Сквозная аналитика в недвижимости не работает: в чем ошибка и где решение

Объяснимо, но факт: сквозная аналитика в сфере недвижимости не работает.

В закладки
Аудио

На рынке масса готовых решений, которые предлагают “сквозную аналитику”. Однако все эти системы не учитывают фактор “длинного цикла сделки”, и делать вывод на основе таких данных все равно, что есть суп дырявой ложкой, - вроде и суп варили, и ложку взяли, а только перепачкались. В чем проблема? Давайте разберемся.

Что мы хотим получить от сквозной аналитики? Понимать, насколько эффективны наши вложения в рекламу. Главный критерий в таком случае - ROMI (будем считать, что это, условно, то же самое, что и ROAS/ROI). Этот показатель считается просто - прибыль за некий период по отношению к расходам этого периода, умноженная на 100%. Обратите внимание, ROAS рассчитывается, как прибыль по отношению к расходам за определенный период. Казалось бы, все верно, что тут не так?

И вот здесь - вся загвоздка. Ведь, зачастую, проходит несколько месяцев от момента первого обращения потенциального клиента в компанию до получения первой оплаты. Стандартная методика расчета ROMI не работает для сферы недвижимости.

Почему обычная сквозная аналитика не работает в недвижимости​ Игорь Кузин

Давайте смоделируем ситуацию, когда мы запускаем рекламу по случаю старта продаж нового ЖК:

  • В первый месяц мы тратим на рекламу 5 млн. руб. Рентабельность отрицательная, так как большая часть людей, привлеченных рекламой, еще не успела принять решения о покупке.
  • Во второй месяц тратим еще 3 млн. руб. (да, нам урезали бюджет “по результатам” первого месяца), продажи лучше, но их пока немного. ROAS, рассчитанный стандартным способом, по-прежнему очень низкий, возможно, отрицательный.
  • В третий месяц мы тратим еще 1 млн. руб. (догадайтесь почему) и получаем уже достойный результат. Многие клиенты, пришедшие в первый и второй месяцы, заключили сделки. Рентабельность инвестиций подскакивает, и мы видим, что со стандартным ROAS вроде как все в порядке.
Моделируем ситуацию запуска рекламной кампании по случаю старта продаж нового ЖК​ Игорь Кузин

На вид - обычная ситуация, ничего удивительного. Только вот проблема в том, что это, не побоюсь этого слова, “кривая” аналитика, которая приводит к таким же “кривым” выводам. И вот, например, к каким:

  • На уровне высшего руководства: расходы на маркетинг не очень связаны с продажами (ведь по факту в примере, можно сказать, обратная корреляция); вероятно, и дальше можно урезать бюджет, это не скажется ощутимо на продажах. А на самом деле: если урезать бюджет в данном примере, то через несколько месяцев придет значительный и очень даже ощутимый спад продаж.
  • На уровне маркетолога: была произведена успешная оптимизация кампаний; наконец найдены те рекламные кампании, ключи, креативы, типы устройств, геолокации и прочие факторы, которые привели к нужном результату. А на самом деле: рекламные активности 3го месяца почти не повлияли на продажи этого 3го месяца; возможно, даже наоборот, эффект от них на 4,5,6 месяцы будет хуже, чем от 1го месяца.
  • На уровне подрядчика-агентства: рост ROI до 5000%, мегакейс и прочий успешный успех; это не фейк - это статистика, а ведь с ней не поспоришь; и все это благодаря внедрению “сквозной аналитики”! А на самом деле: подрядчик очень старался (нет, правда старался) и отключил те сегменты (например, ключевые фразы), которые не давали быстрого результата, что непременно негативно скажется на кампаниях, но только позже, в следующих периодах.
  • На уровне аналитика: нет иллюзий; понятно, что все не так радужно, но, во-первых, нет удобного инструмента, который бы позволил оценить реальную отдачу от рекламы, а, во-вторых, просто не хочется никого расстраивать, ведь все так счастливы ;)

Итак, стандартный подход к исчислению ROMI/ROAS/ROI не работает в недвижимости. Да и не только в недвижимости, в любом бизнесе с длинным циклом сделки. Так как же правильно считать эти и другие метрики, например, хотя бы объем продаж? Ниже простая схема, которая наглядно иллюстрирует описанный выше кейс.

Когортный анализ в сквозной аналитике​ Игорь Кузин

Что это вообще такое? Конечно, это когорты! Группа людей, привлеченных в 1й месяц (когорта 1го периода), внесла наибольший вклад в продажи 3го. Когорта 2го месяца внесла несколько меньший вклад. Когорта 3го периода внесла минимальный вклад в продажи, собственно, 3го периода.

Интересно, что многие (и в том числе даже весьма продвинутые) маркетологи и аналитики полагают, что когорты - это не про сквозную аналитику. Это про “ретеншн” и вообще актуально только для приложений, СМИ, блогов и т.д. Мы в Smart Analytics любим когорты и расскажем вам о том, что это идеальный инструмент для оценки маркетинга в условиях длинного цикла сделки.

Как работать с когортами в случае длинного цикла сделки?

Итак, чтобы правильно посчитать отдачу от вложений в маркетинг, необходимо взять конкретную группу людей, которых мы привлекли в конкретном периоде за конкретные деньги, и посмотреть, что с ними случилось не только внутри этого периода, но и в течение последующих. В качестве такого периода, кстати, может быть вовсе не месяц - а, например, период, соответствующий времени проведения некой акции или действия какого-либо специального предложения. Эта группа людей - “когорта”. “Когортный анализ” решает проблему длинного цикла сделки. Он убирает все лишнее и показывает реальную картину.

Когортный анализ известен давным давно, так почему же его использую не все? Дело в том, что он требует нестандартной логики работы системы аналитики. На момент написания статьи, мне неизвестны системы сквозной аналитики (за исключением smartanalytics.io), позволяющие работать с когортами. По факту, сейчас строить когорты - это долго и дорого. Строятся они мучительно, руками высококвалифицированных специалистов, закупивших решения по стримингу данных, вызывая массу вопросов к корректности и гибкости механики подсчета. На рынке просто долгое время не было представлено решений, которые могут “когортно” вычислить абсолютно любые метрики эффективности бизнеса по абсолютно любым срезам за несколько кликов.

Причем когорты можно строить не только в безумных таблицах, но и использовать наглядную визуализацию самых разных типов. Выглядит это, например, вот так:

Пример работы с когортами​ Игорь Кузин

Что видно на этом скриншоте? Зеленые столбики - это объем продаж людям, пришедшим в марте. Синие столбики - результат рекламы апреля. Ну а розовые - мая. Благодаря такой визуализации, например, мы получаем реальную картину структуры майских продаж и понимание реального объема продаж, обусловленного мартовской рекламой.

Но в когортном анализе есть одна проблема - он не так прост для восприятия. Я бы даже сказал, что он немного мозгодробителен. Если в такой таблице будет больше данных (больше периодов, несколько показателей - да, такое тоже возможно) - читать ее станет довольно трудно.

А можно как-то попроще?!

Да, можно! В системе существует “когортный режим”, позволяющий получить простую и понятную таблицу с нужными срезами и правильными данными. Ведь инструмент для бизнеса должен быть простым, понятным. Он должен скрывать все сложное, давать ответ, а не создавать головную боль. Когортный режим - инструмент не только для аналитиков, но и для маркетологов, управленцев.

Теперь можно пользоваться привычными глазу таблицами и диаграммами, работая с данными, отражающими реальную картину. Добавьте расход, сеансы, конверсии, цены лида, брони, объем продаж и любые другие показатели - сколько угодно одновременно. Нажмите на одну кнопку, и платформа сделает все остальное сама. Результат такого расчета на одном из реальных проектов выглядит так:

Пример работы с метриками, вычисленными "когортно" в некогортном отчете​ Игорь Кузин

Это простая таблица, где можно посмотреть что угодно. Вся это возможно благодаря person-based аналитике, в рамках которой платформа работает не сессиями, а с пользователями, то есть с теми самыми людьми, которые покупают квартиры, дома и парковочные места. Таким образом, можно проследить все точки взаимодействия с клиентом, и неважно как сильно они растянуты по времени.

Кто-то скажет: “Игорь, о чем ты! Когортный анализ есть даже в бесплатном GA, и много где еще!” Я уже давно мечтаю увидеть хотя бы один реально работающий проект, где когорты считают метрики сквозной аналитики, опираясь в том числе на рекламную статистику и данные из CRM.

Учет длинного цикла сделки и “скрытые” возможности когортного анализа - глубокая и очень интересная тема. Больше информации о работе с когортами и сквозной аналитике в нашем telegram-канале, присоединяйтесь.

Материал опубликован пользователем.
Нажмите кнопку «Написать», чтобы поделиться мнением или рассказать о своём проекте.

Написать
{ "author_name": "Игорь Кузин", "author_type": "self", "tags": [], "comments": 69, "likes": 30, "favorites": 46, "is_advertisement": false, "subsite_label": "marketing", "id": 90121, "is_wide": false, "is_ugc": true, "date": "Tue, 29 Oct 2019 09:09:43 +0300", "is_special": false }
0
{ "id": 90121, "author_id": 317543, "diff_limit": 1000, "urls": {"diff":"\/comments\/90121\/get","add":"\/comments\/90121\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/90121"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 199113, "last_count_and_date": null }
69 комментариев
Популярные
По порядку
Написать комментарий...
6

Как ваш телеграм канал найти? И можно ли посмотреть на эти когорты в действии?

Ответить
5

Да, конечно. Телеграм-канал: https://t.me/smartanalytics

Ответить
5

Демо-доступ можно получить после регистрации в системе: https://cloud.smartanalytics.io/#!/register

Ответить
4

Довольно странный взгляд. Все коробочные сервисы на рынке привязывают сессии, лиды с них и все этапы сделки к дате привлечения сессии. То есть, к реальной дате траты бюджета на закупку трафика, который дальше идёт по воронке. И вы, зная, что у вас длинный цикл сделки, просто оцениваете эффективность маркетинга за прошлые месяцы. А текущие активности аккуратно анализируют по промежуточным показателям. Описанной вами проблемы просто не существует) 

Ответить
3

Ксения, спасибо за вопрос! Действительно, с некоторыми проблемами так - пока с ними вплотную не столкнешься, не думаешь о том, что они есть)

Вы описали подход, который основан на том, что а) мы связали расходы с сессией (корректно ли это было или нет - это уже другой вопрос); б) связали сделку с сессией; в) по сути, атрибуцировали сделку на некую сессию (скорее всего, по последнему непрямому взаимодействию). Допустим, все это получилось сделать более или менее корректно. 

Но при таком подходе возникают следующие проблемы: 

1) Данные в отчетах "сквозной аналитики" не сходятся с фактическими от слова "совсем". В таком отчете за июнь, например, практически не будут показаны майские продажи, но будут данные за другие периоды. 

2) Руководителю на стол, в таком случае, будут ложиться отчеты, данные в которых будут безудержно меняться. В конце мая - за май одна статистика, в июне за тот же май уже другие данные, в августе - еще какие-то. И главное, не понятно что откуда берется. 

3) Домножим п.2 на то, что в реальности все не так просто, как в моделях, аналитическая инфраструктура не идеальна и не все работает так, как задумано. Тогда подход, основанный на атрибуцировании сделок, вызывает большое недоверие, т.к. сопоставить данные с реальными, фактическими, не представляется возможным. 

4) После сессии (той самой, с которой мы "склеили" сделку), возникают дополнительные расходы на пользователя (ретаргетинг/ремаркетинг, рассылка, CRM-маркетинг, работа отдела продаж). В описанной Вами схеме эти расходы не будут учтены и ROMI будет некорректным. 

5) Крайне сложно понять, что происходит с растянутыми во времени платежами. Например, рассрочкой, или допродажами (случаи, когда покупатель приобретает машиноместа или несколько объектов последовательно).

Всех этих проблем и упущений нет, когда мы используем когорты для анализа маркетинга, для которого характерен длительный цикл сделки.

Ответить
2

Это не вопрос, а утверждение. У вас довольно странное представление о ROMI-ориентированном подходе к анализу эффективности маркетинга.

Вы не можете сделать универсальный отчет, который можно использовать для ответа на любые вопросы (какой был ROMI в мае и сколько было продаж). Мне кажется, это очевидно. Для разных задач используются разные срезы и отчеты.
Когда вы отвечаете на вопрос «Сколько сделок мы закрыли в мае», вы берете отчет по дате сделки. Когда стоит вопрос «Как отработала реклама на vc.ru в апреле», вы изучаете статистику по дате привлечения сессии.

Растянутые во времени платежи, длинные циклы – это часть многих бизнесов и нужно просто уметь работать с такими данными. В вашем примере когорт будет точно такая же проблема. Поэтому, для принятия оперативных решений, используют промежуточные метрики, которые подобраны под каждый конкретный бизнес. Мы просто находим метрику, которая имеет достаточно высокую корреляцию с конечной продажей и постоянно эту корреляцию проверяем. Такая метрика есть в любом бизнесе, 100%.

В вашем же примере когорт невозможно увидеть реальный ROMI конкретных рекламных кампаний / источников трафика за период, так как вы переносите привлеченные ими сделки / деньги в другие периоды. На какой вопрос отвечает предложенный вами отчет?

Что касается корректности склейки сессии и сделки – вопрос инструмента, который вы используете. Вполне реально добиться высокой точности, при корректной настройке. Если вы ее не добились, какой вообще смысл в отчете? Не важно, в виде когорты он или нет, если у вас данные  по сделкам не привязаны к рекламным источникам, то зачем вы сделали этот отчет?)

Ответить
1

Ксения, если Вы внимательно читали статью, то она как раз о том, чтобы получить реальные данные, на любом уровне. Корректный ROMI на уровне кампаний, слов, типов устройств, городов, позиций и проч. Преимущества использования когорт по сравнению с предложенным Вами подходом я также описал выше.

Что касается некого единого отчета - я не говорю об одном отчете для всех нужд. Я говорю о недостатках отчетов, полученных по механике, описанной Вами.

Ответить
0

Давайте с конкретными примерами. Вот вы купили трафик на vc.ru, в период с 1 по 15 мая у вас проходила рекламная кампания. Вы на нее потратили 270 000 рублей, за этот период к вам на сайт пришло с этой кампании 1 300 сессий. Как дальше будет строиться ваш отчет?

Ответить
1

Ксения, при всем уважении - в Ваших вводных данных опять же session-based подход. Я же говорю о person-based, где мы, в первую очередь, считаем не сессии, а людей.

Ответить
1

Ксения, прошу прощения, если я Вас чем-то задел, - я не сомневаюсь Вашей экспертизе в диджитале. Просто работа с когортами, наверное, требует некоторого времени на осмысление, когда нечасто с ними сталкиваешься.

Ответить
0

Игорь, я посмотрел ваше видео, но все равно не понял, в чем ноу хау вашего подхода))

Можете привести пример из реальных кейсов, как вы без учёта атрибуции и данных из отдела продаж наоптимизировали маркетинг?

Я смотрю на примеры и понимаю, что из них нельзя сделать никаких статистически достоверных выводов, учитывая количество сделок.

Да и вообще каких-то выводов) 

Ответить
0

Конечно, с радостью! В эту пятницу, в 13:00 у нас в офисе в Москва-сити - подходит?

Ответить
0

А почему вы избегаете публичных объяснений в комментариях к вашей статье? Давайте дадим возможность всем читателям vc.ru тоже разобраться) А не только Роману в Москва-сити))

Ответить
0

Ксения, в этой статье порядка семидесяти комментариев. Ни один из вопросов не остался неотвеченным)

Ответить
0

Игорь, без всякого стеба пытаюсь понять в чем суть вашей идеи. Суть когорт всем понятна, их не вы придумали :)

Привела пример простых вводных. Помогите мне разобраться в вашей идее. Как вы от этих вводных дальше строите ваш person-based отчет?

Ответить
0

Ксения, вводные, предоставленные Вами, харрактерны только для подхода, основывающегося на работе с сессиями. Я же говорю о работе с условно людьми. 

Могу только заметить, что в Ваших вводных не хватает, как минимум, количества пользователей и того, как эти пользователи распределены во времени. 

Ответить
0

Поддержку Ксению)
Есть на самом деле куда более тяжелые проблемы, чем отсутствие возможности построить когорты, начиная от модели мультиканальной атрибуции( вы же не предлагаете по last-click все считать?), заканчивая изменениями в отделе продаж и действиями конкурентов по рынку/локации.

Имхо оптимизация по промежуточным показателями типа стоимость и количество Целевых лидов  - оптимальный вариант.

Ответить
2

Роман, дело в том, что мультиканальная атрибуция едва ли имеет отношение к данной проблеме (а именно учету длинного цикла сделки в сквозной аналитике).

 Когда мы говорим о мультиканальной атрибуции, то мы, в первую очередь, говорим о распределение весов каких-то метрик по пользовательской цепочке. Т.е. по цепочке сессий, иными словами. Однако, когда мы говорим о когортном анализе, то мы уже отходим от session-based подхода и говорим о пользователях (+/- людях). Поэтому, в данном случае, когортный анализ является лучшей альтернативой моделированию атрибуции.

Про продажи - я понимаю, что это это основная плоскость Вашего профессионального опыта, но это, к сожалению, также не имеет отношения к вопросу. 

Ответить
0

Ну как продажи могут не влиять...

У вас сначала была конверсия из лида в продажу Х, затем стала 2Х, путем каких-то манипуляций внутри отдела, а затем в локацию зашел конкурент, который начал продавать сильно дешевле вас. 

Как эти факторы могут не повлиять на финальную оценку маркетинга на основе данных по продажам, я просто не понимаю))

Ответить
0

Не совсем так. Вы изначально сказали, что есть и более актуальные проблемы в недвижимости, например, "изменения отдела продаж". Простите, но это явно не относится к тематике статьи. 

Сквозная аналитика - это всегда про продажи, про реальные данные о поступлении денег. Но построение отделов продаж - это другая тема уже совсем, не имеющая отношения к этой статье. Это как маркетинг и продажи - да, очень близкие вещи, сложно разграничить где заканчивается одно и начинается другое, что во что входит. Но статья явно про "маркетинг", а Вы в комменте про "продажи".

Ответить
0

Я как раз про маркетинг))
Раз вы решили оценивать результат работы маркетинга на основе кассовых поступлений, вы не можете игнорировать показатели отдела продаж, потому что для вашей системы это внешний неизвестный фактор, на который повлиять вы не можете. 

Если не принимать в расчет показатели ОП, ваша методика в статье просто неверная.

Ответить
1

Роман, все данные в данном примере не просто учитывают, но опираются на данные о продажах. Взяты именно на основе поступлений от ОП. Причем даты этих поступлений соответствуют фактическим (а не просто атрибуцируются на даты неких сессий, как это делает ряд других систем аналитики).

Ответить
1

Вы меня не понимаете)

Давайте еще один заход.

У вас продажи идут с помощью людей. У менеджеров по продажам может быть разный winrate в разное время. Если вдруг по какой-то причине winrate упадет в 2 раза, т.е. при том же объеме лидов в кассе у вас будет в 2 раза меньше денег. Значит ли это, что маркетинг отработал херово, потому что ROMI упал в 2 раза?

Ответить
2

В smartanalytics.io доступны срезы по данным из CRM-системы. Например, статистика продаж, конверсия в продажу - доступны по разным срезам, в т.ч. и по менеджерам. 

Ответить
0

Это я видел, но как в этом случае оптимизировать маркетологу рекламу?
В 2 раза упала конверсия потому что лиды говно или потому что мотивацию ОП изменили?) 

И это только один из примеров возможных

Ответить
0

Роман, спасибо за холивар!))

Вопрос, которые Вы задаете, носит сложный, почти экзистенциальный характер) Что объединяет вопросы: "Сколько волосин на голове должно быть, чтобы человек считался лысым?", или "Что было первым - яйцо или курица?" Пожалуй, как минимум то, что на них нет однозначных ответов и, наверное, все сильно зависит от конкретных обстоятельств. Но все-таки попробую ответить.

Например, если мы видим, что трафик, который идет с CPA-сетей, конвертится в качественный лид хуже, чем трафик по другим источникам/каналам, то дело в трафике в таком случае (проблема - маркетинг).

Или, наоборот, если Вы видите, что одна группа менеджеров закрывает сделки значительно лучше другой, то проблема именно в этой группе менеджеров (проблема - продажи). 

Ответить
0

Нет никакого холивара, просто без учета показателей отдела продаж оптимизировать маркетинг на основе кассы нельзя)

Ответить
0

Так ведь в этом и есть смысл сквозной аналитики - получить данные от денег до денег.

Ответить
0

Имею ввиду, что нужно учитывать в работе их переменные, либо делать оптимизацию только на уровне целевых лидов.

Ответить
1

Чем больше данных в системе, тем потенциально лучше управленческое решение, которые мы можем принять.

Ответить
0

Да кейс в статье описан ну ооооочень странный. "У нас длинный цикл сделки, поэтому будем урезать маркетинговый бюджет из-за отсутствия продаж хотя бы в рамках одного цикла") 

Ответить
1

Кейс как раз наглядно показывает проблему того, что "плохая аналитика > плохие управленческие выводы". И дело тут не в урезании бюджета, а в том, на сколько сильно будут отличаться значения ключевых метрик при стандартном и при когортном подсчете.

Ответить
0

Если руководство знает, что цикл сделки 2 месяца, и просит продажи в 1ом месяце, то это глобальная проблема компании и сквозной аналитикой ее не решить))

Ответить
0

1) На старте продаж не известен цикл сделки.
2) Он динамичен во времени.
3) Будет отличаться по разным сегментам маркетинга. Т.е. грубо говоря, по разным кампаниям будет разный цикл.
4) Все понимают, что длинный цикл есть. Вопрос не в том, чтобы понять, а вопрос в том, как сквозную аналитику считать с учетом этой специфики.

Ответить
0

1)Для этого есть отраслевые бенчмарки, в том числе можно переиспользовать свои данные с предыдущих объектов( если у застройщика есть другие ЖК в продаже)
2)Согласен, но не уверен, что там будет прям очень большой разброс
3)Оценивать на основе сегмента в целом некорректно, потому что см.мультиканальная атрибуация
4)CRM + Calltouch вам это помогут сделать)

Ответить
1

1) Цикл сделки зависит от класса недвижимости, региона, квалификации отдела продаж и самой стратегии продаж (см. кейс Дмитрия Формана о продажах в ЖК "Баланс"). Одни бенчмарки не помогут.
2) Рад, что Вы согласны)
3) Именно корректно сегментировать данные и оценивать их по различным срезам: по рекламным кампаниям, ключевым словам, типам устройств, позициям и, что еще более важно - прочим сегментам. Например, в smartanalytics.io Вы можете создать сегмент "класс недвижимости". Разные объекты попадут в разные сегменты. Таким образом, цикл сделки по сегменту, скажем, "премиум" будет существенно отличаться от цикла сделки по сегменту "эконом".
4) То готовое решение, о котором Вы говорите, не способно сделать то, что показано в данной статье. Это несколько разный класс систем. Наверное, не очень целесообразно сравнивать платформу "энтерпрайз" уровня с готовым решением для малого бизнеса.

Ответить
0

3)Как вы в сегментах по кампаниям оцените вклад других РК? И соответственно затраты на них.

Ответить
2

Когортный анализ хорош тем, что мы берем расходы на пользователей (!) и смотрим, какие продажи они совершили. Пользователи также сегментируются, соответственно, как и сессии и прочие коммерческие и веб-метрики.

Ответить
0

Какое среднее количество касаний клиент совершает до сделки?
А если расширить этот показатель на источник рекламы и ID объявления/ключевик/баннер/оффлайн рекламу?

Ответить
0

Роман, в данном кейсе - некое

Ответить
2

Ксюша подняла интересный вопрос. Могу сказать с позиции личного опыта (я являюсь Управляющим партнером в московском performance-агентстве): мы с 2014 года перебрали большое кол-во различных систем сквозной аналитики, в числе которых был и платный GA, и тот же Roistat, и иже с ними - сейчас могу  уверено заявить, что от когортного анализа в готовых системах, в которых довелось поработать, одно название.. Да, ряд систем, действительно, позволяют когортить какое-то ограниченное кол-во параметров, при том, все эти параметры – только про данные из CRM. Допускаю, что мог упустить из виду что-то интересное) Ксения, могли бы вы привести конкретный пример, из вашего опыта, получения когортных данных в готовых системах сквозной аналитики? 

На сегодняшний день, могу сказать, что не получите вы когортного отчета без предобработки данных, sql-запросов, датасетов и т.п. – это тоже вариант, конечно, но довольно хардкорный - придется "вспотеть", чтобы получить нужные когорты. Да и времени на это уйдет, "мама не горюй". Так что, тема, задетая автором в статье, вполне уместная и актуальная, как по мне. Только я бы несколько расширил фокус – проблема касается не только недвижки, есть ещё много отраслей с длинными циклами сделок и повторными продажами - и там возникают те же вопросы

Ответить
0

Моя идея заключается в том, что если вы решаете задачу оценки эффективности ваших маркетинговых активностей, вам нужно идти от вложенных денег. Все данные в отчете должны быть привязаны к дате расхода бюджета (захода сессии на сайт, к которой вы привязали лид по выбранной вами модели атрибуции). Все действия пользователя по воронке от сессии до денег в кассе нужно привязать к вложенному рекламу бюджету. Тогда вы видите ROMI, стоимость клиента и можете сравнивать между собой эффективность рекламных каналов.
Когорты, описанные в статье описаную мной задачу не решают. Если вы деньги потратили в мае, а сделки сложили в август, то как вы посчитаете майский ROMI?

Ответить
1

Хм, ну статья о том как раз, как решить эту проблему)

"Все данные в отчете должны быть привязаны к дате расхода бюджета (захода сессии на сайта" (орфография сохранена) - Вы рассуждаете в терминах session-based подхода. Я же говорю person-based, где платформа работает с людьми, а не с "заходами".

Ответить
4

 Рад что хоть кто-то это написал...

P.S.:
 У сервисов сквозной аналитики основные жирные клиенты это как раз недвижимость и автоцентры. Что первые что вторые это длинные цикл сделки.

Ответить
4

"Как оценивается влияние активных рекламных кампаний на привлеченных ранее пользователей, которые уже находятся в конверсионной воронке?" - Николай, мне нравится Ваш вопрос, отвечу на него отдельно!)

Скажу так - оценивается. Обычно когда мы строим когорты, мы берем фильтр "новые пользователи" (как раз получается табличка уголком). Но в smartanalytics.io можно и не ставить такой фильтр. И можно наглядно увидеть (с помощью соответствующей визуализации в интерфейсе), что какую роль в тех или иных рекламных кампаниях сыграли пользователи с предшествующих периодов.

Ответить
3

Хороший вопрос, спасибо. Полагаю, на то есть несколько причин:

1. Когортный анализ - не так прост для понимания. Обычно это словосочетание уже останавливает практика, активно работающего со своим пулом огненных задач, от того, чтобы это как-то изучить. 

2. Когортный анализ в чистом виде - не очень удобен для целей сквозной аналитики, особенно когда речь идет о контекстной рекламе. 

Зачастую, когортная таблица (которая внушительных размеров и "уголком") строится по какому-то одному срезу. Например, по конкретной кампании для конкретного источника/канала. Но нам нужна аналитика и на уровне ключевых фраз, и типов устройств и т.д. Т.е. обычно надо перестроить множество таких таблиц, что-бы сделать выводы. 

ИМЕННО ПОЭТОМУ в smartanalytics.io есть "когортный режим". Он позволяет работать с самой обычной таблице, но данные в ней исчисляются "когортно". Пользователь получает "когортный" ROMI/ROAS в некогортных (обычных) отчетах. 

3. Заставить аналитическую платформу "думать" в режиме когорт, оценивать доходы и расходы по когортам - непростая задача. В настоящий момент практически нет систем аналитики, работающих с когортами.

Кирилл, ответил на Ваш вопрос?

Ответить
2

Михаил, спасибо за вопрос! По поводу касаний - пользователю присваивается идентификатор, по которому склеиваются данные из всех систем.

По атрибуции - я точно хорошо понимаю, что это такое) Если интересно, то я более подробно разбирал этот вопрос на одном аналитическом митапе недавно, вот ссылка на видео: https://www.youtube.com/watch?v=azieNFNNPtc

Ответить
1

Николай, так ведь в том-то и есть вся соль, что есть задачи в сквозной аналитике, которые отлично решаются с помощью когортного анализа. Например, проблема длинного цикла сделки. 

Что касается модели атрибуции - то это не столь важно для когортного анализа. В данном случае, механика будет прекрасно работать и без какой-либо модели атрибуции, а просто на фактических данных. Когортный анализ - это в каком-то смысле альтернатива моделированию атрибуции в данном случае. Т.е. не нужно пытаться найти/разработать какую-то специфическую модель атрибуции для учета длинного цикла сделки, можно просто использовать когорты.

Ответить
1

Добрый день. Уже спрашивал вас на конференции в мае про атрибуцию, вы тогда скалази то ли про ферст клик, то ли про ласт, так или иначе - про что-то явно странное в контексте длинного цикла сделки. 

Теперь вы пишете, что на атрибуцию, в общем то, и наплевать, у нас же персон-бейзд. Заявление сильное, раскройте его, пожалуйста. Что интересует: 

- как smartanalytics идентифицирует человека, а не браузер (у ругаемого вами гугла в этом направлении кстати медленные, но уверенные шаги, плюс, как уже писали выше, можно работать с GBQ и частично решать этот вопрос)

- как маркетолог, глядя в ваши когорты, решает корректировать бюджет на рк? Придумайте какой-нибудь пример для не очень умных, пожалуйста. 

Ответить
0

Артем, спасибо за хороший вопрос!

Длинный цикл сделки может быть не ассоциирован с длинными пользовательскими цепочками. Цепочка может быть такой: яндекс/спс (поисковая РК) -> яндекс/спс (сетевая РК) -> лид -> сделка. И, при том, все это очень растянуто во времени. Т.е. в данном примере мы видим один "канал" (одно значение параметра источник/канал, если быть точным). Какую бы модель атрибуции Вы не использовали, вес все равно упадет на яндекс/спс.

Собственно, поэтому я и говорю о том, что вопрос атрибуции не имеет прямого отношения к предмету статьи.

Гугл не ругаю, GA - серьезная платформа, тут и говорить нечего. Однако, она не может то, о чем рассказано в статье. Как не может еще многое из того, что может Smart Analytics.

Ответить
0

Артем, по по вопросу того, как работа с когоротами позволяет маркетологу оптимизировать бюджет. Это очень просто. Только сегодня с одним из клиентов обсуждали ряд интересных вопросов по аналитике текущего проекта. Вот, например, берем компании А и Б по яндекс/спс за август. По А ROAS низкий, по Б приемлемый. Далее делаем кампанию А за август когортой, и Б когортой. По А ROAS - высокий (!), по Б - не меняется. Маркетолог могу совершить ошибку и "потерять" тот хвост продаж, которые осуществили пользователи, пришедшие с кампании А в сентябре-октябре. Ожидали, что и по Б ситуация существенно изменится - но нет, смотрели-смотрели, Б не дает длинного хвоста.

Иными словами, работая с когортами, Вы видите реальную картину, а не приблизительную или вовсе искаженную.  

Ответить
0

Почему никто не додумался до этого раньше?

Ответить
2

Кирилл, ответил Вам ранее, но ответ почему-то отображается выше.

Ответить
0

Это уже давно делают все более менее серьезные системы аналитики, включая бесплатный Google Analytics. Просто автору очень хотелось хайпануть, рассчитывая на неподготовленность аудитории.

Ответить
2

Алексей, при всем уважении к Вам и Вашему профессиональному опыту, ROI/ROMI/ROAS корректный в Google Analytics не получится получить, т.к. не получится связать расходы с конкретными пользователями. 

Статья не про хайп, а про реальную проблему, которую многие не хотят замечать, ведь решать ее не так уж и просто, если нет инструмента, который умеет это делать.

Ответить
1

В Google Analytics есть все необходимые для этого данные (расходы из рекламных систем туда тоже можно без проблем передать), вопрос только в построении кастомного отчёта. Инструментов для этого на рынке полно.

Проблема давно всем известна, методы ее решения - тоже. Позиционировать это как нечто инновационное - примерно как рассказывать о том, что такси можно вызывать не только по телефону, но и через приложение. 

Ответить
0

По Вашей логике, изобретение автомобиля - не круто, потому что до него было нечто, что может катиться на колесах) Методы есть, можно много что много как сделать. Статья о том, что появился инструмент, который позволяет решать задачи без проблем и больших временных ресурсов. И еще, я ни разу не видел реально работающего проекта в GA, где было бы когортное вычисление расхода и дохода по пользователям во времени.=)

Ответить
2

Инструменты существуют и используются уже несколько лет. Рекламировать новую модель автомобиля, потому что у него дверка по другому открывается и на основании этого говорить, что все остальные автомобили проблему пользователя не решают - так себе стратегия.

Ответить
3

Да вот тут у нас, как раз, и не в дверке-то дело) Если дверка - это красивый интерфейс продвигать, который то же самое делает. Рассматриваются функциональные особенности. Как переход с карбюратора на инжектор, как добавление компрессора/турбины, вот про это вот. Про рост эффективности через новые технологии. Если для Вас автоматизация работы с когортным анализом и расширение его функционала - это "дверка по-другому открывается", то Вам, вероятно, просто не приходится каждый день работать с когортным анализом, где нужна высокая степень детализации данных) Может именно Вам просто не нужно это, но есть компании, где такой функционал разгружает кучу специалистов и ускоряет процесс принятия решений)

Ответить
1

Кирилл, согласен с вами.

Я думаю проблема статьи в излишне кликбейтном заголовке. Когда автор сходу заявляет "сквозная аналитика не работает", хочется за ручку отвести его к десяткам клиентов, для которых она настроена, работает и решает конкретные бизнес-задачи.

Если бы статья называлась как-то вроде "Наше решение проблем сквозной аналитики" - вопросов не было бы вообще.

Но, статья по сути рекламная, рекламе нужен охват, поэтому логично сделать ее максимально кликбейтной и раздражающей, чтобы было побольше комментов. Все логично.

Ответить
1

Алексей, анонс статьи статьи состоит из заголовка+краткого_описания. Описание редакция чуток "исправила" и убрала формулировку о том, что в статье рассматривается конкретная проблема: некорректные данные в отчетах из-за того, что не учитывается длинный цикл сделки. И данные действительно зачастую таковы, что если на основе них сделать выводы, то они крайне негативно повлияют на маркетинг.

Проблема а) есть, б) не находит соответствующего освещения  профессиональных СМИ, в) решение на базе когорт предлагает вряд ли кто-то вообще. 

Поэтому не думаю, что стоит сводить публикацию к маркетингу платформы и к тому, что заголовок какой-то не такой)

Ответить
1

Алексей, я в статье очень спокойно затрагиваю этот момент - говорю, покажите мне хотя бы один кейс, где ROI посчитано по когортам в Google Analytics. Не хочу углубляться в тонкости самой механики работы GA, но, как я написал выше, для того, чтобы получить когортные метрики сквозной аналитики, нужно, как минимум, расход связать с пользователями. И не смотря на то, что в GA можно завести расходы по API или через прямую загрузку, GA эти расходы с пользователями не ассоциирует. И никакой тут кастомный отчет не поможет, т.к. сама логика системы это не позволит сделать. 

GA, скорее всего (в зависимости от поставщика решения по загрузке расходов), не даст Вам включить эту метрику в отчет когортного анализа. Когортный анализ в GA - не для этого, а для работы с retention, например. Т.е. когортный анализ в GA не подходит для целей сквозной аналитики.

Ответить
0

А зачем нам знать детализацию до отдельного пользователя? Если у вас была 1000 лидов - вы что, каждый отдельно анализируете?

В GA через UTM пробрасывается канал, кампания, группа объявлений, ключевое слово при необходимости. ID пользователей также легко привязываются к этим группам. А дальше уже можно через BigQuery и DataStudio строить те самые когорты. Да, там нельзя провалиться до отдельного пользователя - но это и не нужно на практике.

Ответить
1

Алексей, при всем уважении - инструментов не встречал. Если Вы бы поделились ими - я был бы благодарен. 

Ответить
0

Начали про сквозную аналитику.. закончили про когорты. 

Какая модель атрибуции используется для оценки эффективности рекламных кампаний в рамках сегментации когорт по месяцам? Как оценивается влияние активных рекламных кампаний на привлеченных ранее пользователей, которые уже находятся в конверсионной воронке? 

Ответить
0

Извиняюсь за полотно, но тема больная.

Проблема всех коробочных сервисов сквозной аналитики - отсутствие нормальной документации (вот в GA - там всё описано, хотя нужно уметь искать, но понятно как работает и чего ожидать). То есть описание схемы сбора данных, каждого показателя, механика подсчета. Вы говорите о person-based, а как у вас это реализовано? Как определяется тот самый person и все касания?
В GA этого нет по-умолчанию (там пока всё еще session-based), но хотябы можно (но не во всех случаях конечно) это доделать и реализовать с помощью BQ+GDS/PBI.

в данном случае, когортный анализ является лучшей альтернативой моделированию атрибуции<

В данном случае, механика будет прекрасно работать и без какой-либо модели атрибуции, а просто на фактических данных<

А вы точно понимаете, что такое модель атрибуции?

Или может у вас какое-то иное понимание, незнаю. Атрибуция существует независимо от того используете вы когорты или нет. Когда у нас есть 5 рекламных каналов, и мы фиксируем касания нашего person из каждого канала, и в итоге, допустим через 5 месяцев, наступает продажа, в какой канал засчитать продажу? То есть, без этого, мы просто не сможем оценить эффективность маркетиногового бюджета и перераспределять бюджеты для увеличения эффективности и в конце концов прибыли.

Без атрибуции, по когорте можно понять только общие показатели, сколько клиентов пришли в марте, а купили в июне. Но маркетингом на основе этого не поуправляешь.

Ответить
0

Михаил, ответил Вам, но ответ почему-то отображается выше.

Ответить
0

Спасибо за статью ! 
Вопрос может показаться очевидным, но я пока не знаком с вашим продуктом. Каким образом вы привязываете все к пользователю, то, что вы называете "person-based" ? Вы на ресурс ставите свой счетчик? А как связываете расходы с пользователем из рекламных систем? На сколько я понял, ваша система позволяет увидеть расходы на определенного пользователя, или нет?

Ответить
0

Владислав, спасибо за вопрос! 

Каждому пользователю присваивается идентификатор, аналогичный client id GA. Это дает возможность анализировать не сессии, а пользователей и юзеров (т.е., условно, людей).

Да, на ресурс ставится счетчик.

Расходы система получает по API, благодаря глубоким и нативным интеграциям. 

Да, платформа позволяет увидеть расходы на уровне пользователя.

Ответить
{ "page_type": "article" }

Прямой эфир

[ { "id": 1, "label": "100%×150_Branding_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox_method": "createAdaptive", "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfl" } } }, { "id": 2, "label": "1200х400", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfn" } } }, { "id": 3, "label": "240х200 _ТГБ_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fizc" } } }, { "id": 4, "label": "Article Branding", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "cfovx", "p2": "glug" } } }, { "id": 5, "label": "300x500_desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "ezfk" } } }, { "id": 6, "label": "1180х250_Interpool_баннер над комментариями_Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "ffyh" } } }, { "id": 7, "label": "Article Footer 100%_desktop_mobile", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjxb" } } }, { "id": 8, "label": "Fullscreen Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjoh" } } }, { "id": 9, "label": "Fullscreen Mobile", "provider": "adfox", "adaptive": [ "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fjog" } } }, { "id": 10, "disable": true, "label": "Native Partner Desktop", "provider": "adfox", "adaptive": [ "desktop", "tablet" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyb" } } }, { "id": 11, "disable": true, "label": "Native Partner Mobile", "provider": "adfox", "adaptive": [ "phone" ], "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "clmf", "p2": "fmyc" } } }, { "id": 12, "label": "Кнопка в шапке", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "bscsh", "p2": "fdhx" } } }, { "id": 13, "label": "DM InPage Video PartnerCode", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox_method": "createAdaptive", "adfox": { "ownerId": 228129, "params": { "pp": "h", "ps": "bugf", "p2": "flvn" } } }, { "id": 14, "label": "Yandex context video banner", "provider": "yandex", "yandex": { "block_id": "VI-223676-0", "render_to": "inpage_VI-223676-0-1104503429", "adfox_url": "//ads.adfox.ru/228129/getCode?pp=h&ps=bugf&p2=fpjw&puid1=&puid2=&puid3=&puid4=&puid8=&puid9=&puid10=&puid21=&puid22=&puid31=&puid32=&puid33=&fmt=1&dl={REFERER}&pr=" } }, { "id": 15, "label": "Баннер в ленте на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byudx", "p2": "ftjf" } } }, { "id": 16, "label": "Кнопка в шапке мобайл", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "adfox": { "ownerId": 228129, "params": { "p1": "byzqf", "p2": "ftwx" } } }, { "id": 17, "label": "Stratum Desktop", "provider": "adfox", "adaptive": [ "desktop" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvb" } } }, { "id": 18, "label": "Stratum Mobile", "provider": "adfox", "adaptive": [ "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "pp": "g", "ps": "bugf", "p2": "fzvc" } } }, { "id": 19, "disable": true, "label": "Тизер на главной", "provider": "adfox", "adaptive": [ "desktop", "tablet", "phone" ], "auto_reload": true, "adfox": { "ownerId": 228129, "params": { "p1": "cbltd", "p2": "gazs" } } }, { "id": 20, "label": "Кнопка в сайдбаре", "provider": "adfox", "adaptive": [ "desktop" ], "adfox": { "ownerId": 228129, "params": { "p1": "cgxmr", "p2": "gnwc" } } } ] { "page_type": "default" }