а много делаем inhouse, чтобы получить больше контроля. И это действительно в нашем случае обосновано, как с точки зрения контролируемости маржинальности, так и с точки зрения управляемости в различных аспектах. Например, как оперативно нужно отключить в ряде случаев заказы, когда заказов слишком много, отключить рекламу, когда-то нужно увеличить объем, когда-то уменьшить дискаунт — это все такие глобальные характеристики на компанию.

И есть еще категорийные различные. Новые бренды в Lamoda появляются очень часто, нужно создавать новую категорию. Или сейчас вот люди ищут пуховики — надо ловить этот спрос рекламой, а потом пойдёт дождик и все будут искать сапоги.

Вы с кем-то из агентства вообще работали? Может, на заре становления?

Мы закупаем ТВ-рекламу через агентство. Чем можно хорошо управлять и что имеет достаточный объем, тем мы управляем сами. Где объем небольшой, где есть нишевые рекламные продукты, и особо нечем управлять, мы работаем уже по показателям, — выставляем какие-то CPO, CAC, еще используем СIR, отношение маркетинговых затрат к выручке, устанавливаем понятные для них показатели и мониторим их.

У себя мы уже смотрим больше показателей, чтобы принимать решение. Например, тот же целевой CPO и у одного источника, и у другого может быль разный лишь потому, что один дает больше премиум-трафика, и люди покупают премиум-категории товаров — один более маржинальный, другой менее. И это в принципе нормально. Смотрим процент выкупа и так далее.

По всем характеристикам, кстати, пользователи iOS лучше — то есть у них больше средний чек, они больше смотрят товаров, более активные. А вот процент выкупа у них хуже, то есть отношение в деньгах того, что они в итоге заплатили к тому, что они затребовали на доставку.

Именно на этапе, когда к ним приезжает курьер, они отказываются — видимо, привыкли к более качественному сервису. Условно, они заказывают восемь платьев, а выбирают одно.

Практика показывает, что если брать не весь Android, а только премиум-сегмент типа Nexus, то показатели не сильно различаются.

Такой сегментации по устройствам мы еще не проводили.

Ты много рассказываешь, как вы все это делаете, а сколько человек трудится в команде, которая непосредственно работает с аналитикой, и как эта команда структурирована?

Есть разные аналитики. Как я сказал, компания большая — от аналитиков в call-центре до маркетинговых аналитиков. У нас есть отделы, соответствующие маркетинговой аналитике, аналитики в inventory managment, аналитики в закупках и так далее. Но все эти аналитики взаимодействуют в каком-то виде.

Мы координируем работу, ответственность у нас разделена там, где это можно. Что касается каких-то конфликтов — бывает, что кто-то считает одно, кто-то считает другое, но в итоге мы сходимся. Часто потому, что у нас, как правило, можно выяснить, что влияет на продажи и как их спрогнозировать.

Я работаю в маркетинговой команде, занимаюсь веб-аналитикой.

Сколько человек там работает непосредственно с аналитикой?

Сейчас у нас пять человек. Три человека в основном занимаются базами данных и два — веб-аналитикой. Есть различные специализации. Кто-то больше занимается предоставлением отчетности. Сделать новый dashboard, отчет, кто-то больше работает с данными.

Мы строим модели атрибуции, сравниваем их, улучшаем, сводим вместе все затраты маркетинговые и заказы, которые от них получились правильным образом, но также и скидки, купоны — тоже все это обсчитываем.

Dashboard вы в чём строите? Cами их делаете или какое-то готовое решение используете?

Достаточно много решений в компании. В каждом случае по-разному. Есть даже dashboard, для которых привлекаем верстальщика, программиста. В основном используем Excel, Microsoft Report, немного SAP BO.

С Excel мы используем OLAP-кубы, то есть Excel как интрефейс для OLAP-кубов.

Где вы ищете всех этих людей?

С трудом ищем. Сейчас на рынке аналитиков сильно не хватает, тот же «Яндекс» открыл офис в Берлине, потому что тут кадры просто кончились. До этого у него были десятки или сотни вакансий. Мы тоже в какой-то период искали более квалифицированных людей, но мне кажется, что сейчас ситуация такая, что проще выращивать их у себя, надо набирать какой-то средний или начальный уровень, и уже формировать профессионала, который решает задачи на отлично.

Я свои задачи решал тем, что брал выпускника мехмата с красным дипломом, за пару месяцев прокачивал и вроде ничего.

Думаю, это проблема общая — по рынку я тоже на конференциях пишу, что мы ищем. Приходят люди без опыта, просят большие деньги, либо люди с опытом, но почему-то задачи не решают.

Я сам собеседовал людей — это какой-то ад. Думаю, сейчас кризис всех накажет. Еще один традиционный вопрос. А есть что-то неуспешное, то есть что-то, на что вы делали ставку, а это не полетело? Например, какой-то канал привлечения пользователей. Вот, например, по поводу телевизора очень интересно. Вы это трекаете каким-то образом?

Используем два подхода к оценке ТВ-кампании. Когда смотрим общие изменения за период кампании, такой post-campaign. В основном смотрим на брендовые трафики, прямой трафик и на конверсию. Плюс, смотрим на конкретные выходы конкретных роликов в конкретном регионе, на конкретном канале телепередачи, и после них отслеживаем всплески — это помогает отобрать тип телепередачи, то время, те каналы, где не только больше трафика, но еще и экономически выгодно, потому что к этому выходу стоимость GRP (gross rating point — ред.) приписывается.

Сейчас экспериментируем, ищем новые способы работы с телеканалам. Начинаем смотреть немного по-новому на телевизор, и у нас есть успешные кампании на ТВ — именно отбивка этого телевизионного бюджета. Нельзя посчитать точно влияние телевизора, но когда эффект достаточно существенный — этого нельзя не заметить. То есть миф о том, что ТВ-реклама для интернет-проектов не работает, не верен. Работает, но не всегда.

Мне всегда про это было интересно. По-моему, Wargaming сделали специальный домен для телевизора...

Да, банк «Тинькофф» там тоже подобным образом перенаправляет инвестиции в оффлайн-рекламу. Тоже один из способов, который дает, может быть, более точный результат.

Я слышал, что когда ты делаешь рекламу на телевидении, у тебя возрастает CTR контекстной рекламы. Вы замечали какие-то такие?

Да, мы замечали такой эффект, но реклама должна быть масштабной. ТВ в России — всё ещё достаточно конкурентная среда, есть много посредников, поэтому мы сейчас ближе хотим работать с телеканалами непосредственно.

Вот если посмотреть на такое стратегическое движение Lamoda с точки зрения аналитики, то куда вы идете дальше? У вас сейчас есть своя собственная аналитика. Куда, как тебе кажется, правильно двигать аналитику, в сторону чего, что отслеживать — кросс-платформенность, кросс-браузерность, привязку офлайновых источников трафика? Есть ли у вас, или у тебя конкретно, какое-то стратегическое понимание, куда все это нужно двигать, куда развивать?

Направлений несколько: кросс-платформенность с точки зрения взаимодействия. Процесс покупки, где человек набирает корзину — это тоже важно: откуда он первый пришел, и где потом продолжил покупки. Это для нас сейчас актуальный вопрос.

Другое направление — это, скажем так, текущие системы аналитики, они в некотором плане устарели. Раньше потребление интернета было такое: человек приходит куда-то, садится перед компьютером. Сейчас доступны различные устройства, такие как планшеты, смартфоны, ноутбуки, и человек несколько раз заходит на сайт в течение дня.

Помимо этого, он сохраняет вкладки в браузере, они там восстанавливаются. Процесс выбора покупки может затянуться на недели, и это даже нормально в ряде случаев. Модель сессии (или визита) совсем устарела, а она используется практически во всех системах. Мы сейчас уже больше смотрим на цепочку поведения пользователя и выстраиваем модель атрибуции, исходя из нее. Сессия уже отошла на второй план. Надо смотреть на пользователя, что он делал. Не так уж важно, сколько раз он прерывал сессию: три или четыре раза, или за один раз он этот заказ сделал, главное — что он сделал и что ему помогло это сделать. Какие каналы, или какие рассылки, или какие элементы на сайте (те же баннеры) сподвигли его добавить в корзину и оформить заказ.

Одно из перспективных направлений — это переход от модели CPO к модели LTV. Это в маркетинге сейчас есть, когда с рекламными каналами мы можем уже работать по какой-то добавочной стоимости, которую они нам приносят. Например, они помогли нам вернуть какого-то клиента или они помогли увеличить его средний чек, его частоту покупок. Это важно в долгосрочном плане для Lamoda.

Важен будет более четкий категорийный анализ, потому что если правильно использовать те объемы спроса, которые сейчас есть, те же поисковые фразы, которые человек вводит вне сайта, в поиске и на сайте, те показы товаров, которые мы осуществляем как на сайте, так и вне сайта, то можно более оптимально построить весь процесс от закупки до продажи товара, потому что, как я уже говорил, в нашем бизнесе важно угадать с тем, что закупить, когда что промоутировать.

Нужно очень четко следить за пользовательским спросом — когда, где, что, кому рекомендовать и с какой скидкой. И как раз развитие вот этого должно идти совместно с направлением LTV, потому что нужно увеличивать ценность для наших пользователей

Сейчас у нас отмечен рост таких показателей, как средний чек. В этом сезоне мы увидели рост среднего чека больше, чем ожидали.

Может, просто все дороже стало?

Цены тоже сыграли — ряд брендов сильно увеличили цены. Но, мне кажется, не только это.

У меня всё. Спасибо тебе большое за интервью.