Евгений Семячкин, BI-аналитик Ingate, на примере сети онлайн-магазинов одежды рассказывает, как с помощью сквозной аналитики можно повысить эффективность вложений в маркетинг.
Входные данные
Клиент: мультирегиональный интернет-магазин одежды.
Особенности: большой поток заказов и множество этапов, через которые заказ проходит на «внутренней кухне» компании.
Проблематика: невозможность в полной мере оценить реальную эффективность маркетинга и его участие в продажах. Клиент не видит, какие конечные продажи принёс маркетинг и сколько прибыли получено. Мы знаем путь заказов лишь в онлайне, а что происходит потом — нет.
Задачи, которые предстояло решить
- Свести все данные в один инструмент, чтобы подрядчик и клиент могли видеть реальную эффективность вложений.
- Снизить ДРР до 32%.
Решение
- Собрать все данные изо всех источников в одном месте и наглядно их визуализировать в отчёте Power BI.
- Построить сквозную воронку, которая может показываться в разрезе любых нужных параметров: рекламные каналы, кампании, демография и география клиентов, причины отмены заказов и множество других, в зависимости от целей.
Как должна работать воронка: теория
Каждый потенциальный клиент проходит этапы воронки до финальной сделки или же «отваливается» на одном из них:
Воронка сильно упрощена. Настоящая содержит больше этапов, и в каждой компании они могут отличаться
В Google Analytics и Яндекс.Метрике есть все нужные инструменты отслеживания от посещения сайта до лида. Но лид — это ещё не продажа, так как не все обращения в компанию завершаются сделкой. Путь лида внутри компании уже смотрим при помощи CRM.
Имея две воронки, не связанные между собой, увидеть полный путь клиента не представляется возможным
Для того, чтобы понять картину в целом, нужно увидеть рентабельность каждого рекламного канала и кампании, их точки роста, проблемные этапы в воронке, причины этих проблем и ответить ещё на множество вопросов.
Как строилась работа: этапы
Подключение ко всем нужным источникам данных
У клиента была CRM, где сотрудники компании ведут заказы, настроены Google Analytics, Яндекс.Метрика, call-трекинг и email-трекинг. Основная проблема — необходимость доставать данные из каждого сервиса отдельно или синхронизировать сервисы между собой, что не всегда давало корректный результат, а потом искать между этими данными взаимосвязи вручную.
Чтобы учесть все показатели и этапы продаж, необходимо получить данные из систем статистики (Google Analytics и Яндекс.Метрики), рекламных кабинетов (Яндекс.Директ, реклама VK), CRM, call-трекинга, email-трекинга. И позаботиться об их ежедневном обновлении. Одна из целей BI-отчёта, который мы создали для клиента, является актуальность данных для оценки ситуации в любой момент времени.
Настройка связей между таблицами
В каждом сервисе одни и те же поля могут называться по-разному. Чтобы избежать путаницы и додумываний, мы предпочли привести все ключевые поля к единому образцу.
Связи между разными таблицами должны быть по всем полям с параметрами, которые нас интересуют (кампании, каналы и так далее):
Показана упрощённая схема связей таблиц для общего понимания методики (с меньшим количеством таблиц и полей). Основная мысль: соединить все таблицы по тем полям, которым нам нужны в визуализации
Визуализация воронки
В зависимости от поставленных KPI рекламы нужно получить недостающие показатели: ДРР, ROMI и так далее. Это делается также в Power BI путём новых полей с формулами. Цель клиента — снизить ДРР, так что будем оперировать именно им.
Также отдельное внимание нужно было уделить отменённым заказам, а именно — причинам отказа. С клиентом был оговорён формат заполнения причин отмены, чтобы их можно было легко кластеризовать: для этого был оговорён список ключевых слов, по которым будет автоматически определяться кластер причины, например, «объединён с другим заказом», «заказал по ошибке», «не устроила скорость доставки».
Развёрнутое описание причины отказа заполняется вручную, тем самым повышается значение человеческого фактора: важно было донести до менеджеров, что информация обязательно должна заполняться, причём вовремя и по определённому образцу.
Когда все данные, связи и показатели у нас собраны в одном проекте, можно приступить к визуализации сквозной воронки, которая теперь может включать в себя этапы как внутренней, так и внешней воронки:
Воронка для оформления заказа через корзину. Другие виды заказа (быстрый заказ, заказ по телефону, через электронную почту) требуют построения отдельных воронок для каждой формы заказа
Что получили на выходе
Прозрачный и наглядный инструмент для аналитики рекламы готов. Теперь можно оценить эффективность всех каналов и кампаний, а также обозначить точки роста в узких местах воронки.
Настройка нужных нам фильтров по полям позволяет понять эффективность каждого канала и кампании, работу сотрудников, выявить проблемы при обработке заказа путём фильтра по причинам отмены заказа, которые заполняются сотрудниками по образцу
Полученный отчёт помог выявить нам следующие точки роста:
- нашли наиболее и наименее эффективные рекламные кампании. Некоторые рекламные кампании скорректировали, некоторые отключили, перебросив бюджет в масштабирование топовых кампаний;
- нашли точки роста в отделе продаж клиента. Изучили причины отказов и заказы в разрезе ответственных сотрудников. Оказалось, что между подтверждением и оплатой заказа терялось ощутимое количество заказов.
Результаты
Общий ДРР по всей рекламе снизился на 7%.
Маркетологам с обеих сторон теперь доступен мощный и прозрачный инструмент сквозной аналитики, постоянно обновляемый и доступный в любое время, а не только в отчётную дату.
