Что такое «сквозная аналитика» и в чем ее плюсы?

Что такое «сквозная аналитика» и в чем ее плюсы? Аналитика

Сквозная аналитика: что это и зачем нужна в маркетинге.

Сквозная аналитика ― это способ сбора данных в маркетинге, который помогает отследить путь каждого покупателя от первой встречи с товаром до его покупки. Она помогает понять, из каких источников (каналов) приходят клиенты. Также с помощью сквозной аналитики можно найти и исправить ошибки в настройке маркетинговых инструментов или выявить совсем нерабочие, чтобы отключить их и сохранить бюджет.

Если вы увидели рекламу онлайн-курса в ленте Instagram, перешли по ссылке, оставили заявку на пробный урок, прошли его и купили полный курс ― каждый этот шаг будет зафиксирован и добавлен в базу данных. Другой человек увидел этот курс в интеграции у YouTube-блогера, перешел по ссылке в описании видео, посмотрел предложение, но не совершил покупку. Эти действия тоже отслеживаются в сервисах сквозной аналитики.

  • Количество кликов (CTR) показывает, сколько пользователей заинтересовалось рекламой и перешли по ссылке. Но переход на сайт еще не означает продажу, так что высокий CTR не гарантирует эффективность промокампании.
  • Стоимость клика (CPC) зависит от того, какой бюджет был заложен на продвижение. Чтобы вычислить CPC, нужно поделить рекламный бюджет, заложенный на конкретный инструмент, на количество кликов. Например, если на размещение баннеров выделили 5 000 рублей и на них кликнуло 250 пользователей, то стоимость клика составит 20 рублей.
  • Стоимость целевого действия (CPA) ― это более широкое понятие, чем CPC. Целевым действием может быть заявка на сайте, звонок или даже офлайн-посещение магазина. Рассчитывается CPA по той же схеме: бюджет на инструмент, поделенный на количество целевых действий (заявок, звонков, обращений).
  • Стоимость покупки (CPO) показывает эффективность рекламных инструментов в совокупности. Сумма всех затрат на рекламу делится на количество совершенных сделок и рассчитывается CPO. Например, если за май 2021 года компания потратила 30 000 рублей на маркетинг и совершила за этот же период 2 500 продаж, то стоимость покупки составит 12 рублей.

В бизнесе сквозная аналитика дает понимание того, как работает каждый маркетинговый инструмент и что он дает компании. Сквозная аналитика помогает:

  • рассчитать окупаемость каждого инструмента, посчитать прибыль, которую приносят посты в соцсетях, баннеры, запросы в контекстной рекламе;
  • сделать процесс работы более прозрачным, дать понимание, откуда приходит трафик и заявки, как менеджеры их обрабатывают;
  • найти уязвимости в маркетинговой стратегии ― например выявить, что менеджеры поздно совершают обратный звонок или интерфейс неудобен для покупателя;
  • сегментировать аудиторию, выделить отдельную группу клиентов, которые оставили контакты, но не дошли до сделки;
  • автоматизировать отчетность.

Анализ поведения покупателей, интересующихся продуктом, помогает оценить работу рекламных инструментов и понять, какие из них приводят к продажам, а от каких стоит отказаться, потому что они тратят бюджет и не приносят результата. Рентабельность каждой кампании обозначается термином Return of Marketing Investment (или ROMI), который переводится как «возврат инвестиций в маркетинг».

Рассчитать ROMI можно по формуле:

Например, на продвижение товара через Facebook Ads (таргетированную рекламу в Facebook) компания тратит 40 тыс. рублей в месяц. При этом за последний месяц с этого канала продаж пришло всего 5 клиентов, которые совершили покупки на сумму 7 999 рублей. То есть доход с этого канала продаж составил 39 995 рублей, он немного не дотягивает даже до суммы расходов на рекламу. Чистая прибыль (часть дохода, которая остается после выплаты всех налогов, отчислений и других обязательных выплат) с всех этих сделок будет еще ниже. Предположим, она составит 70% от продаж ― 27 996 рублей:

В таком случае показатель возврата инвестиций окажется отрицательным, что было ожидаемо. Чтобы ROMI оказался положительным, стоит изучить портрет аудитории и выяснить, с какими рекламными каналами чаще всего взаимодействуют покупатели. Затем можно проводить тестирование выбранных каналов, чтобы выявить наиболее эффективные, и уже в них вкладывать наибольшие рекламные бюджеты. Предпочтение отдается каналам с самой большой вовлеченностью нужной аудитории и самой низкой стоимостью размещения.

Google Analytics и Яндекс.Метрика ― это сервисы, которые отслеживают посещаемость сайта или приложения, а также поведение пользователей. Каждый из счетчиков собирает и обрабатывает данные и формирует на их основании отчет об эффективности кампании. Счетчики различают сотни действий пользователя, но основными являются:

Оба счетчика умеют отличать реальных пользователей от ботов, а также не считают дважды и более раз одного и того же пользователя, потому что каждому из них присваивается уникальная метка cookie, уведомление о которой встречается сейчас на каждом сайте.

Google Analytics выигрывает в плане более широкого и универсального функционала. Яндекс.Метрика проста и понятна в использовании и адаптирована под особенности Рунета.

UTM-метки ― это 5 дополнительных параметров, которые добавляются в URL сайта для отслеживания рекламного источника:

  • utm_source ― источник трафика, он указывается вручную при создании метки для каждой площадки (например yandex, fb или vk);
  • utm_medium ― это параметр, который вы хотите отследить (например количество кликов cpc);
  • utm_campaign ― уникальное название кампании, которое поможет отличить ее от других; в кампанию может входить несколько единиц контента (баннеры, посты в соцсетях, прероллы на YouTube);
  • utm_content ― произвольное поле для заполнения, в котором можно прописать содержание контента (о каком продукте это объявление);
  • utm_term ― опциональный параметр, заполнять его необязательно, но он помогает отследить точные параметры (например ключевые запросы поиска).

Пример

Адрес сайта без UTM-метки: http://example.com

Адрес с меткой: http://example.com/?utm_source=yandex&utm_medium=cpc&utm_campaign=Retargeting&utm_content=Iphones&utm_term=Iphone 12 Купить

Отследить эффективность каждой компании, для которой созданы метки, а также заданные источники трафика и другие параметры можно через систему аналитики, например, ту же Яндекс.Метрику или Google Analytics. Важно, чтобы у кампаний были уникальные, узнаваемые имена. Иногда, чтобы скрыть информацию от конкурентов, некоторые поля зашифровывают и обозначают числами (например utm_campaign=14), но такие меры стоит применять с осторожностью, чтобы не запутать собственных аналитиков.

Создать собственные UTM-метки можно в бесплатных генераторах, например Tilda или Callibri. В них уже есть поля для заполнения под все вышеперечисленные параметры, так что достаточно знать, что они означают:

Форма для создания собственных UTM-меток от Tilda

CRM-система ― инструмент для работы с клиентами, в котором хранится вся история взаимодействий с ними: сделки, звонки, переписки. CRM ― это неотъемлемая часть сквозной аналитики: одновременно и хранилище, и трекер задач, и инструмент предварительного анализа работы.

Анализ продаж в amoCRM

Преимущества CRM:

  • Единая клиентская база. В CRM хранятся сделки по всем каналам продаж, а значит, в базе остаются контакты клиентов, которые сотрудничали с компанией или только интересовались ей. Постоянные покупатели, совершившие одну покупку, или те, кто оставлял заявку, но еще не дошел до сделки, ― каждую из этих групп можно выделить с помощью фильтров. По этой базе можно, например, отправлять email-рассылки или делать прозвоны.
  • Отслеживание сделок на всех этапах. Система фиксирует возможные сделки с теми клиентами, которые проявили интерес к продукту, и отслеживает путь от рекламного объявления до заявки, звонка или покупки. При успешной продаже через интернет-магазин, кроме пути, в CRM будут отображаться список товаров, сумма чека, дата покупки и другие параметры, которые можно отследить. В более сложных продажах, при личном контакте, необходимости встречи, выездов на замер эти этапы также заносятся в базу. Туда же можно загружать презентации, договоры и другие документы по сделке.
  • Прогнозирование прибыли. CRM-система анализирует воронку продаж, подсчитывает сумму покупок на разных этапах, от завершенных до только начавшихся, и рассчитывает вероятность совершения каждой из них. Например, в текущем месяце в работе сделки на сумму 245 000 рублей. По данным за предыдущие месяцы, успешно завершается 75% из них. Рассчитываем 75% из суммы «В работе» и получаем прогноз прибыли на текущий месяц ― 183750 рублей.
Дополнительный анализ:  Аналитика от РобоФорекс. Сервис Claws & Horns в действии

Кроме базовых функций, у разных сервисов есть эксклюзивные. Например, amoCRM позволяет менеджерам с телефона сканировать визитки клиентов и таким образом добавлять их в базу.

Call-tracking ― это сервис по отслеживанию звонков, который помогает понять, с какого объявления пришел клиент. Заявки по телефону до сих пор актуальны и в некоторых сферах составляют до 80% продаж, а значит, нужно отслеживать эффективность рекламных объявлений, в которых указан номер телефона. Сервисы коллтрекинга записывают разговоры, а также фиксируют:

Коллтрекинг бывает двух видов:

  • Статический используется для отслеживания офлайн-объявлений и некоторых рекламных форматов онлайн. В объявлениях указывается отдельный номер, по которому можно отследить число заявок и сумму продаж через этот канал. Есть кейс сети пироговых, которая разместила офлайн-рекламу в лифтах со статическим номером и за 3 месяца получила через этот канал 2 заказа на сумму 3 000 рублей. Так как на размещение листовок было потрачено 7 000 рублей, канал был признан нерентабельным.
  • Динамический коллтрекинг, кроме базовых параметров, позволяет определить, с какого объявления пришел клиент, с какого устройства он зашел на сайт и по каким ключевым словам нашел его. Для этого на сайте используется специальный скрипт, который меняет номер телефона в зависимости от параметров захода. Тогда у клиентов, которые зашли с баннера на стороннем сайте или с контекстной рекламы, будут разные номера для отслеживания.

BI-система(business intelligence) ― аналитическая система, которая содержит отчеты в удобных форматах: таблицы, графики и дашборды. Она сводит все источники данных и помогает визуализировать наши ключевые показатели, на которые смогут ориентироваться бизнес-пользователи.

После сбора данных информация в BI-системе проходит несколько стадий преобразования:

  • Очистка. Из систем-источников, таких как Google BigQuery или Microsoft Azure, информацию извлекают, очищают от ошибочных, повторяющихся данных и унифицируют для дальнейшей обработки.
  • Хранение. Очищенные данные направляются в отдельную базу, которая может их структурировать.
  • Анализ. Система обрабатывает данные и в зависимости от запроса рассчитывает прогнозы, средние показатели, прирост за сутки или любые другие параметры, которые возможно рассчитать на основе имеющихся у нее данных.
  • Визуализация. Это последний этап, на котором BI-система выдает аналитикам необходимые графики, таблицы или дашборды.

Опираясь на показатели BI-систем, собственники бизнеса, руководители или топ-менеджеры могут принимать обоснованные управленческие решения.

Универсального совета «как настроить сквозную аналитику» не существует, поэтому отдельно взятый бизнес может выбирать методы и инструменты в зависимости от своих бюджетов, ресурсов и задач. Можно использовать готовый сервис, а можно настроить собственную систему из нескольких инструментов. Преимущество собственной системы заключается в том, что компания полностью владеет собранной информацией. В решениях «из коробки» информация остается на стороне сервиса, а заказчику доступны отчеты на основании данных (часть которых предоставляется за дополнительную плату.

Преимущество готовых сервисов сквозной аналитики в том, что они позволяют настроить процессы в короткие сроки и отдать на аутсорс большинство задач. При покупке готового решения достаточно сделать несколько шагов:

  1. Настроить веб-аналитику. Это значит, что нужно добавить код аналитических сервисов на свой сайт, чтобы каждое действие попадало в базу. Проще всего это сделать через бесплатный Google Tag Manager.
  2. Подключить одну из систем аналитики:Roistat, Alytics, Calltouch или другие аналоги. У этих же сервисов можно подключить коллтрекинг.
  3. Подключить CRM. Систему можно выбрать в зависимости от бюджета и запросов: amoCRM, Битрикс24, Террасофт, Мегаплан и другие.
  4. Импортировать в систему аналитики данные о доходах.

Далее система начнет собирать и обрабатывать данные о ходе рекламных кампаний и их рентабельности, анализировать воронку продаж (путь покупателя от знакомства с продуктом до покупки) и составлять отчеты самостоятельно.

Для организации собственной системы компании необходимы инструменты, а также специалисты, которые умеют с ними работать. Основные шаги для настройки:

  1. Зарегистрировать аккаунт в Google Analytics или Яндекс.Метрике. Как это сделать, можно посмотреть в Google Support и Яндекс.Справке.
  2. Настроить веб-аналитику. Это можно сделать через Google Tag Manager, как при покупке готового решения. Если бизнес работает в сфере ecommerce, то обязательно уделить внимание настройки ecommerce-отчетности (настройка в Яндекс.Метрике и Google Analytics).
  3. Организовать UTM-разметку. Для этого понадобится составить справочник разметки, в котором будут зафиксированы единые названия площадок (yandex или ya, facebook или fb), каналов продвижения (например, как называть соцсети ― smm или social), а также единые названия кампаний по продуктам, ключевые слова для контекстной рекламы.
  4. Подключить CRM, если до этого ее не было. Варианты, в зависимости от бюджета и запросов: amoCRM, Битрикс24, Террасофт, Мегаплан и другие аналоги.
  5. Настроить импорт данных о расходах на рекламу. Проще всего это сделать через OWOX BI.
  6. Организовать хранение информации. Купить место в облачном хранилище проще и дешевле, чем создавать собственный дата-центр. Для этого можно использовать сервисы Google BigQely или ClickHouse от Яндекса. При выборе сервиса для международных проектов важно обратить внимание на законодательство ― оно может накладывать определенные ограничения. Например, согласно закону «О персональных данных» информация о гражданах России должна храниться только на территории РФ.
  7. Визуализировать данные. Построение отчетов в реальном времени ― последний шаг в аналитике. Для этого нужно выбрать BI-платформу, которая будет конвертировать данные веб-аналитики, коллтрекинга и CRM и конвертировать их в графики, таблицы и диаграммы, ― например Google Data Studio или Microsoft Power BI.

Проблемы с коллтрекингом:

Проблемы с UTM-разметкой:

Одинаковые источники превращаются в два разных, которые потом придется вручную собирать в единую базу.

Лишние данные:

  • Большой объем. Когда компания собирает данные о взаимодействии со всеми элементами сайта ― скроллы, клики по кнопкам и баннерам, заполнение форм, ― часть работы по сбору ведется впустую. В итоге аналитики могут воспользоваться 10% информации, а еще 90% будет просто занимать место на сервере. Каждый формат данных, которые собираются в сквозной аналитике, обоснован бизнес-целями компании.
  • Долгая обработка. Это еще одна проблема осмысленного сбора данных. Информация о клиенте за год может занимать до 3 ТБ, на ежедневную обработку которых система потратит около суток и аналитика будет идти с задержкой. При этом нужные действия, обоснованные целями, ― например глубина прочитывания, клики, взаимодействия в соцсетях и звонки ― могут занимать не более 5 ГБ и их обработка будет занимать не более часа.
Дополнительный анализ:  Конкурс прогнозов РПЛ на

« ВСЕ ТЕРМИНЫ

Кастомная сквозная аналитика на базе google analytics и bigquery

Наиболее сложный вариант в настройке. Дает преимущества в безграничной гибкости и возможность работы с Big Data.  Для настоящих дата маньяков, любителей OLAP-кубов, Google Analytics 360 и всяких хардкорных аналитических и управленческих сервисов.

Идея схемы состоит в том, что мы собираем «сырые» данные веб-аналитики с Google Analytics, добавляем к ним данные по доходам/расходам из CRM-системы и получаем на выходе готовые данные со сквозной аналитикой. Эти данные мы визуализируем и работаем с ними в отдельном интерфейсе.

Для реализации вам понадобятся:

  • Настроенная система Google Analytics. Здесь будет считаться трафик и конверсии, данные веб-аналитики. Для E-commerce можно считать и доходы. Система передачи данных Owox BI Pipeline или любая аналогичная. Можно все сделать самостоятельно и без нее. Ведь нужно передавать данные из рекламных систем в Google Analytics, а из Google Analytics в Google BigQuery.
  • Хранилище данных Google Big Query. Сюда будут стекаться данные из Google Analytics, CRM-системы и других источников. Можно использовать и другое хранилище данных: Amazon AWS, Microsoft Azure.
  • CRM-система, например Битрикс24. В CRM будет происходить менеджментов клиентов и внесение данных по доходам/расходам на клиента.
  • IP-телефония, например Zadarma, для приема звонков. Телефония подключается к CRM-системе.
  • По желанию: коллтрекинг, виджеты, системы управления контекстной рекламой.
  • Визуализатор данных, например Power Bi. Таблички из Google BigQuery нужно как-то по-человечески отображать. Здесь будет интерфейс работы с готовыми данными.

Как это все соединить и заставить работать — тема для отдельной статьи.

Плюсы кастомной сборки аналитики:

  • Для Big Data. При больших объемах в Google Analytics начинается сэмплирование, сервисы не справляются с нагрузкой или стоят космических денег. Скорость обработки больших данных.
  • 100% гибкость. Отсутствие каких-либо ограничений при подключении инструментов, обогащении данных, операциях и визуализации. У вас есть универсальное дата-хранилище, куда загружаются и сводятся все показатели бизнеса.
  • Возможность обогощать данные с помощью своих или сторонних источников.
  • Нет дополнительных сервис-операторов, получающих доступ к данным.
  • Использование инфраструктурных преимуществ Google Cloud (или другого дата хранилища)

Минусы кастомной сборки аналитики:

  1. Нет ничего готового
  2. Нужно это все собрать
  3. Нужно это оплачивать
  4. Нужно этим пользоваться

Готово, я перечислил все основные решения для организации сквозной аналитики, которые сейчас существуют на рынке. Выбирайте подходящую. Обязательно посмотрите демо-доступ или использйте тестовый период. Хорошим решением будет подготовить список задач, которые ставятся перед новой аналитической системой и выбирать сервис исходя из соответствия этим задачам.

О формировании спроса и нестандартном маркетинге

— На отечественном рынке вы со своим сервисом сквозной аналитики стали первопроходцами. Спрос появился сразу? 

— Нет, первых клиентов мы искали сами: использовали «сэйлз-форс», давали платную рекламу — но все это не работало. Дело в том, что наш основной продукт в те годы выглядел довольно сложным, и в двух предложениях его суть передать невозможно. На самоокупаемость нам во многом помогли выйти первые крупные лояльные клиенты: в частности, сеть гипермаркетов Hoff или крупнейшая дилерская сеть «Рольф».

Нам повезло быть первыми на рынке — хотя продукт был еще несовершенен, для профессионалов он стал мощным ноу-хау. Поэтому, к счастью для нас, крупные клиенты терпели наши «детские болезни» и прощали ошибки. Но такая проверка боем позволила нам видеть реальные проблемы и нужды клиентов и постоянно быть в тонусе, чтобы максимально быстро на них реагировать.

Таким образом мы и выжили, несмотря на отсутствие больших инвестиций и сильную конкуренцию. Стрессовые ситуации и бизнес в режиме реального времени — лучшая стратегия, которая и помогла нам стать теми, кто мы есть сейчас. Hoff и «Рольф», кстати, до сих пор с нами — как и практически все наши первые большие клиенты.

— А если говорить о финансовых показателях? 

— В целом на самоокупаемость мы вышли достаточно быстро, но продолжали при этом всю маржу инвестировать в развитие — и лишь недавно достигли той точки, когда стали зарабатывать больше, чем тратим. В 2021 наша годовая выручка превысила 10 млн долларов.

— Как вы «раскручивали» свой сервис?

— Как я уже говорил, нам приходилось формировать спрос с нуля, и стандартные маркетинговые инструменты для этого совсем не подходили. Так что мы решили зайти со стороны обучения: проводили образовательные мероприятия, бизнес-завтраки, отраслевые конференции.

Конечно, поначалу на них приходило совсем немного человек, обычно 100-150. Я помню бизнес-завтрак, на который пришло всего двое участников — и мы все равно его провели. А сейчас на прошлой конференции Callday нам удалось собрать более 20 тысяч регистраций. В этом году мы планируем удвоить этот результат.

Второе наше образовательное направление — корпоративный блог, где мы разбираем интересные кейсы и рассказываем о различных функциях платформы. Сейчас наш блог каждый месяц читают около 100 тысяч пользователей — чтобы добиться такой посещаемости, нам потребовалось три года.

— Так долго?

— Для контент-маркетинга — вовсе нет, ведь это «долгоиграющий» инструмент. Однако он всегда стоит потраченных сил, времени и денег. Как подсчитали аналитики, контент-маркетинг обходится в полтора раза дешевле традиционного, при этом генерирует в три раза больше контактов и увеличивает конверсию в 6 раз.

Позиции канала в цепочке

Данные варианты считаются наиболее простыми, они доступны пользователям бесплатной версии Google Analytics, а также Яндекс.Метрики и других систем. Рассмотрим 6 позиций канала в цепочке.

First Click (FCM)

В цепочке из четырех касаний ценность уходит первому каналу.

Преимущества:

Легко настраивается, не требует вычислений или иных аргументов при распределении ценности среди использованных каналов. Помогает маркетологам сформировать узнаваемость торговой марки и спрос.

Недостатки:

Не демонстрирует всей картины, заставляет переоценить каналы первого уровня. Пользователь обычно совершает несколько касаний, однако модель игнорирует данный момент.

Кому подходит:

Подойдет проектам, для которых имеет значение создание или повышение узнаваемости собственного бренда, увеличение охвата аудитории. Модель даст информацию о том, где лучше покупать трафик для последующей конвертации.

Last Click (LCM)

Одноканальная модель, где ценность конверсии передается последнему каналу, с которым покупатель соприкасается непосредственно перед конверсией. Снова вклад предыдущих каналов полностью игнорируется.

Преимущества:

Используется многими маркетологами. Позволяет оценить кампании, цель которых — быстро спровоцировать покупки, допустим, во время определенного сезона.

Недостатки:

Не демонстрирует всей картины, заставляя исключить прочие каналы цепочки.

Кому подходит:

Подходит бизнесам с коротким циклом продаж, которые обычно не используют более трех каналов для рекламы.

Last Non-Direct Click (LN-DC)

Одноканальная модель, которая представлена в Google Analytics, применяется там по умолчанию. При этом ценность конверсии атрибутируется, как и в предыдущем варианте, по последнему каналу.

Однако различие в том, что если это прямой заход, ценность будет атрибутирована предыдущему источнику.

Например, пользователь переходит из собственных закладок или же прямо вводит ссылку. Вероятно, он хорошо знает бренд, является уже привлеченным покупателем, которого не требуется брать в расчет.

Преимущества:

В этом случае можно исключить каналы, которые незначительны с точки зрения расходов на кампанию, полностью сосредоточившись на оплачиваемых источниках.

Может применяться в качестве базы для сравнения.

Недостатки:

Не демонстрирует всей картины, не учитывает вклад прочих каналов в конверсию. Предпоследним каналом чаще всего является электронная почта, однако эта модель не позволяет отследить, где именно покупатель познакомился с торговой маркой и почему оставил почту, чтобы в итоге прийти к покупке.

Кому подходит:

Модель подходит, если нужно оценить эффективность определенного платного канала, а узнаваемость бренда уже не является важным аспектом.

Дополнительный анализ:  Аналитика и анализ. В чем разница? - аКолесица — ЖЖ

Position Based (PB)

Многоканальная модель, где наибольшую ценность получают первый канал — то есть тот, который познакомил покупателя и торговую марку, — и последний, что закрыл транзакцию. Каждому из них присваивается сорок процентов. На все средние каналы приходится двадцать процентов.

Преимущества:

Ценность передается каналам, которые привлекают и мотивируют покупателей — т.е. играют важнейшую роль.

Недостатки:

Случается, что именно средние каналы в цепочке больше продвигают покупателя, чем те, которые получают наибольшую ценность.

Кому подходит:

Этот вариант подойдет бизнесам, которые рассчитывают привлекать новых пользователей и подталкивать уже заинтересованных к совершению покупок.

Time Decay (TD)

В этом случае ценность конверсии будет распределена между каналами, которые заняты в цепочке, по принципу нарастания. Первый источник получает наименьшую ценность, последний — наибольшую.

Преимущества:

Рассматриваются все каналы. Наибольшая ценность отдается тому, который все же сумеет подтолкнуть к покупке.

Недостатки:

Недооценивается вклад отдельных каналов, которые могли повлиять на решение покупателя.

Кому подходит:

Подходит тем, кто желает оценить эффективность рекламных кампаний, ограниченных по времени — например, распродаж.

Linear model (LM)

Применяя данную модель, ценность конверсии принято разделять между всеми каналами цепочки.

Преимущества:

Более продвинутая, чем одноканальные модели. Позволяет учесть все каналы в цепочке, которые были задействованы перед покупкой.

Недостатки:

Не помогает перераспределять бюджет. Разделение его между всеми каналами поровну может оказаться неэффективным.

Кому подходит:

Подойдёт бизнесам с длительным циклом продаж. В этом случае важно поддержание контакта с покупателем на всех этапах прохождения воронки. Пример — B2B-компании.

На сегодняшний день имеется ряд исследований, которые доказывают, что маркетологи в Европе, США или СНГ чаще всего обращаются к модели LCM. LCM кажется наиболее понятной, хотя и обесценивает влияние всех каналов в цепочке, кроме последнего.

Причинами, почему наблюдается такая ситуация, можно считать следующее:

  • Непонимание потенциального эффекта от моделей атрибуции, использующих более сложный расчет. Если прямо объяснить, что алгоритмические модели могут принести увеличение прибыли на определенный процент, вряд ли маркетологи откажутся от этого.

  • За атрибуцию нет ответственного, т.е. разные маркетологи могут применять в ходе кампании различные варианты, что приводит к тому, что реальный доход оказывается меньше атрибутированного.

  • Слишком разрозненная информация. Google Analytics позволяет использовать стандартные отчеты, в которых, к сожалению, нет места офлайн-данным, ROPO-эффекту и т. д.

Если эти причины устранить, то проблема атрибуции будет решаться намного проще.

Про искусственный интеллект и экспансию роботов

— Calltouch использует в своей работе технологии искусственного интеллекта?

— Да, это часть позиционирования нашей компании. Практически все наши продукты работают на основе машинного обучения. С помощью этих технологий мы вычисляем эффективное время для показа виджетов, определяем источники звонков и управляем рекламой — все алгоритмы «завязаны» на машинном обучении. 

— А как искусственный интеллект используется в коллтрекинге?

— Очень активно. В частности, мы первыми запустили автоматическое определение типа звонков — имеется в виду цель обращения. Например, один клиент звонит в автосалон, чтобы купить машину, другой хочет записаться на сервис, третий — купить запчасти.

— Например?

— Мы умеем определять по разговору пол, автоматически вычисляем, был звонок успешным или нет. Сейчас во всех крупных и средних компаниях используется голосовое приветствие, и когда робот берет трубку, обращение автоматически отмечается как успешное.

На самом же деле только в недвижимости около 20% звонков проваливаются. Представьте: стоимость привлечения звонка в этой отрасли — около 10 тысяч рублей, и одна пятая таких звонков сливается в трубу из-за занятости менеджеров либо из-за плохой проработки процессов.

Мы решили эту проблему с помощью автоматизированных инструментов. Во-первых, мы внедрили автоматический прозвон по непринятым звонкам, а во-вторых, изменили алгоритм определения успешности звонка. Теперь основным критерием стало не приветствие робота, а голос оператора: как только живой человек на стороне компании берет трубку, звонок считается успешным.

— Вы говорите, что используете машинное обучение практически во всех процессах — это целая тенденция, которая начинает заставлять людей опасаться роботизации. Речь уже даже не о страхе потерять рабочие места, а о том, что люди и машины меняются местами. «Роботы становятся боссами», — так об этом начинают писать на западе. Что думаете?

— Думаю, что если машина способна взять на себя рутину — это отлично. Кому нравится скучная работа? Что касается тотальной роботизации, то это преувеличение, во многом созданное СМИ. Мы ежедневно читаем о том, что роботы избавляют человека от рутины, но в Индии, например, есть целая индустрия распознавания капчи: миллионы индийцев заняты тем, что день и ночь вбивают в окошки неразборчивые символы. 

В маркетинге автоматизация действительно сильно разгрузила человека: как посчитали Gartner, она высвободила около трети рабочего времени. Думаю, в ближайшие пять лет этот тренд только усилится, что позволит специалистам заниматься более креативными задачами. 

Сквозной принцип в аналитике

При использовании обычной управленческой отчётности, в которой зафиксированы расходы на рекламу и продажи за тот или иной период, более-менее корректно ROMI посчитать можно только при определенных условиях:

В остальных случаях подсчёт будет некорректен. И главное, с такими данными мы можем посчитать только общий ROMI, но мы не узнаем ROMI отдельных рекламных каналов. Причина проста: мы знаем, сколько денег потратили на каждый рекламный канал, но не знаем, с каких именно пришли клиенты.

В связи с этим, необходимо отслеживать каждую заявку и заказ, сохраняя информацию о рекламном источнике. В этом и смысл сквозной аналитики. Без этого анализировать более чем 1 рекламный канал с не моментальными продажами не получится никак.

Логическая ошибка высокого ROMI

Основная логическая ошибка, которую сознательно, либо неосознанно, допускают многие маркетологи, это стремление к высокому ROMI. Кажется, что чем выше возврат инвестиций, тем лучше. Так ли это?

С одной стороны — да, высокий ROMI является прекрасным достижением.

С другой, следует учитывать 2 вещи:

  • ROMI показатель относительный, он не говорит напрямую о прибыли или обороте, т.е. тех вещах, которые на самом деле интересуют бизнес. Высокий ROMI вполне может быть из-за эффекта «низкой базы», и динамика его снижения при увеличении инвестиций заранее непредсказуема.

  • Сам по себе высокий ROMI — это не конечная цель, а лишь промежуточная. Поэтому кейсы маркетологов, где они гордятся высокими показателями ROMI, вызывают вопросы, если не описано, что дальше с этим делать.

Как считать? Пример:

Расчет ROMI
Расчет ROMI

Зеленым выделены лучше показатели, рыжим — худшие.

Как видим, при небольшом количестве трафика у нас максимальный ROMI, но минимальная выручка. Далее, при увеличении бюджета ROMI падает, стоимость привлечений 1 клиента растёт. До какого-то момента растёт общая прибыль, потом она начинает также падать. И наоборот, при большом трафике максимизируется ROMI уменьшается и становится отрицательным.

Зато валовая прибыль растёт и максимизируется лишь при ROI ~200%. Если же учитывать повторные заказы (LTV), картина меняется. Допустим, число повторных заказов равное 50% от числа новых заказов. Тогда прибыль максимизируется при ROI равном ~140%. Если же повторных заказов больше, выгодней удерживать еще меньший ROI.

А если повторных заказов больше? Тогда вполне возможно, что ROI ниже 100% даст максимальную долгосрочную прибыль. Понятно, что в реальных условиях даже максимизация прибыли не всегда является приоритетом: часто бывают риски, проблемы роста и многое другое. Но она явно намного важнее, чем максимизация ROI, которая является ложной целью.

Оцените статью
Аналитик-эксперт
Добавить комментарий

Adblock
detector