Кейс: От хаоса – к data-driven маркетингу. Построение цифровой инфраструктуры с нуля. Часть 3

Не обязательно иметь сложные программные продукты для базового наведения порядка в бизнес-процессах. Продолжаю рассказ о постепенном переходе от бумажного хаоса к управлению на основе данных. В этой статье – о формуле расчета плана по лидам, базовой аналитике и бенчмаркинге показателей филиальной сети, обмене лучшими практиками и первых шагах в направлении снижения цены привлечения.

Иван Саушин. Руководитель направления сбытового маркетинга крупного регионального застройщика

В двух предыдущих публикациях я рассказал, как несовершенство бизнес-процессов сподвигло нас строить цифровую инфраструктуру Маркетинга.

Напомню, что мешало Маркетингу нормально функционировать:

В результате разработки и внедрения форм для планирования в облачной таблице мы упорядочили часть повседневных задач и немного ушли от ручного управления.

Высвободилось время на улучшения следующего уровня:

О них и расскажу подробнее в этой статье.

Как и ожидалось, следующие несколько месяцев после переезда в Google Spreadsheets мы все немного страдали и дорабатывали форму, чтобы она из драфта превратилась в жизнеспособный инструмент. Как выглядел шаблон для планирования мероприятий, можно посмотреть здесь.

Так или иначе, по прошествии определенного периода Маркетологи на местах привыкли и стали планировать мероприятия и вносить результаты в таблицу самостоятельно. Для удобства мы сделали в ней раздел типа «базы знаний».

Нашу «наколеночную» систему ждало первое испытание — компания за короткий срок в несколько месяцев вышла еще в 3 новых региона и запустила строительство 5 новых жилых комплексов. Общее число филиалов выросло с 3 до 6, а количество продаваемых ЖК – с 5 до 10. Количество сотрудников в головном офисе оставалось прежним (и, кстати говоря, с нынешними 8 регионами и 12 объектами сохраняется).

Вместе с запуском новых регионов росла и команда, и количество данных, которые необходимо было собирать, хранить и анализировать.

Благодаря проведенной ранее систематизации наши еженедельные планерки стали проходить быстрее — примерно за 30 минут с каждым регионом (напомню, начинали с часа), выработанные меры не терялись, и горизонт планирования увеличился до одного месяца. Данные в таблицы вносились исправно (хотя по-прежнему вручную), можно было отслеживать динамику по количеству обращений, конверсиям, выполнению плана по деньгам. Благодаря понятному «интерфейсу», маркетологи в новых регионах достаточно быстро адаптировались и тоже вели статистику.

Мы почти перестали «переобувать» рекламные кампании в середине месяца – просто сделали график планирования РК и упорядочили маршрут согласования, включив в него Отдел Продаж.

Без системы планирования маркетинговых мероприятий, пусть даже построенной на обычных таблицах, и формализованных отчетов, мы утонули бы в ручном управлении. А так — кратный рост сети прошел для нас достаточно гладко.

Сила сетевой компании (и я сейчас не про MLM), в том числе, в возможности накапливать и использовать лучшие практики, обмениваться опытом, сопоставлять уровни показателей разных городов и проектов между собой.

Когда города и проекты достаточно однородны — это позволяет выявить «отстающих» и обратить внимание на возможные зоны роста.

Я сделал некое подобие «дашборда» — отдельную страницу с ключевыми коммерческими показателями по всем проектам и городам:

- лидогенерация

- конверсии

- деньги в виде плана и факта

Так как теперь все данные по всем регионам хранились в одном месте – стало очень удобно сличать результаты между собой. И подсматривать успешные акции и интересные механики у соседних регионов, которые зарабатывают больше денег в тех же условиях.

Постепенно мы начали получать такой эффект. Когда один регион выполнял план, а другие – нет, отстающим регионам становилось интересно: «А что же они такого сделали». Теперь достаточно было просто зайти на соседнюю вкладку, в планы маркетинговых мероприятий, и «скопировать с достоинством».

Так как Маркетинг в нашей компании отвечает и за выполнение планов продаж — очередным вызовом для нас стала разработка формулы вычисления количества лидов, достаточного для привлечения необходимого объема денег. План по количеству привлеченных за месяц клиентов должен был быть таким, чтобы обеспечить выполнение плана по продажам, и небольшой «задел» на начало следующего месяца. Изначально он выставлялся пропорционально плану по деньгам.

Особенность продажи недвижимости в длительном цикле сделки – от обращения в компанию до покупки квартиры проходит несколько месяцев. Поэтому лиды января – это сделки апреля и мая.

Нужно было сбалансировать методику расчета, учесть усредненные показатели за более значимые периоды, чем один минувший месяц, чтобы снизить влияние «вылетающих» значений. Соглашусь с вами, если вы скажете, что прогнозирование и планирование количества лидов это более сложная вещь, чем просто расчет на средних значениях. Но, во-первых, ювелирного подхода нам здесь не требуется, а во-вторых – это было начало нашего пути.

Итак, в одну из первых версий формулы были включены следующие переменные:

- План продаж по жилому комплексу

- Средний чек по жилому комплексу

- Средняя конверсия из обращения в сделку за N месяцев

- Суммы по заключеным ранее сделкам, ожидаемые к поступлению в этом месяце

- Стоимость забронированных квартир

- Средняя конверсия из брони в сделку

Общий вид формулы:

То есть, сначала мы вычисляли, сколько денег «не хватает» до выполнения планов с учетом броней и ожидаемых поступлений, а затем делили это на средний чек сделки и среднюю конверсию из лида в сделку.

Чуть позже мы стали делить плановые значения на онлайн и офлайн инструменты. Можно декомпозировать и до посадочных страниц - как минимум, чтобы понимать динамику по каждому из них.

Забегая вперед скажу, что сейчас планы автоматически рассчитываются по формулам в системе Qlik Sense на основе данных, подтягиваемых из 1С и CRM Bitrix. Саму методику мы тоже преобразовали – было много итераций доработки этой формулы.

Тем не менее, и приведенная версия достаточно хорошо справлялась со своей задачей, и такое планирование позволяло генерировать нужное количество лидов в отдел продаж.

Customer Acquisition Cost (CAC), или стоимость привлечения – одна из важных точек приложения усилий маркетинга на данных. Круто, когда у тебя все в онлайне – и расходы, и статистика готовая в кабинетах. Можешь разделить кампании по типам – эта сбытовая, а эта медийная, направленная на формирование имиджа. Такую мы включать в mROI по привлечению клиентов не будем, а проведем бюджетом PR.

Но у большинства застройщиков все иначе. Существенная доля бюджета расходуется офлайн. А что еще страшнее – в финансовом учете расходов на Маркетинг у большинства черт ногу сломит. У нас был тот самый случай.

Изначально в компании расходы учитывались очень крупно — Радио, Наружка, Интернет, ТВ и так далее. Иногда направления расходов не вносили вообще. Не было разделения на Cбытовой маркетинг, PR-мероприятия, внутренний «маркетинг» типа сувениров партнерам или корпоративов. Был общий котел, и туда падало все. В результате, выделить в отчетах по расходам ту часть бюджета, которая была потрачена конкретно на привлечение новых клиентов, было невозможно. Равно как и рассчитать стоимость привлечения и начать с ней работать.

Для улучшения детализации я взял за основу систему бюджетирования одного сотового оператора, которая только в трейд-маркетинге состоит из 38 коммерческих кодов и позволяет различать в учете даже POS-материалы разных ценовых сегментов. Конечно, мы адаптировали ее под свой бизнес. Пара доработок силами любимой Бухгалтерии – и все было готово.

Сейчас мы классифицируем расходы на Маркетинг по 30 типам, формируя информационную основу для постатейного бюджетирования в последующие годы. Мы знаем, сколько расходуем на POSM, сколько на радио, наружную рекламу, проведение мероприятий и так далее. И, к примеру, о каких годовых объемах продукции мы можем говорить с поставщиком, чтобы быть для него интересным заказчиком и получить особые условия. У нас есть данные об этом, их становится больше с каждым днем.

А самое главное – мы разделили в учете расходы по направлениям PR и Сбытовой маркетинг.

Так вот: количество обращений мы собирали вручную, расходы на привлечение клиентов в разбивке по типам затрат начали накапливать в 1С, и впервые корректно посчитали стоимость привлечения.

С ростом количества регионов и запуске новых интересных проектов (типа Умный дом / Виртуальный консьерж) компания ощутила потребность в увеличении команды IT. Так у нас появились специалисты по Электронному Документообороту (мы используем систему Directum), программисты 1С, а чуть позже — и программисты Bitrix24.

Сказать, что я ждал их – ничего не сказать. Наконец-то появилась возможность перевезти наше гугло-табличное царство в полноценные программные решения, используемые в компании.

Мы начали формировать техзадание на доработку систем, которая позволила бы автоматизировать корректный сбор данных для управления базовым KPI — снижением стоимости привлечения.

Почему мы начали с этой бизнес-задачи? Потому что одно обращение в офис продаж стоит до нескольких тысяч рублей, а договор — с учетом всех конверсий — несколько десятков тысяч. Это только на Маркетинг. И там есть, над чем поработать.

Кроме того, задача запускала цепочку других улучшений. Например – интеграцию CRM со всеми нашими источниками привлечения, что позволило бы, наконец, избавить маркетологов от необходимости выковыривать данные для отчетов вручную.

Что нужно делать системно, чтобы удешевить привлечение клиента? Вот несколько пунктов и источники данных для принятия решения:

По всем трем пунктам требовалась серьезная работа совместно с командой IT. Продолжение в следующей статье.