Зачем нужна сквозная аналитика, и что учесть при её построении02.06.2021 12:31

Задача сквозной аналитики — показывать, как окупается реклама. Зная это, бизнес понимает, в какие кампании вкладывать деньги, чтобы получить максимум прибыли при адекватных затратах.

Чтобы понять, окупилась ли реклама, нужно видеть, сколько на нее было потрачено, какое количество лидов она привела и покупки на какую сумму они сделали. Но проблема в том, что данные обычно хранятся в разных сервисах:

• количество кликов по рекламе, их стоимость, CTR, добавления в корзину — покажут Google Analytics и Яндекс.Метрика;

• данные о расходах на кампании — рекламные кабинеты;

• звонки из рекламы — коллтрекинг;

• данные о сделках можно взять из CRM.

Сквозная аналитика позволяет сопоставить информацию из этих и других источников и получить полную картину:

Чтобы лучше понять, зачем нужен этот инструмент, покажем на примере, как работается без него. Представим, что интернет-магазин детской одежды продвигается по трем каналам:

• в контекстной рекламе Google;

• в рекламе Facebook;

• активно занимается SEO;

• размещает баннера на портале для молодых мам.

На всякий случай, компания выделяет одинаковый бюджет на все эти каналы — по 100$. Для понимания, как они работают, маркетолог магазина смотрит на количество переходов из рекламы. И на то, много ли клиентов звонит в течение дня. В реальности картина такова:

• из контекста Google в среднем приходят 10 клиентов в месяц со средним чеком 5$;

• из рекламы Facebook звонят часто, но сделки из этого канала редко выигрываются;

• баннер на портале для молодых мам работает на имидж магазина, но продаж не приносит;

• и только SEO отлично работает — ежемесячно из органики приходят 40–50 покупателей со средним чеком 30$.

В этом случае было бы логично уменьшить бюджет других каналов, а освободившиеся деньги вложить в SEO. Но без четких данных компания так и продолжит спускать часть средств на ветер. Сквозная аналитика нужна именно для того, чтобы избегать таких ситуаций.

Как работает сквозная аналитика

Говоря упрощенно, сквозная аналитика берет данные о затратах из рекламных кабинетов, сопоставляет со звонками и их рекламными источниками из коллтрекинга. Потом сводит это с доходом из CRM. По каждому каналу и даже ключевому слову автоматически рассчитывается ROI или ROMI (Return on marketing investment) — показатель возврата инвестиций:

Пример расчета ROMI

Но как быть, если в продаже участвовал не один канал —, а так чаще всего и бывает. Сначала человек пришел на сайт из органики, подписался на рассылку и второй раз пришел по ссылке в письме. Потом увидел вашу контекстную рекламу об акции и только после этого купил товар. Как сквозная аналитика «понимает», какая из этих активностей внесла больший вклад в продажу?

В идеале, такой инструмент должен позволять настраивать разные модели атрибуции. Они определяют, как распределяется ценность среди всех точек, с которыми взаимодействовал клиент на пути к покупке. Модель атрибуции задает, сколько веса присвоить каждому из источников — в зависимости от его позиции по пути к продаже. Например, в модели «Последний непрямой клик» всю ценность получает канал, который принес последний визит, состоявшийся до прямого захода на сайт:

Каждая компания уникальна, поэтому одна модель атрибуции не может подходить для всех компаний. Поэтому старайтесь выбрать сервис или создать решение, где можно выбрать разные модели.

Имея сквозную аналитику, вы получите таблицу примерно, как на скрине ниже. Достаточно иметь ее перед глазами, чтобы принимать решение — на что выделить больше денег. И что, наоборот, отключить или оптимизировать. Логика проста — чем больше ROI по кампании, тем больше от нее выгоды.

Отчет сквозной аналитики на примере Ringostat

Может показаться, что получить такую таблицу довольно просто. На самом деле, это не так. Есть множество вариантов построения сквозной аналитики, которые отличаются разной степенью сложности. Мы же поговорим о том, что нужно учесть в любом случае при подключении такого инструмента.

Источники данных

Не важно, решили вы строить сквозную аналитику сами или купить готовое решение — вам понадобятся следующие инструменты.

1. Яндекс.Метрика или Google Analytics. Обязательно настройте в ней цели на ключевые действия пользователя: заполнение онлайн-формы, добавление в корзину и т. д. Не забывайте размечать UTM-метками все, что вы размещаете в интернете — например, посты в Facebook. Только так вы поймете, что именно приводит к целевым конверсиям.

2. Коллтрекинг. Нужен, чтобы выявлять источники, которые приносят обращения по телефону. Системы веб-аналитики этого не могут, потому что звонок происходит в офлайне. В большинство компаний пользователи звонят, и без данных об источниках звонков можно упустить часть конверсий. Коллтрекинг заменяет телефоны на сайте и сопоставляет каждое обращение с источником, каналом, кампанией и даже ключевым словом.

   

3. Email-трекинг. Если покупатели часто пишут письма в компанию, настройте отслеживание источников электронной почты. В этом случае к адресу добавляются дополнительные символы, в которых зашифровано, из каких каналов пришел клиент. Пример такого email на сайте I-Media:

   

4. CRM. Отсюда будут тянуться данные о сделках и прибыли, поэтому в CRM должен быть абсолютный порядок. Менеджеры должны создавать сделки и вовремя переводить их из одной стадии в другую и заполнять все поля в карточках клиентов. Проще, если CRM интегрирована с виртуальной АТС или коллтрекингом. В первом случае сделки и контакты будут автоматически создаваться после звонка. А во втором в карточку сделки будет еще подтягиваться рекламный источник. Также важно регулярно чистить CRM от дублей. Например, если один и тот же человек звонил с разных телефонов.

Также проследите, чтобы все активности, которые приводят к продажам, можно было отследить. Например, подключите мобильные сотрудников к виртуальной АТС или коллтрекингу. Ставьте метки в материалах для презентаций, вебинаров и т. д. Словом, чтобы все каналы могли попасть в поле зрения сквозной аналитики. В противном случае она не сможет их связать с конкретными сделками.

Если вы все учли, то данные будут собираться примерно по такой схеме:

Как выбрать способ построить сквозную аналитику

Как мы говорили, способов довольно много и все они описаны в сети. Опишем лишь несколько из них, чтобы показать, чем и насколько они отличаются. Выбор способа зависит от того, какой у вас ресурс. Допустим, у вас есть:

• штатный программист;

• сотрудник, который имеет навыки работы в Google Tag Manager, знает, как запускать скрипты и т. д.

В этом случае можете выбрать вариант, при котором требуется не так много инструментов. Единственный минус, вы не сможете настроить сквозную аналитику под свои процессы. Или изменить ее, если они изменятся. На схеме ниже показано, куда последовательно передаются данные.

Другой вариант, если у вас:

• опять-таки есть штатный программист;

• небольшие объемы данных — потому что большие, могут «положить» документ, в котором будет собираться статистика;

• вы и так каждый день используете инструменты, описанные выше, и не хотите подключать новые.

В этом примере сквозную аналитику вам придется «собирать» самостоятельно. Поэтому сразу приготовьтесь к большому объему ручной работы, так как данные нужно будет выгружать. Или привлеките программиста к автоматизации этого процесса.

Если же у вас внушительные объемы данных, много конверсий и большой бюджет, можно выбрать такой вариант, как ниже. Разумеется, он реализуется тоже с помощью программиста:

Если подключить готовую сквозную аналитику, то нужные сервисы достаточно будет интегрировать. Часто у подобных систем есть «однокнопочные» интеграции с самыми популярными CRM, рекламными кабинетами и другими сервисами. Еще удобней, если в состав таких платформ уже входит коллтрекинг. Так вам придется интегрировать на один инструмент меньше. Останется подключить к сквозной аналитике рекламный кабинет и CRM.

Если вы продвигаетесь не только с помощью контекстной рекламы, то нужно учитывать и другие расходы. Ищите сервисы, которые позволяют загружать расходы из других систем вручную. Затраты на SEO, продвижение с помощью тизерной рекламы и т. д.

Например, бизнес активно вкладывал деньги в SEO-продвижение. Оптимизировал площадку, обменивался бэклинками с другими ресурсами и т. д. — что заняло N часов работы специалиста и потребовало N денег. Зная суммарные затраты на все это можно понять, окупились ли они к концу отчетного периода. В этом случае таблица для загрузки может выглядеть примерно так:

Вместо выводов: что делать с данными сквозной аналитики

Аналитика — это не просто красивые графики и отчеты. В первую очередь это данные, на основе которых нужно принимать решения. Если вы подключили этот инструмент, то можете следующее:

• видеть, какая реклама приносит больше прибыли — не только по кампаниям, а даже в разрезе ключевых слов;

• отключать неэффективные кампании или урезать бюджет на них — это не касается брендовых активностей, у которых целью является повышение узнаваемости;

• вкладывать освободившийся бюджет в самые успешные кампании;

• оптимизировать неэффективные кампании, используя в них ключевики, которые обычно приводят к продажам.

Словом, вы сможете принимать решения, опираясь на данные о прибыли. А не на показатели, далекие от нее — например, CTR, стоимость клика и так далее.

Полный текст статьи читайте на CMS Magazine