Маркетинговая аналитика не стоит на месте: обновляются инструменты, подходы, решения. Почему некоторые метрики устаревают и какие приходят им на смену, рассказывает Сергей Шивалин — независимый эксперт, создатель UMSolution. Сергей создал и внедрил более 120 проектов по аналитике. Имеет 10 лет опыта в комплексном интернет-маркетинге и увеличении продаж, 4 года опыта создания сложных аналитических систем. Работал с компаниями Mercedes Benz, «Автомир», Ostin.
Сергей Шивалин, product owner: системы сквозной аналитики в UMSolution
– Сергей, чем именно ты занимаешься и какие инструменты используешь в своей работе?
У меня сейчас три основных направления работы:
- создание систем сквозной аналитики (dwh, etl, дашборды);
- маркетинговый анализ деятельности бизнеса и товарная аналитика на основе данных;
- классический консалтинг в сфере аналитики.
Для сквозной аналитики я использую на 70 % инфраструктуру Google Cloud Platform (GCP):
- Google Analytics
- Google Data Studio
- Google Docs
- Google BigQuery / SQL
Кризис 2020 года показал, что стоимость владения инфраструктурой для аналитики является очень важным моментом для бизнеса, который начинает испытывать проблемы с оборотом. А цена владения инфраструктурой на Google Cloud Platform (GCP) для малых и средних предприятий либо нулевая, либо стоит очень небольших денег, что позволяет постоянно иметь доступ к актуальным данным. При этом платежи за платную версию Google Cloud Platform, (в частности за GA 360) уже существенны — от $10 000 в месяц. Но GA 360 нужен для крупного бизнеса. Субъекты малого и среднего предпринимательства могут годами работать без дополнительных платежей. Главное, правильно все настроить.
При этом GCP отлично интегрируется между собственными продуктами за счет нативных коннекторов, а развитые возможности API и различных дополнительных служб, таких как Google Apps Script, позволяют подключать другие внешние сервисы, необходимые для построения сквозной аналитики. Например, передачу звонков из систем коллтрекинга. Причем не только в трекер Universal Analytics, но и в Google Таблицы, где уже можно делать более продвинутую аналитику, матчить данные, считать различные нестандартные метрики без навыков программиста, настраивать обновление данных.
Около 20 % моих работ связано с вертикалью Microsoft. Как бы многие на рынке ни были против, но xlsx используется большей частью бизнеса. И PPT. :)
Также в последнее время я снова начал эксперименты на аналитической вертикали Яндекса. У Яндекса есть свои крутые возможности, которых нет в других системах. Например, недавно узнал, что в API Метрики более 20 тысяч методов для удовлетворения запросов самых требовательных аналитиков. Но Яндексу есть куда расти по удобству работы и инструментарию, чтобы удовлетворить потребности аналитиков.
— Какие задачи ты решаешь при помощи сквозной аналитики?
В основном мы заняты решением конкретных проблем бизнеса. Бизнес ставит задачи, мы находим оптимальное решение, которое должно быть сбалансировано по нескольким критериям:
- качество данных;
- цена;
- результат.
Основным вопросом бизнеса в 2020 году стал вопрос выживания и оптимизации затрат. Сквозная аналитика, конечно, не панацея и не птица счастья завтрашнего дня, но многим помогла выжить в период многомесячного локдауна, перестроить процессы. А те клиенты, которые делали сквозную аналитику для галочки (директор захотел), при этом особенно не вовлекаясь в процесс анализа, ушли с рынка.
Приведу пример.
До внедрения аналитики компания двигалась волнообразно. Были взлеты и падения. Чаще всего владельцы не могли адекватно понять причины различных ситуаций в бизнесе — как негативных, так и позитивных. После внедрения удалось найти множество ошибок в технической работе сайта, из-за которых наблюдалась пессимизация в выдаче поисковых систем, так как эти ошибки влияют на SEO. Некоторые страницы отдавали неверные статусы, где-то ломались get-параметры и т.д.
Клиент сменил подрядчика по разработке. Увеличили бюджет в эффективные рекламные кампании, убрав неэффективные платные источники. Эффективность источников начали оценивать не right now только по атрибуции last-click, но и по LTV и когортному анализу с добавлением в оценку модели атрибуции first-click.
Изменились циклы работы в маркетинге. Если ранее циклы принятия решения были недельные, то теперь они перестроились по периодам формирования когорт для когортного анализа.
А это пример бизнеса, где владелец не был вовлечен в аналитику. Бизнес сезонный, с апреля по октябрь основной сезон.
– Какие метрики ты используешь в работе в первую очередь?
В основном это метрики:
- бухгалтерско-управленческого учета;
- продуктовые;
- маркетинговые;
- отделов и различных служб.
Например, ROI, ROAS, ARPU, ARPPU, ДРР, LTV (если есть постоянные покупатели), коэффициент оттока, оборот, валовая прибыль, скорость ответа, скорость прохождения заказа, различные корреляции параметров, например размер рекламного бюджета и оборота. В общем, все основные метрики бизнеса, никаких «фантиков» типа количества показов или CTR. Кроме случаев, когда речь идет про контентные проекты.
При анализе эффективности бизнеса в целом и аналитике конверсионных каналов я стараюсь объяснить клиентам необходимость отказаться от учета целей как атавизма аналитики, который должен был умереть еще лет 7 назад, но из-за инерции во многих компаниях цели все еще используют. Иногда на них буквально молятся. :)
Немного подробнее о том, почему цели устарели:
- они не показывают хоть сколько-то реальные цифры бизнеса. Например, в GA цели на event работают только на уникальных event. А есть ситуации, когда нужно считать неуникальные event*;
- в обычной схеме настройки цели считаются на сессиях, а не на пользователях (браузерах). А все хотят user based аналитику. Чувствуете подвох?
- воронки на целях не построить, как бы этого ни хотелось. Потом, если кто-то сделает воронку на сырых данных (raw data), то воронка по целям и воронка на raw data по user based вообще не совпадает;
- чаще всего количество целей не совпадает с внутренними данными (CRM, базы данных) из-за разных методов работы. Хорошо, если на 5–7 %. Чаще всего больше.
Стоит практиковать уход от учета сессий как метрики, которая становится все менее точной для целей аналитики, в сторону учета event и набора пользовательских параметров.
*Если в рамках сессии совершается два целевых event, например отправка формы, то в целях считается только первый event, так как внутри сессии для конкретного браузера с clientID он будет уникальным. Второй event запишется в параметры event, но в целях не будет учитываться.
— Какой твой топ показателей для аналитики данных в e-commerce?
Для товарной аналитики я использую такие классические отчеты, как abc, xyz, abcxyz, bcg, fmr, ven/ved, расчет различных отклонений, корреляции. Расчеты сезонности как по месяцам, так и по декадам внутри месяца. Эластичность спроса. Почти все автоматически считается при качественно настроенной аналитике.
Подписывайтесь на наш канал: завтра опубликуем продолжение нашего интервью с Сергеем. Он расскажет, что предпринять бизнесу в текущей ситуации, а также поделится своим рабочим лайфхаком – как делать анализ сегментов и загружать микросегменты в рекламные системы для более точного таргетирования 🔥