Анастасия Скороходова, автор блога и корреспондент CoMagic
Собирать, анализировать данные и принимать решения на их основе — необходимость для любого бизнеса. О том, как правильно выстроить систему аналитики в компании и какую роль в ней играют инструменты, а какую — специалисты, рассказывает Илья Чухляев, Russia & CIS Director в OWOX BI.
— Илья, давайте для начала проясним, зачем директору по маркетингу вообще нужна #аналитика.
В первую очередь разберемся, что есть аналитика. Это инструмент маркетинга, который напрямую не приносит денег компании. Это инструмент оценки того, что должно приносить деньги, — автоматизированных решений на основе данных, контекстной рекламы или других маркетинговых усилий. Прибыль от аналитики измерить напрямую тяжело, и это приводит к большому количеству споров. Когда этот предмет споров перекидывается на потребности директора по маркетингу, возникает диссонанс: маркетинг-директору нужно решить свои задачи, но аналитика не решает их напрямую, а лишь дает большое количество разных отчетов, из которых нужно постараться сделать вывод.
Расскажу на примере проектов, с которыми мы сталкиваемся в OWOX. У СМО (Chief Marketing Officer) есть задача — выполнить маркетинговый план, завязанный на продажах с онлайн-рекламы. Какой ответ может дать аналитика на такую задачу? «Дорогой директор по маркетингу, вот тебе отчет по рекламным каналам из #GoogleAnalytics, расходам на рекламу только из Google Ads, онлайн-транзакциям, которые не соответствуют данным CRM». Имея такие вводные, тяжело посчитать ROAS (return on ad spend) маркетинговой активности.
Но это не главная проблема. Допустим, маркетинг-аналитика в компании существует не первый день, качественные данные собраны в облаке (например, в Google BigQuery), а отчеты для анализа эффективности готовы... Представили? Следующий вопрос, который задаст аналитике руководитель маркетинга: «Здорово, но как мне теперь эти данные превратить в действия, которые помогут найти возможности для выполнения плана в будущем?» Продвинутые инструменты есть, данные собираются, а поставленная маркетингом задача не решается.
Получается, для того чтобы достичь своей цели — выполнить план, в маркетинговой команде важно создать и выстроить функцию, которая поможет обратить внимание CMO на:
- риски (почему план может быть не выполнен);
- зоны роста, которые помогут этот план перевыполнить.
Если такая функция выстроена, то маркетинг действительно будет получать, как сейчас модно говорить, ценные инсайты из данных.
— То есть одних аналитических инструментов недостаточно, нужен специалист, который будет с ними работать и помогать директору по маркетингу решать его задачи, верно?
Все верно. Если мы с вами согласимся, что волшебной кнопки «Выполнить план» не существует, то компании действительно нужны квалифицированные маркетинговые аналитики.
При этом замечу, есть такой мировой тренд: если взять все маркетинговые расходы, всегда расходы на ФОТ превышали расходы на технологии. Но в 2018 году расходы на МарТех превысили расходы на зарплаты в маркетинговой команде. И за рубежом, и в России расходы на маркетинговые технологии растут. Значит, все больше и больше внимания уделяется тому, что сервисы маркетинг-аналитики уже не могут являться дорогой игрушкой, а должны реально помогать компании выполнить ее маркетинговый план, а директору по маркетингу получить премию.
«В 2018 году расходы на МарТех превысили расходы на фонд оплаты труда»
В итоге у CMO вырисовываются две потребности. Первая: сделать «идеальную» систему маркетинг-аналитики, которая будет обращать внимание на риски и зоны роста. Вторая: найти аналитиков, которые будут с этими данными работать и добавлять к ним контекст и выводы.
— Говоря о маркетинговых сервисах, вы имеете в виду собственные решения или готовые продукты?
Я знаю как успешные крупные компании, которые используют только готовые продукты, так и компании, которые с самого начала работают на собственных решениях.
Чтобы собственные решения не стали для компании обузой, важно уделить повышенное внимание команде разработки и поддержки, а также документации. Коротко: если в вашей компании есть один гений аналитики и разработки, который сам написал скрипты сбора данных и посчитал ваш маркетинг даже лучше, чем это могут готовые сервисы, ожидайте, что аналитик может заскучать и уволиться. А вы будете долго искать замену и вряд ли найдете специалиста, который будет готов поддерживать именно это решение.
К готовым сервисам тоже стоит подходить с умом. Для анализа 10 продаж с онлайн-рекламы в день вряд ли вам стоит думать о платных сервисах. Подойдет Google Analytics, Яндекс.Метрика или Excel. Для таких проектов не стоит сильно ломать голову над построением собственной DWH или пользой применения ML-алгоритмов.
Но по мере роста компании и задач в маркетинге увеличивается потребность в дополнительных показателях, автоматизации и скорости работы с данными. Например, в SaaS-бизнесе (IT-решения с оплатой за подписку) вы сможете начать получать реальную ценность от DWH, если ваш годовой оборот превышает 200 000 долларов.
Вернемся к задаче «Найти зоны роста в маркетинг-плане». Даже если готовый сервис умеет собирать, обрабатывать, рассчитывать, прогнозировать и визуализировать данные, с высокой долей вероятности потребуется адаптация под конкретный бизнес. Как минимум потому, что логика и ключевые параметры планирования у многих бизнесов различаются. А значит, и структура импортируемых данных будет различаться, и визуализация. К тому же, как мы прочувствовали на своем опыте, клиенты не любят учить новые интерфейсы, а хотят данные в привычном.
Если обобщить, наш рецепт, к которому мы в OWOX прибегаем в создании систем маркетинг-аналитики и в который мы верим, такой:
- бизнес должен иметь полный доступ к своим данным,
- для выводов данные должны быть доставлены в тот интерфейс, к которому привык принимающий решение сотрудник.
Все это повышает доверие к данным, без которого их содержание бессмысленно.
— Почему так важно адаптировать систему аналитики под конкретный бизнес?
Потому что даже в рамках ритейла есть существенная разница. Например, бизнес электроники концептуально отличается от бизнеса по продаже одежды или товаров для дома. Это и разная частотность покупки, и разный акцент на работу с новыми и текущими клиентами.
Или, к примеру, сейчас многие компании ставят стратегический акцент на развитие мобильных приложений и клиентской аналитики. У таких бизнесов маркетинговая модель и методы по выполнению плана совершенно другие. И метрики отличаются от метрик веб-приложений. Этот факт осложняет объединение и обработку данных. В некоторых случаях осложняется и оценка маркетинговых усилий.
Этих особенностей и отличий гораздо больше, чем я уже перечислил. Именно поэтому бизнесу так важно иметь прямой доступ к своим маркетинговым и продуктовым данным, а не отталкиваться от возможностей конкретного сервиса и его системы визуализации.
— Можем ли мы говорить о том, что как система аналитики кастомизируется под каждую отрасль и конкретный бизнес, так же и аналитики могут быть специализированы в определенной области?
В первую очередь, в моем понимании, будут сильнее разделяться и систематизироваться зоны ответственности аналитиков. Знаете, как компании сейчас составляют вакансии и просьбы «помогите найти аналитика»? Особенно там, где внимание к этой позиции в новинку. Хотим «чудо», который и счетчики настроит, и данные объединит, и гипотезы к этим данным будет формировать. И рекомендации, конечно, даст, чтобы конверсия сразу выросла, а рекламные кампании начали окупаться. Он же аналитик, он справится! И таких запросов много.
Вообще, аналитика ищут под потребности и боли, которые сложились в компании на данный момент. И если таких болей много, а их всегда много, то поиск аналитика занимает месяцы и даже годы. И высока вероятность, что найденный специалист не сможет решить все поставленные задачи. Ему либо не будет хватать на это времени, либо — компетенций. Например, этот специалист может быть прекрасным «техником», то есть грамотно настроить сбор, написать запрос и подготовить данные к анализу. Но в оценке получаемых данных он не силен. Или другой популярный кейс: компания большая, пользователей данных много, а организовано все так, что доставать эти данные может только один аналитик. Вот и выходит, что этот специалист может быть отличным маркетинг-аналитиком, здорово умеет оценивать вклад каналов в доход, но целыми днями он занимается тем, что является голосовым интерфейсом к данным или инструментом регулярной донастройки.
Такие кейсы лучше не повторять, они ведут к очень низкому ROI аналитики. Что стоит сделать, так это определить, какие зоны ответственности аналитика может усилить за счет анализа данных и точек роста. Например, в ритейл-бизнесе это маркетинг, продукт и клиентский опыт. Если аналитика как функция не развивает эти зоны ответственности из-за перегрузки специалистов на задачах подготовки данных и отчетов, стоит выделить эту функцию «технической аналитики» в отдельную боевую единицу или передать партнерам.
«Подстраиваться под то, что может аналитик, бизнес не должен»
— Реально ли найти специалиста, который сможет совместить в себе все эти роли?
Всегда можно найти, но для компании выгоднее, чтобы аналитика была работающей функцией, а не возможностями одного специалиста. Иначе компания упрется в границу его «гениальности».
Для примера расскажу кейс, когда у одного из наших клиентов аналитик вдруг предложил отказаться от части работающих внешних решений и переделать их самому, так как он «начал изучать язык R и ему это интересно, а бизнес перестанет переплачивать за внешние решения». Вроде и мотив хороший — сэкономить, а, по сути, аналитик занимается не своими прямыми задачами, а развивает собственный интерес. Компания же получит взамен, вероятно, нестабильное решение без поддержки, в случае если аналитик уволится и еще никто не будет сфокусирован на реальных задачах оценки продаж и маркетинга. Сомнительная выгода. Подстраиваться под то, что может аналитик, бизнес не должен.
Обратная история, когда формируется полноценный внутренний отдел аналитики и данных, который поддерживает задачи роста разных направлений. Если его правильно встроить в процессы, то компания сможет быть спокойна за качество данных и за ресурсы, которые занимаются оценкой развития маркетинга, продукта и других направлений.
Отдельная роль у руководителя такого отдела — Chief Data Officer или Head of Analytics. Он определяет, какие решения, основанные на данных, стоит развивать и поддерживать в первую очередь. Какие из них помогают зарабатывать компании больше.
— Как Chief Data Officer понимает, какие данные принесут прибыль, а какие нет?
В этом как раз помогают навыки и знания в области маркетинговой, продуктовой, клиентской аналитики.
Например, кейс из аналитики клиентского опыта: банк на основе собираемой информации об интересах и действиях клиентов автоматизирует выбор клиентского менеджера. Также при этом учитывается конверсия этого менеджера в закрытие сделок с клиентами похожего профиля.
Или более простой кейс из маркетинговой аналитики, когда настроенные скрипты по импорту расходов из Яндекс.Директа не передали часть данных и менеджер по маркетингу сделал неверный вывод о ROI кампаний и ошибся в планировании.
Конечно, такие кейсы появляются не сразу, а когда проведена предварительная работа с бизнес-заказчиком таких решений. В рамках проработки решения аналитику важно получить ответы на следующие вопросы:
- Какие стратегические цели стоят перед заказчиком аналитики?
- Какие решения и в какой зоне ответственности будут приниматься, чтобы достичь этих целей?
- На какие вопросы заказчику нужно ответить, чтобы принять решение?
- Какие графики, отчеты, рекомендации могут помочь ответить на вопросы?
- Какие метрики и в каких разрезах должны быть использованы в решении?
Тут важно прорабатывать задачи к аналитике именно в таком порядке, чтобы не упустить важных деталей и в результате отдать заказчику работающее и полезное решение.
Резюмирую. Чтобы данные работали на бизнес, важно:
- знать, какие цели и решения заказчика действительно зависят данных и от каких именно,
- учитывать, на какой объем прибыли эти решения оказывают влияние,
- регулярно мониторить качество именно этих данных и оперативно докладывать об отклонениях от нормы.
Ну и конечно, в интересах CDO влиять на увеличение доли сотрудников, которые пользуются данными самостоятельно, а не нуждаются в постоянной помощи команды аналитиков.
Подписывайтесь на наш канал – уже завтра выйдет продолжение данного #интервью.
