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

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

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.

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

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:

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.

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.

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:

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.

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:

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.