Сквозная аналитика для решения бизнес-задач. Кейс агентства Adventum и ГК «Самолет»

Материал написан на основе выступления аналитика отдела digital-маркетинга ГК «Самолет» Юрия Игошева и руководителя группы аналитиков Adventum Николая Сущенко на конференции «День сквозной аналитики».

21 ноября система сквозной аналитики Alytics провела в Москве третью ежегодную конференцию «День сквозной аналитики», посвященную методам и кейсам построения сквозной аналитики и способам оценки эффективности вложений в рекламу. Посмотреть видеозаписи выступлений спикеров можно на сайте конференции.

Группа компаний «Самолет» – один из крупнейших застройщиков ближнего Подмосковья. Включает в себя 14 жилых комплексов на разных стадиях строительства. Агентство Adventum – давний партнер компании Alytics, специализируется на рerformance-маркетинге, формировании брендов, работе с блогерами, мобильной рекламе и аналитике.

ГК «Самолет» и Adventum начали сотрудничать в 2018 году. Результатом этого сотрудничества (которое еще не закончено) стал интересный и показательный кейс по сквозной аналитике. О нем и пойдет речь в статье.

У ГК «Самолет» есть главный сайт и 10 сайтов отдельных жилых комплексов. Общая их посещаемость составляет 14 000 пользователей в день. Еще до внедрения сквозной аналитики на каждом сайте была настроена базовая аналитика: Google Analytics, «Яндекс.Метрика», коллтрекинг и CRM Microsoft Dynamics. Поскольку все данные хранились в разрозненных системах, при построении отчета неизбежно возникали сложности.

К примеру, для отчета о том, как разные рекламные каналы влияли на совершение клиентом сделки – покупки квартиры, нужно было сделать следующее:

1. Запросить данные по сделкам из CRM: какой клиент совершил сделку, его номер телефона.

2. По этому номеру телефона посмотреть в коллтрекинге, каким был последний источник перед звонком или сделкой. Если получится, увидеть в Google Analytics и «Яндекс.Метрике» идентификатор этого клиента.

3. Посмотреть вручную в Google Analytics и «Яндекс.Метрике», какими еще источниками пользовался клиент до совершения сделки.

Все это делалось вручную, долго и с ошибками. Поэтому в ГК «Самолет» приняли решение внедрять сквозную аналитику с помощью агентства Adventum.

Первое, что специалисты Adventum сделали перед внедрением – провели аудит текущей аналитики:

Например, в конструкторе, который Adventum создали для ГК «Самолет», подрядчик выбирает параметры: формат рекламы, способ таргетирования, геоданные, аудиторию, возраст. На основании этой информации конструктор генерирует полное название рекламной кампании, UTM-метку, название в коллтрекинге. Благодаря этому заказчик может легко отслеживать данные (что за подрядчик, для какого ЖК создавалась реклама, на какой площадке и т. д.) и сравнивать их.

После предварительного этапа начинается собственно работа. Процесс сбора данных также сопровождается сложностями.

1. Хаос в рекламных аккаунтах. Как уже говорилось, рекламные кампании в ГК «Самолет» ведут много подрядчиков, к тому же они часто меняются. За несколько лет накопилось более 150 рекламных аккаунтов, в которых теперь трудно разобраться. Поэтому совет: даже если у вас пока маленький бизнес, заведите табличку и записывайте туда данные по всем аккаунтам.

2. Выгрузка данных из CRM-системы. Тут целых две сложности: согласование со службой безопасности и разработчиками заказчика. Первым важно не допустить утечки данных, вторым надо решать технические проблемы выгрузки. Еще один совет: когда будете планировать время на внедрение сквозной аналитики, закладывайте на это согласование хотя бы несколько месяцев.

Итак, собрано огромное количество данных, которые надо как-то объединить. Разработчики использовали базу данных PostgreSQL, в которой есть все возможности для создания хранилища.

И снова, как водится, возникли сложности. Опыт Adventum подсказывает, что лучше пользоваться не авторскими, а стандартными методиками, чтобы разобраться в них смог любой ваш коллега.В противном случае, если случится форс-мажор и компания потеряет единственного человека, который собирал все эти данные, сквозная аналитика полетит насмарку. Хороший вариант – система организации данных Data Vault.

Итак, структура данных получена. На скриншоте видно, из чего она состоит и с какими системами и бизнес-процессами интегрирована.

Отдельно хочется остановиться на склейке данных. Для сквозной аналитики очень важно максимально склеивать данные пользователя, чтобы отследить, какие рекламные источники и каким образом повлияли на его решение.

Сквозная аналитика собирает идентификаторы и ведет по каждому пользователю своеобразное досье: на каких сайтах он был и когда, какие действия совершал: бронировал товары в корзине, совершал покупки, оставлял заявки. Обычно идентификаторами являются номер телефона, уникальная ссылка, логин, сookie браузера, GUID в личном кабинете, идентификатор в CRM (часто на одного пользователя заведено несколько карточек, и сотрудники думают, что это несколько разных человек).

Как должна работать склейка в идеале? Например, пользователь заходит на сайт ЖК «Томилино». Ему как уникальному посетителю присваивается сookie и clientID. Затем он приезжает в офис продаж самоходом и оставляет там номер телефона. На этом этапе никакими техническими средствами не определить, что два эти действия совершил один человек.

И снова спасают подменные номера: если этот пользователь когда-то совершит звонок по подменному номеру, можно будет узнать соответствие его сookie и номера телефона и склеить эту историю в одно целое.

Компания постоянно разрабатывает новые механики склейки. Например, посетителям офиса отправляется презентация с промеченной ссылкой. В ссылке содержится его уникальный идентификатор в CRM. Настроено кроссдоменное отслеживание на всех сайтах ГК «Самолет» с помощью единого счетчика. Есть возможность получить номер договора клиента в личном кабинете, отследить все его посещения и понять, какой визит привел к совершению сделки.

Благодаря новым механикам и доработкам можно определить рекламный источник по 80 % пользователей.

Какой результат дает склейка с точки зрения данных? На скриншоте видно, что во многих случаях CRM находит у пользователя взаимодействия только с одного источника. Сквозная аналитика видит более полную картину, поэтому у тех же пользователей она может найти взаимодействия еще и с других источников. В среднем в сквозной аналитике у пользователя показывается в 2 раза больше уникальных источников, чем CRM.

Та же ситуация по числу звонков перед сделкой. CRM часто видит всего один звонок, но даже начинающему маркетологу понятно, что это не так: кто же купит квартиру после одного звонка? Сквозная аналитика показывает более реальные цифры: среднее количество звонков составляет 9,8 против 3,7.

После того как проделаны все технические операции, можно наконец приступить к построению отчетов. Мы строим их в системе Tableau, которая позволяет работать с огромным количеством данных и обеспечивает максимальную точность отчетов.

Для руководства ГК «Самолет» было важно увидеть стандартные отчеты для бизнеса по основным KPI (количество сделок, средний чек, доля рекламных расходов и т. д.) и отчеты, созданные конкретно для ниши недвижимости. Рассмотрим подробнее:

Отчеты по планам и фактам в разбивке по каждому ЖК.

Отчеты по допродажам: как люди делают повторные покупки и какое время проходит между сделками (по квартирам и машиноместам).

Когорты по договорам понедельно и помесячно. Позволяет понять, как быстро после рекламного касания человек позвонит, как быстро после звонка придет на встречу и в итоге дойдет до сделки.

1. Благодаря внедрению сквозной аналитики компания стала работать с сопоставимыми данными – теми, что можно сравнить и проверить. Также устраняются промежуточные работы по их подготовке и обработке.

2. Получили экономию на составлении отчетов – около 50 рабочих часов в месяц. Или скорее, это ставка одного человека, который раньше сводил все файлики в одно вручную.

3. Стали понимать, на что расходуются рекламные деньги, и более прагматично тратить бюджет. ГК «Самолет» отключает неэффективную рекламу, а высвобожденные средства распределяет на другие каналы.

4. Стало меньше нецелевых звонков и фрода, в связи с чем нагрузка на коллцентр снизилась на 20% без потери количества качественных звонков.