Чем на самом деле занимаются платные сервисы сквозной аналитики

Всем привет! Я Лаптев Алексей, основатель и главный разработчик сервиса бесплатной сквозной аналитики и коллтрекинга Utmstat, а также Telegram-канала про сквозную аналитику. Сегодня расскажу в чем неочевидная ценность сервисов сквозной аналитики.

Чем на самом деле занимаются платные сервисы сквозной аналитики

Проблема на рынке

Не все понимают ценность сервисов сквозной аналитики, часть аудитории считает, что это платные аналоги бесплатных Power BI/Google Data Studio и не понятно зачем их использовать.

На самом деле сервисы сквозной аналитики давно превратились из какого-то платного дашборда в мощные инструменты автоматизации маркетинга, где аналитика занимает ну 10% от объема всех решаемых задач.

А выгода использования заключается в экономии значительных ресурсов на персональной разработке, найме аналитиков, не считая самих инсайтов из аналитики.

На мой взгляд, аудитория пользователей аналитики делится на следующие группы:

  1. Базовая аналитика в Яндекс Метрике / Google Analytics. Цели уровня "Оставил заявку" и аналитика по utm-меткам.
  2. Продвинутая аналитика в Яндекс Метрике / Google Analytics. Цели, загрузка продаж и расходов.
  3. Аналитика в Google Data Studio. По сути просто вытаскивают данные из Google Analytics и строят "правильные" дашборды. Популярно в первую очередь у новичков в аналитике из-за низкого порога входа, но данные там местами поверхностные.
  4. Сложная дорогая крафтовая аналитика в Power BI/Google Data Studio. Совмещают данные из Яндекс Метрики, Google Analytics, CRM, Google Big Query. Что-то программируют для получения нужных данных.
  5. Пользователи платных сервисов сквозной аналитики. В платные сервисы приходят либо сразу за готовым решением, либо после понимания что бесплатные сервисы сдулись на некоторых критичных задачах.

Так зачем нужны платные сервисы, когда есть 4 бесплатных аналога?

4 бесплатных аналога это - Яндекс Метрика / Google Analytics / Power BI / Google Data Studio.

Ответ на этот вопрос приходит после столкновения со следующими проблемами:

  1. Почему в Яндекс Метрике / Google Analytics количество конверсий и сумма продаж не совпадает с данными из CRM?
  2. Почему подключить сайт к аналитике "чтобы точно все было" стоит так дорого?
  3. Почему разработка дашборда "чтобы все в одном месте" стоит так дорого?

Если вам знакомы эти вопросы - читаем дальше.

Дисклеймер

Вся информация основана на опыте подключения и потребностей сотен клиентов.

Не в каждом сервисе есть такой функционал.

Чем на самом деле занимаются сервисы сквозной аналитики

Чтобы данные из CRM совпадали с данными из Google Analytics за разумные деньги, нужно решить довольно большой и технический сложный объем задач.

Поехали.

1. Подключения сайта к аналитике без сложного программирования и сложных комбинаций сервисов

1.1 Коллтрекинг

Готовая механика подмены номера на сайте для фиксации источника звонка, создания лида в CRM и экспорта в Яндекс Метрике / Google Analytics / Facebook.

Поставил счетчик на сайт, купил номера и все работает.

Время на настройку 1 час при наличии опыта.

1.2 Захват форм на сайте

Актуально для самописных сайтов, Tilda дальше.

Готовая механика захвата данных с форм на сайте с фиксацией рекламного источника, создания лида в CRM и экспорта в Яндекс Метрике / Google Analytics / Facebook.

Поставил счетчик на сайт, настроил селекторы в интерфейсе и все работает.

Время на настройки одной формы 10 мин при наличии опыта.

Сколько стоит программист под такую задачу?

1.3 Подключение сервисов через вебхуки

Tilda, JivoSite, Marquiz, Facebook и прочие сервисы лидогенерации с поддержкой вебхуков.

Далее создается лид в CRM и экспорт в Яндекс Метрику / Google Analytics / Facebook.

Каждый сервис подключается несложным нажатием последовательности кнопок.

Сколько стоит программист под такую задачу?

2. Нормализация данных

Нормализация данных - это 50% успеха в аналитике и к сожалению многие этого не понимают.

Если клиентам далеким от аналитики это простительно, то непонимание этого факта со стороны performance-маркетологов и различных экспертов/коучей по аналитике выглядит печальным.

Нормализация данных это когда трафик/продажи/расходы связаны через единый параметр, например номер объявления.

Вот так:

  1. Объявление #1234 - 100 кликов
  2. Объявление #1234 - 10 продаж
  3. Объявление #1234 - 1000 руб расходов

В этом случае по объявлению 1234 можно легко посчитать CR/CPL/ROMI.

А на практике обычно так:

  1. UTM-метка phones_1 - 100 кликов
  2. UTM-метка phones_1 - 10 продаж
  3. Объявление #1234 - 1000 руб расходов

В этом случае нет возможности связать клики/продажи и расходы, тк привязка к разным метрикам - номер объявления и utm-метка.

Выражаясь техническим языком: SQL запрос не сделать и автоматически данные не свести.

Непонятно?

Тогда проще:

Если данные нормализованы - все типовые отчеты строятся автоматически и бесплатно.

Если данные не нормализованы - будете нанимать дата-аналитиков за 100-200-300 тыс руб/мес и писать скрипты на питоне чтобы склеить данные.

Выбирайте что вам больше нравится.

Подробнее о проблеме написано здесь.

2.1 Контроль разметки трафика

На самом деле нормализовать данные очень просто, достаточно использовать грамотную utm-разметку используя генератор utm-меток.

Да, все так просто, но очень часто видим полнейший бардак в таких простых вещах как utm-метки, поэтому приходиться постоянно об этом говорить.

Разумеется наивно надеется что все сразу станут делать грамотно, поэтому как минимум в UTMSTAT ведется лог всех кликов и буквально каждый клик проверяется на корректность utm-меток и в случае проблем - выводится предупреждение.

Только такой мягкий кнут позволяет добиться корректных исходных данных для аналитики независимо от уровня экспертизы клиента.

Проверить корректность utm-разметки с точки зрения нормализации данных можно здесь.

3. Работа с CRM

3.1 Реалтайм синхронизация данных в аналитике с продажами из CRM

Проблема с конверсиями Яндекс Метрики / Google Analytics / Facebook в том, что их нельзя откатить и обновить.

В сервисах сквозной аналитики вы можете сколько угодно менять статусы и суммы продаж в CRM, все будет тут-же обновляться в аналитике.

Такая возможность позволяет не бояться ошибиться, данные легко актуализировать.

3.2 Маппинг статусов

У всех в CRM свой набор статусов.

Данная возможность позволяет сказать сервису аналитики какие ваши статусы являются фактической продажей (факт получения денег), отказом или что заказ в обработке.

Приведя ваши статусы к стандарту сервиса аналитики, вы получите данные о том, с каких рекламных источников у вас продажи, а также корректную отправку продаж в Google Analytics / Facebook.

3.3 Управление дублями

Что будет если клиент 10 раз позвонит или 10 раз заполнит форму и сработает настроенная цель?

Получим 10 конверсий, когда лид по факту один? Это некорректно.

Именно поэтому в сервисах сквозной аналитики есть настройка правил какие лиды отправлять в Яндекс Метрику / Google Analytics / Facebook / CRM.

Они примерно такие:

  1. Отправлять все лиды
  2. Отправлять только уникальные (обычно это используется)
  3. Повторные лиды отправлять в коммент к родительскому (актуально для CRM)

Также есть возможность задать период, когда лид считается повторным.

Если это b2b, когда клиент может звонить много раз - можно поставить 30 дней.

Когда такси/пицца/цветы и клиент звонит на след день за новым заказом - 1 день.

3.4 Назначение воронок и менеджеров

Типовые задачи:

  1. Закинуть лид в CRM на определенного менеджера
  2. Закинуть лиды в CRM на группу менеджеров с равномерным распределением
  3. Закинуть лид в CRM в определенную воронку и этап
  4. Закинуть лид в CRM в определенную воронку и этап в зависимости от URL, где была сделана заявка.

Все это решается в пару кликов в интерфейсе.

3.5 Фильтрация данных между проектами

Что делать, когда сайтов несколько на разные тематики, а CRM одна?

Как закинуть в аналитику только часть сделок по определенному сайту?

Это решается через фильтрацию вебхуков из CRM, например по домену или id воронки, которые переданы в этом вебхуке.

4. Расширенный трекинг

4.1 Трекинг по вебхукам

Если заявку с сайта легко привязать к рекламному источнику, то что делать с заявками, создаваемым в CRM руками менеджеров или внешними сервисами, например Авито?

Тут на помощь приходит привязка трекера к содержимому вебхуков - передаваемые теги, utm-метки и прочие поля.

В этом случае получится статистика:

  1. Яндекс Директ - 10 продаж
  2. Авито - 5 продаж
  3. Выставка - 3 продажи
  4. Холодный обзвон - 5 продаж

Такая возможность позволяет понять источник 100% заявок, а не только тех, где можно настроить цели.

4.2 Трекинг по контактам

Что делать, когда клиент 1-й раз оставил контакты через форму из Яндекс Директ, а повторная продажа была через общение с менеджером?

То есть у нас 2 сделки в CRM, одна с неизвестным источником.

  1. Сделка 1 из Яндекс Директ
  2. Сделка 2 создана менеджером в личной беседе - какой тут источник?

В таком случае сервис аналитики по контактам из Сделки 2 ищет сделку с известным источником - Сделка 1 и назначает Сделке 2 ее источник.

Получается так;

  1. Сделка 1 из Яндекс Директ
  2. Сделка 2 из Яндекс Директ

Таким образом на Яндекс Директ запишется не одна первая продажа, а все и эффективность канала заиграет новыми красками.

4.3 Динамический коллтрекинг

Это когда на сайт ставиться код, каждому посетителю выдается свой номер, при звонке на который фиксируется рекламный источник и различные client id.

Важно: работает только в пределах сайта, назначать источники на каждый номер не нужно, все автоматически.

4.4 Статический коллтрекинг

Это когда покупается номер например под Авито и ему принудительно назначается источник - Авито.

В аналитике будет:

  1. Яндекс Директ - 10 заявок
  2. Авито - 5 заявок

5. Системный экспорт данных во внешние сервисы

5.1 Отравка данных в Google Analytics/Яндекс Метрика/Google Big Query/Facebook

Давайте еще раз вспомним сколько у нас источником заявок

  1. Коллтрекинг
  2. Формы
  3. Корзина
  4. Онлайн-чаты
  5. Заявки созданные в CRM руками или внешними сервисами.

Как все это закинуть в тот же Google Analytics?

  1. Нанять программиста и покрыть сайт случайным набором событий + самодельные скриптики для загрузки данных по API. Какова надежность? Сколько это стоит? Кто все это будет поддерживать после увольнения?
  2. Настроить связку несколько сервисов - коллтрекинг/формтрекинг/crm через еще один сервис, который будет закидывать в GA.
  3. В рамках одного сервиса собирать все заявки в единый список во внутренней CRM и централизованно рассылать в Google Analytics/Яндекс Метрика/Google Big Query/Facebook по заданным правилам.

В сервисе сквозной аналитики реализован 3-й вариант.

6. Отладка

Сквозная аналитика - это обычно обмен данными между десятком сервисов, входящие/исходящие вебхуки, периодически что-то отваливается или данные не сходятся.

На глаз с первого раза все это сложно сразу настроить, нужны инструменты мониторинга.

6.1 Логгирование ошибок подключенных сервисов

Типовая ошибка - нет прав, например при отправке конверсий в метрику или CRM.

Зная об этих ошибках и устраняя их - точность аналитики повышается.

6.2 Логгирование входящих данных

Почему не тот статус заявки? Почему нет суммы продажи? Почему не работает фильтр?

На все эти вопросы легко ответить имея лог входящих вебхуков из CRM и видя их содержимое.

6.3 Логгирование исходящих данных

Конверсии не ушли в метрику/аналитикс/facebook? В CRM создалось что-то не то?

Подробный лог исходящих данных позволяет быстро понять где ошибка.

Более подробно про логгирование читайте здесь.

7. Аналитика

Наконец-то дошли до аналитики

7.1 Маркетинговая аналитика

Это банальный ответ на вопрос - "Сколько денег принесла реклама с точностью до ключевого слова?".

Нужно для маркетолога.

Тут буквально один дашборд и его нельзя реализовать в Power BI и Google Data Studio.

Типовые метрики:

  1. Клики
  2. Посетители
  3. Заявки
  4. Продажи
  5. Расходы
  6. Выручка
  7. CR
  8. CPL
  9. ROMI

7.2 Продуктовая аналитика

Аналитика по ключевым метрикам бизнеса по месяцам или неделям.

Нужно для владельца бизнеса.

Также один дашборд.

Типовые метрики:

  1. Посетители
  2. Заявки
  3. Продажи
  4. Выручка
  5. Средний чек
  6. Расходы
  7. CPL
  8. ROMI

8. Бесплатная аналитическая экспертиза

Основная проблема на рынке аналитики - это не недостаток инструментов, а отсутствие экспертизы:

  1. Совсем новичкам нужно объяснять пошагово как пользоваться генератором utm-меток
  2. Более "продвинутых" аналитиков одергивать от их невероятных идей и просить выполнить сначала базовые задачи - разметка трафика, настройка трекинга заявок, исправление грубых ошибок.

Текущий уровень экспертизы на рынке - "я художник я так вижу", хотя на самом деле вся сквозная аналитика формализована и состоит из 15 задач и 10 типовых дашбордов.

Чтобы клиент получил рабочую аналитику и при этом не требовалось участие дорогих экспертов, пришлось пошагово расписать все действия.

Но заставить работать по инструкции тот еще квест.

8.1 План настройки

План настройки содержит пошаговый алгоритм что в каком порядке подключать.

8.2 План аналитики

План аналитики содержит пошаговый алгоритм что в каком порядке делать после настройки, чтобы получить корректные цифры и как их анализировать.

8.3 Автоматические рекомендации

Разумеется инструкции читают далеко не все.

Поэтому мы сделали робота-аналитика, который проверяет более 100 нюансов настройки.

Буквально все проблемы клиентов зашивали в робота, чтобы не тратить дорогие человеко-часы на объяснение одного и того же, но при этом клиент получал персональные консультации по его проекту.

Работает очень круто.

Так где делать аналитику? В платных сервисах или Power BI/Google Data Studio?

Power BI и Google Data Studio - это не сервисы сквозной аналитики, а инструменты визуализации данных. Они прекрасны, но без корректных данных на входе - пользы от них 0.

Поэтому варианты такие:

  1. Если нужно все бесплатно, пусть и поверхностно - Google Data Studio.
  2. Если есть ТЗ на логистику данных, важна точность данных и скорость настройки - Платные сервисы
  3. Если есть ТЗ на логистику данных, важна точность данных и скорость настройки, но хочется Google Data Studio/Power BI. Наводите порядок в данных через платный сервис, заливайте все в Google Analytics/Google Big Query и стройте дашборды в Google Data Studio/Power BI.

Итого

Платные сервисы сквозной аналитики решают следующие задачи:

  1. Берут на себя всю сложную дорогую разработку по автоматизации логистики данных, которая нужна всем, кто более менее начинает наводить порядок в маркетинге и продажах.
  2. Дают готовый набор дашбордов, которых хватит для 90% бизнесов.
  3. Дают протестированный пошаговый план действий как работать с аналитикой, потому что с экспертизой на рынке не очень.
  4. Дают систему мониторинга, чтобы даже слабый специалист мог настроить грамотную аналитику, если будет хотя бы читать рекомендации робота.
2 комментария

Основная проблема систем сквозной аналитики — это модель атрибуции. Атрибуция по первому или последнему клику, к сожалению, адекватно работает только на ограниченном количестве продуктов и рекламодателей.

Ответить

Большинству этого достаточно.

Довольно часто основной поток заявок идет через 1-2 касания и незначительный хвост до 10 касаний по 1-2-3 заявки на каждом, тут особо не по анализируешь.

Но если хочется сложностей, можно все выгружать в GA и смотреть там.

Тут сервис аналитики выступает как мощный коннектор, который нормализует данные и в GA были корректные цифры.

1
Ответить