Кейс: как навести порядок в utm-метках, сделках в CRM раз и навсегда и достичь точности данных в аналитике 95-100%

Всем привет! Я Лаптев Алексей, основатель и главный разработчик сервиса сквозной аналитики utmstat.

Я думаю многие со мной согласятся, что в аналитике у многих бардак.

Выражается он обычно в следующих пунктах.

Utm-метки

Правильный формат utm-меток очень важен, если вы хотите чтобы ваша сквозная аналитика показывала корректные данные.

На практике же, маркетологи часто придумывают свои «удобные» форматы либо от незнания как надо, либо имея ошибочное представление как надо.

В итоге сервис сквозной аналитики банально не может сделать нужный SQL запрос и посчитать корректный ROI.

Рекламный источник заявок/лидов/сделок

Частая проблема, когда значительная часть заявок и продаж не имеет рекламного источника, но при этом маркетолог уже что-то пытается анализировать.

Когда 50% заявок не имеет источника — смысла от аналитики нет.

Бардак в CRM

Как итог — CRM не отражает реальный статус сделок и сумм продаж.

В целом слабая экспертиза на рынке

К сожалению все эти проблемы часто встречаются у рекламных агентств и различных экспертов.

Можно конечно учить, объяснять, контролировать но практика показывает — везде где можно ошибится — человек ошибется.

Что делать?

Полностью автоматизировать процесс контроля за данными — работа с аналитикой это отлично позволяет.

Решение проблемы с utm-метками

Тут единственный рабочий вариант — собирать лог кликов самим и проверять все параметры

Принцип проверки простой — если клик с платного источника и там нет campaign_id, group_id, ad_id, pharse_id, keyword — значит utm-разметка кривая.

Почему так важны campaign_id, group_id, ad_id, pharse_id? Без них вы не смэтчите расходы с продажами и не посчитаете ROI в любом сервисе.

Разумеется для таргета pharse_id, keyword не актуальны.

Ну а далее просто выводим список таких платных кликов и говорим что делать.

Что еще упростить сигнал о проблемах — сделали индикатор.

Хороший результат — 95-100% грамотно размеченных кликов.

Такой подход позволяет найти даже 1 проблемный клик из миллиона. Точность данных на максималках.

Также обратите внимание, что такой контроль нельзя сделать на базе Яндекс Метрики и Google Analytics, а также в производных от них инструментах аналитики — Power BI, DataLens, Lookerstudio.

Да и в платных сервисах аналитики кроме utmstat, тоже нельзя.

Решение проблем с трекингом заявок

Тут аналогично, по внутренней базе заявок смотрим сколько их без источника и выводим алерты.

Индикатор показывает что только 71% заявок имеют известных рекламный источник, хороший результат — 95-100%.

Даем подсказку что делать

Обычно причины 2:

Решение проблем с CRM

Также выгружаем все сделки из CRM к себе и начинаем анализировать.

И даем советы что не так.

Обратите внимание, что суть проблемы — клиент хочет купить, уже оставил заявку — а про него забыли.

Наведение порядка в CRM это простая и мощная точка роста — просто начините продавать по входящим заявкам.

Если устранить все замечания, данные будут в идеале. Задача вполне решаема.

На самом деле нет, 4-5 подходов раз в неделю по решению довольно простых задач и все будет хорошо.

Проблема обычно в том что вообще ничего не делается.

Тут речь не про смену сервиса аналитики, а про задачу контроля данных, чтобы ваш сервис аналитики показывал корректные цифры.

Можно анализировать в одном сервисе, а контролировать данные в другом — utmstat.

Ну или реализовать описанные подходы самостоятельно.

Через меня прошло сотни проектов и набралась хорошая статистика проблем.

Если выражаться дружелюбно, если вам нужные точные цифры в аналитике — решительно рекомендую все что можно контролировать автоматически, верить на слово что все хорошо — не стоит.

Напишите нам.