Данные делают деньги: Использование системы аналитики для увеличения продаж

Генеральный директор агентства интернет-маркетинга Artilleria Александр Кузьмин написал для рубрики Growth Hacks заметку о проблемах оценки эффективности онлайн-маркетинга, о том, как связать данные аналитики и системы продаж, и преимуществах, которые дает такая интеграция.

Если мы с вами не знакомы очно, и вы никогда не слушали мои доклады на различных мероприятиях, то, наверное, правильнее будет сначала представиться: меня зовут Александр и последние 5 лет я помогаю компаниям повышать эффективность маркетинговых активностей (в основном онлайн, но не только).

За 5 лет мне удалось поработать с очень большим числом компаний, как лидеров рынка в своих сегментах, так и компаний поменьше. В разное время услуги оказывались всей четверке сотовых операторов, крупнейшим банкам, Ozon.ru, KupiVip.ru, Kaspersky, Acronis и прочим — список можно продолжать еще долго.

За это время я сделал для себя несколько важных выводов:

95% руководителей российских компаний вообще не заботит проблема того, что они ничего не считают и не анализируют.
Больше половины оставшихся 5% компаний неправильно считают свои ключевые показатели и соответственно делают из них неправильные выводы.
При этом эффективность почти любой рекламной активности при должном подходе можно увеличить на 50% минимум.

Почему в России никто не хочет анализировать свою деятельность? Речь часто идет о миллионах рублей в год недополученной прибыли. При этом на этапе пресейла ты наглядно, на пальцах, показываешь клиентам, где сейчас теряются деньги и как это можно исправить. Я не могу сам себе это объяснить. Это российский менталитет? Может быть, вы, уважаемые читатели, поможете мне это сделать?

Статья, однако, не обо мне и моих проблемах. Статья о проблемах бизнеса и в частности онлайн-маркетинга и о том, как их можно решить.

Проблемы оценки эффективности онлайн-маркетинга и ограничений существующих бесплатных систем веб-аналитики

Не нужно быть специалистом, чтобы понимать, что деньги, которые вкладываются в интернет-рекламу, должны в какой-то момент времени (сразу или отложенно) возвращаться в виде клиентов. И что основной показатель, определяющий эффективность этих вложений, рассчитывается как соотношение затрат на рекламу и полученной от этой рекламы выгоды (ROMI — Return On Marketing Investments).

В чем заключается основная сложность подсчета этого соотношения?

Статистика расходов по рекламным кампаниям обычно хранится в рекламных системах («Яндекс.Директ», Google Adwords, «ВКонтакте», Facebook, AdRiver и так далее), а данные о клиентах и доходах хранятся в лучшем случае в CRM, в худшем — в 1С.

Таким образом получается, что систем в компании используется много, а аналитический отчет нужен один.

Существуют 2 общеизвестных решения этой проблемы:

1. Сохраняем источник, канал, название кампании, объявление и ключевое слово (UTM-метки) в карточке клиента в CRM.

С точки зрения реализации, это решение достаточно простое и быстрое (у программиста с руками из плеч проблем возникнуть не должно). Но как часто бывает, недорогое и быстрое решение находится где-то рядом с мышеловкой.

Почему вам нужно забыть про сохранение интернет-данных в CRM и никогда больше этим не пользоваться? Во-первых, проблема подсчета окупаемости рекламных инвестиций таким образом решается не полностью — цифры затрат на рекламу по-прежнему хранятся в рекламных системах (я не знаю ни одной CRM системы, которая интегрируется, например, с системами контекстной рекламы).

Для вас это означает необходимость ручной выгрузки данных из CRM, ручной выгрузки данных из рекламных системах и ручное совмещение их в Excel. Не самый быстрый и удобный способ для тех, кто хочет заниматься оперативным контролем рекламных кампаний.

Во-вторых, я думаю, многие и вас, уважаемые читатели, хотя бы по собственному опыту покупок в интернете понимают, что посетитель сайта часто не сразу обращается в компанию (оставляет заявку или звонит), а сначала думает, выбирает и несколько раз посещает сайт, взамодействуя при этом с разными каналами (разные рекламные кампании, есетственная выдача поисковых систем, прямые переходы на сайт, переходы по ссылкам с других сайтов).

Например, путь посетителя до покупки может выглядеть следующим образом:

Какой вывод мы можем сделать из этой вообщем-то достаточно типовой последовательности, которая привела к покупке?

Каждый канал внес некоторый вклад в то, что клиент в итоге стал клиентом. Причем в данной конкретной ситуации именно «Яндекс.Директ» имеет наибольшую ценность, так как после этого канала клиент узнал о существовании компании Goodwood.

Таких комбинаций, как вы можете догадаться, для каждого сайта существует великое множество. Неисповедимы последовательности каналов, которые привели к продаже. Неисповедимы, но при этом поддаются измерению.

Деньги, которые клиент в конечном итоге принес компании, нужно правильно распределить между всеми каналами, которые присутствовали в цепочке переходов на сайт, чтобы потом правильно рассчитать совокупную ценность каждого канала.

В приведенном примере, на мой взгляд, правильнее было бы отдать 50% «Яндекс.Директу», а остальные 50% равномерно распределить между остальными каналами в цепочке.

Если вы сохраняете данные об источниках трафика в CRM, то получается, что вы отрезаете все «хвосты» последовательностей, которые привели клиентов и отдаете всю ценность последнему каналу, что в корне неверно.

Вам кажется это не очень важным? В более чем половине всех проектов, с которыми мы работали, переход к оценке ценности каналов от стандартной модели last click (вся ценность отдается последнему каналу, который непосредственно принес обращение) к любой другой менял ценность рекламных каналов более, чем в два раза — причем иногда в меньшую, а иногда в большую сторону.

Например, в одном из последних проектов, после применения другой модели оценки, ROMI контекстной рекламы увеличился на 327%. Решайте сами, важно это правильно считать или нет.

2. Используем Google Analytics в качестве основного центра хранения данных

Почему это долго

Вам придется найти программиста, который реализует передачу данных из CRM в Google Analyitcs через так называемый New Measurement Protocol, так как готовых решений, насколько я знаю, сейчас в открытом доступе нет. Поверьте мне, реализия на стороне клиента этой задачи иногда растягивается на полгода.

Почему это все равно не решит проблему оценки каналов рекламы с учетом мультиканальных взамодействий

Предположим, что вы все-таки реализовали передачу данных из CRM в Google Analytics с помощью New Measurement Protocol и пользовательских метрик (то есть, например, создали дополнительное поле «доход» в Google Analytics и в него передаете данные по доходам от клиентов из CRM).

Попробуйте в этом случае пересчитать ценность каналов на основании метрики «доход». В Google Analytics это просто технически невозможно сделать. Таким образом проблема подсчета ценности каналов с учетом многоканальных последовательностей останется и в этом случае.

Почему Google Analytics — это не самое удачное решение контроля и оптимизации рекламы даже для интернет-магазинов

Представим, что в некотором абстрактном интернет-магазине оргтехники продается 2 категории: клавиатуры и мониторы. Для наглядности представим, что на рекламу каждой категории потрачена одинаковая сумма и она показала одинаковый доход. В конце месяца вы считаете ROMI каждой категории и получаете следующие цифры:

Как будто рекламные кампании обеих товарных категорий имеют равную эффективность.

Вспоминаем, что у каждого товара есть себестоимость. У клавиатур, как у более дешевого продукта она, например, составляет 50%, а у мониторов — 20%. Пересчитываем ROMI с учетом себестоимости:

И наблюдаем четырехкратную разницу в ROMI. Добавьте в расчеты возвраты и отказы от доставки, и вы увидете еще больщую разницу (для интернет-магазинов одежды это особенно заметно).

Google Analytics не позволяет производить даже арифметические операции с метриками. То есть даже если вы исхитритесь и загрузите-таки в Google Analytics себестоимость товаров, посчитать ROMI так, как нужно, в Google Analytics вы все равно не сможете. И это печально.

Почему Google Analytics вообще не подходит для компаний с циклом сделки более 1 месяца

Для компаний с циклом сделки более одного месяца проблема подсчета мультиканальных взаимодействий, о которой мы писали выше, становится еще более актуальной: клиенту требуется больше времени на принятие решения и, сомневаясь, он еще чаще взаимодействует с сайтом. Но речь сейчас не об этой ситуации.

Представим, что вы продаете дома. Средний цикл сделки — 3 месяца. Предположим, что в январе 2015 года вы потратили на рекламу 100 тысяч рублей. Как вы будете рассчитывать ROMI? Что на что делить, другими словами? Деньги потратили в январе, а возвращались они с течением времени в следующие полгода.

Когортный анализ, скажете вы мне. Попробуйте передать данные из CRM в Google Analytics и применить их в отчете «Когортный анализ». У вас ничего не получится. Это технически невозможно. А теперь вспомните про многоканальные последовательности и вам должно стать совсем грустно. Google Analytics — это часто почти бесполезный инструмент для оценки эффективности рекламы компаний с длинным циклом сделки.

Как мы научились решать эту проблему

Так как CRM вообще не подходит для решения задач аналитика, а Google Analytics имеет критические ограничения, мы решили, что данные нужно хранить где-то еще. За полгода мы реализовали так называемые коннекторы почти ко всем популярным системам: всем рекламным системам, CRM, 1C, сервисам колл-трекинга и, конечно, системам веб-аналитики.

Коннектор — это скрипт, который автоматически раз в сутки обращается к системе, забирает из нее нужные данные и сохраняет в специально созданной для этого базе данных. Архитектура такой базы может выглядеть так:

Данные структурируются, объединяются и обогащаются (если статья понравится широкой аудитории, я удольствием в следующий раз детально опишу, как мы это делаем). Получается единое цифровое хранилище данных компании. И вот с этого момента начинается магия.

Визуализация данных

Мы научились прикручивать к хранилищу разные средства визуализации, такие как Qlik и Tableau Software. Появляется возможность в несколько кликов строить сквозные между системами отчеты, а также получать наглядные представления суровых отчетов в виде красивых графиков и диаграмм разного вида.

Например, так может выглядеть панель управления контекстной рекламой:

А так панель управления отделом продаж:

А так сводная отчет по эффективности каналов маркетинга:

Достижение плана менеджерами по продажам:

Панель эффективности email-маркетинга:

Так как все данные связаны друг с другом, появляется возможность проводить сегментацию по данным сразу нескольких систем и сравнивать любые периоды времени друг с другом.

Это тот редкий случай, на мой взгляд, когда решение одновременно эффектно и крайне эффективно.

Внутри цифрового хранилища мы самостоятельно программно рассчитываем ценность каналов с учетом многоканальных последовательностей и отложенного спроса (длинного цикла сделки). Причем коэффициенты, на основе которых каждый канал получает определенную ценность, закладываются индивидуально для каждого нового проекта с учетом особенностей его воронки продаж.

При подсчете ROMI, конечно же, было бы странно не учитывать себестоимость товаров, отказы и возвраты (если мы говорим про интернет-магазин). Для B2B-бизнесов или B2C с длинным циклом сделки (например, автодилеры) ROMI каналов считается также с учетом того, что деньги на рекламу тратятся в одном месяце, а зарабатываются в другом (когортный анализ прибыли от рекламы).

Обращаясь к данным раз в сутки, мы также в некоторых случаях решаем проблему семплирования (ограничение в бесплатной версии Google Analytics).

И вообще любые калькуляции между метриками становятся возможны. Хотите посчитать время между каждым взамодействием посетителя с вашим сайтом до звонка? Хотите узнать, где выгоднее размещаться, в гарантии или в спецразмещении (какой тип размещения приносит больше прибыли)? В какое время суток выгоднее делать рассылку? Нет проблем.

Можно даже построить ретроспективу по каждому конкретному клиенту — то есть посмотреть, как именно и сколько раз он посещал ваш сайт до того, как стал клиентом. В Google Analytics, кстати, такая ретроспектива возможна только по конверсиям и только за последние 90 дней — у нас почти по сделками и без временных ограничений.

Управление рекламой от прибыли

Цифровое хранилище, как вы могли уже догадаться, позволяет отдавать данные не только в средство визуализации. Данные о прибыли по каждому объявлению, кампании, товарной категории передаются на вход системе управления ставками в контекстной рекламе.

Система управления ставками — это программа, которая использует статистические и математически алгоритмы для того, чтобы, обладая данными по ценности каждого объявления, определить оптимальную ставку для максимизации эффективности всей кампании.

Мы пока только тестируем такую экосистему управления рекламой, но уже сейчас на некоторых проектах наблюдаем кратный рост прибыли от размещения контексной рекламы.

Ручная аналитика

Анализ рекламных кампаний стал на порядок проще. Наличие всех данных в одном месте позволяет проводить сквозную аналитику между системами, сегментировать данные и находить неэффективные сегменты.

Дальше варианта всегда 2: либо отключаем сегмент, либо стараемся сделать так, чтобы он стал более эффективным. И то и другое высвобождает рекламные средства, что позволяет больше ивестировать в те сегменты, которые приносят прибыль. В этом по сути и заключается оптмизация рекламных активностей.

RFM-, ABC-, XYZ-анализ. Корреляционный анализ. Регресионный анализ. Вам что-то говорят эти понятия? Мне — да. Примерно год назад мне нужно было провести ABC-анализ и я полез гуглить, как это сделать в Excel. Наткнулся на отличную статью, где последовательно и наглядно рассказывается, как это сделать. Примерно за час я собрал все нужные данные, загрузил их в Excel и провел ABC-анализ. Сейчас эта операция занимает несколько минут (по сути нужно просто запустить заранее сформированный SQL-запрос к хранилищу).

Провел RFM-анализ и разбил клиентскую базу на сегменты? Загрузи их в MailChimp или любой другой сервис и запускай персонализированную рассылку. Несколько минут на все без учета времени на создание писем.

Заключение

С каждым годом бизнес все больше оцифровывается. Появляются новые системы и сервисы. Люди все больше пользуются мобильными устройствами ,а совсем скоро холодильник будет сам заказываться еду в интернет-магазинах (или как там это будет называться). Данных становится все больше. Пропорционально растет время, необходимое на сбор и анализ этих данных. Даже факторы, которым трудно дать количественную оценку, тем или иным образом преобразовываются в цифры.

Мне кажется, что внутреннее хралище данных — это одно из решений, которое будет приобретать все большую ценность с течением времени. Это крайне актуально уже сейчас, не говоря уже о будущем. Преимущества и возможности можно перечислять очень долго, да я думаю вы и сами можете их представить.

Самые важные из них, на мой взгляд, — это поиск узких мест, сокращение ненужных затрат, активизация неодоцененных потенциалов и точек роста. И что не менее важно, на основе корректных данных и достаточно быстро.

Управляйте бизнесом на основе данных.