Как с помощью Big Data и контекстной рекламы увеличить продажи в полтора раза

Как в b2b-сегменте быстро внедрить инновационные подходы к маркетингу? Как с помощью данных по продажам настроить контекстную рекламу и где искать инсайты для быстрого увеличения выручки? Кейс агентства Datmark.

Как мы помогли компании из Санкт-Петербурга и Москвы продавать котлы на всю Россию, используя Big Data и «Яндекс.Директ».

Как с помощью Big Data и контекстной рекламы увеличить продажи в полтора раза

Содержание

Что дано

Летом 2017 года к нам обратилась компания по оптовой и розничной продаже отопительного оборудования (название клиента не раскрывается в целях сохранения конфиденциальной информации, которой здесь в изобилии).

Компания базируется в Москве и Санкт-Петербурге и реализует продукцию многих известных производителей, отечественных и зарубежных. Основная товарная категория — котлы отопления (электрические, газовые и твердотопливные).

Продажи имели свою ярко выраженную сезонность. Рост продаж стабильно начинался летом, в июле. Пик приходился на сентябрь-октябрь. В декабре продукцию докупают самые неторопливые клиенты. Зимой и весной продажи совсем невысокие.

Сезонность продаж котельного оборудования в компании за период c 2013-го 2016 год
Сезонность продаж котельного оборудования в компании за период c 2013-го 2016 год

В компании был отдел продаж (14 менеджеров) и отдел маркетинга (маркетолог, специалист по контекстной рекламе и веб-программист). Своими силами разработали сразу несколько сайтов, аффилированность которых тщательно скрывалась от поисковых и рекламных систем. Такой набор сайтов якобы разных компаний приносил свои плоды — клиент даже не подозревал, что общался с одной и той же организацией.

У компании на тот момент не было CRM-системы и даже IP-телефонии. Вся работа велась в «1С». Развитие и маркетинг шли по наитию методом проб и ошибок. «Выручала» только контекстная реклама в «Яндекс Директе». Её настраивал и оптимизировал штатный сотрудник. На неё приходилось около 90% всех продаж.

Отдельно стоит отметить, что примерно 40% покупателей котельного оборудования — b2b-клиенты. И все они находили компанию преимущественно в «Яндексе», по ключевым запросам. Это было доказательством того, что снабженцы и руководители предприятий, как и b2c-клиенты, искали поставщиков в поисковых системах.

Рекламный трафик шёл, в основном, из Санкт-Петербурга и Москвы. И совсем небольшая часть распределялась по другим регионам России.

Проблема

Основная проблема, которую озвучил заказчик, — незнание и непонимание своих точек роста. Конкуренция на рынке усиливалась, поставщики ставили планы по продажам, прибыльность бизнеса снижалась. В таком случае полумерами не обошлось бы.

Нужно было создать целостную систему маркетинга и сбыта. Однако эта работа заняла бы несколько месяцев, а в некоторых случаях и пару лет. А сезон продаж начинался уже через месяц. Поэтому решили найти быстрые рычаги увеличения продаж здесь и сейчас.

Для контрольной группы взяли твердотопливные котлы одного отечественного производителя.

Как с помощью Big Data и контекстной рекламы увеличить продажи в полтора раза

Компания-заказчик как раз была одним из ключевых дистрибьюторов этих котлов и имела значительные товарные запасы и преференции. Результаты оценивались именно по продажам этой продукции.

Проект нами оценивался как достаточно рискованный, поскольку в такой консервативной компании изменения в продажах могли наступить далеко не сразу. Был риск не оправдать ожидания заказчика и завершить работу на негативной ноте. Но мы всё-таки поверили в проект.

Задача

За июль-декабрь 2016 года этих котлов было продано на 20 664 602 рубля.

Формулировка задачи: увеличить продажи за июль-декабрь 2017 года на 10% по сравнению с аналогичным периодом прошлого года.

То есть продажи должны составить 22 731 062 рубля.

Что было сделано

Разработана система по анализу рекламы и продаж

Мы решили сначала очень детально проанализировать текущие продажи и маркетинг. Для этого мы выгрузили и обработали данные по всем продажам из «1С» за последние семь лет. Получилась настоящая Big Data, 1,5 млн строк.

Данные по контекстной рекламе мы также выгрузили из разных рекламных аккаунтов «Яндекс.Директа».

Для анализа данных мы выбрали BI-систему QlikSense и облачное решение QlikCloud от корпорации Qlik. Система предоставляет только оболочку для реализации своей собственной аналитической базы. Мы с нуля выстроили целый набор дашбордов, сводных таблиц и аналитических диаграмм.

Как с помощью Big Data и контекстной рекламы увеличить продажи в полтора раза

Так мы смогли в рамках одного окна анализировать клиентов, поставщиков, ассортимент, динамику продаж и географию отгрузок. Все продажи у нас были «на кончиках пальцев». Клиентская база и ассортимент принимали более системный вид.

Кстати, как позже выяснилось, ни одна из конкурирующих компаний в Санкт-Петербурге не имела в своём распоряжении такой системы Big Data. Хотя возможности этого инструмента огромны.

В течение нескольких секунд можно узнать:

  • Какие клиенты представляют наибольшую ценность, а от каких лучше отказаться.
  • Какие товары наиболее прибыльные и какие имеют наибольшие темпы продаж.
  • В какие регионы продавать выгодно, а в какие нецелесообразно.
  • Какие рекламные кампании эффективны, а какие надо немедленно останавливать.
  • Какие менеджеры — настоящие профессионалы, а каких следует уволить.
  • Сколько клиентов компания теряет каждый месяц и сколько приходит новых.

Стоящая перед нами задача вынуждала действовать быстро и максимально точно. Мы искали тот самый рычаг, и, как нам казалось, мы его нашли.

Выявили, что в 2016 году продажи контрольной продукции по Санкт-Петербургу и Ленинградской области составили 47,9%. В Москву и Московскую область — 24,7%. На регионы пришлось только 27,4%.

Как с помощью Big Data и контекстной рекламы увеличить продажи в полтора раза

В то же время расходы на рекламу в Санкт-Петербурге и Ленинградской области составляли 55%. По Москве и Московской области — 39%. На продвижение в регионы тратилось около 6% от общего бюджета по целевым твердотопливным котлам.

Какие выводы мы сделали на основе этих данных?

  • Спрос на эти котлы в провинции есть. И там практически нет конкурентов.
  • Продукция востребована во всех регионах России. Её заказывают даже из Сибири и Дальнего Востока.
  • Даже в регионах с минимальными затратами на рекламу есть продажи.

Мы сформулировали гипотезу: продажи в регионах увеличатся при интенсивной маркетинговой кампании.

Кардинально перестроили контекстную рекламу

Мы детально проанализировали рекламную активность в каждом из 86 регионов РФ. Подавляющее большинство конкурентов показывались по примитивным ключевым фразам. Их рекламные объявления были шаблонными и в большинстве случаев не указывали на доставку в конкретный регион. Всё ограничивалось фразами «доставка из Москвы» или «доставка из Санкт-Петербурга».

Что сделали:

  • Настроили «Яндекс.Директ» на каждый регион в отдельности.
  • Для каждого крупного населённого пункта (с населением более 300 тысяч человек) создали отдельные объявления с геотаргетингом в заголовке. То есть при запросе «купить котёл твердотопливный», например, пользователь из Нижнего Тагила видел объявления, в заголовке которого было указано «бесплатная доставка по Нижнему Тагилу». Кликабельность таких объявлений варьировалась от 8 до 17% (среднее — 11%). В этом случае наши объявления выгодно отличались и привлекали нужное внимание целевой аудитории.
  • Переход с каждого объявления фиксировали по UTM-меткам, которые включали в себя регион посетителя. В зависимости от этого пересчитывались цены на сайте. Чем дальше от Санкт-Петербурга, тем выше стоимость котла и комплектующих (с учётом доставки). Зато никаких дополнительных переплат не было, и доставка осуществлялась прямо до двери. При этом отпускная цена всё равно оставалась ниже других компаний.
  • Детально проработали семантическое ядро. Показывались по брендовым запросам, по запросам конкурирующих марок и общим информационным запросам.

Итоги:

  • 81 рекламная кампания.
  • 837 групп объявлений.
  • 10 044 объявлений.
  • 28 458 ключевых фраз.

Все вышеперечисленные мероприятия мы реализовали за 30 календарных дней. К началу сезона компания была готова. Последующие полгода мы следили за продажами и трафиком буквально ежедневно: оптимизировали рекламные кампании, анализировали отгрузки, дорабатывали сайт и обсуждали качество лидов вместе с менеджерами по продажам.

Результаты

В начале января 2018 года мы подвели итоги проекта:

  • 20 664 602 рублей — продажи за июль-декабрь 2016 года.
  • 31 996 895 рублей — продажи за июль-декабрь 2017 года (рост продаж на 55%).
  • Вместо заявленного плана в 22 731 062 рублей (+10%) продажи выросли почти в полтора раза.
Как с помощью Big Data и контекстной рекламы увеличить продажи в полтора раза

Рост продаж в Москве был вполне логичным. Многие компании, испытывающие потребность в оборудовании, фактически находятся в регионах, но заказывают через головные офисы и холдинги в Москве.

Снижение продаж в Санкт-Петербурге было единственным упущением, ставшее следствием роста заказов из других регионов. У менеджеров физически не хватало времени на качественную проработку и встречи с местными компаниями. Это урок, который мы и заказчик вынесли по завершении проекта. Провели работу над ошибками, и на сезон 2018 поставлен план по продажам в Санкт-Петербурге.

Отгрузки региональным компаниям выросли на 170% и фактически обеспечили целевой прирост продаж. Если в 2016 году компания поставила котельное оборудование в 24 региона, то в 2017-м — в 40 регионов — в буквальном смысле от Калининграда (отгрузки в 2017 году – 602 379 рублей) до Камчатки (отгрузки в 2017 году – 145 600 рублей).

Как с помощью Big Data и контекстной рекламы увеличить продажи в полтора раза

Общий ROMI за время нашей работы (июль-декабрь 2017 года) составил 2204%. То есть на каждый вложенный в рекламу рубль вернулось 23 рубля. Это был один из самых высоких показателей рентабельности среди наших проектов.

Заказчик остался доволен работой. План был перевыполнен, рост продаж составил более 55% вместо планируемых 10%.

Дальнейшая работа по проекту в самом разгаре. Теперь мы ведём сразу несколько рекламных каналов и продвигаем весь ассортимент.

Выводы

  • Продвигать продукцию в интернете целесообразно практически для всех компаний. Даже если вы продаёте котлы в Горно-Алтайске. При профессиональном подходе рентабельность инвестиций будет положительной.
  • Успех рекламных кампаний определяется не только объёмом рекламного бюджета, количеством ключевых фраз или объявлениями. Важно в объявлениях транслировать ценность предложения, которая нужна потребителям. Например, что доставка будет по городу, в котором проживает клиент.
  • Данные по продажам и клиентам — ключевой капитал любой компании. Этот массив информации позволит сделать правильные выводы и совершить рывок в прибыли. Однако эта информация должна быть должным образом структурирована и обработана в соответствующих системах бизнес-аналитики.
1515
29 комментариев

Получилась настоящая Big data — 1 500 000 строк.

10
Ответить

Статья реально хорошая и реально о Биг Дата, но зачем же делать такой акцент на том, что это из-за 1500000 строк. Да хоть 150000000000. Биг Дата это когда вы смогли проанализировать, сделать выводы и показать результат. То, что вы в итоге и сделали.

5
Ответить

Познавательная статья
А сколько у вас занял процесс выгрузки биг даты и ее приведении к готовому для анализа виду?

1
Ответить

Бигдату не выгружают, это по сути просто такая система инструментов и подходов к анализу данных, выгружают «большой датасет» :)

1
Ответить

Дмитрий, спасибо за интерес!

Сперва сформировали запрос, по которому продажи выгружались бы в нужном нам виде и с нужными переменными. Это заняло примерно 1 рабочий день.
Сама выгрузка длилась не больше часа-полутора.
Проверка и шлифовка данных уже в Excel (выгружали именно в xlsx) – пара часов.

Ответить

красиво

1
Ответить

Спасибо за подробный пост, сколько стоят подобные услуги в вашей компании? Можно в лс)

1
Ответить