Data-driven-маркетинг — это построение маркетинговой стратегии на основе анализа данных. Такой подход позволяет бизнесу более точно видеть портрет своего клиента, выявлять проблемные места в рекламных кампаниях, выдвигать и подтверждать гипотезы. Одним словом, дает понимание, как бизнесу зарабатывать больше. Мы провели серию интервью с экспертами и собрали 6 кейсов построения Data-driven-маркетинга с нуля. Читайте, как вы можете внедрить маркетинг, основанный на данных, в свой бизнес.
Источник: https://marketoonist.com/
1. Определите задачи на старте и сфокусируйтесь на главном
Внедрение любого нового подхода, стратегии или инструмента начинается с постановки целей и задач. Какую потребность вашего бизнеса должна закрывать аналитика? Ключевые задачи аналитики в Promodo, а также их историю проб и ошибок нам поведал Алексей Горовенко.
Алексей Горовенко, руководитель отдела маркетинга Promodo
Ключевые задачи аналитики в Promodo сводятся к трем пунктам:
1. Где мы сейчас относительно прошлого года и прошлого месяца?
2. За счет чего получается прирасти? Как это можно масштабировать?
3. Где мы начали проседать? Как вернуть все на восходящий тренд?
Начинали мы с Google Analytics. Настроили Цели, События, подключили e-commerce-пакет. Все заявки с сайта приходили на почту. Столкнулись со сложностью: через форму начали приходить обращения по партнерству, спамные заявки, outreach блогеров, резюме кандидатов и т. д. Это свидетельствует о развитии, росте узнаваемости и популярности компании, но усложняет аналитику. Рост заявок с сайтов компании перестал означать рост количества обращений реальных клиентов.
Затем добавили CRM. В CRM мы настроили систему скоринга, которая позволяет фильтровать те самые нецелевые обращения. Начали передавать источники обращения и настроили трекинг заявок, которые поступали через другие источники (звонки, корпоративный e-mail, контакты после посещения конференций, рекомендации партнеров и т. д.).
Столкнулись со сложностью: интерфейс CRM не настроен на визуализацию данных и не позволяет объединить всю информацию в одном месте в наглядном формате. В результате появились многочисленные отчеты в Excel и Google Sheets, которые нужно было сводить каждый месяц заново. Эту сложность мы смогли преодолеть с помощью Google Data Studio. Этот инструмент позволил визуализировать данные из большого числа таблиц в одном отчете. Таким образом, получилось сэкономить время специалистов и исключить человеческий фактор.
Столкнулись со сложностью: маркетинг не заканчивается на привлечении новых лидов, а Data Studio не содержит в себе показателей по работе с текущим портфелем клиентов. Так у нас появился Power BI. С его помощью получилось оценить эффективность нашей операционной деятельности как по новым, так и по постоянным клиентам. Благодаря внедрению Power BI и Data Studio удалось закрыть все задачи, которые стоят перед аналитикой компании.
За 15 лет в бизнесе мы убедились, что старый друг лучше новых двух. Сейчас наши усилия сфокусированы на формировании дополнительной ценности для текущих клиентов за счет глубокой экспертизы, новых технологий и желания решить любую задачу. Эти данные еще не научились оцифровывать, но, как и в любом бизнесе, клиенты голосуют ногами и личными рекомендациями. :)
2. Настройте сбор, объединение и анализ данных с помощью специальных инструментов
Как DD-подход помогает маркетингу с практической точки зрения, с чего начать его построение и какие инструменты при этом можно использовать, нам рассказала Анна Климова.
DD-подход помогает бизнесу лучше узнать свою аудиторию, оценить эффективность маркетинговых вложений, построить прогноз бизнес-показателей, повысить эффективность используемых каналов. Он позволяет разделить аудиторию на сегменты и сделать им более целевые предложения. Все это, конечно же, ведет к более качественному распределению бюджетов.
– С чего начать?
Первое, что нужно сделать, — настроить сбор статистики с сайта в хранилище данных. Собирать данные с сайта можно на основе всем известных систем аналитики GA и Метрики, а затем загружать их в базу данных. Также можно сразу настраивать стриминг данных аналитики в базу данных (можно использовать связку Google Analytics — BigQuery или Logs API Метрики + Clickhouse). Вместо BQ и Clickhouse можно использовать любую базу данных. Удобство предлагаемых данных связок в том, что, по сути, это и есть готовые решения для стриминга данных из систем аналитики в базу данных.
Конечно же, нужно убедиться в полноте и качестве собираемых данных, а также настроить сбор недостающих параметров и метрик. Стоит объединить данные, собранные с сайта, с данными с рекламных площадок, e-mail-сервисов, коллтрекинговых систем, данными из CRM и офлайн-данными. И дальше самое интересное: непосредственный анализ самих данных.
Как правило, для анализа данных используются языки программирования Python, R. В этих языках программирования есть много готовых библиотек, предназначенных для анализа данных, что упрощает и ускоряет процесс получения из них инсайтов. Также иногда для этих задач используется и SQL. Еще одно решение — использовать готовый софт.
3. На рынке нет нужного инструмента? Создайте свой!
Сейчас трудно представить performance-агентство, которое не ориентируется на данные при принятии решений. Но так было не всегда. Историю построения своей системы аналитики и то, с какими сложностями столкнулось его агентство, нам рассказал Никита Быкадаров.
Никита Быкадаров, директор по технологиям Artics Internet Solutions
Агентство по умолчанию должно быть Data-driven, т. е. ориентироваться на данные при принятии решений. И это касается не только решений по клиентским проектам. Даже при принятии решений, направленных на развитие бизнеса, мы всегда ориентируемся на данные.
Некоторое время назад, чтобы получить какой-то срез данных (например, по определенной категории рекламодателей), мы собирали информацию из рекламных кабинетов, систем аналитики, внутренних таблиц. Скорость принятия решений в этом случае довольно низкая, особенно если мы говорим про большой объем информации. В месяц на составление разных отчетов (по кампаниям и по компании) мы тратили около 1600 часов. Переведя это в деньги, мы поняли, что надо инвестировать в автоматизацию процессов.
Процесс построения системы аналитики выглядел так: сначала мы сформировали список «хотелок», оценили каждую в деньгах, отсеяли те, которые не приносят очевидной выгоды. Затем изучили рыночные решения, поняли, что есть инструменты, которые решают задачи в рамках проектов, но при этом не заточены на решение задач агентства. Поэтому пошли по пути создания собственного инструмента — «Артикс.Цифры». Система работает на Google Cloud Platform, для визуализации данных мы используем Power BI.
– Какие были сложности и как вы их преодолели?
Первую версию системы мы получили буквально через полгода. Этого мы добились путем приоритизации и отказа от «лишнего» функционала, который не имел большого смысла. Это кажется логичным, но, чтобы это осуществить, пришлось проделать большую работу. Не всегда на начальном этапе можно достаточно хорошо определить, что должно попасть в новый продукт, а от чего имеет смысл отказаться.
Еще одна сложность, с которой мы столкнулись, — бесперебойность работы системы. В первые месяцы она часто ломалась, в какой-то момент мы даже решили, что имеет смысл переделать архитектуру, чтобы повысить стабильность работы. В таких ситуациях начинают всплывать неочевидные подводные камни, которые сложно предусмотреть в самом начале. Нам потребовалось несколько месяцев, чтобы добиться бесперебойной работы.
Мы по-прежнему сталкиваемся со сложностями, система не стоит на месте, она дорабатывается, развивается. Но сейчас все иначе — система «обвешана» мониторингом, и мы о таких проблемах узнаем моментально и можем оперативно реагировать.
– Чего в итоге удалось добиться? Как сейчас выглядит аналитика в вашей компании?
Мы сократили количество часов на составление отчетности в 3 раза. И считаем это хорошим value для бизнеса. Изначально планировали сократить это время в 5 раз, но быстро поняли, что специалисты, которым больше не надо тратить много времени на рутинные отчеты, захотели создавать еще больше отчетов и глубже копаться в данных.
Сейчас аналитика в компании выглядит следующим образом — каждый проект подключен к «Артикс.Цифрам», есть определенный набор отчетов, которые нужны для ежедневной работы команды. При необходимости в пару кликов можно создать и подключить дополнительные отчеты.
– Как это помогает маркетингу с практической точки зрения?
Повышается скорость принятия решений и сложность задаваемых вопросов. Специалисты могут в несколько кликов получить отчет, который проверит их гипотезу, позволит получить инсайты.
О том, что делать, если у вас ограничен бюджет, как правильно принимать решения опираясь на данные и как планировать инвестиции – читайте во второй части этого материала. Выходит уже завтра, подписывайтесь на наш канал, чтобы не пропустить!
