Лого vc.ru

Данные делают деньги: Использование системы аналитики для увеличения продаж

Данные делают деньги: Использование системы аналитики для увеличения продаж

Генеральный директор агентства интернет-маркетинга Artilleria и сервиса myBI Александр Кузьмин написал для рубрики Growth Hacks заметку о проблемах оценки эффективности онлайн-маркетинга, о том, как связать данные аналитики и системы продаж, и преимуществах, которые дает такая интеграция.

Поделиться

Если мы с вами не знакомы очно, и вы никогда не слушали мои доклады на различных мероприятиях, то, наверное, правильнее будет сначала представиться: меня зовут Александр и последние 5 лет я помогаю компаниям повышать эффективность маркетинговых активностей (в основном онлайн, но не только).

За 5 лет мне удалось поработать с очень большим числом компаний, как лидеров рынка в своих сегментах, так и компаний поменьше. В разное время услуги оказывались всей четверке сотовых операторов, крупнейшим банкам, Ozon.ru, KupiVip.ru, Kaspersky, Acronis и прочим — список можно продолжать еще долго.

За это время я сделал для себя несколько важных выводов:

  • 95% руководителей российских компаний вообще не заботит проблема того, что они ничего не считают и не анализируют.
  • Больше половины оставшихся 5% компаний неправильно считают свои ключевые показатели и соответственно делают из них неправильные выводы.
  • При этом эффективность почти любой рекламной активности при должном подходе можно увеличить на 50% минимум.

Почему в России никто не хочет анализировать свою деятельность? Речь часто идет о миллионах рублей в год недополученной прибыли. При этом на этапе пресейла ты наглядно, на пальцах, показываешь клиентам, где сейчас теряются деньги и как это можно исправить. Я не могу сам себе это объяснить. Это российский менталитет? Может быть, вы, уважаемые читатели, поможете мне это сделать?

Статья, однако, не обо мне и моих проблемах. Статья о проблемах бизнеса и в частности онлайн-маркетинга и о том, как их можно решить.

Проблемы оценки эффективности онлайн-маркетинга и ограничений существующих бесплатных систем веб-аналитики

Не нужно быть специалистом, чтобы понимать, что деньги, которые вкладываются в интернет-рекламу, должны в какой-то момент времени (сразу или отложенно) возвращаться в виде клиентов. И что основной показатель, определяющий эффективность этих вложений, рассчитывается как соотношение затрат на рекламу и полученной от этой рекламы выгоды (ROMI — Return On Marketing Investments).

В чем заключается основная сложность подсчета этого соотношения?

Статистика расходов по рекламным кампаниям обычно хранится в рекламных системах («Яндекс.Директ», Google Adwords, «ВКонтакте», Facebook, AdRiver и так далее), а данные о клиентах и доходах хранятся в лучшем случае в CRM, в худшем — в 1С.Таким образом получается, что систем в компании используется много, а аналитический отчет нужен один.

Существуют 2 общеизвестных решения этой проблемы:

1. Сохраняем источник, канал, название кампании, объявление и ключевое слово (UTM-метки) в карточке клиента в CRM.

С точки зрения реализации, это решение достаточно простое и быстрое (у программиста с руками из плеч проблем возникнуть не должно). Но как часто бывает, недорогое и быстрое решение находится где-то рядом с мышеловкой.

Почему вам нужно забыть про сохранение интернет-данных в CRM и никогда больше этим не пользоваться? Во-первых, проблема подсчета окупаемости рекламных инвестиций таким образом решается не полностью — цифры затрат на рекламу по-прежнему хранятся в рекламных системах (я не знаю ни одной CRM системы, которая интегрируется, например, с системами контекстной рекламы).

Для вас это означает необходимость ручной выгрузки данных из CRM, ручной выгрузки данных из рекламных системах и ручное совмещение их в Excel. Не самый быстрый и удобный способ для тех, кто хочет заниматься оперативным контролем рекламных кампаний.

Во-вторых, я думаю, многие и вас, уважаемые читатели, хотя бы по собственному опыту покупок в интернете понимают, что посетитель сайта часто не сразу обращается в компанию (оставляет заявку или звонит), а сначала думает, выбирает и несколько раз посещает сайт, взамодействуя при этом с разными каналами (разные рекламные кампании, естественная выдача поисковых систем, прямые переходы на сайт, переходы по ссылкам с других сайтов).

Например, путь посетителя до покупки может выглядеть следующим образом:

Какой вывод мы можем сделать из этой вообщем-то достаточно типовой последовательности, которая привела к покупке?

Каждый канал внес некоторый вклад в то, что клиент в итоге стал клиентом. Причем в данной конкретной ситуации именно «Яндекс.Директ» имеет наибольшую ценность, так как после этого канала клиент узнал о существовании компании Goodwood.

Таких комбинаций, как вы можете догадаться, для каждого сайта существует великое множество. Неисповедимы последовательности каналов, которые привели к продаже. Неисповедимы, но при этом поддаются измерению.

Деньги, которые клиент в конечном итоге принес компании, нужно правильно распределить между всеми каналами, которые присутствовали в цепочке переходов на сайт, чтобы потом правильно рассчитать совокупную ценность каждого канала.

В приведенном примере, на мой взгляд, правильнее было бы отдать 50% «Яндекс.Директу», а остальные 50% равномерно распределить между остальными каналами в цепочке.

Если вы сохраняете данные об источниках трафика в CRM, то получается, что вы отрезаете все «хвосты» последовательностей, которые привели клиентов и отдаете всю ценность последнему каналу, что в корне неверно.

Вам кажется это не очень важным? В более чем половине всех проектов, с которыми мы работали, переход к оценке ценности каналов от стандартной модели last click (вся ценность отдается последнему каналу, который непосредственно принес обращение) к любой другой менял ценность рекламных каналов более, чем в два раза — причем иногда в меньшую, а иногда в большую сторону.

Например, в одном из последних проектов, после применения другой модели оценки, ROMI контекстной рекламы увеличился на 327%. Решайте сами, важно это правильно считать или нет.

2. Используем Google Analytics в качестве основного центра хранения данных

Почему это долго

Вам придется найти программиста, который реализует передачу данных из CRM в Google Analyitcs через так называемый New Measurement Protocol, так как готовых решений, насколько я знаю, сейчас в открытом доступе нет. Поверьте мне, реализуя на стороне клиента этой задачи иногда растягивается на полгода.

Почему это все равно не решит проблему оценки каналов рекламы с учетом мультиканальных взамодействий

Предположим, что вы все-таки реализовали передачу данных из CRM в Google Analytics с помощью New Measurement Protocol и пользовательских метрик (то есть, например, создали дополнительное поле «доход» в Google Analytics и в него передаете данные по доходам от клиентов из CRM).

Попробуйте в этом случае пересчитать ценность каналов на основании метрики «доход». В Google Analytics это просто технически невозможно сделать. Таким образом проблема подсчета ценности каналов с учетом многоканальных последовательностей останется и в этом случае.

Почему Google Analytics — это не самое удачное решение контроля и оптимизации рекламы даже для интернет-магазинов

Представим, что в некотором абстрактном интернет-магазине оргтехники продается 2 категории: клавиатуры и мониторы. Для наглядности представим, что на рекламу каждой категории потрачена одинаковая сумма и она показала одинаковый доход. В конце месяца вы считаете ROMI каждой категории и получаете следующие цифры:

Как будто рекламные кампании обеих товарных категорий имеют равную эффективность.

Вспоминаем, что у каждого товара есть себестоимость. У клавиатур, как у более дешевого продукта она, например, составляет 50%, а у мониторов — 20%. Пересчитываем ROMI с учетом себестоимости:

И наблюдаем четырехкратную разницу в ROMI. Добавьте в расчеты возвраты и отказы от доставки, и вы увидете еще больщую разницу (для интернет-магазинов одежды это особенно заметно).

Google Analytics не позволяет производить даже арифметические операции с метриками. То есть даже если вы исхитритесь и загрузите-таки в Google Analytics себестоимость товаров, посчитать ROMI так, как нужно, в Google Analytics вы все равно не сможете. И это печально.

Почему Google Analytics вообще не подходит для компаний с циклом сделки более 1 месяца

Для компаний с циклом сделки более одного месяца проблема подсчета мультиканальных взаимодействий, о которой мы писали выше, становится еще более актуальной: клиенту требуется больше времени на принятие решения и, сомневаясь, он еще чаще взаимодействует с сайтом. Но речь сейчас не об этой ситуации.

Представим, что вы продаете дома. Средний цикл сделки — 3 месяца. Предположим, что в январе 2015 года вы потратили на рекламу 100 тысяч рублей. Как вы будете рассчитывать ROMI? Что на что делить, другими словами? Деньги потратили в январе, а возвращались они с течением времени в следующие полгода.

Когортный анализ, скажете вы мне. Попробуйте передать данные из CRM в Google Analytics и применить их в отчете «Когортный анализ». У вас ничего не получится. Это технически невозможно. А теперь вспомните про многоканальные последовательности и вам должно стать совсем грустно. Google Analytics — это часто почти бесполезный инструмент для оценки эффективности рекламы компаний с длинным циклом сделки.

Как мы научились решать эту проблему

Так как CRM вообще не подходит для решения задач аналитика, а Google Analytics имеет критические ограничения, мы решили, что данные нужно хранить где-то еще. За полгода мы реализовали так называемые коннекторы почти ко всем популярным системам: всем рекламным системам, CRM, 1C, сервисам колл-трекинга и, конечно, системам веб-аналитики.

Коннектор — это скрипт, который автоматически раз в сутки обращается к системе, забирает из нее нужные данные и сохраняет в специально созданной для этого базе данных. Архитектура такой базы может выглядеть так:

Данные структурируются, объединяются и обогащаются (если статья понравится широкой аудитории, я удовольствием в следующий раз детально опишу, как мы это делаем). Получается единое цифровое хранилище данных компании. И вот с этого момента начинается магия.

Визуализация данных

Мы научились прикручивать к хранилищу разные средства визуализации, такие как Qlik и Tableau Software. Появляется возможность в несколько кликов строить сквозные между системами отчеты, а также получать наглядные представления суровых отчетов в виде красивых графиков и диаграмм разного вида.

Например, так может выглядеть панель управления контекстной рекламой:

А так панель управления отделом продаж:

А так сводная отчет по эффективности каналов маркетинга:

Достижение плана менеджерами по продажам:

Панель эффективности email-маркетинга:

Так как все данные связаны друг с другом, появляется возможность проводить сегментацию по данным сразу нескольких систем и сравнивать любые периоды времени друг с другом.

Это тот редкий случай, на мой взгляд, когда решение одновременно эффектно и крайне эффективно.

Внутри цифрового хранилища мы самостоятельно программно рассчитываем ценность каналов с учетом многоканальных последовательностей и отложенного спроса (длинного цикла сделки). Причем коэффициенты, на основе которых каждый канал получает определенную ценность, закладываются индивидуально для каждого нового проекта с учетом особенностей его воронки продаж.

При подсчете ROMI, конечно же, было бы странно не учитывать себестоимость товаров, отказы и возвраты (если мы говорим про интернет-магазин). Для B2B-бизнесов или B2C с длинным циклом сделки (например, автодилеры) ROMI каналов считается также с учетом того, что деньги на рекламу тратятся в одном месяце, а зарабатываются в другом (когортный анализ прибыли от рекламы).

Обращаясь к данным раз в сутки, мы также в некоторых случаях решаем проблему семплирования (ограничение в бесплатной версии Google Analytics).

И вообще любые калькуляции между метриками становятся возможны. Хотите посчитать время между каждым взамодействием посетителя с вашим сайтом до звонка? Хотите узнать, где выгоднее размещаться, в гарантии или в спецразмещении (какой тип размещения приносит больше прибыли)? В какое время суток выгоднее делать рассылку? Нет проблем.

Можно даже построить ретроспективу по каждому конкретному клиенту — то есть посмотреть, как именно и сколько раз он посещал ваш сайт до того, как стал клиентом. В Google Analytics, кстати, такая ретроспектива возможна только по конверсиям и только за последние 90 дней — у нас почти всё по сделками и без временных ограничений.

Управление рекламой от прибыли

Цифровое хранилище, как вы могли уже догадаться, позволяет отдавать данные не только в средство визуализации. Данные о прибыли по каждому объявлению, кампании, товарной категории передаются на вход системе управления ставками в контекстной рекламе.

Система управления ставками — это программа, которая использует статистические и математически алгоритмы для того, чтобы, обладая данными по ценности каждого объявления, определить оптимальную ставку для максимизации эффективности всей кампании.

Мы пока только тестируем такую экосистему управления рекламой, но уже сейчас на некоторых проектах наблюдаем кратный рост прибыли от размещения контексной рекламы.

Ручная аналитика

Анализ рекламных кампаний стал на порядок проще. Наличие всех данных в одном месте позволяет проводить сквозную аналитику между системами, сегментировать данные и находить неэффективные сегменты.

Дальше варианта всегда 2: либо отключаем сегмент, либо стараемся сделать так, чтобы он стал более эффективным. И то и другое высвобождает рекламные средства, что позволяет больше инвестировать в те сегменты, которые приносят прибыль. В этом по сути и заключается оптмизация рекламных активностей.

RFM-, ABC-, XYZ-анализ. Корреляционный анализ. Регресионный анализ. Вам что-то говорят эти понятия? Мне — да. Примерно год назад мне нужно было провести ABC-анализ и я полез гуглить, как это сделать в Excel. Наткнулся на отличную статью, где последовательно и наглядно рассказывается, как это сделать. Примерно за час я собрал все нужные данные, загрузил их в Excel и провел ABC-анализ. Сейчас эта операция занимает несколько минут (по сути нужно просто запустить заранее сформированный SQL-запрос к хранилищу).

Провел RFM-анализ и разбил клиентскую базу на сегменты? Загрузи их в MailChimp или любой другой сервис и запускай персонализированную рассылку. Несколько минут на все без учета времени на создание писем.

Заключение

С каждым годом бизнес все больше оцифровывается. Появляются новые системы и сервисы. Люди все больше пользуются мобильными устройствами ,а совсем скоро холодильник будет сам заказывать еду в интернет-магазинах (или как там это будет называться). Данных становится все больше. Пропорционально растет время, необходимое на сбор и анализ этих данных. Даже факторы, которым трудно дать количественную оценку, тем или иным образом преобразовываются в цифры.

Мне кажется, что внутреннее хралище данных — это одно из решений, которое будет приобретать все большую ценность с течением времени. Это крайне актуально уже сейчас, не говоря уже о будущем. Преимущества и возможности можно перечислять очень долго, да я думаю вы и сами можете их представить.

Самые важные из них, на мой взгляд, — это поиск узких мест, сокращение ненужных затрат, активизация неодоцененных потенциалов и точек роста. И что не менее важно, на основе корректных данных и достаточно быстро.

Управляйте бизнесом на основе данных.

Популярные статьи
Показать еще
Комментарии отсортированы
как обычно по времени по популярности

Отличная статья!
Особенно понравилась фраза:
95% руководителей российских компаний вообще не заботит проблема того, что они ничего не считают и не анализируют.
У российского рынка электронной коммерции огромные перспективы!

0

Как здорово, что вам хватило девять (9) минут на изучение данной статьи и публикацию столь существенного комментария.

Я в школе (в 8 классе) первым был по математике, потому что умел быстро считать.
Потом занял 3-е место на республиканской олимпиаде по математике среди 200 участников.
Получил приз - путевку на учебу в московской ФМШ №18 при МГУ (сейчас - СУНЦ им. Колмогорова).
Закончил 10Е класс в 1982 году, а в 10В учился Е. Касперский (который антивирус).
Поступал с ним в Высшую школу КГБ на факультет шифровальщиков. Не прошёл проверку на "секретность".
Так что могу быстро читать и анализировать.
Некоторые до сих пор мне завидуют...

На мой взгляд затраты на создание, настройку и/или владение таким инструментом не пропорциональны затратам на ручной труд по сведений высокоагрегированых показателей в одну таблицу, тем более, что их относительно немного.
Также, если их много, вопрос, на мой взгляд, должен решаться на уровне внутренней автоматизации в компании, поскольку должен учитывать специфичные данные из специфичных источников. Тут уже речь совсем не про универсальные коннекторы.
Я понимаю и одобряю ваше стремление, как агенства, оптимизировать время обработки данных клиентов с помощью внутренней автоматизации. Но вы должны понимать, что практическое применение вашего подхода в ряде случаев просто не имеет смысла.

Отдельно скажу про сквозное сегментирование.
На мой взгляд, как только канал приобретает достаточный вес, чтобы изучать его посегментно, имеет смысл делать это для каждого канала индивидуально.

Виктор,
На мой взгляд, затраты на создание и настройку такой системы имеют в худшем случае срок окупаемости в несколько месяцев. Это и сокращение время работы аналитика и автоматизация управления, например, контекстной рекламой. Все зависит от того, на каком уровне сейчас находится уровень применения аналитики в компании.
Согласен, что невозможно иметь универсальные коннекторы для каждой системы, но это не страшно - написание новых коннекторов и встраивание новых истончиков в существующую архитектуру происходит достаточно быстро.

0

Автоматизация выигрывает в любом случае, но речь идет не об онлайн-магазинах открытых в двушке

0

Конечно. Есть один момент, которые многие массовые автоматизаторы не учитывают в подобных системах - магазин должен по ассортименту иметь достаточное количество продаж на позицию или узкую категорию, чтобы иметь статистичеки достаточную цифру продаж. Потому что строить автоматику по управлению ставками на том, что на 150 уников появилась 1 продажа и считать, что конверсия 0,66% +- точно - не особо верный подход.

0

А можно поподробнее про когортный анализ прибыли от рекламы?

0

Как бывший категорийный менеджер в рознице не могу не согласиться с важность ABC XYZ анализа, так как именно они определяют доходность категории, оптимизируя ассортиментную матрицу, это дает мощный финансовый эффект. Хотя в экселе делать их было сложновато когда на продажи накладывается тысяча SKU, сезонность, ремонт магазина о котором тебе не сказали,а ты видишь упорные нули там, где месяц назад были хорошие продажи и не можешь понять, где ошибка...

Перепутаны местами картинки до учета себестоимости и после ее учета

Да и поменяйте местами картинки с расчетом ROMI

Саша молодец, поднял больную тему :). Говорят кризис кризис, точек роста никто не ищет, а без анализа данных их найти очень и очень сложно.

Делаю сейчас такую же систему. Будет интересно потом пообщаться, сравнить.

Проблема поднята актуальная. Но в статье 14 раз упоминаются ограничения Google Analytics. Хотя если задача объединять данные из разных источников, обрабатывать их без ограничений на семплирование и репроцессинг, то можно просто использовать Google BigQuery. А визуализацию строить в том же Tableu, Qlik View или Google Sheets.
И внедрение будет стоить сильно меньше, чем 80 000 р.; коннекторы настраиваются онлайн и, самое главное, в результате у вас полный контроль над своими данными — есть готовые SDK, ETL и просто командная строка для работы с ними.

Без сырых данных веб-статистики, которые google analytics отдавать не умеет, такое хранилище всегда будет ущербным.

0

Смотря какие данные и на каких объемах.

0

В общем случае не умеет. Когда ты пишешь "смотря какие" это уже противоречит определению сырых данных :)

0

Ну если мы строго придерживаемся понятия "что отправил - то получил", то да. Но в большинстве случаев ты все равно получаешь уже обогащенные, приведенные к какому-то стандарту данные, если мы говорим про какие-то стандартные системы.

0

analytics.js отправляет 92 параметра. Core V3 в одном запросе до 7 параметров и должна быть как минимум одна метрика. Так можно считать это 15 недостатком бесплатной версии Google Analytics :)

0

В чем отличие от сервиса ройстат?

Данные хранятся у вас
Неограниченные визуализации
Полноценный BI, а не просто сквозные отчеты
Быстрый доступ к данным через SQL - за секунды строим любые отчеты
Использование сторонних сервисов для управление рекламой

0

Отлично. Жду продолжения статьи от автора

Начало понравилось, потом полилась скучная вода и непонятные технические термины, попробуйте написать вторую статью более простым языком, спасибо.

0

Все здорово, но мало применительно для микро и малого бизнеса, так как владелец интернет магазина не обладает необходимыми знаниями для подобного анализа, плюс вряд ли потянет в финансовом плане разработку подобного скрипта.
Мы пользуемся и нас полностью устраивает lptracker.hol.es/ Не нужно ничего разрабатывать, просто берем и пользуемся. Есть и crm с привязанной аналитикой, и статистика расходов/доходов, и телефония и пр. в общем вполне хватает для сайтов с доходом до 10 млн руб в год.

0

Александр, спасибо за интересную статью. А вы работали когда-нибудь с анализом эффективности продаж в SaaS сервисах? Дело в том, что у некоторых систем поведенческой аналитики есть встроенные отчёты, связанные с процессом монетизации SaaS, например support.kissmetrics.com/tools/revenue-report.html Понятно, что там не все настолько гибко, как при использовании своего решения, как в вашем примере, зато все "из коробки". Не пробовали такие штуки?

0

Возможность комментирования статьи доступна только в первые две недели после публикации.

Сейчас обсуждают
Актуальная Птица

у соседа на заборе тоже написано :)
исполнятся одни желания, появятся другие
а если желаний нет то вы уже почти святой.

«Добро пожаловать в 2030 год»: член датского парламента о счастливой жизни без приватности и личных вещей
0
Kirill Nikolaev

Да тут та же самая проблема, как на фрилансе. Смотрим портфель, смотрим квалификацию.
Заплатили за шлак - пишем в ТП.

Bramio — поиск экспертов и решение задач с помощью видеозвонков
0
Kirill Nikolaev

Короче, вот:
1. Я зарегистрировался. Почему-то смутило, что в блоке "номер телефона", на вкладке "верификация" номер телефона отображался, как верифицированный. Хотя я его только лишь ввёл.
2. Ребята, пожалуйста, UX, UX, UX в личном кабинете.
3. А где работа-то? Одна заявка двухмесячной давности. Или я не вовремя зашёл?
4. Деньги через пейр. Только пейр. Вы серьёзно? В 2016м? А что не онли догекоины? Я честно создал второй акк, чтобы потестить, как происходит сам "процесс", но, к сожалению, после составления контакта баланс я так и не смог пополнить, хотя в пейре я всё-таки зарегистрировался (ну за что)
5. Опять же, классификаторы и рубрикаторы очень надо адекватные делать. Очень. Надо.

Резюмирую (очень субъективно):
Очень сыро, но задатки хорошие.
Самая боль - это ux и биллинг. Я понимаю, что вы можете заставлять пройти 9 кругов ада, чтобы вывести деньги. Но дайте мне, чёрт возьми, возможность их туда завести так, как мне удобно.

Bramio — поиск экспертов и решение задач с помощью видеозвонков
0
Andre Vlasov

Эцсамое. Во первых Amy Tunick это женщина, а во вторых ник fuck Jerry - это не "переспать с Джерри", а "ну его Джерри ***** (на половой член)". Причём там Под Джерри имеется в виду комик Джерри Сайнфелд. Ну и ещё, beigeCardigan это вроде его девушка. А в остальном все верно. Спасибо, пожалуйста.

«Брендам должно быть комфортно»: как американский блогер под псевдонимом FuckJerry завоевал популярность рекламодателей
0
Слава Діонісьєв

К роскомдозору стоит очередь

Роскомнадзор заявил об отсутствии претензий к Netflix из-за «непопулярности сервиса» в России
0
Показать еще