Для читателей из B2C этот кейс или бизнес-задача может показаться странной.
Мол, делов то. Вот тебе CRM, вот рекламку настроили, вот юзер купил, вот оплата, вот utm-метки. Сложи «1+1», охапка дров и сквозной отчет готов. Но в крупных компаниях все чуточку сложнее.
На российском рынке нет каких-то киллер-решений, которые могли бы показать весь путь пользователя от первого касания с бизнесом до повторных оплат. Еще сложнее визуализировать множественные касания рекламными каналами, присвоить каждому из них экономическую выгоду и оценить вклад в привлечение денег.
Сложно это все, короче говоря.
Вводные
Все это мешает построению сквозной аналитики и не отвечает запросу топов. Но решение нашлось.
У меня в руках одна из самых крупных статей расходов в компании. Топы хотят видеть окупаемость инвестиций в маркетинг и чем быстрее, тем лучше. Но есть нюансы.
Нюансы следующие:
На одного заказчика приходится несколько лидов. Может быть и 3−4, а может быть и 50−100;
На лидов внутри одного платящего заказчика приходятся десятки касаний маркетингом;
«Особенности» CRM. Например, затирание utm-меток или создание лишних лидов внутри контрагента, которые стирают всю предыдущую аналитику.
Задача
Задачек, как можно понять по названию кейса, две:
- Определить цикл сделки;
- Определить окупаемость инвестиций в рекламу.
Решение
В другом кейсе я рассказывал про классный сервис предиктивной аналитики Tomi.ai. Кейс с этими ребятами взял серебро от «НБПК.Эффективность» в 2024. Подробнее по ссылке.
Tomi идеально подошел для оцифровки цикла сделки и окупаемости. И вот почему.
Одна из особенностей сервиса заключается в том, что все данные в виде наличия лидов, сделок, сумм продаж и прочего присваивается к визиту пользователя. Другими словами, Tomi исключает косяки CRM и прочие проблемы с атрибуцией.
А еще мы Tomi кормим данными с 2020 года. Это дает возможность получить весьма точную картинку по сделкам на основе ретроданных.
Может показаться, что я пытаюсь продать идею внедрения Tomi.ai. Не совсем так. Просто сервис топовый и команда крутая. Грех не похвалить.
Собственно, что мы сделали. Мы построили две модели:
- Условный «first-клик». Модель, в которой мы смотрим самый первый лид по контрагенту. Если он из платной рекламы, то мы приклеиваем выручку к этому каналу.
В этой модели между первым лидом и первой продажей могут быть еще лиды. Из SEO, из платной рекламы и других каналов. Но т.к. самый первый лид был от платной рекламы, мы заслуженно присваиваем выручку ему.
- Условный «last-клик». Модель, в которой мы смотрим последний лид перед первой продажей. Если он из платной рекламы, то мы также приклеиваем выручку к этому каналу, т.к. он также значимо повлиял на сделку.
Результат
Результатом стало создание визуализации двух моделей, однозначный ответ «реклама окупается» и однозначный ответ «реклама окупается долго».
Опишу легенду к табличкам, чтобы было понятнее:
- В первом столбце указаны даты создания лида в разбивке по кварталам;
- Во втором столбце расходы на рекламу за период из первого столбца;
- В третьем столбце количество лидов с продажами с учетом LTV. Т. е. на одного лида может приходится несколько продаж. Повторные сделки тоже учитываются;
- В первой строке указано количество месяцев с разбивкой по кварталам;
- Под первой строкой указана доля выручки, которая приходится на тот или иной промежуток времени.
Первая таблица соответствует модели «first-клик».
На ней явно видно темп «созревания» сделок, максимальный цикл сделки в 48 месяцев и распределение выручки.
Вторая таблица соответствует модели «last-клик».
Она сдвинута сильно влево относительно предыдущей модели. Это логично, т.к. мы оцениваем период от последнего лида до первой сделки и не учитываем гигантское количество промежуточных касаний.
Сразу отвечу на возможный вопрос: «А нахрена нам две модели? Почему нельзя использовать одну?».
Мы работаем с лидами, у которых разная зрелость потребности. Кто-то уже ищет конкретного поставщика и конкретный бренд, кто-то ищет решение задачи, а кто-то пока вообще не вкурсе о проблеме, которую может решить наш продукт, но так или иначе попадает на нашу рекламу.
Следствием такой неоднородности как раз и является долгий цикл сделки. Важно подсветить его для топ-команды и аргументировать необходимость инвестиций в маркетинг.
Есть еще одно исследование об ассоциированных конверсиях и выручке. Проще говоря, о деньгах, которые косвенно приносит реклама на дистанции года.
Но об этом в другом кейсе.
Хотите быстро и эффективно тестировать бизнес-гипотезы, но не знаете с чего начать?
Напишите мне в Telegram или оставьте заявку на сайте. Обсудим формат и условия сотрудничества.
Больше кейсов на сайте – https://sokolov-m.ru/cases