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.

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.

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.

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.

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.

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.

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.

• 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.