Сделки в сквозной аналитике. Как читать и анализировать данные

Лайфхаки по настройке категорий сделок в сквозной аналитике. Мы собрали пул идей, чтобы вы смогли оптимизировать бюджет и получить больше лидов за те же деньги

Цикл сделки может быть длинным или коротким. К примеру, заказ пиццы — это очень короткий цикл сделки. Клиент захотел есть, нашел пиццерию и заказал пиццу.

Пример длинного цикла сделки (несколько месяцев) - покупка недвижимости или автомобиля. Также длинный цикл сделки характерен для B2b.

В зависимости от длительности цикла продажи в воронке может быть ещё больше этапов. К примеру, в недвижимости — обычная история, когда первый контакт происходит в феврале, а сделка закрывается только в июле-августе.

В любом случае, прежде чем купить товар или услугу, клиент пройдёт по воронке:

Этапов может быть больше или меньше. В сфере недвижимости, скорее всего, будет больше этапов. А вот сделка по покупке пиццы будет состоять всего из двух-трех: регистрация, добавление товара в корзину и оплата.

Чаще всего в сквозной аналитике анализируются итоговые продажи – то есть, когда пользователь уже купил у вас товар. Но можно (и нужно) отслеживать и промежуточные стадии воронки, например, сколько лидов с одного или другого источника дошло до брони.

Немного терминологии:

Чтобы мы не запутались в терминах, давайте определимся: в CRM – сделки распределяются по этапам/стадиям. В нашем сервисе сквозной аналитики – по категориям (но стоит понимать, что в частных случаях категории = этапы)

В настройках это выглядит вот так:

Дополнительно можно создать цель в метрике по этим категориям и анализировать данные в веб аналитике.

Помимо прямого назначения категорий сделок, мы собрали лайфхаки, как еще можно использовать категории сделок в аналитике.

Автоматическое определение целевых лидов

Для определения целевых звонков можно использовать, например, функционал тегирования или автоматического определения целевых звонков по длительности или другие способы.

Тегирование подходит не всем. К примеру, если вы принимаете много звонков, то тегирование будет отнимать много времени. Автоматическое определение целевого звонка по длительности — не стопроцентный вариант, так как и длинные звонки могут быть нецелевыми.

Самый качественный способ — это определение целевого лида исходя из того, перешла сделка на определенный этап воронки или нет.

Например, при поступлении нового лида в вашей CRM создается сделка на этапе «Первичный контакт». Далее, если звонок не целевой, вы закрываете его как «спам», а если «целевой» - то передвигаете дальше по воронке на этап «Переговоры».

Таким образом, все лиды, сделки по которым перешли на этап «переговоры», считаются целевыми.

Учет отказов в сквозной аналитике

Важно учитывать и смотреть не только сделки, но и отказы. Для этого можно создать категорию «Отказ». Самое главное, сразу понять, что сервис сквозной аналитики — это не волшебная кнопка “бабло”. Сквозная аналитика — это большой объём данных, которые необходимо анализировать.

К примеру, если вы видите, что количество отказов увеличивается, нужно разбираться. Возможно, послушать разговоры с отделом продаж, или пересмотреть УТП. Вдруг у части клиентов случается ожидание/реальность?

Анализ категорий в маркетинговой воронке

Категории сделок можно добавить в маркетинговую воронку для того, чтобы наглядно понимать, как лиды переходят из одной категории в другую. Если, например, конверсия из «презентации» в «переговоры» не большая – то стоит рассмотреть, как проходит проведение презентации в компании, нет ли проблем или барьеров на этом этапе.

Разделяйте и властвуйте: если рассматривать проблему с точки зрения «есть лиды – нет продаж», то не всегда сразу очевидно, где сливаются эти лиды. Но если расшить проблему: «есть лиды, презентации, переговоры», но нет «продаж», то, скорее всего, проблемы возникают именно на стадии «переговоры».

К примеру, в сфере недвижимости мы часто сталкиваемся с накрученными звонками и бронями. Если вдруг на какой-то категории неестественно много лидов — это всегда повод проанализировать эту конкретную категорию и усомниться в качестве источника этих лидов.

Анализ перехода пользователя из одной категории пользователей в другую

С помощью когортного анализа можно посмотреть, за какое время клиенты переходят с одного этапа на другой. Например, сколько дней (или недель) проходит с момента презентации до продажи.

Предположим, ваш бизнес строится на модели оплаты по подписке. Нужно искать закономерности: сколько времени проходит от первой оплаты до отключения клиента? Анализируем эти данные и понимаем, что клиенты отключаются от сервиса в среднем спустя 3 месяца использования. Здесь и стоит искать проблему: возможно, у менеджеров падает вовлеченность в клиента, или наоборот, сервис становится неинтересен для клиента спустя определенное количество дней.

В случае нахождения этих закономерностей нужно с ними работать: усиливать или искать проблемы. Возможно, понадобится обратная связь от клиентов: разработайте способ получать фидбек.

В качестве вывода хочется сказать, что категори сделок в сквозной аналитике - это мощный инструмент для анализа. Обязательно правильно его использовать и обрабатывать полученную информацию. Интерпретация полученных данных зависит только от вашего профессионализма. Успешное внедрение — тоже.

Высоких вам конверсий!