Сквозная аналитика: подход и кейс

От редактора

Маркетологам доказывать свою необходимость всегда было нелегко. Потому что измерить эффект от маркетинга не так просто, как, например, посчитать затраты на материалы при производстве холодильника.

На заре становления интернет-маркетинг предложил бизнесу ряд синтетических метрик: цена клика (CPC), цена лида (CPL), цена действия (CPA). Каждую из них имеет смысл измерять, и это легко делается с помощью современных систем аналитики.

Однако бизнес мыслит не в терминах кликов и лидов, а в терминах продаж, выручки и прибыли. Зачем нужен копеечный CPC или сотни действий на сайте, если в итоге это не приводит к продажам? Бизнесу гораздо ближе вопрос: «Сколько продаж обеспечил 1 рубль, потраченный на контекст?»

Перейти в плоскость денег позволяет сквозная аналитика — подход, при котором эффективность вложений в маркетинг оценивается на основе данных о продажах и прибыли. Кейс, демонстрирующий как сквозная аналитика оказывает реальную помощь бизнесу, представляет Андрей Титенко.

Сквозная vs «обычная» аналитика

Сквозная аналитика имеет два важных отличия от «обычной», то есть от подхода, при котором все заканчивается установкой одной или нескольких систем веб-аналитики и работой с ворохом доступных данных. Эти отличительные признаки сквозной аналитики в следующем:

1. Привязка метрик эффективности к продажам и деньгам, а не легко замеряемым, но тем не менее промежуточным, CPC, CPL, CPA.

Как обеспечить эту связь?

Данные о сделках компании сегодня обычно хранятся в системе управления взаимоотношениями с клиентами (CRM). Поэтому самый простой способ привязать каналы к реальным продажам — обеспечить интеграцию системы веб-статистики с CRM. В CRM передается информация о пользователе и каналах, с которыми он взаимодействовал; обратно из CRM в систему статистики отправляется информация о статусе сделок.

2. Все возможные кампании и каналы взаимодействия пользователя с брендом в процессе покупки должны быть учтены и отслеживаться.

Например, трафик на сайт интернет-магазина привлекается из кампаний: поиска, контекстной и медийной рекламы, социальных сетей. Привлеченный таким образом пользователь имеет несколько каналов коммуникации:

  • оформить заказ через корзину на сайте;
  • позвонить по телефону;
  • попробовать списаться с оператором через онлайн-консультант;
  • купить в оффлайновой точке (если речь идет о мультиформатном магазине).

Каждое действие в сквозной аналитике связывается с кампанией привлечения. Если пользователь взаимодействовал до покупки с разными кампаниями, то должна быть задана модель атрибуции.

Атрибуция имеет место и в «обычной» аналитике, однако от этого не теряет важности. Она задает вес кампаний, который учитывается при оценке их эффективности. То есть, если клиент во время своего customer journey сначала пришел на сайт из контекстной рекламы, потом вернулся уже из результатов поиска, а покупку совершил в сессию, которую начал с клика из аккаунта компании в социальной сети, то успех сделки будет по алгоритму распределен между тремя этими кампаниями (контекст, SEO, SMM). Есть разные алгоритмы, определяющие, как именно будет распределяться вес, в этой статье не буду подробно на них останавливаться.

В результате получается такой аналитический ландшафт.

Аналитический ландшафт сквозной аналитики

Аналитический ландшафт сквозной аналитики

Понимание, сколько каждая кампания приносит продаж в отношении к затрачиваемым деньгам, дает возможность перераспределить средства между кампаниями и добиться большей эффективности маркетинговых активностей.

 

Пошаговая инструкция внедрения сквозной аналитики

Внедрение сквозной аналитики лучше доверить специалистам, поскольку в этом процессе возникают специфичные задачи: нужно будет связывать различные программные продукты и обеспечивать передачу данных между ними в автоматическом режиме. Между одними парами программ эта интеграция предусмотрена и создается простыми настройками, с которыми справится обычный пользователь. Чтобы обеспечить нормальную работу между другими парами программ, приходится писать код.

Этапы внедрения:

1. Анализ и подготовка.

а. Определить список кампаний и проверить, корректные ли получаются данные по промежуточным метрикам (CPC, CPL, CPA).

b. Изучить воронку продаж: какие существуют этапы, на которых клиент может «отвалиться».

c. Зафиксировать каналы взаимодействия с потенциальными клиентами: телефон, формы на сайте, баннеры, всплывающие окна и push-сообщения, онлайн-консультанты, механизмы «обратного звонка». Словом, все коммуникационные средства.

В идеале для каждого канала должна быть разработана система фиксации выполненных действий. Например, если пользователь написал в онлайн-чат, сам факт взаимодействия должен фиксироваться и использоваться далее при анализе. Инструменты, позволяющие фиксировать коммуникационные действия, будем называть канальными.

2. CRM + канальные инструменты. Интеграция CRM (AmoCRM, 1C-Битрикс, bpm'online и др.) и канальных инструментов (колл-трекинг, консультанты и проч.): передача из канальных инструментов в CRM информации по параметрам сделки.

3. Веб-аналитика+CRM.На последнем этапе CRM связывается с системой веб-аналитики для передачи данных о заявке.

Посмотрим, как это работает на примере.

 

Кейс сквозной аналитики: продажа межкомнатных дверей

Бизнес

Компания продает межкомнатные двери через Интернет и торговые точки. Двери относятся к среднему сегменту, цена единицы продукции — 4-8 тыс. руб.

 

Жизненный цикл заявки

Жизненный цикл заявки в подобных темах достаточно длинный. И не всегда дело в том, что клиенту сложно решиться на ощутимую трату: зачастую клиент долго выбирает, какие именно двери ему купить, рассматривает много салонов и вариантов.

Получается следующая схема.

Жизненный цикл заявки у клиента - сквозная аналитика 

Жизненный цикл заявки у клиента

Комментарии:

1. Первичное обращение может быть квалифицировано как нецелевое. Например, система колл-треккинга зафиксировала звонок, но это были холодные продажи другой компании. Также сразу за обращением может последовать отказ, если компания не имеет возможности решить проблему клиента (заказ не на двери, нет доставки в нужный город, не используются требуемые материалы и т.п.).

2. Если обращение признано целевым, то менеджер может предложить посетить торговую точку для обсуждения деталей. В единичных случаях клиенты бронируют товар, не посетив точку.

3. Бронь не является синонимом продажи, поскольку клиент может от нее легко отказаться. Даже оплата не является полным синонимом, поскольку очень редко, но бывает, что в итоге продажа не происходит.

4. Последний этап — отгрузка двери. Их установка выполняется партнерскими компаниями, поэтому для компании сделка считается закрытой с момента отгрузки.

 

Кампании и каналы 

Для привлечения и конверсии клиентов используются пять типов кампаний (контекстная реклама разбивается на несколько субкампаний, отслеживаемых раздельно):

  • контекстная реклама;
  • товарные объявления;
  • поисковые системы;
  • сайты-партнеры, в том числе купонные сервисы.

Для отслеживания использовались следующие канальные инструменты:

  • TAO CMS (cms.techart.ru) — система управления сайтом (заполнение форм и отслеживание других конверсионных действий на сайте);
  • CallTouch (calltouch.ru) — система колл-трекинга для отслеживания звонков;
  • JivoSite (jivosite.ru) — сервис онлайн-консультирования;
  • AmoCRM (amocrm.ru) — CRM-система для обработки заявок.

В качестве системы веб-статистики использовался Google Analytics (www.google.com/analytics/).

 

Интеграция 

Из канальных инструментов данные передавались в AmoCRM. Общим параметром для всех инструментов был google client id, наличие которого собственно и обеспечивает возможность отслеживания клиента во всех его «реинкарнациях». Также передавались другие параметры, характерные для конкретного канала. Для JivoSite — это email и сообщение, для Calltouch — информация о привлекшем рекламном канале, для форм с сайта — email и телефон.

Фото Схема интеграции канальных инструментов, CRM и системы веб-аналитики 

Схема интеграции канальных инструментов, CRM и системы веб-аналитики

В CRM была настроена сущность «сделка» и ее этапы в соответствии с реальным жизненным циклом заявки.

Таким образом, мы уже получили в CRM данные относительно заявок, и с помощью каких каналов клиенты взаимодействовали с компанией. Остался последний шаг — связать обращение с источником, для того чтобы понять, какая из кампаний принесла нам заявку. Для этого данные из CRM загружаются в Google Analytics.

Также в Google Analytics загружается информация о затратах на кампании.

 Фото Загруженные в Google Analytics затраты на кампании

Загруженные в Google Analytics затраты на кампании

 

Результаты

В результате за некоторый период времени было получено 98 конверсий. Было выделено 9 разных кампаний.

В этом примере сделано упрощение: клиент подсчитал, что средняя прибыль с одной сделки за рассматриваемый период составила с округлением 10 тыс. руб. Это больше средней цены двери, поскольку обычно в квартиру покупают сразу от 3 до 8 дверей. Этот средний показатель прибыли и использовался в качестве меры эффективности кампаний.

Была выбрана модель атрибуции (position based), в соответствии с которой основной вес принадлежит первому и последнему каналам привлечения пользователя. Поскольку используется эта модель, показатели конверсии в разрезе кампаний — нецелые числа.

 Фото Расчет эффективности кампаний с учетом реальных затрат

Расчет эффективности кампаний с учетом реальных затрат

Отношение прибыли, полученной с учетом модели атрибуции, к затратам на кампанию представлено в последнем столбце. Стоит отметить, что его название ROAS некорректно в данном примере. ROAS (return on advertising spend) — отношение выручки к затратам на рекламу, а в данном примере речь идет об отношении прибыли к затратам на рекламу.

Анализ приведенной таблицы показывает, что кампании с номерами строк 1, 4, 8 и 9 дают хороший результат: прибыль в 1,3-1,6 раза больше расходов на маркетинг.

Кампания 2, наоборот, приносит меньше прибыли по сравнению с затратами. Это переходы из купонного сервиса. За рассматриваемый период он не использовался клиентами совместно с другими кампаниями (13 изолированных продаж). Поэтому в результате анализа было принято решение прекратить сотрудничество с купонными сервисами и перераспределить бюджет в пользу более эффективных инструментов.

Об авторе:

Андрей — заместитель руководителя департамента интернет-маркетинга и ведущий специалист по веб-аналитике в «Текарт». Главная компетенция — оценка эффективности интегрированных маркетинговых кампаний, а также внедрении сквозной аналитики. Принимает активное участие в обучении молодых сотрудников подразделения. Увлекается активным туризмом, рыбалкой, регулярно занимается спортом, является членом корпоративной команды по кроссфиту и аттестованным спасателем.

ПОДПИШИТЕСЬ НА ОБНОВЛЕНИЯ
    ПОДПИШИТЕСЬ НА ОБНОВЛЕНИЯ

    блога «Практика интегрированного маркетинга»


    Читайте два раза в месяц полезные посты про маркетинговые стратегии и их реализацию прямо в почте