Почему стоит следить за качеством сквозной аналитики

Девелопер «Самолет» — об опыте внедрения аналитических метрик.

Но для начала расскажем о сложностях, связанных со спецификой бизнеса.

Группа «Самолет» — это девелопер, поэтому у нас очень длинная и сложная воронка продаж. Смотрите сами:

И все это нужно как-то оцифровать.

Добавьте к этому очень разнообразный портрет пользователей: «Самолет» строит кварталами, почти мини-городами, поэтому целевая аудитория — 10% работающего населения плюс их семьи, потому что решение о покупке квартиры чаще всего принимают сообща. Это огромное количество разных людей. Кто-то из них уже выбрал квартиру, кто-то еще в процессе. Поэтому при покупке одной квартиры нам нужно учесть несколько клиентских путей, каждый со множеством касаний.

Все это превращает настройку сквозной аналитику в задачу со звездочкой.

Итак, с самого начала мы понимали две вещи:

Но нам было важно понять глубину этой кроличьей норы — нашей сквозной аналитики: что из нашей воронки мы действительно «видим».

У нас не стояла задача оцифровать каждый «чих» клиента. Было важно получить вектор развития для нашей системы сквозной аналитики. И получить его, основываясь на цифрах — метриках качества нашей системы.

Радовало только то, что систем для связывания было немного: 150 рекламных кабинетов разной степени готовности API, «ручные» расходы, трекинг сайта в Google BigQuery, система коллтрекинга со своей телефонией, внутренняя телефония и, собственно, CRM. Все это нужно было тщательно связать и обмерить, с учетом особенностей нашей воронки.

Начали мы с достаточно простого подхода к глубине сквозной аналитики: доля клиентов, по которым у нас есть информация не из CRM.

Понятно, что вся информация о продажах есть в CRM. Но также понятно, что почти каждый клиент хотя бы один раз заходит на сайт группы «Самолет». И малая «глубина» оцифровки как раз говорила бы о недостаточной оцифровке клиентского пути.

Простой пример: клиент приехал в офис продаж, оставил свои контакты. Затем на сайте выбирал квартиру, но сам не звонил, а общался с менеджерами только по их инициативе. В результате у нас два разорванных клиентских пути: один — ходит по сайту и не звонит, второй — ездит в офис и общается с менеджерами. Это приводит к неверному расчету стоимости звонка как клиентского касания при оценке рекламных кампаний и не дает эффективно планировать маркетинговый бюджет.

Мы построили достаточно много гипотез, как именно разрываются пути клиента. Глубина сквозной аналитики отлично помогла понять, какие из них рабочие, а какие — нет.

1. Глубина сквозной аналитики показывает, насколько оцифрован процесс коммуникации с клиентом до целевого события — звонка, встречи или сделки.

Кроме доли «цифровых» клиентов из всех клиентов вообще, мы также стали рассматривать еще одну метрику — участие цифровых каналов в привлечении клиентов. Нам было важно не только просто посчитать клиента, но и максимальным числом способов «догнать» его через цифровую рекламу. Ведь чем больше касаний, тем больше вероятность покупки, но все цифровые касания — ретаргетинг, брендированная реклама — стоят денег.

2. Поэтому мы ввели другую метрику наравне с глубиной сквозной аналитики — влияние цифровых каналов как долю цифровых каналов в продажах или звонках, рассчитанная по MCF-атрибуции.

Поработав с этими двумя метриками, нам стало понятно, что чего-то не хватает :)

Мы не понимали двух вещей:

Понятно, что если мы видим не все цифровые клиентские касания, то на глубину сквозной аналитики это никак не влияет.

В теории, чем больше видимых, то есть посчитанных клиентских касаний, тем больше и глубина сквозной аналитики. Данных о каждом отдельном клиенте мы бы видели больше, и разрывов клиентских путей стало бы меньше.

Эта гипотеза оправдалась: мы включили данные по среднему числу сессий на клиента до звонка и до продажи. Их увеличение хорошо коррелировало с нашим пониманием глубины сквозной аналитики.

3. Число рекламных касаний с клиентом до целевого действия — метрика «ширины» сквозной аналитики.

Чтобы как-то ограничить область того, что мы пока не знаем о клиенте, мы выделили встречи и звонки, по которым у нас нет никакой информации о клиенте. То есть мы не знали о канале его привлечения или каких-либо клиентских касаниях. Понятно, что значительная часть клиентов после встречи все же заходит на сайт, звонит с него и мы связываем их воронки. Но часть сделок все еще остается неопознанной, и это наша реальная зона роста.

4. Доля «неопознанных» клиентов (клиентов без цифровых или оцифрованных касаний) — это зона развития сквозной аналитики, оценка точности ее работы.

А как у вас измеряют качество сквозной аналитики? Приглашаем делиться опытом в комментариях.