Практическая польза от сквозной и продуктовой аналитики. Показываю на конкретных метриках

Всем привет! Я Лаптев Алексей, основатель и главный разработчик сервисов сквозной аналитики и коллтрекинга Utmstat, а также low-code сервиса интеграций ApiMonster. Сегодня я расскажу какая конкретно польза от сквозной аналитики на примере метрик.

Все ниже описанное рассказывается как с точки зрения «владельца бизнеса», который пытается растить парочку saas-продуктов и что-то там анализировать в условиях жуткого дефицита времени, так и с точки зрения «аналитика», который консультировал и доводил до конца несколько сотен подключений сквозной аналитики.

Также имейте ввиду, что ЦА статьи — малый/средний бизнес (МСБ).

В этом сегменте сложная аналитика на спичках, дающая 1-5% роста не имеет смысла, так как 1-5% даже от 10 млн выручки в мес могут не окупить затраты на работы.

Если послушать экспертов на конференциях по аналитике, то ощущение что если ты не запилил свои BI-дашборды, не загрузил в них данные на питоне и посчитал бонусом юнит-экономику, то ты кустарник, а не аналитик.

Но на практике все немного проще, особенно в сегменте малого бизнеса, где выручка с трудом дотягивает до 20 млн/мес.

Это еще один дисклеймер.

Сразу хочу обратить внимание, что для аналитики нужна идеальная utm-разметка, порядок в CRM и корректное подключение всех сервисов к сервису аналитике.

То есть у вас должна быть точность данных на уровне 90%+, это когда расходы, конверсии и выручка в сервисе аналитики совпадают как минимум на 90% + с данными из CRM и рекламными площадками.

Если у вас не так, то что-то анализировать нет смысла — цифры не будут отражать реальной картинки.

Запомните этот факт, далее я его повторять не буду, но он важен для каждой описываемой метрики.

В первую очередь для маркетолога, в чьи обязанности входит поиск рентабельных рекламных источников.

Ниже указанные метрики позволяют понять что рентабельно, а что нет и принять меры.

Считается по формуле:

Прибыль с рекламного источника = Выручка из CRM — Расходы на рекламу из API — Себестоимость из CRM

Это пожалуй главная метрика.

Если показатель в минусе или около нуля — реклама явно не работает и надо искать причины.

Если показатель в значительном плюсе — реклама работает и можно увеличивать бюджеты и развивать успешное направление.

Если прибыль в значительном плюсе, то остальные метрики не сильно важны.

Не нужно тратить значительные ресурсы на оптимизацию крошек ради 1-2% роста, только на явные проблемы и грубые ошибки.

1-2% роста могут не окупить зп и потраченное время.

Показывает сколько денег потрачено на рекламный источник. Тут главное не забывать про НДС если он есть.

Берется из API рекламной площадки или задается руками, если нет интеграции.

Чем больше расходов, тем больше внимания надо уделять эффективности источника, чтобы не уйти в ощутимый минус.

Если источник окупается — расходы значения не имеют.

Показывает сколько стоило продать товар клиенту.

Обычно это стоимость закупки товара, доставка и прочие расходы.

Берется из CRM.

Учет себестоимости позволяет более точно оценить окупаемость рекламы.

Так как может быть что без учета себестоимости реклама в уверенном плюсе, а с учетом — с трудом в ноль выходит и картинка не такая радужная.

ROMI/ROI - позволяют оценить насколько окупились вложения в % , это чуть более универсальная метрика, чем прибыль.

ROMI = (Выручка — Расходы на рекламу) / Расходы на рекламу * 100

ROI = (Выручка — Расходы на рекламу — Себестоимость) / (Расходы на рекламу — Себестоимость) * 100

Если ROMI/ROI > 100% — реклама уверенно окупается.

Если ROMI/ROI 50-100% — реклама на грани окупаемости, надо искать причины.

Если ROMI/ROI < 50% и в минусе — реклама в минусе, надо искать причины.

Показывает сколько заявок принес рекламный источник

Если заявок много — хорошо, реклама работает.

Если заявок мало — плохо, реклама не работает.

Показывает сколько продаж принес рекламный источник в штуках.

Если продаж много — хорошо, реклама и продажники работают

Если продаж мало — плохо.

Если при этом заявок много — проверьте продажников и корректность работы с CRM. Если и заявок мало — реклама не работает.

Показывает сколько человек из 100 оставили заявку.

Формула:

Конверсия = Количество заявок / Количество посетителей * 100

Позволяет оценить как «конвертит» источник, то есть сколько человек из 100 в среднем оставляют заявку, а так же спрогнозировать количество заявок при увеличении бюджета.

Чем больше конверсия чем лучше.

Средние конверсии в заявку на чеках до 10 000 руб на мой взгляд такие:

> 3% — отлично

1-3% — хорошо

< 1% - плохо

Показывает сколько человек из 100 купили.

Формула:

Конверсия = Количество продаж / Количество посетителей * 100

Позволяет оценить как «конвертит» источник, то есть сколько человек из 100 в среднем покупают, а так же спрогнозировать количество продаж при увеличении бюджета.

Чем больше конверсия чем лучше.

Показывает сколько стоит привлеченный лид/заявка.

Формула:

CPL = Расходы / Количество заявок.

CPL позволяет оценить стоимость заявки между источниками и найти явно дорогие и неоптимизированные источники.

Если у вас в среднем по источникам CPL 300-400 руб, а в каком то источнике 3000 руб, то тут явно что-то не то и надо разбираться.

Если рекламный источник в уверенном плюсе и нет очевидных идей как снизить CPL, то можно и не снижать, главное окупаемость.

Ну почти как CPL, только для продаж.

CPS позволяет оценить стоимость продажи по каждому источнику.

Формула

CPS = Расходы / Количество продаж.

Позволяет найти источники, где продажа аномально дорогая.

Возможно источник приносит мусорные лиды или менеджер отвечающий за источник плохо работает.

Показывает топ 10-20 самых популярных страниц, куда клиенты приходят с рекламы.

На этих страницах впервую очередь надо подтянуть конверсию:

Показывает топ 10-20 популярных связок по трафику.

Связка — это арбитражный термин, означающий комбинацию:

"Ключевой запрос — реклама/креатив — ленд" или "Аудитория -- реклама/креатив — ленд ".

У связок, где много трафика — сотни или тысячи кликов, обязательно надо проверить всю цепочку на релеватность.

Чтобы реклама и ленд продавали ровно то, что ищет клиент — максимум персонализации.

LTV — Live time value, какую выручку в среднем приносит клиент за время сотрудничества.

Несмотря на различные конспирологические формулы, практический LTV считается как сумма выручки от продаж по клиенту из CRM.

В магазинах это может быть 1-2 продажи.

В saas сервисах — десятки.

LTV позволяет понять какой CPL/CPS можно себе позволить.

Если у клиента LTV 100 000 руб, то CPS в 10 000 руб — нормально.

Если же LTV всего 10 000 руб, то CPS в 10 000 руб — не допустим.

Далее на основе конверсии считается допустимый CPL и ставится ТЗ таргетологам/директологам.

Это срок в днях или месяцах, за сколько в среднем заявка закрывается продажу и получение денег на счет.

Понимание, что заявки в продажу закрываются не мгновенно, позволяет не паниковать, когда условный Яндекс Директ не окупается через неделю.

Нужно оценивать рекламу с отсрочкой на цикл сделки * 1.5.

Например, если цикл сделки в среднем 30 дней, то окупаемость рекламы за сентябрь лучше оценивать в ноябре.

Но чтобы не ждать, в качестве промежуточной быстрой метрики, можно считать заявки или, например, выставление счета.

Для владельца бизнеса, которому важно держать руку на пульсе и понимать в какую сторону растет его бизнес по выручке и продажам — в положительную или отрицательную.

И чтобы без лишних технических деталей.

Все продуктовые метрики надо смотреть по месяцам или в крайнем случае по неделям, чтобы оценивать их рост или падение в % .

Так как мало видеть текущий слепок метрик, важно видеть их динамику — насколько улучшаются или ухудшаются показатели, как их изменение коррелирует с обещаниям подрядчиков по рекламе и продажам.

Примерно вот так:

Видя, где отрицательный рост — можно уже принимать бизнес-решения по исправлению проблем:

Ничего сложного при наличии данных.

Цель владельца бизнеса — организовать процесс, чтобы все метрики росли или падали, такие как CPL.

Заявки и продажи получаются по формуле: трафик * конверсию.

Поэтому важно чтобы трафик постоянно рос.

Больше трафика — больше продаж, при прочих равных.

Если растет — все хорошо.

Если падает — ищите новые источники, закупайте больше рекламы.

Важны именно посетители, а не клики и сессии.

Посетители — это уникальные люди со своими потребностями.

Сессии/клики — это сколько раз один человек зашел на сайт.

Лучше 100 посетителей, чем 100 кликов или 100 сессий.

Если растет — все хорошо.

Если падает — ищите причины проблем.

Если растут — все хорошо.

Если падают — задайте вопрос маркетологам.

Если растут — все хорошо.

Если падают — задайте вопрос продажникам.

Сколько в среднем платит один клиент за одну продажу.

Позволяет понять сколько нужно продаж чтобы заработать X миллионов, а так же какой % можно отдать продажнику, чтобы ему было интересно работать.

Сколько потратили на рекламу.

Если в плюсе — то неважно, но все равно надо проверить все на грубые ошибки.

Если в минусе — повод погрустить и поискать причины.

Сколько заработали за период за вычетом расходов.

Прибыль в % выражении.

Показывает насколько эффективен отдел маркетинга

Показывает насколько эффективен отдел продаж.

% клиентов, которые покинули сервис.

Актуально в первую очередь для saas и всех сервисов/сайтов/магазинов, где модель бизнеса предполагает постоянные покупки одним клиентом.

Чем больше % — тем хуже, в идеале должен на уровне 5-10% и меньше.

Показы, ctr, cpc.

Основная задача сквозной и продуктовой аналитики показать на большой дистанции в недели и месяцы именно окупаемость рекламы. Если реклама окупается, то показы, ctr, cpc неважны.

У сервисов сквозной аналитики нет задачи конкурировать с кабинетами рекламных систем по аналитике открута рекламы, более того, это часто невозможно, так как загрузка просмотров и расходов идет 1 раз в день, а не реалтайм.

Поэтому если нужно отслеживать каждый клик и рубль реалтайм — это нужно делать в ЛК рекламной площадки.

Практика показывает, что большая часть заявок в сегменте МСБ идут в 1-2 касания по источникам и далее длинный хвост до 10 касаний по 1-3 заявки.

Слишком мало данных для каких-то много канальных выводов, но интересно, да.

Обычно когорты используют чтобы оценить влияние рекламы на продажи.

Я долго не мог понять зачем, но это оказываться костыль под ограничения Google Analytics.

В Google Analytics, если цикл сделки больше 1 дня, то заявка записывается на одну дату, а продажа на другую — дату продажи, в итоге если расход на рекламу и заявка была в сентябре, а продажа в ноябре, то вся аналитика плывет и нужно когорты строить.

Тем временем в сервисах сквозной аналитики привязка выручки идет к дате заявки, так как идет синхронизация с CRM и аналитика расход-выручка всегда корректна без каких либо когорт.

Нужно лишь подождать срок равный в цикл сделки.

Это когда считается MRR, CAC, ARPU и прочие метрики на годы вперед планируя заработать миллионы!

Практика показывает, что все расчеты пойдут к звездам:

На мой взгляд, расчет в метриках юнит-экономики нужен в первую очередь для инвесторов или вы реально гик-аналитик, так как вся ценность юнит-экономики — это приведение метрик бизнеса в общепонятные метрики, но не понятные обычному предпринимателю. Никаких инсайтов там особо нет, просто слова другие.

Для замученного предпринимателя проще в Excel составить смету на год в понятных терминах:

Так понятней, мы даже калькулятор такой делали, вот статья.

Та же самая юнит-экономика, только все метрики считаются по историческим данным и они правдивые.

Интересно, но бесполезно на практике.

В utmstat мы считаем.

Среди клиентов аналитики есть отчетливая тенденция — чем скромнее бюджеты, количество заявок и продаж, тем выше требования к аналитике, вплоть до выгрузки в Google Big Query и кастомных отчетов!

В этом нет смысла.

Не тратьте свое и чужое время на сложные вещи.

Базового функционала более чем достаточно чтобы полноценно анализировать данные с выручкой в десятки млн рублей в месяц.

Сложная аналитика не даст вам продаж, а только отнимет время.

Большие клиенты как раз пользуются базовым функционалом и им всего хватает.

Надо быть проще.

Если ничего не помогает и протестированы все основные источники, то возможно продукт не в рынке по цене/пользе — не зашло, бывает.

Еще одна проблема, в первую очередь у маленьких клиентов — анализировать на копеечных данных.

30 кликов, 2 тестовых лида — пишем в поддержку что ничего не сходится!

И не важно что был прямой звонок на подменный номер для теста телефонии.

Или

20 кликов — заявок нет! Источник не работает!

Источник надо оценивать ну хотя бы на 100 кликах, а лучше 1000 и более, но понятно что бюджета нет, поэтому хотя бы 100.

По заявкам тоже — наберите хотя бы 10 по источнику, а лучше 50.

Только после этого уже можно делать какие-то выводы.

Аналитика любит данные.

Кроме как набирать данные, сливая бюджет, вариантов нет.

Как видим метрики довольно простые с понятной пользой.

Не нужно боятся сквозную аналитику и думать что там нужен дасаинтист за 300к в месяц и сложные разработки.

Основные сложности с аналитикой — в ее подключении, но эту проблему более-менее решают сервисы сквозной аналитики. Можно уложиться в 7-14 дней и 15 000-30 000 руб предоплаты на счет.

А сама аналитика простая, было бы минимальное желание ей заниматься.