Системный анализ конкурентов: семантика, объявления, сайт, отдел продаж

«Если знаешь противника и знаешь себя, сражайся хоть сто раз, опасности не будет; если знаешь себя, а его не знаешь, один раз победишь, другой раз потерпишь поражение; если не знаешь ни себя, ни его, каждый раз, когда будешь сражаться, будешь терпеть поражение».

Сунь Цзы, трактат «Искусство войны», VI-V век до н. э.

«Мне реально понравился вебинар, сам бы лучше не описал, как правильно использовать наш сервис и интерпретировать данные».

Антон Михайлов, CEO SpyWords о вебинаре «Системный анализ конкурентов»

Анализ конкурентов — как фото голых селебрити: когда пишешь про это, 100% можешь рассчитывать на внимание аудитории. Страсти к подглядыванию в замочную скважину столько же лет, сколько человечеству, и с этим ничего не поделать. Но мало просто подглядывать. Даже если хорошо умеешь это делать, соль не в этом.

Для предпринимателя и digital-маркетолога настоящая сила в том, чтобы, глядя на конкурентов, уметь «вынимать» из общего потока информации системные, стратегические преимущества и органично интегрировать их в свой бизнес, избегая копирования недостатков.

Последнее особенно интересно. Я сотни раз видел рекламные кампании, собранные по неэффективным ключевым словам, UX-решения, снижающие конверсию, скрипты менеджеров, отталкивающие клиентов, — «мы сделали так, потому что это есть у конкурентов». Не надо так.

Этот материал не столько и не только про «подглядывание» за конкурентами. Он о том, как отделять зерна от плевел в анализе заклятых друзей, и, отделив, понять, как и зачем интегрировать решение, взятое в чужом процессе, в ваш бизнес.

1. Анализ семантики
2. Анализ объявлений
3. Анализ сайтов
4. Анализ отдела продаж

Системный анализ семантики

«Если не знаешь, чего хочешь, умрешь в куче того, чего не хотел».

«Бойцовский клуб»

Главное — правильно поставить цель. Когда цель известна, почти всегда можно изыскать средства.

Так в чем же цель анализа семантики? Чаще всего на этот вопрос отвечают так: мы хотим найти дешевые и эффективные запросы, по которым рекламируются конкуренты. Однако такая цель неосуществима и бессмысленна. Чтобы понять, почему это так, нужно хорошо знать, как работает сбор семантического ядра как таковой.

Итак, у вас есть бизнес, вы продаете товары или услуги. Чтобы запустить рекламную кампанию, привлекающую клиентов, на первом этапе вам нужны не запросы, а базисы. Запрос — это набор слов или символов, являющийся условием для показа рекламного объявления, условием таргетинга. Базис — это условие для сбора большого количества вложенных запросов. Вот простейший пример:

Смысл в том, что, если вы продаете пластиковые окна, то для гарантированного на уровне логики 100% охвата всех возможных фраз и минимизации цены лида за счет работы с низкочастотными ключевыми фразами (НЧ), вам нужно:

1. Взять базис «пластиковые окна».
2. Собрать все запросы, включающие в себя «пластиковые окна + что-то еще» и имеющие ненулевую частотность в регионе бизнеса. Для этого прорабатываем Wordstat в глубину 2–3 уровня, подсказки и отчеты по поисковым запросам в Метрике.
3. Отсмотреть все эти фразы в полуручном режиме, выделить нерелевантные и сформировать из них файл с минус-словами.
4. Взять все оставшиеся фразы (т. н. чистые) и кластеризовать их — разбить по группам подобные фразы, учитывая пользовательские интенты.
5. Создать из них рекламные кампании и далее работать с аналитикой и оптимизацией.

Впрочем, на практике все несколько сложнее. В идеальном мире, будучи малым бизнесом, мы действительно можем взять все фразы, включающие в себя «пластиковые окна + что то еще», согласно второму пункту.

Однако таких фраз будет несколько сот тысяч. Точное количество зависит от региона, числа поисковых запросов из Метрики и сезона, так как в верхней и нижней точке сезона Wordstat отдаст разное количество фраз, особенно на 2 и 3 уровнях. Сам по себе сбор фраз не проблема — это быстро и недорого. Сложности возникают с чисткой и кластеризацией массива, в котором будет 80–90% нерелевантных фраз.

Таким образом, существует противоречие: чтобы получить максимальный охват и предельное количество недорогих НЧ, нам нужен сбор по «общему», охватному базису (маске) «пластиковые окна». Однако на практике для среднего или малого бизнеса обработать такой массив в разумные сроки не представляется возможным.

Поэтому приходится прибегать к «искусству возможного» и подбирать уточненные базисы, которые:

• дадут более мотивированные коммерческие вложенные запросы;

• дадут меньший объем вложенных фраз;

• за счет увеличения количества базисов как таковых будут отвечать потребностям бизнеса в лидогенерации.

Итого, вместо одного базиса «пластиковые окна» с огромным и очень «грязным» НЧ-хвостом, вам нужно взять базисы такого рода:

Реклама пока лишь по части базисов этого плана приносит заказчику 15-25 заявок на монтаж пластиковых окон в сутки по цене около 1500 рублей за лид.

Вывод: сбор семантики — это процесс поиска базисов, которые бы отвечали нескольким условиям:

• релевантность базиса и большей части вложенных запросов целям бизнеса;
• невысокая мусорность вложенного НЧ-хвоста (мусорность от 20 до 50% можно считать нормальной);
• достаточный охват базиса: если вы возьмете в качестве базиса запросы из 5–6 слов, вы не сможете собрать практически никакого хвоста и, как следствие, нужного трафика;
• количество базисов и присущего им потенциального трафика должно отвечать потребностям бизнеса в заявках.

Теперь, понимая, что такое сбор семантики, можно поставить правильную цель, связанную с анализом семантики конкурентов: мы пытаемся найти не отдельные запросы, а новые базисы, их синонимы и переформулировки, которые мы не учли, но они пришли в голову конкурентам.

Когда у нас есть цель, можно перейти к выбору инструментов для ее достижения и попутно рассмотреть, почему сервисы анализа конкурентов типа SpyWords нельзя применять для анализа отдельных поисковых фраз, как это делает большинство пользователей.

Доступных инструментов не так много:

• SpyWords — анализ семантики, объявлений, запросов в органической выдаче в Ru;
• Serpstat — аналогично, однако есть базы не только для зоны Ru, но и для западных стран;
• Advse — аналогично;
• MegaIndex — аналогично, есть еще ряд других функций;
• SimilarWeb — оценка трафика, разбивка по каналам, довольно точная для крупных сайтов и примерная для мелких.

Остальные сервисы, по сути, внимания не заслуживают, так как дают данные низкого качества. Чтобы выбрать подходящий для нашей задачи инструмент, изучим, как работает каждый из этих сервисов.

Группа сервисов «Парсеры выдачи»

Я объединил в одну группу SpyWords, Serpstat, Megaindex. Принципиальная схожесть этих сервисов — в работе с фиксированной базой данных, получаемой при парсинге (сканирования) поисковой выдачи.

Как это работает?

1. Сервис берет некую базу запросов.
2. Очищает от мусора и отбрасывает наименее частотные, например, с частотностью от 1 до 5, чтобы снизить затраты на сканирование.
3. Сканирует поисковую выдачу по всем запросам из базы, сохраняет локально.
4. Когда пользователь ищет фразы, по которым ранжируется тот или иной сайт, сервис выдает ему эти фразы.

В чем недостатки такого метода?

1. Неизвестно, откуда берется база, какие запросы в нее попали, а какие нет, неясна ее полнота и охват в конкретных тематиках.
2. Нельзя быть уверенным в качестве обновления базы и оперативности.
3. Результаты сканирования отличаются от результатов, которые видят пользователи, из-за персонализации выдачи.
4. В реальности сканирование затруднительно делать чаще, чем раз в месяц по большой базе запросов. Это значит, что данные будут примерными.
5. В России 90 регионов. Даже если у вас есть база в 100 млн фраз, чтобы получить результаты для каждого региона, нужно совершить 9 млрд запросов к поиску в месяц. Как владелец смежного сервиса MOAB Tools могу утверждать, что эта задача однозначно вызовет резкое и агрессивное противодействие того же Яндекса, как минимум.

Именно эти недостатки исключают возможность использования указанных сервисов для анализа конкретных запросов. Высокая «примерность» этих данных диктует соответствующие методы их применения, о которых поговорим ниже.

В то же время я считаю парсинг выдачи для сбора информации о конкурентах и их семантике лучшим методом из возможных. Advse, идущий по другому пути, дает данные значительно хуже сервисов этой группы.

Для наших целей имеет значение размер базы сервиса и частота ее обновления.

Давайте посмотрим:

• SpyWords: два региона, 121 млн фраз для Ru, обновлено меньше месяца назад (на момент написания статьи).

  

• Serpstat: 10 млн фраз, 3 региона.

  

• MegaIndex: 117 млн фраз, региональные базы недоступны.

  

Таким образом, по формальным показателям пока лидирует SpyWords, ниже протестируем все сервисы на практике.

Группа сервисов «Иные источники данных»

Cервис Advse получает анонимизированные данные из браузерного тулбара. Метод хороший, однако в официальном магазине Chrome тулбара нет, а при его установке браузер выдает уведомление о вредоносности, что явно не способствует росту количества установок.

Впрочем, формально заявленные 17 млн запросов явно не способны сделать сервис лидером нашего рейтинга.

SimilarWeb — сервис немного другой категории. Заявляется, что он использует браузерные тулбары, свои и чужие, покупает доступ к статистике, а также работает с «другими источниками». Как владелец агентства я имею доступ к Метрике большого количества крупных коммерческих сайтов, поэтому, сравнив данные из бесплатной версии SimilarWeb с реальными, могу утверждать:

• для сайтов с суточным трафиком от 2–3 тысяч уникальных пользователей в сутки SimilarWeb довольно точен, погрешность составляет 10–30%;
• для сайтов с суточным трафиком от 500 до 1500 уников в сутки погрешность SimilarWeb в районе 20-40%;
• для сайтов с суточным трафиком менее 500 уников в сутки SimilarWeb дает весьма неточные данные.

Информация о ключевых словах в сервисе есть, однако публично объявленная статистика недоступна. Актуальная стоимость версии Pro на сайте сервиса также не объявлена, но прогноз неутешительный:

Резюме: с формальной точки зрения, лидером нашего рейтинга остается SpyWords.

Теперь, помня о цели и зная, как работают сервисы анализа видимости, мы можем выработать алгоритм анализа семантики конкурентов и сравнить наших подопытных в «боевых» условиях.

Анализ семантики и поиска новых базисов

1. Составляем список сайтов-конкурентов, если его нет: вспоминаем сами и используем специальные инструменты в сервисах. Чтобы собрать список автоматически, нужно ввести свой сайт в системе, и она нам покажет сайты, у которых ядро максимально пересекается с нашим. Для наглядности возьмем сайт нашего клиента incubonline.ru — магазин товаров для птицеводства. Находим конкурентов:

Затем сортируем их по количеству пересекающихся запросов:

После этого проверяем, насколько предлагаемый домен является нашим конкурентом. Если это действительно так, экспортируем и сохраняем все имеющиеся для него фразы.

В Serpstat этот инструмент доступен тут:

2. Переносим все данные в Key Collector при помощи старого-доброго CTRL+C и CTRL+V. В результате у вас должен получиться такой проект:

Статистику из Advse даже не имело смысла экспортировать:

3. И наконец, финальный этап — анализ полученных выборок и поиск новых базисов.

• переходим на вкладку «Анализ групп»

  

• просматриваем полученные группы. В случае incubonline.ru основная цель — продажа инкубаторов, поэтому необходимо оценить группу как потенциальный базис для нашего проекта. Перед нами на скрине группа запросов, объединенная по условию «перепела»: инкубаторы, перосъемные машины и пр. Соответственно, можем попробовать взять базис «инкубаторы для перепелов». По нему и правда неплохая частотность и сравнительно «чистый» хвост.

  

• продолжаем просматривать группы, как правило, достаточно просмотреть верхние 10-20% групп, чтобы найти все самое интересное. Ключевая идея — не «копировать» группы, а выделять из них семантические основы для создания базисов.

С практической точки зрения, лидером также остается SpyWords: наибольшая база, наибольший размер отдаваемых выборок. Лучшее из возможного, скажем так, при всех недостатках метода сбора данных через парсинг выдачи.

Семантика: вместо заключения

В рамках этой статьи я не могу говорить о семантике бесконечно: иначе кто ее дочитает? Поэтому может сложиться впечатление, что я без нужды усложняю простой процесс: если продаешь инкубаторы, то возьми базисы «инкубаторы для кур» и «инкубаторы для перепелов», и вот тебе счастье.

На самом деле все гораздо сложнее, в реальной жизни базисы состоят из сотен синонимов, формулировок, смежных запросов и так далее. Вот несколько реальных семантических планов, которые мы в агентстве составляем ежедневно:

1. Тематика «Металлопрокат» — почти 500 базисов, 191 000 фраз.

2. «Строительство домов в Крыму» — 120 базисов, 12 000 фраз.

3. «Шины» — более 1000 базисов, 54 000 фраз с ненулевой частотностью.

4. «Ремонт бытовой техники» — более 1000 базисов, около 60 000 фраз с ненулевой частотностью.

5. «Трансформаторы» — более 250 базисов, около 27 000 фраз с ненулевой частотностью.

Структура данных везде одинакова: в первой колонке базис, затем частотность, размер семантического хвоста, внизу — объемы трафика и бюджета, данные по потенциальной стоимости заявок. Особенно в случаях «Металлопроката» и «Шин» видно, как много исходных базисов нужно, чтобы полноценно охватить весь спрос, а именно ручной подбор базисов со сравнительно «чистым» и целевым хвостом является самой трудозатратной задачей. Желающие собрать по этим базисам хвосты всегда могут воспользоваться бесплатным тарифом MOAB Tools и убедиться в правоте моих слов: собирать семантику просто, трудно собирать базисы.

Системный анализ объявлений

«Если вас не заметили, вы остаетесь ни с чем. Вам нужно чтобы вас заметили, но без криков и обмана».

Лео Бернетт о рекламе

Системность и понимание конечной цели в анализе — ключевой месседж данной статьи. Поэтому именно с этим и разберемся с самого начала.

Поисковые объявления на примере Яндекс.Директа

Если мы приведем ранжирование объявлений на поиске (собственно, что в Google, что в Яндексе) к грубой модели, то она будет заключаться в следующем: минимизация показов, максимизация кликов.

То есть мы должны сокращать количество показов нецелевым группам пользователей (за счет минус-слов, временного и геотаргетинга, максимизируя вероятность клика для тех, кто все-таки увидит рекламу). Это несложная мысль вытекает из основной аксиомы контекста на поиске: чем выше CTR, тем меньше цена клика. Чем эффективнее вы расходуете рекламные площади поисковой системы, тем выгоднее ей с вами работать.

В поисковых объявлениях Директа у нас есть 10 полей, приведенных по убыванию вероятности показа:

• заголовок,
• второй заголовок,
• текст,
• отображаемая ссылка,
• быстрые ссылки,
• уточнения,
• расширения,
• адрес, метро, телефон.

Все эти поля служат двум задачам:

1. Обеспечить текстовую релевантность объявления за счет вхождения запроса в заголовок и остановить взгляд пользователя (eye-stopper).
2. Убедить человека кликнуть именно по нашему объявлению с помощью УТП, добавленных в текст и другие поля.

При грамотной работе с кластеризацией вам придется иметь дело с большим количеством групп ключевых фраз, для каждой из которых будет отдельное объявление или их группа. Маркеры этих групп (базисы) обычно содержат от 3 до 5 слов и не всегда влезают в первый заголовок, часто приходится использовать и второй заголовок, чтобы обеспечить релевантность заголовка базису.

Таким образом, для УТП у нас остается не так много «свободных» полей:

• второй заголовок (не всегда);
• описание, так как практика показывает, что упоминание ключевого слова в описании не приносит объективных преимуществ;
• быстрые ссылки;
• уточнения и другие дополнения в случаях, когда они показываются.

Понятно, что могут быть какие-то нестандартные решения, но чаще всего все необычное сводится именно к eye-stopping решениям, например, когда в объявление Google Ads вставляют эмодзи. Бизнесовые УТП зачастую довольно стандартны, по крайне мере, в ритейле и услугах.

Какой алгоритм анализа можно посоветовать?

1. Возьмите семантический план с базисами, который появился у вас после анализа семантики.
2. Пробегитесь глазами по рекламной выдаче по базисным запросам, выпишите из объявлений в отдельный файл бизнесовые УТП.
3. А теперь соберите комбинацию УТП, которая даст вам максимальный эффект. Делается это так:

• в каждой тематике есть must have УТП, которые формируют потребительский паттерн. Их используют все более-менее крупные игроки, поэтому они должны быть обязательно и у вас. Например, в промышленных b2b-тематиках это бесплатный расчет, сборка или монтаж на объекте и так далее. Если у вас есть под рукой файл из п. 2, вы легко определите, к чему «приучили» потребителя предприниматели в этой отрасли. Введя в «свободные» поля 2–3 ключевых УТП, вы докажете потребителю, что обеспечиваете базовый уровень сервиса, принятый в нише

• следующая задача — доказать, что помимо общепринятых УТП, у вас есть и изюминка. И здесь анализ конкурентов вам нужен в первую очередь, чтобы сгенерировать уникальное УТП, если у вас его еще нет, конечно. Этот месседж я бы обязательно разместил в описании, а «базовые» УТП, например, в быстрых ссылках. Разумеется, поля и формат могут меняться.

Еще одна важная задача, которую специалист решает при анализе объявлений конкурентов, — выбор стратегии работы с посадочными страницами. В тематиках с устоявшимся потребительским паттерном существуют свои «традиции», которые лучше не нарушать без сильной мотивированной необходимости.

Например, микрозаймы чаще всего продают с лендингов с интегрированной текстовой подменой «под запрос», а в тематике садового инструмента — 99% выдачи, в том числе рекламной, за многостраничными интернет-магазинами.

И здесь ручной «побазисный» анализ может решить несколько задач:

1. Вы сможете понять, с какого типа посадочных принято продавать в нише.
2. Если тематика из e-commerce и наполнена многостраничными сайтами, то в процессе анализа вы сможете выявить сегменты, где кластеризация у людей проработана плохо. Например:

Выявление таких «ненасыщенных» релевантными ответами тематика — трудное, долгое, затратное дело, которое дает множество возможностей в дальнейшем, особенно с точки зрения маржи. Пусть иногда в таких сегментах не так много трафика, но если все игроки предлагают товар по рыночной цене и льют трафик тупо на главную страницу сайта, вы можете сделать релевантную посадочную и лить на товары дороже на 20%, не так ли?

Объявления в РСЯ и КМС

Системный анализ объявлений в сетях несколько затруднителен, так как вы никогда не сможете увидеть полной картины: нет источника, который сможет показать вам все или большую часть объявлений конкурентов в РСЯ и КМС, вы всегда будете видеть лишь небольшую часть целого, те креативы, которые система решила наиболее часто показывать именно вам.

И здесь я хотел бы немного отвлечься от анализа как такового и сфокусироваться на ошибке, с которой мы сталкиваемся почти ежедневно и которую часто разбираем на курсе, — на стремлении сделать объявления как можно более заметными.

Например, рекламодатель сделал кампанию для поиска, там он гнался за высокой кликабельностью. Когда пришло время работать с РСЯ, рекламодатель размещает на креативе красивую девушку с призывным выражением лица, картинки с обещаниями бесплатного того или этого. Он старается максимизировать eye-stopping фактор, чтобы объявление заметили и кликнули по нему. Не надо так.

В сетях CTR не влияет на цену клика. По умолчанию, ваше объявление показывается куда большей ЦА, чем на поиске, это более «грязная» аудитория с меньшей мотивацией в большинстве случаев. Чем более броское объявление, вызывающее, яркое, тем больше внимания оно получит ото всех пользователей, которые его увидят. А вам не нужно внимание «ото всех».

Вам нужно внимание только тех, кто психологически более или менее готов к покупке, кто рассматривает покупку вашего товара или услуги хотя бы в среднесрочной перспективе. То есть вам надо не гнаться за CTR, а стремиться креативом «отсечь» от клика тех, кто не готов покупать, кто только присматривается, кому просто скучно и нечего делать. Ваша задача — дать понять, что тут есть товар или услуга за деньги, это коммерческое предложение товара за определенную цену.

Системный анализ сайтов и менеджеров конкурентов

«Все люди знают ту форму, посредством которой я победил, но не знают той формы, посредством которой я организовал победу. Форма у войска подобна воде; форма у воды — избегать высоты и стремиться вниз; форма у войска — избегать полноты и ударять по пустоте».

Сунь Цзы, трактат «Искусство войны», VI-V век до н. э

Анализ конверсии «трафик – заявка» и «заявка – продажа» у конкурентов — один из самых сложных этапов в digital. Успешный сайт виден всем, и все могут посмотреть на него, проанализировать и скопировать. Тем не менее на 10 успешных проектов приходится 90 сайтов, закрытых в безвестности и без надежд даже на минимальную рентабельность.

Готового решения для анализа продаж не существует, но кое-что сделать можно. Попробуем систематизировать и алгоритмизировать хотя бы основные этапы этого процесса. Я предлагаю вам взять в работу файл, которым пользуюсь сам. В нем две вкладки для анализа сайтов и менеджеров:

В столбце B — параметры, по которым проводим анализ, в столбцах D–H — условные сайты конкурентов, их может быть любое количество. В крайнем справа столбце в каждой из вкладок отмечена критичность параметра по моей субъективной оценке.

Давайте разберем наименее очевидные из параметров, начнем со вкладки «Анализ сайтов конкурентов»:

Строка 3, «Подменяемые номера» — подмена номеров для каждого региона или города, подробное описание — на Cossa, его можно внедрить с помощью специальных сервисов. Это не имеет отношения к коллтрекингу.

Строка 4, «Персонализация по городу в контенте» — модификация контента (цен, текста, картинок, видео, отзывов, авторов отзывов) в зависимости от IP пользователя. Такую фишку мы, например, использовали для некоторых групп пользователей на страницах вроде этой: если у сервиса есть отзывы клиентов из вашего города, то в первую очередь выводятся именно они.

Строка 6, «Чат» — обращайте внимание на поставщика чата. Чаты от Jivosite сейчас выводятся в органической выдаче Яндекса, это увеличивает заметность сниппетта в органике. Если у вас много органического трафика — это важно; если нет, можно использовать другой сервис. В Jivosite персонализированные приветствия с подставляемым городом и запросом настраиваются только через API, а в Envybox — через нативный конструктор без участия программиста.

Строки 9–11, «Формы захвата», «Обратные звонки» — многие сайты используют свои формы обратных звонков и захвата. За исключением банков и им подобных, где маркетологи связаны конфиденциальностью данных, использование самописных решений — зло. Дело даже не в том, что они работают хуже, а в том, что популярные решения — типа того же Envybox — обладают огромной базой cookie-файлов.

Пример: пользователь заполнил форму на сайте вашего конкурента или любом другом, где также стоит Envybox. Связка «cookie — телефон» зафиксирована в базе Envybox, когда человек придет к вам на сайт и соберется заказать обратный звонок, его номер автоматически подставится в форму, заполнение формы сократится с 11-12 кликов до двух.

Поэтому выгодно ставить к себе на сайт:

• специализированные сервисы захвата и обратного звонка, если они поддерживают сохранение связок «cookie — телефон»;
• сервисы, которыми пользуется большинство игроков в вашей тематике.

Строка 13, «Скидка за лайк или шер» — технически можно настроить скрипт, который выдает пользователю скидочный купон в pdf-файле после того, как он лайкнул страницу во «ВКонтакте». В случае с контекстной рекламой этот скрипт можно включать по UTM для витального трафика, если вы не хотите разбрасываться скидками. Или включать для всего трафика, если вы увлечены «белой» накруткой поведенческих факторов.

Строка 73, «Онлайн-оплата» — не хотелось бы призывать к «грязной» игре, но, уверен, значительная часть ваших конкурентов не присылает онлайн-чеки после оплаты, не так ли?

Строка 75, «Мобильный телефон в контактах» — если мобильный телефон часто встречается на сайтах конкурентов, это свидетельствует о низком уровне конкуренции и профессионализма, а также о том, что на звонки отвечает сам ЛПР, значительная часть звонков, вероятно, сливается, так как нет АТС и распределения по менеджерам.

Строка 76, «Порядок вывода товаров на категориях» — у нас был кейс, где кастомный (ручной) порядок вывода товаров на основных категориях повысил конверсию на ~50%. То есть, изначально стояла сортировка товаров «по цене по возрастанию», но реально наиболее востребованными были другие товары, к которым люди привыкли, пусть они и стоили дороже. Эта проблема может казаться надуманной для лендингов, но в магазине с 500 и более товаров, 50–100 и более категорий ручная проработка порядка вывода зачастую дает отличные результаты.

Строка 77, «Контакты через мессенджеры» — еще один популярный способ общения, характерный для некоторых тематик. Например, мы работаем с тематикой «Экскурсии в Таиланде», где такой вид контакта — это 80–90% лидов. Говоря глобально, не пытайтесь спорить с тем, к чему люди привыкли.

Строка 83, «магазин в Маркете» — скорее как показатель конкурентности ниши. Жесткая модерация Яндекс.Маркета предъявляет определенные требования и к бизнес-инфраструктуре, оставляя в игре тех, чья готовность к продажам явно выше минимального уровня.

Вкладка «Анализ менеджеров конкурентов»

Важно понимать, что конкуренты в данном случае анализируются не только чтобы выявить что у них плохо, но и узнать, что у них хорошего, чтобы быть, как минимум, не хуже. По этому чек-листу хорошо бы прогнать и собственный сайт и отдел продаж. Те моменты, которые «хуже, чем у коллег», в первую очередь, нужно исправить и доработать.

Строка 10, «В чате и на телефоне работает один и тот же человек или разный» — в чате и на телефоне должны работать разные менеджеры, так как это совершенно разный профиль деятельности. Как правило, на телефоне важно работать с проблемой клиента и вести его к чеку, в чате — работать с проблемой клиента и вести его к голосовому контакту. Обратная ситуация может свидетельствовать либо о небольшом количестве заявок у проекта в принципе (нерентабельно нанимать отдельных менеджеров), либо о плохой организации обработки лидов. Организуете лучше — сможете использовать эту недоработку.

Отдельно отмечу, что организация такого чек-листа в форме таблицы с анализом большого числа ведущих конкурентов с наибольшим трафиком позволяет видеть системные недоработки коллег — те пункты, где ошибаются все или почти все проекты. Эти пункты — готовое микроУТП, например, все отвечают в чате за 30–40 секунд, мы будем отвечать за 5–7.

Особенное внимание хотел бы обратить на строки 17–22. Эти параметры показывают, насколько менеджер в состоянии видеть за конкретным клиентом некую глобальную проблему, которую надо решить.

Условный пример из собственного бизнеса

Звонит клиент, который продает внедрение специализированного ПО грузовым автопаркам (для учета топлива, GPS-слежения и еще ряда смежных функций). Клиент просит: сделайте мне SEO. Казалось бы, есть запрос — есть коммерческое предложение. Если просят SEO — продай SEO, какие проблемы? Тем более тематика неконкурентная, нормальных позиций по всем ключевым запросам можно добиться сравнительно просто.

Но вопрос в том, что конкретно этому клиенту именно SEO стоит делать вообще в десятую очередь: специфика ниши такова, что «прямого» спроса, т. е. пользователей которые заинтересованы во внедрении продукта прямо сейчас, не так много, а капитальные вложения в доработку сайта, контент, ссылочное продвижение — сравнительно велики с учетом сроков и потенциального выхлопа. Прибыльность будет, конечно, но через 3–5 месяцев, причем лидогенерация довольно быстро упрется в потолок.

Сила менеджера состоит здесь в том, чтобы показать клиенту, что у него предложение, которому не нужен «прямой» спрос. Его продукт позволяет зарабатывать больше автопаркам прямо здесь и сейчас, поэтому нам нужны не только и не столько те немногие, кто ищет внедрение «прямо сейчас», нам нужны ЛПРы автопарков. Им надо показывать рекламу в РСЯ с месседжем «узнайте, как сэкономить ХХХ рублей в месяц в вашем автопарке».

Подбор запросов, которые позволяют таргетироваться на таких ЛПР-ов, сегментов в Яндекс.Аудиториях, почтовых баз и прочего, — это уже следующий этап. Сперва важно увидеть за проблемой, которую видит клиент, проблему, которую нужно решить для его счастья на самом деле.

Этот пример можно экстраполировать на любой бизнес, я использую примеры из агентской отрасли только потому, что хорошо ее знаю. Но почти в каждом бизнесе можно «выставлять счет», а можно продавать интеллектуальную надстройку над товаром или услугой, «решение проблемы» клиента.

Думаю, в остальном сами по себе основные пункты списка не вызовут у вас вопросов. Впрочем, если все же что-то останется непонятным, спрашивайте в комментариях, я буду рад вам помочь.

Заключение

Помните о том, что чужие успешные решения — это в первую очередь чужие успешные решения, работающие в чужом бизнес-процессе. Не стремитесь бездумно копировать, создавайте собственный продукт, в котором базовый для ниши уровень сервиса будет сочетаться с уникальным предложением. Это и будет лучшим фундаментом для LTV: вас помнят не за навязчивую форму обратного звонка, а за то, что вы предлагаете уникальные возможности, которых нет у других. В пример могу привести собственный бизнес (агентство контекстной рекламы): мы всегда работаем на клиентских аккаунтах, собираем семантику бесплатно до договора, мы на пресейле делаем точные (±10–20% в большинстве случаев) прогнозы трафика и заявок.

Если бы мы копировали конкурентов и их УТП, мы никогда не предложили клиентам именно эти возможности. Но теперь у нас покупают именно благодаря им.

Будьте собой и верьте в свой продукт. Все получится.