Маркетинг
Mrykin Pavel
2256

Сквозная аналитика: все ли понимают этот термин одинаково, часть первая, аналитики ver 2.0

В закладки

Привет, на связи снова Павел Мрыкин, евангелист компании К50.

В преддверии выступления на МатеМаркетинг-2019 я затеял опрос о том, что же такое “Сквозная Аналитика”.

Первая статья из цикла вышла на прошлой неделе. Следующий выпуск планировалось посвятить маркетологам, но обстоятельства изменились. Однако не стоит переживать, все отзывы уже собраны и ожидают окончательной редактуры :)

Спойлер. Для следующей части были опрошены маркетологи из таких сфер, как:

  • e-commerce,
  • недвижимость,
  • авто,
  • курьерская служба
  • и образование.

Подписывайтесь на блог, чтобы не пропустить новую статью 📩

Кого же я опросил на этот раз?

После первой статьи я получил входящие запросы от аналитиков, было решено сделать вторую часть и опросить экспертов, которые не попали в первую. Уверен, что многих из них вы знаете ;)

В опросе 2.0 от лица аналитиков приняли участие:

Вопросы остались те же:

  • Что такое сквозная аналитика и какие задачи позволяет решить?
  • Какие инструменты используются для построения сквозной аналитики?
  • Сколько по времени занимает создание сквозной аналитики?
  • Сколько людей необходимо для решения задачи?

_____________________________________________________________

Независимый консультант, ex-CX Director Exponea

Что такое сквозная аналитика и какие задачи позволяет решить?

Сквозная аналитика - это система или метод, который позволяет проанализировать путь клиента “сквозь” воронку продаж. Причем подразумевается именно связывание тех стадий, которые сложно связать. В этом кроется почти вся путаница с определением “сквозной” и “неполноценной сквозной” аналитики =)

Полноценный “сквозняк” должен уметь выдать хронологию касаний клиента с брендом во всех контролируемых брендом точках.

Для понимания введу значение двух терминов, которые будут использоваться ниже для точек касания:

  • Отслеживается — действие может быть записано в клиентский профиль с хронологической отметкой и другим дополнительным контекстом.
  • Не отслеживается — действие не может быть записано в профиль ввиду отсутствия в API внешней системы, возможности определить факт принадлежности действия конкретному клиенту или по другим причинам.

Простой пример - типичный еком ритейл:

  1. Клик по контекстной рекламе (не отслеживается, неконтролируемая брендом точка)
  2. Вход на сайт с utm-метками рекламы (отслеживается, кука)
  3. Заказ и статусы доставки (отслеживается, CRM ID с кукой на сайте)

Сложный пример - ремонт квартир:

  1. клик по контекстной рекламе (не отслеживается, неконтролируемая брендом точка)
  2. Вход на сайт с utm-метками рекламы (отслеживается, кука)
  3. Звонок оператора колл-центра (отслеживается, коллтрекинг пробрасывает id сайта в CRM)
  4. Замер (отслеживается, CRM ID)
  5. Визиты на сайт в процессе принятия решения с разных устройств (отслеживается, микс из кук, включая кросс-девайс методы)
  6. Сделка и статусы ремонта (отслеживается, 1С ID принимает CRM ID)

В простом примере все понятно, нужно свести только два канала. В сложном примере полноценной сквозной аналитикой можно назвать систему, которая может выдать в едином профиле всю хронологию от шага 2 до шага 6. Согласитесь, выглядит сложнее? А ведь есть еще и омниканальные модели, службы контроля качества, распознавание лиц, MAC адреса wi-fi ловушек…

Какие инструменты используются для построения сквозной аналитики?

Глобально все инструменты подразделяются на четыре типа:

  1. Работа с идентификацией клиента, трекинг
  2. Прокидывание данных в нужном виде в нужные системы
  3. Хранение и обработка данных
  4. Репортинг

Есть “коробки” для “сквозняка” которые закрывают типовые схемы полностью или почти полностью.

Плюс - быстро, низкая стоимость по сравнению с остальными вариантами, time-to-market.

Минус - как правило очень сложно интегрируются в более сложные сетапы. Да и вообще, как правило, делятся данными не очень охотно и не всегда в приемлемом формате.

Заметьте, у всех “коробок” всегда есть свой фокус. У roistat, например - оптимизация рекламы, у Exponea - конечное применение данных CDP в маркетинговых коммуникациях и персонализации. Причем и у той и у той есть свои трекеры, своя база и свой репортинг.

В более сложных сетапах используется различный микс из инструментов. Попробую их показать в моей классификации (буду приводить самые часто встречаемые ибо тысячи их):

  1. Google Analytics, Яндекс Метрика, Calltouch
  2. Owox, SegmentStream
  3. BigQuery, ClickHouse, MS DWH
  4. Qlick, Tableau, PowerBI, Google DataStudio

Сколько по времени занимает создание сквозной аналитики?

Один раз я собрал ее за пять дней… =)

Как правило, если мы говорим о чем-то сложнее схемы номер 1 в моем примере, 2-4 месяца. Очень сильно зависит от определения MVP во внедрении, особенно объема репортинга. Также очень-очень сильно могут подпортить жизнь древние системы, не предназначенные для стриминга Customer-related data.

Сколько людей необходимо для решения задачи?

Одного толкового человека достаточно даже для построения типового сетапа. Это аналитик с техническим бекграундом.

Двух - для сложных и нетиповых сетапов, потому что тут еще нужен опытный архитектор, которого как “руки” будет использовать дороговато.

Но! Крайне важно, чтобы этому аналитику помогали в высоком приоритете все необходимые подразделения:

  • программисты по размещению трекеров и идентификации,
  • трафикген спецы по прокидыванию данных РК и utm-разметке,
  • аналитики и руководство - по конечному репортингу,
  • а также все те, кому данные конечного продукта могут понадобиться позже.

Просто с тортиками должны стоять в очереди те, кому они могут понадобиться в стриминговом или триггерном режиме.

То есть еще раз, да, одним человеком это сделать реально. При том, что в компании на уровне высшего руководства проект будет представлен и приоритезирован для всей компании.

_____________________________________________________________

Специалист по веб-аналитике, автор блога prometriki.ru

Что такое сквозная аналитика и какие задачи позволяет решить?

Для меня сквозная аналитика - это сложная система, которая включает в себя несколько ключевых элементов:

  • сбор данных,
  • их обработку и хранение,
  • визуализацию данных.

Такая система должна обеспечить возможность получения данных из различных источников, на основании которых можно оценить текущее положение дел, спрогнозировать развитие ситуации, принять необходимые управленческие решения.

При этом система должна быть выстроена и работать таким образом, чтобы изначально разрозненные источники информации стали единым целым с внутренними связями и дополняли друг друга.

Какие инструменты используются для построения сквозной аналитики?

Их можно разделить на группы:

  • сервисы и системы, которые собирают и хранят исходные данные о посетителях сайта, клиентах (системы веб-аналитики, коллтрекинга, CRM, маркетинговые площадки и т.п.),
  • инструменты, которые позволяют извлекать из них необходимую информацию (могут быть собственные решения либо специализированные сервисы),
  • хранилища данных (облачные либо собственные),
  • средства визуализации данных.

Сколько по времени занимает создание сквозной аналитики?

Опираясь на мой опыт, от нескольких недель до нескольких месяцев.

На время внедрения влияет множество факторов. В первую очередь, нужно быть готовым к тому, что придется что-то менять внутри проекта. Например, изменить или ввести внутренний стандарт UTM разметки, доработать CRM систему, пересмотреть механизм работы с поступающими с сайта обращениями, чтобы минимизировать участие человека на этапе первичной фиксации обращения и т.п.

Сколько людей необходимо для решения задачи?

Не менее двух. Первый - это специалист, который занимается разработкой системы сквозной аналитики, второй - на стороне клиента, который может оперативно предоставить необходимую информацию и организовать работу на стороне клиента.

_____________________________________________________________

Что такое сквозная аналитика и какие задачи позволяет решить?

Основная идея, это объединение данных, необходимых, для формирования отчетности и автоматизации маркетинга в одном инструменте.

О каких данных идет речь:

  • посещения и действия пользователей на веб-ресурсах и в приложениях;
  • продажи и действия, фиксируемые в CRM;
  • рекламные активности;
  • расширенная информация о продуктах.

Основной запрос, это формирование отчетности, с момента клика на рекламный блок до момента завершение сделки/продажи. Т.е. набор удобных, быстрых и полных отчетов по влиянию маркетинга на продажи. Обладая такими данными, возможно создание более глубоких отчетов по продажам, по воронкам на сайте, различных когорт и т.п.

Какие инструменты используются для построения сквозной аналитики?

Я использую функционал Google Cloud сервисов:

  • Хранение данных - BigQuery, Cloud Storage;
  • Сбор и обработка - Cloud Functions, App Engine, Cloud Pub/Sub;
  • Проверка и обогащение данных - Firebase и Google Analytics;
  • Визуализация - Google Data Studio.

Такая схема позволяет выстроить дешевую, стабильную и масштабируемую архитектуру для сбора и обработки данных.

Сколько по времени занимает создание сквозной аналитики?

В зависимости от объема ресурсов с данными, а также коммуникации с разработчиками на стороне клиента, но в целом, от 6 недель до полугода.

Сколько людей необходимо для решения задачи?

Обычно, data engineer на стороне google cloud, backend/frontend разработчики на стороне клиента, а также маркетологи.

_____________________________________________________________

Консультант по созданию систем сквозной аналитики, UMSolution

Что такое сквозная аналитика и какие задачи позволяет решить?

Сначала надо научиться говорить на одном языке и понимать термины!

Два термина:

  • Система сквозной аналитики
  • Анализ данных

Система сквозной аналитики - техническое решение с определенной архитектурой, которое собирает данные от первого касания с ресурсами компании до финальной стадии.

Финальной стадией может быть все что угодно:

  • Регистрация
  • Первый платеж
  • Подписанный и оплаченный договор
  • Клик по нужной кнопке
  • Прохождение шагов воронки
  • И т.д.

Анализ данных - это процесс growth-hacking & problem-solving & bug-reporting & testing. Говоря русским языком, это процесс работы с данными, интерпретации результатов и принятия решений.

По моему мнению, техническое решение вторично. Оно просто должно качественно выполнять свою функцию, чтобы можно было работать с данными и принимать решение

Так что для меня "сквозная аналитика" прежде всего процесс состоящий из нескольких стадий

Поиск инсайтов => написание стратегии работы с ними => реализация => извлечение пользы

Какие инструменты используются для построения сквозной аналитики?

Инструментов довольно много.

Мне удобней мыслить несколькими категориями:

  • вертикали (Google, Yandex, Microsoft, Amazon и т.д.)
  • black-box (Roistat, Alytics)
  • платформы (Roistat, Alytics, Comagic, KISSmetrics, TrackAd, K50:BI)
  • Технологии (Segmentstream, OWOX)

Все они могут либо полностью закрыть техническую часть по организации сквозной аналитики, либо стать частью инфраструктуры.

Я работаю на основе Google Cloud Platform, как наиболее продвинутой и доступной по цене системе.

Хотя при этом, мне больше нравится вертикаль Microsoft (Azure, PBI, XLS), так как у нее самые крутые мощности по визуализации. И нативно интегрирован OLAP.

Не очень люблю вертикаль Yandex, так как по моему личному мнению, человека, который разрабатывает решения для систем сквозной аналитики, система должна решать проблемы, а не создавать новые. Шаг вперед, два назад.

Но многие мои коллеги не согласны с этим. Кому-то нравится.

Мне, например, нравится, когда система сквозной аналитики работает 4 года без сбоев.

Сколько по времени занимает создание сквозной аналитики?

Рыночные реалии такие.
Считаем от начала работ до работающего MVP
Медиана - около 1 года
Но всегда есть нюансы...

Если разработка кастомных решений, то средние сроки от 6 до 17 месяцев
Если внедрение платформ или black-box, то средне сроки от 2 мес до 6 мес
Создание и внедрение систем для учета ROPO-эффекта от 1 года до 2 лет
Если где-то присутствует 1с, то от 1 года смело. За более короткие сроки еще не видел.

Честный срок от 2 до 6 месяцев. Если кто-то обещает меньше, то вас вводят в заблуждение. Что для нашего рынка стала нормой, к сожалению.

Сколько людей необходимо для решения задачи?

Сколько аналитиков потребуется, чтобы завинтить лампочку?

— Три. Один, чтобы доказать существование лампочки, один, чтобы доказать единственность решения, и один, чтобы вывести алгоритм завинчивания.

Думаю, что на такой вопрос нельзя точно ответить. Это командная работа. А размер команды определяется бюджетом.

_____________________________________________________________

Веб-аналитик в Юлмарт

Что такое сквозная аналитика и какие задачи позволяет решить?

Когда меня спрашивают о том что такое сквозная аналитика, я привожу сравнение с самолетом. Пилоты находясь в кабине получают всю необходимую им информацию о состоянии самолета в одном месте и моментально - все выведено на приборную панель.

В бизнесе обычно не так: нужная информация может вообще не собираться, или отчеты нужно готовить специально обученному человеку. И это занимает время от нескольких часов до дней и даже недель.

Только представьте такую ситуацию в самолете: чтобы узнать остаток топлива, один из пилотов должен сбегать ко всем бакам замерить уровни топлива, потом подсчитать и в итоге доложить командиру. А времени то прошло много - информация уже устарела.

В идеале для бизнеса все должно быть как в кабине пилота: вся ключевая информация необходимая для принятий решений, должна быть доступна специалистам всех уровней по паре кликов мыши.

Какие инструменты используются для построения сквозной аналитики?

Выделяются три этапа:

  1. Сбор данных;
  2. Обработка и приведение в нужный формат;
  3. Визуализация нужных отчетов.

У каждого этапа свои инструменты. На первом этапе для сбора данных могут использоваться готовые сервисы, либо собственные скрипты на каком-либо языке программирования, например R или Python.

На следующем этапе происходит обработка данных. Делать её можно одним из следующих способов:

  • средствами тех же скриптов на R или Python;
  • с помощью SQL-запросов из базы данных;
  • средствами визуализации, например PowerBI.

На следующем этапе данные визуализируются с помощью BI систем, например PowerBI, Tableau, DataStudio, K50:BI и т.п

Сколько по времени занимает создание сквозной аналитики?

Время на создание зависит от множества параметров, основные я бы выделил:

  1. Уровень сложности самой задачи;
  2. Источники данных. Для каких то источников есть и сервисы которые в два клика могут загрузить все нужные данные, или библиотеки для R/Python. А для каких то источников ничего этого нет и нужно писать коннектор самостоятельно;
  3. Состояние данных. Например, от того насколько в платной рекламе продуманно сделана UTM разметка и структура аккаунтов, может сильно зависеть время на обработку данных.

Итого, какие-то задачи можно решить за несколько часов, а что-то занимает недели и месяцы

Сколько людей необходимо для решения задачи?

Я бы выделил ключевые роли. А сколько это будет человек зависит от компании и ее масштабов. Где то этим будет заниматься один человек, а где это задачи целых отделов.

  1. Управляющий рекламными материалами, человек в зону ответственности которого входит чтобы все рекламные активности были правильно размечены, структура аккаунтов была в нужном виде
  2. Инженер данных. Человек который настраивает весь сбор данных, обработку и сохранение.
  3. BI аналитик. Человек который визуализирует все нужные отчеты
  4. Руководитель. Человек который руководит всей этой командой. Этот человек знает кому какие отчеты необходимы сейчас, какие понадобятся завтра

_____________________________________________________________

CEO Mello / BI-аналитик

Что такое сквозная аналитика и какие задачи позволяет решить?

Сквозная аналитика - это мост между рекламными системами и результатами в бизнесе, другими словами связь рекламных площадок таких как Яндекс Директ, Google Ads, myTarget и других с продажами в CRM. В зависимости от целей бизнеса это может быть простой и небольшой “мостик” - связь расходов в рекламных системах с доходами и расчет простых метрик CPO, CPL, ДРР и др. А может быть внушительных размеров “мост” - когортный анализ, LTV, RFM, своя атрибуция и др.

Какие инструменты используются для построения сквозной аналитики?

Инструменты можно разделить на 2 больших типа

  1. Комплексные или коробочные решения типа K50:BI - коннекторы, база данных, набор для визуализаций и/или готовые визуализации. Все в одном месте для построения.
  2. Инструменты для закрытия определенного участка сквозной аналитики:
    • Коннекторы, например Renta.im, которые подключаются с различным рекламным площадкам, счетчикам аналитики, выкачивают из них выбранные данные и складывают в вашу базу данных.
    • База данных для хранения данных (в том случае если не тянете данные из рекламных систем напрямую, а предварительно складываете в свою базу данных).
    • Программа для визуализации данных, например Power BI.

Из-за многообразия инструментов, стоимость разработки и владения системой сквозной аналитики для бизнеса может варьироваться от десятка тысяч до миллионов рублей в год.

Сколько по времени занимает создание сквозной аналитики?

Если это простая задача, связать расходы в рекламных системах с доходами в CRM и рассчитать простые метрики типа CPL, CPO то вполне возможно построить за 1-2 месяца. А вот если задача более сложная, много особенностей в бизнес процессах то можно строить 6 месяцев и более.

Сколько людей необходимо для решения задачи?

Зависит от того на каком стеке технологий вы делаете решение и какие задачи решаете. Может быть проект на котором один специалист все сделает, а может быть проект на котором потребуется команда из аккаунта, BI аналитика, web аналитика и разработчика.

Подведём итоги

Примерно год назад меня звали провести курс о сквозной аналитике. В моих глазах сквозная аналитика тогда была космическим кораблем, об устройстве которого я не имею права рассказывать, т.к. не знаю о всех его аспектах.

Однако позже я понял, что большая часть рынка под термином сквозная аналитика понимает совершенно другие вещи.

Указать на эту разницу было одной из моих целей, когда я задумывал данный цикл статей. У Виктора Крылова достаточно наглядно получилось отобразить разницу между этими двумя типами.

Независимо от типа СА - мы используем те или иные инструменты. Однако, сколько аналитиков, столько и инструментов для построения сквозной аналитики. Но стоит отметить, что среди аналитиков встречается мнение, что абсолютно неважно какие будут использоваться инструменты. Главное, чтобы они корректно работали и позволяли решать задачи бизнеса.

Прочитав мнения экспертов вы можете обратить внимание, что у всех присутствуют следующие этапы при построении СА:

  • Сбор данных
  • Обработка
  • Визуализация

Иван Иванов и Олег Басманов также выделяют подготовительный этап. Он включает в себя приведение данных к единому стандарту, проверку корректного сбора данных, а при необходимости и изменение бизнес-процессов.

А у Виктора Крылова одним из этапов идёт “работа с идентификацией клиента, трекинг”. Данный процесс позволяет связывать все идентификаторы в единый пользовательский профиль, чтобы ваша аналитика строилась не от браузера, а от клиента.

Как человек, который плотно связан со сквозной аналитикой меня также радует описание реальных сроков внедрения СА, а не рекламные слоганы “Внедрим СА за 1 день”.

Эксперты пишут о следующих возможных сроках:

  • от нескольких недель до нескольких месяцев
  • от 6 недель до полугода
  • 2 мес до 2 лет
  • какие-то задачи можно решить за несколько часов, а что то занимает недели и месяцы (речь идет об отдельных составляющих СА, прим. редактора)
  • 1 месяца до 6 и более

Конечно же срок зависит как от качества и количества источников данных, так и от масштабов задачи.

Сегодняшний опрос также отличается разницей взглядов на то, какие люди и в каком количестве нужны для внедрения СА. В зависимости от сложности решения это может выглядеть так:

  • Минимальный вариант - это два человека. Причём один на стороне подрядчика, а другой на стороне клиента - чаще всего маркетолог.
  • Если задача затрагивает внутренние ресурсы компании, к которым у маркетолога нет доступа, то к задаче на стороне клиента подключается разработчик.
  • Если на старте заранее понятно, что это серьезный проект по сложности внедрения, по количеству потенциальных пользователей СА, то к проекту подключают ещё двух людей:
  • аккаунта (руководителя), который следит за соблюдением сроков внедрения и пинает ответственных лиц на каждой из сторон;
  • BI-аналитика, который верстает отчёты в зависимости от задачи и будущих пользователей

Также понравился ироничный ответ Сергея Шивалина:

Сколько аналитиков потребуется, чтобы завинтить лампочку?

— Три. Один, чтобы доказать существование лампочки, один, чтобы доказать единственность решения, и один, чтобы вывести алгоритм завинчивания.

Даже в рамках этого опроса можно увидеть, что эксперты одной должности имеют различное представление о сквозной аналитике. На подходе опрос маркетологов.

Хотите получить уведомление о новой части нашего исследования? Подписывайтесь на блог!

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

Написать
{ "author_name": "Mrykin Pavel", "author_type": "self", "tags": ["\u044f\u043d\u0434\u0435\u043a\u0441_\u043c\u0435\u0442\u0440\u0438\u043a\u0430","\u0441\u043a\u0432\u043e\u0437\u043d\u0430\u044f_\u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0430","\u0434\u0438\u0434\u0436\u0438\u0442\u0430\u043b","\u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0438","\u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0430_\u0441\u0430\u0439\u0442\u0430","\u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0430_\u0432_\u0440\u0435\u043a\u043b\u0430\u043c\u0435","\u0430\u043d\u0430\u043b\u0438\u0442\u0438\u043a\u0430","powerbi","google_analytics","bi"], "comments": 8, "likes": 12, "favorites": 49, "is_advertisement": false, "subsite_label": "marketing", "id": 92191, "is_wide": false, "is_ugc": true, "date": "Tue, 12 Nov 2019 13:56:11 +0300", "is_special": false }
0
{ "id": 92191, "author_id": 76630, "diff_limit": 1000, "urls": {"diff":"\/comments\/92191\/get","add":"\/comments\/92191\/add","edit":"\/comments\/edit","remove":"\/admin\/comments\/remove","pin":"\/admin\/comments\/pin","get4edit":"\/comments\/get4edit","complain":"\/comments\/complain","load_more":"\/comments\/loading\/92191"}, "attach_limit": 2, "max_comment_text_length": 5000, "subsite_id": 199113, "last_count_and_date": null }
8 комментариев
Популярные
По порядку
Написать комментарий...
2

Коллеги, в статье опечатка. ETL сервис для выгрузки маркетинговых данных: http://renta.im. Не io :) 

Паша, серия статей отличная. Спасибо за материал! 

Ответить
1

Серёж, спасибо, скоро поправлю.

Рад, что нравится, будет еще! 😉

Ответить
1

готово )

Ответить
1

спасибо за материал, в самом деле, почти каждый проект в реальности уникален, поэтому полезны разные мнения и подходы

Ответить
1

Абсолютно с вами согласен, поэтому постарался для опроса маркетологов собрать экспертов из разных тематик.

Ответить
0

Виктор, почему клики по контекстной рекламе не отслеживаются и «неконтролируемая брендом точка»?

Ответить
2

Потому что там есть только общие агрегации и невозможно сказать с привязкой на человека кто смотрел или кто кликнул. Только тогда когда человек войдет в следующую точку - на сайт - с соответствующими утм-ками мы сможем примерно оценить какое количество людей кликнули на ту рекламку.

Ответить
0

Следующая часть с мнениями Маркетологов доступна здесь:
https://vc.ru/marketing/94716-vse-li-ponimayut-termin-skvoznaya-analitika-odinakovo-chast-vtoraya-marketologi

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" }