Кейс: семь примеров автоматизации маркетинга и бизнес-процессов

Самописная CRM система — «велосипед» или оправданное решение?

Когда мы создавали интернет-магазин клиенту в 2010м году, на рынке CRM не было готовых и недорогих решений, которые бы были максимально удобными для клиента.

Поэтому тогда совместно с клиентом было принято решение разрабатывать и постепенно развивать собственную систему, в которой бы помимо учета взаимоотношений с клиентами, одновременно можно было бы управлять каталогом из более 70 тыс. товаров, и обновлять цены более 100 поставщиков.

Первая версия системы была написана менее чем за один месяц силами одного программиста. Система успешно справлялась с поставленными задачами, ее было достаточно, чтобы вести операционную деятельность магазину.

Система включала учет продаж, доставок, финансов, все необходимые печатные формы и работой с базой товаров напрямую из CMS сайта.

Вторая версия была реализована уже на платной Bootstrap Admin теме, но все также усилиями одного удаленного разработчика.

Таким образом, нам удалось создать систему, настроенную под индивидуальные запросы клиента.

Добавлю, что на сегодняшний день самой удобной системой для интернет-магазина, по нашему мнению, является RetailCRM (не реклама, а дань уважения), с которой мы работали по другим проектам. Хотя она и не решила бы "из коробки" всех описанных в этой заметке задач, но точно упростила бы старт бизнеса.

Перед нами была поставлена задача клиента: быстро и без лишних затрат наполнить интернет-магазин каталогом в 70+ тыс. товаров.

На сегодняшний день существует много способов ручного или полуавтоматического добавления товаров на свой сайт, когда клиент обращается в агентства или к фрилансерам, которые добавляют на сайт товары с оплатой за каждую единицу.

Цены в этом случае могут варьироваться от 5 до 15 рублей за товар, в зависимости от кол-ва заполняемых характеристик, кол-ва фотографий и многих других факторов. Для ассортимента в десятки или даже сотни тысяч товаров получится очень внушительная сумма. Этот вариант не подходил.

Имея в штате PHP программиста, исследовав вопрос и возможные решения, мы нашли простенькую библиотеку PHP Simple HTML DOM Parser, которая скачивает страницу-источник товара, “разбирает” эту страницу на нужные нам элементы, после чего создает товары на нашем сайте.

Сайты некоторх поставщиков не было нужны даже парсить, так как они предоставляли готовые XML файлы со своим ассортиментом, поэтому немного добавив функционала в наш парсер мы смогли работать и с ними.

Таким образом, немного меняя код от сайта к сайту поставщиков, мы создали менее чем за две недели десятки тысяч карточек товаров. При этом цена написания такого парсера была на порядок меньше, чем клиент потратил бы, заказывая данную услугу у фрилансеров или специализирующихся на этом агентств.

Замечу, что сегодня на рынке существует несколько специализированных программ, например Datacol или Content Downloader X1. Настройка данных программ под конкретный сайт довольно трудоемка, но опытный специалист разберется в них, и вопрос с парсингом будет оперативно решен.

90% поставщиков клиента присылают обновленные цены в Excel прайс-листах. Формат файлов, к сожалению, у всех был разным, поэтому мы сделали систему хранения настроек под каждого из поставщиков, с указанием:

Созданные настройки позволили исключить ручную работу по изменению цен на сайте, в результате чего обновление одного файла на 5000 товаров занимало не более 1-2 минут.

И сегодня у нашего клиента остались поставщики, которые вместо Excel присылают прайсы в Word или в PDF. Но сейчас это уже не проблема, т.к. уже существует много удобных онлайн-конвертеров, с помощью которых можно быстро и легко изменить формат присланного файла.

Однако, около 10% поставщиков нашего клиента перешли на обмен ассортиментом, ценами и прайс листами в формате XML, что существенно облегчило всем жизнь — скачивать товары из готового XML файла легче, чем писать отдельный парсер.

К тому же, в XML файле могут быть постоянно обновляемые данные о наличии товара и актуальных ценах, которые клиент может использовать у себя на сайте.

После того, как мы научились оперативно получать информацию о всех ценах поставщиков и выводить её в CRM системе, поступила новая “вводная” от клиента.

Дело в том, что у довольно большого % импортируемого из Европы или Китая товаров, сильно отличаются цены у поставщиков. Видимо, до сих пор правила растаможки не совсем одинаковые для всех :)

В связи с этим, часто стали возникать ситуации, когда на сайте стоит цена от одного поставщика (у которого оптовая цена самая низкая), но в наличии товара не оказывается.

И тогда приходится покупать этот товар у другого поставщика, но уже дороже на 10-15%. Разумеется это съедало большую часть заложенной маржи.

Зачастую менеджерам приходилось извиняться перед покупателями и объявлять новую более высокую стоимость, и получалось не клиентоориентированно.

Для решения этой проблемы, мы стали накапливать в CRM системе всю информацию по ценам от всех поставщиков.

До этого цена на сайте была равна цене от поставщика, прайс-лист которого обновлялся последним.

Возникло довольно много интересных логических задач, т.к. цены в прайс-листах могли быть как в рублях, так и в евро или долларах.

Помимо этого, часть поставщиков давали только оптовую цену, часть только розничную, и часть и то, и другое. Плюс на некоторые товары были установлены РРЦ, которые нельзя нарушать. К этому же добавляются разные условия по внутреннему курсу, по которому происходит расчет между поставщикам и дилерами.

И всю эту логику нам необходимо было учесть.

Но мы справились и с этой задачей!
Мы создали автообработчик цен, который рассчитывает стоимость товара по актуальному курсу.

Обработчик запускался каждый раз после очередных обновлений прайс-листов, проверял требования по РРЦ, и выставлял минимально допустимую наценку.

Таким образом, мы исключили продажу товаров с невыгодной наценкой и товары больше не продавались в минус.

С ценами поставщиков разобрались - это конечно хорошо.

Еще одной задачей было предоставление конкурентной цены для покупателя, когда у многих конкурентов в ТОП выдачи поисковых систем цены немного или существенно ниже ваших. Очевидно, что это один из самых частых и болезненных вопросов, который задаёт себе любой из собственников высококонкурентного бизнеса.

На рынке существует несколько решений по автоматическому сравнению цен конкурентов. Обычно это делается на основе парсинга карточек товаров Яндекс Маркета. А как быть если многие из конкурентов не присутствуют в Маркете или вообще в вашей ниши нет карточек товаров?

Именно такая ситуация была у нашего клиента.

Карточек товаров в Яндекс Маркете для отделочных материалов не существовало, а названия одного и того же товара у разных поставщиков очень сильно отличаются и это сильно усложняет автоматизацию парсинга их цен. Пришлось пойти комбинированным путём, т.е. разработать инструмент который будет автоматически ежедневно парсить сайты ТОПовых конкурентов по заранее заданному вручную перечню товаров, вытаскивать оттуда цены и сохранять их в нашу CRM систему для дальнейшей обработки.

Самым сложным в этом решении было заполнение соответствия товаров клиента и страниц сайтов конкурентов. Сначала была написана система управления, в которой показывался товар, выводились быстрые ссылки для открытия в соседней вкладке поиска Яндекса с названием данного товара и было 15 полей, которые необходимо было заполнять URL’ами страниц конкурентов (из органической выдачи и из Яндекс Маркета).

На выходе был получен актуальный список конкурентов, которые забирают SEO трафик с карточек товаров. Всего в списке получилось 142 магазина для занесенных фрилансерам ~600 товаров. Отбросив магазины с небольшим кол-вом товаров осталось порядка 50 конкурентов, наиболее часто попадающиеся в ТОП выдаче.

И нам предстояло по каждому сайту разметить теги для нашего парсера на базе всё того же Simple HTML DOM Parser. Работа оказалась не очень сложной — сейчас на большинстве сайтов указывают цены в микроразметке типа meta[itemprop="price"].

Итак, все было сделано! Оставалось только настроить запуск скрипта парсинга на каждую ночь и утро, получать свежие данные по ценам конкурентов, которые в дальнейшем используются в логике расчета цен для сайта.

Ассортимент на сайт занесен, SEO начинает приносить трафик, но хочется результата больше и быстрее. Подойдет контекстная реклама. Если у вас 100-200 товаров или услуг, то логичным будет обратиться с этой задачей в агентство или нанять специалиста в штат, но как быть если у вас 20 000 - 30 000 товаров, которые вы хотите продавать через контекстную рекламу, плюс цены на них постоянно меняются, наличие заканчивается или вообще их снимают с производства?

В ходе уточнения задачи еще выяснился нюанс, что клиент хочет вести рекламу не на конкретные карточки товаров, а на коллекции товаров, т.е. каталожные страницы на которых выводятся все карточки, относящиеся к конкретной серии производителя.

В этом случае, хорошо помогут сервисы, которые умеют генерировать кампании на основании XML фида данных, а в дальнейшем брать из него цену товара и автоматически менять её в тексте объявления.

На момент поступления данной задачи в 2016 году наиболее подходящими под эти задачи, были сервисы Alytics и K50. В итоге, выбор был остановлен на последнем, т.к. только он умел работать со свободной структурой тегов в XML файле, а не только с форматом YML, который диктует Яндекс.Маркет.

В ходе решения задачи, был написан обработчик, который формировал XML фид для К50, содержаний в себе информацию коллекций, а не карточек товаров. Чтобы грамотно управлять ставками на основании частотности заказов, средних чеков и маржинальности по конкретным производителям, в данный фид также добавили тег с рассчитанным коэффициентом-множителем, на который уменьшались или увеличивались ставки по ключевым словам.

Одной из последних интересных задач была просьба клиента помочь определиться в каком районе Москвы им лучше открыть новый шоурум.

Мы решили сопоставить в Power BI на карте данные по продажам за последние 5 лет, чтобы оценить где именно находятся их клиенты, а также сопоставить с адресами магазинов конкурентов. Мы рассчитывали, что данный отчет поможет клиенту в принятии решения.

Из CRM системы были выгружены в Excel все продажи за 5 лет с адресами доставок. Однако, для отображения адресов на карте требовалось также получить широту и долготу по каждому из адресов. Для “обогащения” экселя недостающими данными нам быстро и недорого (10 копеек за запись) помог сервис Dadata, за что ему большое спасибо.

Помимо необходимых нам данных, мы еще бонусом получили рыночную стоимость квартир, куда делались доставки, правда пока не придумали как использовать эту информацию :)

Далее, стояла задача как-то получить список магазинов конкурентов. Для этого мы спарсили каталог одного из самых известных картографических сервисов, у которых наиболее актуальная база организаций Москвы, после чего эти адреса так же прогнали в Dadata.

На выходе получился красивый отчет по ГЕО продаж клиента с указанием точек присутствия конкурентов. Понятно, что многие адреса конкурентов, указанные в справочнике не относятся к реальным магазинам, а принадлежат офисам интернет-магазинов, но для начального анализа и “прицеливания” с дальнейшей ручной проверкой было вполне достаточно.

Клиент остался доволен — наш отчет помог принять оптимальное решение, где лучше открыть шоурум.