Как выстроить систему аналитики в соцсетях: пошаговая инструкция

Студия Чижова рассказывает, как отслеживать эффективность каждого этапа воронки продаж в соцсетях и получать результат.

Система аналитики — это важный элемент стратегии продвижения в соцсетях. Система аналитики отвечает на вопросы, достигаются ли цели продвижения, насколько эффективно работает воронка продаж в целом, какие этапы воронки стоит доработать, чтобы получить результат.

В этой статье подробнее расскажем о том, как выстроить систему аналитики в соцсетях для бизнеса.

Чаще всего к нам приходят за продажами. Реже — за увеличением рекламного охвата. Цели могут сопутствовать друг другу, но конечная точка у них разная.

Если на первом месте продажи, нужно выстраивать воронку так, чтобы планомерно снижать стоимость подписки, заявки и продажи. Лучше всего на эту задачу работают длинные воронки с прогревом аудитории.

Если охват, нужно работать на снижение стоимости рекламного контакта. На эту задачу хорошо работают креативные концепции, которые дают большой виральный охват и повышают узнаваемость аудитории.

На практике это значит следующее:

— если цель продвижения — продажи, не так важно, насколько хорошо аудитория вовлекается. Если видим снижение цены подписки и продажи, значит, всё хорошо. Выращивать показатели вовлечения просто чтобы было нет смысла.

Цели продвижения прописываем в стратегии. Стратегия — это понятный и удобный документ, в котором будет по шагам прописано, что и зачем нужно делать, чтобы получить результат. Подробнее об этом мы уже рассказывали.

При разработке стратегии важно разделить процесс работы на этапы. Каждый этап должен решать понятную и измеримую задачу продвижения

Логика простая: если отслеживать только финальные метрики, например стоимость заявки, вы не сможете понять, почему она выше, чем нужно.

Система аналитики должна поэтапно отслеживать, как пользователи проходят по воронке продаж — только так можно оценить эффективность стратегии и скорректировать её.

Для примера расскажем, как мы выстраиваем систему аналитики на своих проектах, которые основаны на фреймворке AARRR.

Ключевая метрика для оценки привлечения новой аудитории — стоимость подписчика (CPF).

Работа на снижение стоимости подписчика должна быть комплексной и сбалансированной. В первую очередь, нужен сильный оффер. Предложите аудитории то, что дает мотивацию подписаться.

Например, для магазина обуви хорошим оффером будет скидка на первую покупку. Это проверено продвижением бренда обуви ручной работы BBR. Оффер со скидкой привлекает тех, кто действительно заинтересован в покупке и хочет сделать ее выгодной.

Протестируйте несколько офферов и на постоянную используйте только лучшие. Периодически пробуйте новые: возможно, они дадут еще более высокий результат.

Работая над снижением стоимости подписки, важно следить за другими показателями. Если подписка дешевая, но коэффициент конверсии CR низкий и заявок мало, значит, приходит нецелевая аудитория. Нужно изучать сегменты, отключать неэффективные и тестировать новые.

Также нужно учитывать не только цену, но и ценность подписчика.

Если вы используете несколько социальных каналов, измеряйте стоимость подписчика для каждого в отдельности.

Для оптимизации также необходимо отслеживать стоимость подписчика по каждой отдельной рекламной кампании: если это таргетированная реклама, то по каждому объявлению, сегменту аудитории. Если это реклама у инфлюенсеров, то стоимость подписчика по каждой интеграции. Так будет понятно, какие каналы работают лучше, какие — хуже.

Прогрев аудитории можно разделить на два этапа:

После того как аудитория пришла в аккаунт и рассылку, нужно добиться регулярной коммуникации. Вовлечение новой аудитории в коммуникацию с брендом выполняет две задачи: повышает узнаваемость и охват.

Для оценки качества прогрева смотрим две метрики: ERview и RR (Reach Rate). Они показывают, как аудитория в принципе взаимодействует с контентом.

Для анализа SMM также используется показатель ER, но ERview точнее.

ER рассчитывается от общего количества подписчиков, а ERview — от количества просмотров поста. Умная лента «ВКонтакте» показывает контент не всем подписчикам, поэтому лучше отслеживать реакции тех, кто на самом деле увидели публикацию в ленте.

ER может меняться вместе с изменением количества подписчиков. Но это не отражает заинтересованности аудитории в контенте.

Показатель RR увеличивается, когда увеличивается охват постов относительно количества подписчиков. Например, когда алгоритм видит, что контент интересен пользователям, и показывает его друзьям подписчиков.

Если обобщить, ERview — это основная метрика для оценки того, что контент интересен подписчикам. RR показывает, насколько контент вирален и способствует органическому привлечению новой аудитории.

В некоторых случаях имеет смысл отслеживать показатели TR (Talk Rate) и LR (Love Rate). Они похожи на ER, но ER рассчитывается от всех реакций, а TR и LR — конкретно от комментариев и лайков соответственно.

TR полезен в некоторых нишах, где комментарии — более важный показатель оценки активности аудитории, чем лайки. Например, в массмаркете или аккаунтах производителей товаров. Люди часто приходят в комментарии с вопросами по товарам или способам их приобретения. По динамике TR можно понять, как меняется их количество относительно лайков.

Основные метрики анализа эффективности продаж — цена заявки и цена продажи.

Оптимизировать воронку более правильно по стоимости продажи и количеству продаж. Ради оптимизации этого показателя можно пожертвовать всеми цифрами на предшествующих этапах.

Например, если сегмент аудитории A дает заявки по 350 рублей и 50 продаж по 1000 рублей, а сегмент аудитории Б дает заявки по 500 рублей и 120 продаж по 800 рублей, совершенно очевидно, что сегмент Б работает лучше.

Но на практике ориентироваться по стоимости продажи достаточно сложно, потому что CRM, сквозная аналитика, быстрая и четкая обработка заявок у всех, к сожалению, есть только в идеальном мире.

Сравнивайте эффективность трафика на прямые продажи и привлечение подписчиков

Общий принцип: во «ВКонтакте» и Telegram трафик на прямые продажи работает хуже, чем он работал в Instagram*, потому что нет эффективных алгоритмов поиска теплой аудитории. Надо сначала привлечь, прогреть и только потом продавать.

Но в некоторых случаях можно вести аудиторию на прямые продажи и получать результат. Например, мы так делали при продвижении пластического хирурга. Прогрев в этой нише занимает не меньше месяца, но большую часть подписчиков во «ВКонтакте» мы получили по максимально короткой воронке: сразу предлагали записаться на консультацию. Многие пользователи переходили в сообщество, смотрели контент, подписывались и только через некоторое время оставляли заявку.

Четко пропишите характеристики заявки

Учет количества заявок — это один из самых сложных этапов системы аналитики. Есть соблазн отмечать как заявку только «горячих» пользователей, которые пришли за покупкой. На практике такое ограничение может выбрасывать из системы аналитики данные и мешать правильно выстроить воронку.

Например, есть сложный b2b-продукт с узкой целевой аудиторией: сервис для автоматизации работы службы доставки еды, рассчитанный на владельцев точек общественного питания.

При анализе выделяем три группы обращений.

Первая категория пользователей в принципе не релевантна. Это пользователи, которые оставили заявку случайно, вообще не ответили на запрос менеджера или обратились с нерелевантным запросом (например, спросили, нет ли такого же сервиса, только для салона красоты).

Вторая категория по описанию соответствует целевой аудитории, но не может стать клиентом, потому что не понял суть или потому, что предложение стало не актуально. Например, пользователь ожидал аналог Delivery Club: то есть, не только техническое решение для ресторана, но и входящий поток заявок. Или менеджер ответил не сразу, а через несколько дней и пользователь успел выбрать конкурента.

Третья категория — это пользователи, которые соответствуют целевой аудитории, верно поняли суть предложения и своевременно получили отклик на запрос.

Раздельно анализируя каждый тип заявок, можно выдвигать гипотезы о коррекции стратегии. Избыток обращений первого типа может говорить о недостатках оффера и ошибках в выборе сегментов для рекламы.

Заявки второго и третьего типа нужно разбирать раздельно и дополнительно классифицировать по причинам несоответствия: они могут дать толчок как к коррекции рекламной стратегии, так и к системным изменениям: доработке продукта, оптимизации отдела продаж и т.д. Зачастую недостаток качественных заявок связан именно с этими факторами, а не с рекламой.

Используйте возможности чат-ботов для аналитики

Чат-боты в мессенджерах позволяют не только автоматизировать решение различных бизнес-задач, но и оцифровать результаты. Например, для сети магазинов товаров для дома «Улыбка радуги» мы разработали чат-бота, который позволяет зарегистрировать карту лояльности прямо в мессенджере.

Затем можно собрать в отдельную базу пользователей, которые зарегистрировались в программе лояльности через чат-бота, проанализировать статистику продаж и посчитать эффективность прогрева в рассылке в сравнении со средними показателями по сети.

Считайте офлайн-конверсии

Учет офлайн-конверсий сложен, но важен для бизнеса, который большую часть продаж совершает за пределами интернета. С этой проблемой мы также столкнулись в работе с «Улыбкой радуги».

Опрос аудитории показал, что 52% пользователей узнают об акциях из соцсетей и мессенджеров, но 89% делают покупки офлайн.

Мы пробовали считать офлайн-конверсии при помощи купонов: при покупке в магазине пользователю нужно было считать штрихкод из рассылки и получить скидку. На практике большинство людей этой возможностью не пользовались, потому что есть карта лояльности.

Тогда мы через TargetHunter выгрузили данные пользователей, у которых на странице указан номер телефона, и сопоставили с базой пользователей программы лояльности «Улыбки радуги». Получилась новая база на 65,6 тысячи человек — больше половины аудитории рассылки.

Потом мы посчитали количество покупок в месяц, которые делают пользователи рассылки, и сумму денег, которые они тратят в магазинах. Выяснилось, что подписчики рассылки ходят в магазин чаще и тратят там больше, чем в среднем по сети.

Анализируйте товарную матрицу и данные продаж

Часто специалистам по продвижению в соцсетях ради сохранения коммерческой тайны не дают доступ к данным по продажам. Особенно если продвижением занимаются агентство или фрилансер, а не штатный сотрудник.

Возможно, иногда это оправдано, но отсутствие возможности анализировать данные отдела продаж мешает правильно выстроить воронку.

Например, мы работали над продвижением интернет-магазина косметики: пришли на замену другому агентству, у которого не получалось дать хорошие продажи. На первый взгляд всё было нормально: акции запускаются, реклама ведется. Главную проблему нашли как раз при анализе товарной матрицы.

Основную кассу интернет-магазину делают товары собственного бренда. Акции не работали, потому что пользователям предлагали товары, которые им были неинтересны. Даже в период акций товары своего бренда без скидок продавались лучше акционных.

Перестроив подход к акциям, мы смогли в разы увеличить их эффективность и продажи интернет-магазина.

___________

Правильно выстроенная система аналитики позволяет держать руку на пульсе бизнеса: понимать, насколько хорошо работает воронка и что можно улучшить.

Если хотите продвижение в соцсетях с результатом, обращайтесь в Студию Чижова.