Известная система аналитики Alytics в конце октября провела встречу «День сквозной аналитики». Этот кейс создан на основе рассказа Андрей Зайко из агентства Adventum. Он показал на примере работы с фирмой «Фабрика окон», как правильно создать сквозную аналитику для компании, где покупка занимает долгое время.
Система аналитики в Adventum
Она базируется на облачной инфраструктуре Google. Загруженные скрипты работают со всеми источниками данных и передают информацию в BigQuery. Как отдают системы, такой она и передается. Все данные приводятся к одному виду и соединяются по идентификаторам. Сверху идут модели атрибуции, и таблицы визуализируются для простого понимания в систему аналитики или Excel.
Для чего требуется такая аналитика
Идеальная схема покупки: клиент видит рекламу фирмы, переходит на веб-страницу, смотрит предложения и покупает. Но в жизни все не так. Клиент бывает на многих сайтах, видит вас в рекламе, поисковике, сетях, возвращается через некоторое время из совершенно иного места.
Анализировать путь таких пользователей сложно. Сквозная аналитика для этого и требуется. Конечно, возникают проблемы, решение которых и рассмотрим.
Проблема при нескольких обращениях
В январе клиент мог зайти на страницу, но покупку не сделать. А вот в феврале не просто зайти, но и встретиться с замерщиком, заказать окна. Какой звонок важен, какой должен учитывать? Решение было принято в пользу целевого, то есть, первого, потому что он зависел от рекламы.
Но есть варианты сложнее. Например, первый раз клиент был на сайте в 2017 году, а во второй раз — в 2019 году. Первый источник нельзя использовать, слишком давно шла рекламная кампания.
Что делать в таком случае?
Следует разбить активность клиента на короткие промежутки интереса к фирме. Такой промежуток заканчивается, когда:
- кончились 90 дней с момент звонка или посещения страницы;
- кончились 30 дней после посещения страницы, но звонков или заполнения формы не было.
После этого можно посмотреть, из какого канала клиент появился, и оптимизировать рекламу. Нужно объединять данные как в офлайне, так и в онлайн, слушать звонки, составлять карточку посетителя.
Проблемы данных с разных каналов
Клиент, как было сказано, приходит с разных каналов. ВК, поиск, медийка, ремаркетинг. Но какой из них действительно привел к покупке?
Adventum решает этот вопрос следующим образом: в агентстве используют свои модели атрибуции, под каждый бизнес свой, чтобы точно распределять источники по ценности.
Лучше всего использовать такие модели:
- конверсия отдается последнему источнику перед контактом, но источник должен быть платным;
- конверсия отдается первому источнику, потому именно он привлек клиента.
Проблемы при длительной продаже
Всего нужно знать, какой из этапов воронки самый проблемный. К примеру, сложно заполнять форму, они хотят оставить заявку, но дальше первой кнопки не идут.
Как решить:
- настроить цели;
- выгрузить данные о посещениях через API Метрики;
- создать дашборды по всем срезам;
- соединить посетителей в сегмент, где есть проблемы;
- посмотреть вебвизор;
- убрать проблему.
Проблемы длительного решения о покупке
Посмотрим, как решать подобные проблемы на примере трех клиентов.
Первый обратился в фирму в прошлом году, январе, и купил окна. Двое других — в феврале. А разная реклама дает разное время для принятия решения. Как понять, какой канал привел клиента? Сработала ли акция? Чтобы это узнать, требуется длительность цикла принятия решения по разным кампаниям.
Как решить: составлять когортные отчеты, чтобы оценить эффективность рекламы.
Когорта — это некая совокупность клиентов, которые в какой-то промежуток времени испытывали событие. К примеру, первый раз зашли на страницу.
По графику видно, что первая неделя сентябрьской акции принесла миллион рублей, последующие шесть недели — еще столько же. Если бы оптимизация произошла в первые семь дней, то половины продаж не увидели бы. Такая же неделя октября была наполнена другой акцией, и в первые семь дней фирма заработала 600 000 тысяч, а вот вторая принесла всего 29 000. Результат сильно зависит от разных кампаний рекламы и промежутков времени.
Используем несколько когорт по расчету эффективности кампаний:
- по первому клику: первое посещение страницы, когда есть интерес;
- по первому контакту: в момент интереса, потому что посещение сайта и контакт могут быть не в одно и то же время;
- без когорт.
Проблемы по составлению отчетов
Когда мы делаем отчет, то хотим увидеть все данные по всем каналам: рекламе, медиапланам, звонкам из колл трекинга, данным аналитики. Главная проблема — разные названия источников в разных источниках. К примеру, в медиаплане обычно разбиваются поиск и сети в Яндексе, системы аналитики фиксируют utm метки, а в колл трекинге вообще рандомные обозначения, которые были указаны вручную. Отчет должен коротко рассказывать обо всех них.
Решение простое. Нужно всего лишь сделать единый справочник, в котором есть все названия. Когда появляется новое, то вносится в справочник, и менеджер сам указывает источнику некое обозначение, которое и будет визуализироваться в аналитике.
Другая проблема — сумма расходов. Ведь она складывается из комиссии для агентства, расходов, НДС. Часто случаются расхождения в суммах, особенно, если забывают про НДС или он просто не выгружается. Поэтому нужно заранее предусматривать такие сложности и агрегировать данные правильно.
Бонус: как еще можно анализировать данные.
- Консультант забирал трафик с иных каналов. Когда на страницу был добавлен онлайн-консультант, конверсия повысилась. Но после визуализации воронки продаж и создания сегментов посетителей по тому, как обращались, стало понятно, что настоящая конверсия с консультанта низкая. Он забирал обращения с иных каналов коммуникации — звонков, форм и т.д. Поэтому так важно смотреть на фактические продажи канала.
- Сложные акции понижают продажи. У клиента возникают банальные проблемы с пониманием. Так и получилось с «Фабрикой окон». Новая акция повысила обращения, но дальше посетители не продвигались. Люди просто не понимали всего смысла акции и отказывались от выезда замерщика.
Сквозная аналитика — отличная помощь для серьезных задач. Особенно, если нужно объединить и систематизировать данные из различных каналов, составить отчеты и оптимизировать кампании. Такая аналитика значительно повышает продажи.