Привет! Меня зовут Роман Абрамов, я руководитель «cntrl+». Мы занимаемся внедрением бизнес-аналитики на основе данных о финансах, продажах, рабочем времени и производстве.
В 2020 году мы начали работу с крупной онлайн-школой, основные каналы продаж которой – инстаграм-аккаунт школы, на котором идет прогрев аудитории, и личный аккаунт лица бренда. Информацию по сделкам ребята долго считали вручную, а часть данных при этом все равно не видели. Теперь все данные по лидам, сделкам, конверсии и выручке объединены в систему аналитики Power BI, там же отдельно была сделана аналитика переписок с клиентами, то есть стало понятно на цифрах, как общение влияет на продажи. Для полноты картины не хватало одной детали: оценить эффективность участия в гивах и рекламы в инстаграме.
Кейс будет полезен онлайн-школам, курсам и сервисам, где продажи идут через инстаграм. Внутри — скрины, инструменты.
На сегодня гивы - быстрый и недорогой способ привлечь аудиторию и заявить о своем товаре. Вы, наверное, слышали выражение: «Чтобы зарабатывать деньги, нужно тратить деньги». Но случается и такое, что ты отдаешь круглую сумму, а выхлоп маленький.
Важный нюанс: после любого продвижения, будь то реклама у блогера или гив, есть откат в виде отписок. Можно не попасть в ЦА, подписчики придут ради условного приза, а не ради вашего контента или продукта. А можно нарваться на пустую аудиторию гивов - аккаунты, созданные ради розыгрыша. Выходит, рекламные бюджеты льются попросту вслепую.
Подписчики, может, и приходят, но остается ряд незакрытых вопросов: какой процент от них проявит интерес и будет закрыт на сделку, какая аудитория закрывается лучше, и какой менеджер закупает более эффективную рекламу. Раз можно оценить количество новых подписчиков и работу менеджеров, можно оценить эффективность размещения рекламы в конкретном источнике, будь то личный блог или участие в гиве. Исходя из этого, поставили цель – определить эффективность продвижения в деньгах.
Хочешь эффективно расходовать бюджет — прогнозируй
Раньше вся аналитика напоминала многоходовочку. Перед выходом рекламы менеджеры отслеживали, сколько было подписчиков на аккаунте, и сколько стало после. Кроме этого, смотрели данные по самому рекламному посту, сколько лайков и комментариев сгенерировано, и заносили все данные в гугл-таблицу. Затем брали у отдела продаж данные о лидах с инстаграма за день и дополняли таблицу.
Аналитика вроде бы складывалась, но размазанная. С рекламы ли пришли подписчики и лиды? Что, если подписчики становились лидами не сразу, а только потом? Этот хвост никак не учитывался.
Что система аналитики должна была оценивать:
сколько подписчиков пришло после активности,
сколько из них стало лидами в CRM и сколько в итоге купили курс,
- ROMI гивов (прибыль с рекламы), а не просто цена подписчика,
проанализировать не только окупаемость, но и пересечение аудиторий перед закупкой рекламы,
- учесть, какая аудитория уже пришла с того или иного канала,
- какие тематики блогов рентабельны с точки зрения позиционирования.
Изначально задачу можно было закрывать лишь частично: выделить количественные показатели активности рекламной площадки. Далее без сквозной аналитики определить процент пришедшей аудитории и лидов, да еще при этом в разные отчеты.
Большинство готовых софтов дает возможность проанализировать количество просмотров и подписчиков, но на их базе нельзя провести анализ привлеченных лидов и заключенных сделок т.к. нет никакой связки с CRM-системой. Поэтому нужен собственный софт.
Работа такого софта состоит из нескольких простых этапов:
- с помощью парсера делаем ежедневные «слепки» аудитории,
- загружаем эти данные в базу данных,
- собранный нами механизм сравнивает слепки вчерашнего и текущего дней и записывает, какой фолловер пришел в текущий день, а какой ушел.
Это дает информацию о подписках и отписках. Этот же инструмент сравнения применяется, когда выходит реклама. Выводим аудиторию нашего аккаунта и сравниваем с предыдущим днем.
Далее добавляем этот механизм в битрикс и вписываем в бизнес-процесс в целом - когда идет обращение через инстаграм, менеджер вручную указывает ник в нужное поле.
Такой метод позволял понять, какой пользователь, когда и с какого рекламного аккаунта пришел. Также стало можно оценить эффективность работы менеджеров по закупке рекламы: какой ROMI приносят и какую выручку компании.
Однако возник нюанс — нестабильность работы парсера. Когда инстаграм выпускает обновление в интерфейсе приложения (он же API), парсерам необходимо искать новые методы работы.
При классическом подходе реализация этих процессов занимала бы от одной до трех недель, пока не будет нового метода обхода. Выход – быть гибкими и использовать разные парсеры. Наша команда создала инструмент, работающий независимо от того, какой именно парсер используется. Данные об аудитории можно выгружать с помощью любого доступного сервиса.Механика нашего инструмента построена на ведении журнала действий и изменений: так мы понимаем, кто и когда отписался и подписался.
Теперь посмотрим, как решение выглядит на графиках и отчетах.
Раньше все данные можно было отследить внутри одного дня – пришел, подписался, оставил заявку. Теперь же можем считать полный период с подписки до покупки, даже если подписчик грелся на аккаунте какое-то время и только потом совершил покупку. Так же стали видны аудитория и лиды не с конкретного аккаунта, а с точки зрения позиционирования.
Вот несколько примеров:
Знаем количество подписчиков по источникам, количество лидов после рекламы и сколько из них стало платящими клиентами, процент отписок. То есть стало наглядно видно, какие плейсменты более результативны.
Вывели те же показатели в другом профиле: с какой аудитории лучше зашла реклама. Отчет позволяет изучить то, как идет заработок с отдельно взятой тематики блогов. Если при ручном подсчете точность всех показателей была не более 70 процентов, то сейчас эта цифра достигает 99 процентов.
Анализ подписок и отписок. Подписки – по мере длительности гива, отписки – на более долгом периоде. Теперь отследить, как аудитория покидает аккаунт, можно по каждому дню.
Подытожим, что получилось в результате проекта. Раньше клиент был ограничен достаточно простыми показателями, как прирост аудитории, цены за подписку, конверсии. Система аналитики позволяет копать глубже, благодаря интеграции с CRM и автоматизации процесса сбора данных. Показатели стали шире, например, лиды с рекламы, сделки, выручки и циклы в закрытии. Все это было просто слепым пятном. Кроме того, теперь информацию можно рассматривать сразу с нескольких сторон — аккаунтов, блогеров, менеджеров, позиционирования, тем постов.
Проделанная работа позволяет видеть картину подробно и точнее выстраивать бюджет на продвижение. Теперь можно подсчитать пересечение аудитории перед закупкой рекламы и четко понять, от каких категорий блогов стоит отказаться. С нашим инструментом клиент может проанализировать, какие механики привлечения были удачными, а какие провальными, и планировать дальнейшие размещения, исходя из результата.