Построение сквозной аналитики на практическом примере интернет-магазина сантехники

История с фейлами и победами

«Сквозная аналитика, она сегодня как спиннер, — сокрушался не так давно один из наших клиентов — все крутят и никто не может сказать, зачем? Просто модно». А разговор у нас был о том, что многие этого самого клиента спрашивают — как они в компании построили сквозную аналитику и что «вот мне тоже надо». И никто не задумывается — а надо, собственно, зачем? Окупится ли она? Как дальше работать с полученными данными?

Мы в Ringostat строили сквозную аналитику для себя, помогали ее строить нашим клиентам и видели, как это делают наши партнеры-агентства. В итоге можем сказать, что в каждом отдельном случае схема будет индивидуальной. Зависит она от особенностей бизнес-процессов, рекламного бюджета, компетенции работать с данными и других факторов.

В этой статье мы разбираем построение сквозной аналитики на примере нашего клиента, интернет-магазина сантехники, совместно с его руководителем — Александром Шинкаренко.

В нашей практике это, пожалуй, самый показательный случай, когда аналитика в компании строилась с четкой целью, пониманием «зачем» и знанием, как работать с полученными данными.

В конце статьи также небольшой бонус: три схемы построения сквозной аналитики — продвинутый, простой и элементарный.

Предыстория

Итак, наш клиент — интернет-магазин kabinka.kz. Специализируется на продаже душевых кабин, сантехники и сопутствующих товаров для ванной комнаты. Работает на рынке Казахстана уже более четырех лет. Однако ощутимый рост продаж стал заметен только последние полтора года. У покупателей постепенно стал исчезать страх покупок через интернет + большую роль сыграли маркетинговые активности и банально оплата наложенным платежом, которая гарантирует безопасность покупки в любом случае.

Вместе с ростом количества покупок (а соответственно и заявок) появилась необходимость анализировать их источники. Потому как рекламный бюджет, знаете ли, не резиновый, а подход «разделить деньги поровну на все рекламные каналы» не слишком эффективен.

Цели и задачи

Цели в аналитике перед компанией стояли следующие:

  • получение наиболее полных данных о пути клиента к покупке;
  • возможность просчитать, какую сумму принес тот или иной рекламный канал;
  • возможность видеть ROI каждого канала, конверсию в заявки и продажи, стоимость привлечения одного лида, звонка и т.д.
  • распределение входящих звонков по времени суток;
  • корректное тестирование новых рекламных каналов;
  • грамотное перераспределение рекламного бюджета.

Грубо говоря, такую схему аналитики

image7

нужно было превратить в такую:

image6

Решения и фейлы

1. Отслеживание звонков

Проблема:

Изначально руководство и маркетологи компании отслеживали обращения по всем каналам:

  • онлайн-чат;
  • электронная почта;
  • покупки через корзину;
  • телефонные звонки
  • форму заказа обратного звонка.

И если с первыми тремя проблем не было — настроенные цели в Google Analytics и Я.Метрике полностью справлялись с задачей, то что делать со звонками было решительно не ясно. А их в компанию поступало не много не мало — треть от всех обращений. Это лишало смысла любые попытки что-либо анализировать, потому как в любом случае с погрешностью более 30% делать выводы нельзя. Или можно. Но неправильные.

Другой вопрос состоял в том, как отслеживать продажи, в том числе и по телефону. Да, можно, к примеру, настроить в Google Analytics цель на Thank You page (страница, которую видят пользователи после оформления заказа). Но специфика бизнеса предполагает очень скромный процент онлайн-покупок — мало кто бросит душевую кабину в корзину и тут же оплатит покупку. Разумеется, человек позвонит, чтобы уточнить характеристики, цену, наличие. В идеале — сразу же по телефону сделает заказ. А Google Analytics такую транзакцию не учтет.

Решение и первый фейл:

Подключение системы отслеживания звонков — коллтрекинга. И здесь компания наступила на первые грабли. Коллтрекинг, который они подключили, не давал необходимого массива данных. Да и те данные, что были, поставлялись в разбросанном, совершенно неудобном для дальнейшей работы виде. На то, чтобы их упорядочить и работать с ними дальше, уходило слишком много времени.

В итоге компания сменила три сервиса коллтрекинга, пока не нашла тот, что соответствовал следующим требованиям:

  • структурированные и понятные отчеты;
  • возможность экспорта данных в таблицы Excel или Google Spreadsheets;
  • возможность создавать кастомные отчеты;
  • возможность интеграции с платформой для сквозной аналитики и CRM;
  • возможность подключать свои номера для подмены;
  • наличие оперативной техподдержки и своих решений по номерам.

2. Связка коллтрекинг—CRM—система бизнес-аналитики

Проблема:

Да, цели в Google Analytics и Я.Метрике позволяли отслеживать рекламные источники, которые привели лида, пришедшего в компанию любым из вышеперечисленных способов. Но как узнать, совершил ли этот пользователь покупку и на какую сумму? Как посчитать, сколько денег в целом принес тот или иной рекламный канал?

Цели на любые онлайн-конверсии не могут считаться точной метрикой из-за отсутствия гарантии, что пользователь довел дело до конца, забрал и оплатил заказ.

Решение и снова фейл:

Таким образом, компания пришла к необходимости связки: аналитические платформы — коллтрекинг — CRM.

Сначала интегрировали с действующей CRM первый подключенный коллтрекинг.

И опять разочарование — менеджерам, маркетологам и руководству компании хотелось видеть систематизированные сведения и всплывающие карточки с информацией о звонящих, а они опять получили бессистемные данные и полное непонимание как их упорядочить и с ними работать.

После того, как коллтрекинг поменяли на Ringostat, более соответствующий требованиям компании, большая часть вопросов была снята, а погрешность в аналитике сократилась до 5%. Однако вопрос об объединении всех получаемых данных в одном месте, их систематизации и получении наглядной картины оставался открытым.

Для его решения компания связала коллтрекинг с Roistat — системой сквозной бизнес-аналитики, которая собирает полный объем данных из CRM-системы, рекламных площадок и непосредственно сайта. Из этих данных формируются отчеты по ключевым бизнес-показателям.

Связка осуществлялась посредством уже готовой интеграции Ringostat и Roistat, но все равно требовала проведения тестов и доли работы на стороне компании. Во всем, что происходило, руководитель проекта kabinka.kz разбирался лично. Львиная доля работ была возложена на подрядчика, то есть техподдержку нашего сервиса. На все, что требовалось сделать со стороны клиента, мы писали подробные ТЗ, так что с этим проблем не возникало.

В итоге связка Ringostat и Roistat позволила магазину получать и обрабатывать такую информацию:

  • рекламные источники, по которым пришли клиенты;
  • статистику телефонных разговоров;
  • записи телефонных разговоров;
  • статистику по звонкам отдельных сотрудников;
  • распределение задач по пропущенным звонкам.

Кроме того, сейчас система ассоциирует конкретный телефонный звонок с определенной сессией пользователя сайта и предоставляет полные данные сессии: UTM-метки, источник перехода, статус и длительность звонка и т.д.

image9

Теперь компании доступен полный объем данных, в том числе и данные о телефонных звонках — стоимость привлечения одного лида, срез звонков по регионам, распределение обращений по рекламным источникам (Google AdWords, Яндекс.Директ, SEO-продвижение). То есть маркетологи интернет-магазина могут видеть всю цепочку от начала до конца — от первого обращения до конечного результата в виде покупки.

image1

Сейчас они могут отслеживать и анализировать:

  • путь пользователя от первого контакта до завершенной сделки;
  • рекламные каналы, с которыми пользователь сталкивается до совершения транзакции;
  • сумму денег, которую принес тот или иной канал;
  • ROI каждого канала;
  • сколько звонков поступает в разное время суток и сумму продаж, к которым они приводят;
  • средний чек с того или иного рекламного канала;
  • конверсию в заявки и в продажи;
  • стоимость привлеченного лида или стоимость привлеченного клиента;
  • стоимость привлеченного звонка. Это, кстати, важная метрика, которая позволяет в числе прочих манипуляций снизить количество пропущенных звонков. Знание, что не подняв трубку, вы выбросили на ветер, к примеру, 5 долларов, заставляет совершенно по-другому относиться ко всем входящим звонкам.

Довольно неожиданный результат

Тестирование разных рекламных каналов и постоянный мониторинг отдачи от них дали компании Kabinka.kz весьма неожиданный результат.

Они выяснили, что КМС Google не работает и показывает отрицательный ROI.

Да, сеть приводила трафик, но он был нецелевым. Посетители заходили на сайт, смотрели и выходили, не совершая целевых действий — покупок, звонков, обращений в чате и т.д.

image8

Также свою роль сыграла цена, которую Google выставляет в долларах. В пересчете на тенге стоимость рекламы получается слишком высокой, что тоже отрицательно сказывается на ROI.

Поэтому было принято непростое и, пожалуй, беспрецедентное в нашей практике решение — отключить КМС. Далось оно компании нелегко, так как КМС Google все-таки приводила солидный трафик на сайт и с ее отключением интернет-магазин этого трафика лишался. С другой стороны — какой смысл платить за нецелевой трафик, если можно вложить эти деньги в рекламу, которая дает продажи?

Собственно, так и было сделано. Высвободившийся бюджет Kabinka.kz направила на тестирование новых рекламных каналов и развитие тех, что уже сейчас работают хорошо.

К примеру, в отличие от КМС, РСЯ демонстрирует стабильно высокий ROI, хорошо продает и приводит целевой трафик. Поэтому часть бюджета, высвободившегося после отказа от КМС, была направлена на снятие любых ограничений (дневного, ночного лимита, ставок и т.д.) по рекламной сети Яндекса. Это дало свой результат и канал, который и так работал хорошо, стал отрабатывать еще лучше — приводить больше конверсионного трафика, в результате чего компания выросла и в обороте, и в деньгах.

Что касается КМС, то сейчас она перерабатывается и через время будет запущена заново. Но уже с другими рекламными посылами. Это позволит понять, какие же ошибки были допущены и нужна ли КМС компании в принципе.

Перенос колл-центра инхаус

Еще одно решение, принятое компанией на основе данных аналитики, касается бизнес-процессов. Дело в том, что изначально kabinka.kz работали с колл-центром на аутсорсе. Круглосуточно. При этом, они понимали, что своими ресурсами могут работать эффективнее, чем операторы, не заинтересованные в продажах. Также были огромные сомнения по поводу целесообразности круглосуточной работы.

В итоге колл-центр был перенесен в компанию, а связка коллтрекинга, CRM и аналитических платформ позволила выяснить, что затраты на работу оператора с 9 вечера до полуночи окупаются достаточным количеством поступающих в это время заказов. А вот работать с 12 ночи до 9 утра оказалось нерентабельно.

Таким образом, данные сквозной аналитики и принятые на их основе решения позволили интернет-магазину kabinka.kz повысить эффективность рекламы в целом на 20%.

Бонус. Три способа построения сквозной аналитики: простой, продвинутый и элементарный

Сразу оговоримся: все способы построения сквозной аналитики сводятся к необходимости связать данные об эффективности онлайн и офлайн каналов рекламы, импортировать данные о доходах и расходах в единую систему, а затем визуализировать все это в виде графика или диаграммы. Отличие лишь в методах и инструментах, которые для этого используются.

Простой способ:

  1. Установите Google Tag Manager.
  2. Подключите call tracking.
  3. Настройте отслеживание обращений на e-mail (например, с помощью emailtracker.ru).
  4. Настройте импорт данных о расходах в Google Analytics с помощью BI-платформ (OWOX BI, MixData BI).
  5. Настройте импорт данных о доходах в Google Analytics. Здесь, к сожалению, без помощи программиста не обойтись. На это уйдет пара недель его работы.
  6. Визуализируйте полученные данные с помощью Google Data Studio (это необязательно. Если вас устраивают таблицы Excel, то так тому и быть).

Продвинутый способ:

  1. Установите Google Tag Manager.
  2. Подключите call tracking.
  3. Настройте импорт данных о расходах в Google Analytics. В этом вам помогут все те же BI-платформы: OWOX или MixData.
  4. Настройте стриминг данных из Google Analytics в Google BigQuery. В этом также помогут OWOX BI или MixData BI.
  5. Теперь настройте импорт данных о звонках в Google BigQuery с помощью все тех же OWOX BI, MixData BI.
  6. Настройте импорт данных из вашей CRM в Google BigQuery. Для этого придется привлечь программиста.
  7. Визуализируйте данные с помощью Google Data Studio или Microsoft Power BI.

Выбор способа построения аналитики субъективен. Все зависит от ниши, в которой вы работаете, региона, уровня конкуренции, рекламного бюджета и вашей компетенции в работе с данными аналитики.

К примеру, если вы работаете на рынке недвижимости в столице и на привлечение целевого звонка тратите 300 долларов, вне зависимости от рекламного бюджета, смело можете тратиться и строить крутую аналитику — она гарантированно окупится.

Если же у вас маленькая компания, два-три менеджера и небольшая нагрузка на отдел продаж, вы можете обойтись без дорогих специализированных инструментов и построить аналитику очень простым, даже примитивным способом. И с минимальными затратами, что немаловажно.

Для этого вам нужно подключить Google Analytics и коллтрекинг, а также создать гугл таблицу, которую ваши менеджеры будут заполнять вручную. Поля в ней могут быть любые, главное, чтобы среди них был код оператора и номер телефона звонящего. Помимо них, менеджеры могут отмечать статус заказа, сумму, добавлять комментарии и т.д.

image3

Затем данные из Google Analytics и заполненной таблицы объединяются по номеру телефона (с помощью Core Reporting Api и формулы = inmportrange) и переносятся в другую таблицу. Визуализировать все это также можно с помощью Google Data Studio.

Схема объединения данных в этом случае будет такой:

image4

Таблица с объединенными данными такой:

image2

А визуализация, например, такой:

image5

Алгоритм, схема и пример взяты из реального кейса наших партнеров.

И последнее — важное

Если вы уже заморочились, потратились и таки построили для своего бизнеса сквозную аналитику, используйте ее данные по максимуму. Да, нам бы тоже хотелось верить в то, что если просто смотреть на красивые графики, диаграммы и медитировать на цифры, то показатели вырастут сами по себе. Но это не так. С данными надо работать, принимать решения, строить стратегию. Если вы сомневаетесь в своей компетентности работать с данными аналитики, наймите для этой работы специально обученного человека и не переставайте учиться сами. Ведь в итоге цель любой аналитики сводится к повышению прибыли, а не построению красивых отчетов.

1 Звезда2 Звезды3 Звезды4 Звезды5 Звезд (6 оценок, среднее: 5,00 из 5)
Загрузка...

2 комментария на «“Построение сквозной аналитики на практическом примере интернет-магазина сантехники”»

  1. Роман:

    Спасибо за статью! Скажите вы оценивали каналы трафика с учетом ассоциированных конверсий? Или просто по последнему взаимодействию?

    • Роман, спасибо за вопрос! На проекте kabinka.kz мы используем систему аналитики roistat. В данной системе есть аналог ассоциированных конверсий — мультиканальная аналитика, где мы смотрим долю участия канала как напрямую, так и косвенно в закрытой продаже.

Добавить комментарий

Ваш e-mail не будет опубликован.

Нажимая кнопку «Отправить комментарий», вы подтверждаете, что ознакомились с Условиями обработки персональных данных и принимаете их.

Подпишись на рассылку

Рассылка Безумных Котиков интернет-маркетинга, спонтанная, субъективная, обо всем.
Email *
Имя *
Нажимая кнопку «Сохранить», вы подтверждаете, что ознакомились с Условиями обработки персональных данных и принимаете их.