Все потоки сходятся в один
Как устроена система анализа поведения клиентов и эффективности каналов рекламы группы компаний ПИК.
ПИК — самый большой девелопер России и один из крупнейших рекламодателей рунета. Для оценки эффективности затрат на маркетинг в группе компаний разработали PIK Data — систему агрегации и обработки данных, включающую модуль аналитики. Также это база для запуска и развития автоматизированного и персонализированного маркетинга.
Система аналитики: самостоятельно или через подрядчика
Когда встает вопрос внедрения системы сквозной аналитики, для начала, очевидно, следует провести первичную оценку возможностей. Все решения на рынке делятся на три группы:
- Крупные интеграторы. SAP, продукты Oracle, IBM или Microsoft — долго и дорого
- Российские системы. Roistat или Alytics — ограниченный функционал «из коробки», не позволяют решить все задачи крупного клиента
- Зарубежные решения. Связка Google Analytics 360, Owox BI, BigQuery — нет полноценной поддержки, данные хранятся вне ИТ-инфраструктуры компании, есть сложности с агрегацией данных от российских рекламных систем.
Обычно компания, которая выбирает готовое решение, часто приходит к тому, что оно не учитывает все особенности бизнеса. В итоге компания «застревает» в бесконечной доработке системы под себя.
Разумеется, этот путь не универсален, и глубокая аналитика нужна не всем. У нашего девелоперского бизнеса есть своя специфика: покупки происходят редко, клиенты долго выбирают продукт, воронка конверсий состоит из множества касаний с брендом — при этом нужно понимать, как связаны друг с другом рекламные компании в сети и в офлайне. Без глубокого анализа данных мы просто не могли бы оценить эффективность тех или иных статей расходов.
Для разработки собственной системы аналитики нужна крепкая ИТ-команда внутри компании. На рынке аналитических систем есть деньги, но нет постоянного спроса, из-за чего немногие специалисты выбирают эту сферу.
В итоге мы всё-таки решили разработать собственную систему аналитики — доработка готовых решений стоила бы в десятки раз больше. К тому же, оставался вопрос о безопасности — передавать данные клиентов третьей стороне опасно.
Посчитать несложно, сложно — посчитать всё необходимое и правильно
На рынке недвижимости каждая компания по-своему определяет, что такое «лид». Кто-то принимает за этот показатель звонки определенной длительности, кто-то учитывает вообще все обращения. Чем лучше проработана оценка «качества» лидов — готовности людей к покупке, — тем проще правильно распределять рекламный бюджет исходя из эффективности каналов маркетинга.
Раньше мы считали лиды исходя из количества звонков. Теперь отталкиваемся от числа сделок, и данные стали сильно отличаться. Например, скачки количества звонков могут быть вызваны не успешной рекламной кампанией, а началом заселения в жилой комплекс.
Так было 20 ноября 2017 года — мы увидели прирост звонков по объекту «Бутово-парк 2», в который начали въезжать жильцы, но повышения количества зафиксированных интересов не было.
Сейчас в ПИК лидом считают подтвержденную специалистами компании заявку клиента, заинтересованного в покупке. Одна из ключевых задач PIK Data — понимать, сколько таких обращений поступает, к каким каналам они относятся, и какова в конечном итоге доля рекламных расходов в каждой сделке.
PIK Data умеет обрабатывать данные от любых рекламных каналов — от контекстной рекламы до продвижения на агрегаторах недвижимости. Они собираются в едином внутреннем хранилище, после чего анализируются с помощью алгоритмов. Помимо подсчета стоимости привлечения клиента для каждого канала, система позволяет учитывать «внутренний каннибализм» — когда потенциальные клиенты переходят по рекламе одного проекта ПИК, но в итоге покупают другой.
Какие данные собирает система
Информация поступает из трех групп источников. Первый — система CRM, в которой хранятся данные о клиентах, сделках, квартирах, партнерах и сотрудниках. Их нужно адаптировать, чтобы можно было связать все данные друг с другом.
Второй источник — около десятка рекламных систем от Adwords до MyTarget и баз недвижимости вроде ЦИАН и «Яндекс.Недвижимость». От них PIK Data получает данные о расходах компании на рекламу, показах объявлений и переходах.
Третий источник — аналитические системы. Они выдают огромное количество данных, поэтому тут PIK Data нужно выделить информацию, которая важна для ПИК — источники звонков и поведение клиентов на сайте. Кроме того, данные нужно выгружать раз в несколько дней, потому что Google Analytics сжимает их, из-за чего показатели становятся менее точными.
Какие показатели рассчитываются
После сбора данные помещаются в единое хранилище и объединяются. Информация о звонке из CRM — номер телефона, дата и время — связывается с данными от системы коллтрекинга об источнике звонка, рекламной кампании и странице, с которой был совершён звонок. Туда же добавляется Google Client_ID, чтобы связать звонок с действиями пользователя на сайте.
Данные из рекламных систем объединяются с информацией о звонках с помощью меток, которыми маркируются все рекламные кампании ПИК. То же самое происходит с данными из CRM и системы коллтрекинга — они объединяются с помощью ID звонка, которая передаётся в CRM, когда потенциальный клиент связывается с компанией по телефону. В итоге можно понять, откуда пришёл звонивший, а специалист компании может построить воронку продаж для каждого источника лидов.
После этого рассчитываются три ключевых показателя: конверсия по всем этапам воронки продаж, стоимость каждого из них и соотношение рекламных инвестиций к продажам продуктов (ДРР или ROMI). Это соотношение затрат на рекламу и прибыли от заказов, которые оставили клиенты, пришедшие после рекламной кампании.
В интерфейсе PIK Data это всё представляется в виде таблиц, которые связаны между собой разными параметрами и метками. Специалисту остаётся только построить отчёты и цепочки взаимодействия клиента с брендом.
Как мы работаем с показателями
После сбора и объединения данных в Tableau проектируется отчет по эффективности всех рекламных источников, в которых есть информация о проценте и сумме покупок недвижимости, стоимости каждого этапа взаимодействия с клиентом и доле рекламных расходов.
Также формируется отчет по «внутреннему каннибализму» и ассоциированным конверсиям, который наглядно показывает, как рекламная кампания по одному проекту конвертируется в продажи по другим.
Благодаря визуализации данных, любой сотрудник ПИК может легко пользоваться отчётами без специальной подготовки — особые навыки нужны для создания нестандартных отчётов и более глубокой аналитики.
Простой пример использования PIK Data в работе отдела рекламы — медиапланирование. Каждый месяц компания планирует, сколько лидов должно быть по каждому проекту. С помощью PIK Data можно посмотреть данные за прошлые месяцы и исходя из этого распределить бюджеты.
Результат
Отчёты PIK Data помогают нашим сотрудникам лучше понимать клиентов и видеть, как они взаимодействуют с ПИК. Кроме того, данные используются для персонализированных рассылок, в которых предлагаются интересные клиенту проекты.
Поскольку PIK Data позволяет более глубоко анализировать процессы внутри компании, данные от системы помогают эти процессы структурировать. Например, платить подрядчикам можно не только за трафик и звонки, но и за подтвержденные лиды, пришедшие с конкретного канала продаж, и даже за заключенные сделки.
Советы создающим свою систему аналитики
- Прежде всего нужно определить цели.
- Затем – собрать данные, которые уже есть, и понять, чего не хватает.
- Какое-то время собирать отчеты вручную, чтобы понять, какая архитектура будет у системы сквозной аналитики.
- Спроектировать архитектуру проекта заранее.
- Изучить рынок и принять решение: делать самостоятельно или через подрядчика. Универсальных рекомендаций нет — любой вариант до появления первых результатов требует серьезных вложений и просто попробовать не получится.
- Просто отдать всю работу подрядчику не получится. Таким проектам очень нужен лидер — человек изнутри, который будет контролировать процессы, понимая бизнес-задачи компании.
- Ещё одна дилемма: разрабатывать инструментарий с нуля или использовать в качестве основы CRM или Google Analytics. В первом случае можно сразу заточить систему под нужды компании, во втором у неё будет фундамент из уже существующих инструментов и данных.
Специалисты ПИК готовы ответить на вопросы о PIK Data в комментариях.
Очень крутая разработка, но цена в 3 миллиона далеко не конечна, да и большие вопросы по поддержке и развитию остаются большие. Отдел разработки состоит из 2х, макс.3х человек (судя по затратам), а развивать такую махину вдвоем-троем ой как непросто)
Ну и стандартная история с паранойей про хранение данных вне IT-контура застройщика :)
Ну мы же в реальном секторе и бизнесе существуем, поэтому лучше пусть во внутреннем контуре все данные будут.
Безусловно, любое решение нужно эксплуатировать и поддерживать, но это не убийственные косты и они отбиваются кратно с рекламных бюджетов.
Просто про косты на поддержку и развитие тоже не стоит забывать, имхо там общий бюджет на разработку тоже кратно вырастет :)
Умеем считать косты и смысла себя обманывать у нас нет.
В этом вопросе даже не столько удельная цена должна смущать, а time to market и упущенная экономия/выгода от решения.
Я только успехов желаю, может наконец-то появится жизнеспособный продукт внутренней разработки застройщика)
Слава богу, что живой (с) 😉