UnionCreated using FigmalectureCreated using Figma
8511 https://ppc.world/uploads/images/ab/05/63691491356e9-Frame-68.jpg 2022-11-08 Аналитика ppc.world 160 31

Проанализировать все: какие сервисы для сквозной аналитики используют специалисты

Сквозная аналитика незаменима для бизнеса в ситуациях, когда нужен качественный анализ маркетинговой стратегии. Когда нужно узнать не только, сколько лидов принесла кампания, но и сколько из них завершились сделкой и стали конверсионными. Какие сервисы использовать для сквозной аналитики и чем можно заменить зарубежные инструменты, рассказываем с экспертами по аналитике данных Александром Мориным (руководитель BI/DWH ArrowMedia и автор проекта Директ-ПРО) и Романом Романчуком (создатель блога This is data).

Количество кликов и показов объявлений — важная информация, но сухая. Бизнесу интересно не только то, сколько человек кликнули на баннер на Поиске, но и то, сколько из них оформили заказ и сколько эта рекламная кампания принесла клиентов, покупок и денег. Сквозная аналитика помогает понять, какие направления маркетинговая команда выбирает правильно, а какие стоит им улучшить. Разбираемся, как лучше проводить сквозную аналитику и чем можно заменить зарубежные сервисы.

Сквозная аналитика и зачем она нужна

Инструменты и сервисы: чем пользуются специалисты

Отечественные альтернативы зарубежным сервисам

Бесплатные курсы интернет-профессий

Доступны после регистрации на сайте

Учиться бесплатно

Сквозная аналитика и зачем она нужна

Например, вы продаете образовательные курсы и запустили промо в разных системах. С помощью сквозной аналитики вы сможете увидеть, что кампания А принесла 100 лидов, 50% из которых завершились сделкой, а кампания Б принесла 300 лидов, из которых только 10% оформили заказ. Это поможет убрать неэффективное и усилить то, что работает лучше всего. В целом, это и есть главная цель сквозной аналитики — собрать все данные, которые есть о маркетинговых стратегиях и выявить самые лучшие. Но если подумать еще, то сквозная аналитика помогает:

  • анализировать показатели на интуитивно понятных дашбордах и изучать каналы выручки;

  • на основе полученных данных выявлять самый эффективный трафик и больше распределять расходы на него;

  • находить неэффективные источники трафика и не тратить на них бюджет;

  • искать новые каналы привлечения пользователей. Например, запускать рекламу на радио;

  • подготавливать и считать ключевые метрики (трафик, количество продаж/заказов, расходы и выручка), от которых формируются остальные (Retention, LTV, ROMI, CAC и т. д.);

Александр Морин

Александр Морин эксперт по автоматизации, руководитель BI/DWH ArrowMedia, автор проекта Директ-ПРО

Сквозная аналитика нужна для быстрого и точного принятия решений в бизнесе. Корректировка ставки на ключевое слово, отключение рекламного креатива или запуск новой кампании — все это невозможно сделать без анализа текущей ситуации. Регулярное принятие правильных и быстрых решений подобного рода ведет к повышению эффективности рекламы и росту прибыли.

Допустим, у вас большой интернет-магазин — вы продаете женскую одежду. Спрос постоянно скачет, мода все время меняется, сезонность влияет на продажи. В периоды активного сезона надо оперативно усиливать рекламу, а в периоды спада спроса — срочно снижать расход. Необходимо следить за работой креативов, обновлять слабые или приевшиеся. Постоянно нужно корректировать ставки — в тренде все время что-то новое. При этом желательно опираться не только на данные последнего клика, но и анализировать всю цепочку касаний.

Невозможно управлять таким магазином без автоматизированной сквозной аналитики. Вы просто не будете успевать строить отчеты и анализировать данные, не говоря уже о принятии важных решений. Пока вы собираете отчет вручную, конкуренты уже обгонят вас и заберут все деньги покупателей. Конечно, магазин — это частный пример. Но конкуренция есть везде и выигрывать ее без использования данных все труднее.

Если обобщить — сквозная аналитика необходима для повышения прибыли бизнеса и выигрыша в конкурентной борьбе. В наше непростое время выживает тот, кто не только собирает данные, но и правильно использует их для оптимизации рекламы и бизнеса в целом.

Роман Романчук

Роман Романчук эксперт по аналитике данных, автор блога This is Data

В Википедии сквозная аналитика определяется как метод анализа эффективности маркетинговых инвестиций на основе данных, прослеживающий полный путь клиента, начиная от просмотра рекламного объявления, посещения сайта и заканчивая продажей. Однако бизнесу неинтересны показатели просмотров объявлений, кликов по ним, количество событий на сайте и т. д. Бизнесу интересны деньги. С его точки зрения, сквозная аналитика это — способ быстро и качественно сделать вывод о результативности маркетинга и его процессов для принятия решения. Аналитика на это может ответить подсчетом показателя ROMI и объема заказов.

Romi

Пример расчета:

Всего продаж: 100 000 рублей

Себестоимость: 40 000 рублей

Затраты на маркетинг: 50 000 рублей

Валовая прибыль: 100 000 — 40 000 = 60 000 рублей

Итоговый ROMI: (60 000 — 50 000)/50 000*100 = 20 %

То есть, рекламная кампания окупилась полностью и принесла 20% прибыли сверху.

Теперь о том, как принимаются решения в маркетинге. Основной вопрос, стоящий перед маркетингом, — вопрос о том, как правильно вложить рекламный бюджет, чтобы максимизировать выручку?

Основываясь на данных сквозной аналитики можно:

  • увеличить бюджет на рекламный канал и усилить активность;

  • оптимизировать бюджет на канал;

  • отключить канал;

  • перераспределить бюджет на другие рекламные каналы или кампании.

Инструменты и сервисы: чем пользуются специалисты

Самый популярный инструмент для сквозной аналитики — Power BI. В нем можно визуализировать данные, собранные из разных источников. Брать их можно отовсюду: Google Analytics, Яндекс Метрика, AppMetrica, Amplitude, Appsflyer, Mixpanel, Adjust. Все они предоставляют разные показатели, которые потом собираются в кучу и визуализируются в Power BI.

Если нет Power BI:

Делаем сквозную аналитику на коленке из Google Sheets, GA и Tilda

Роман Романчук

Роман Романчук эксперт по аналитике данных, автор блога This is Data

В маркетинге есть особенность — часто данные, нужные для подсчета ROMI, хранятся в разных учетных системах, которые не дружат между собой.

Например:

  • данные о расходах в рекламных системах;

  • данные о трафике в аналитическом счетчике;

  • данные о заказах и доходах в CRM-системе или базе данных.

Схема расходов, доходов и трафика

Эту проблему можно решить через создание модели потоков данных. Модель потока данных — это решение объединяющее данные из различных систем, которое ставит перед собой задачу налаживания коммуникации с пользователем на всех этапах воронки. Чтобы вы понимали, с кем вы коммуницируете, на сколько выгодно с ним коммуницировать и где вы должны с ним коммуницировать.

Вторая схема

Пример решения по передаче и объединению данных

Знание о клиентах

И дальше знания о клиенте можно применять для:

  • создания детальных сегментов для ретаргетинга;

  • корректировки ставок в рекламных системах для тех, кто уже заходил на сайт;

  • поиска новых клиентов при помощи технологии поиска похожих пользователей Look-alike;

  • поиска конверсионных сегментов при помощи машинного обучения;

  • персонализации контента на сайте.

Александр Морин

Александр Морин эксперт по автоматизации, руководитель BI/DWH ArrowMedia, автор проекта Директ-ПРО

Уже более пяти лет для построения сквозной аналитики мы используем Power BI. Для построения базовых отчетов мы задействуем базу данных ClickHouse — это удобно, когда клиентов много и хочется автоматизировать сбор типовых данных.

Главный плюс Power BI — очень обширный функционал для работы с данными: от извлечения и преобразования до хранения и визуализации. По своей сути Power BI — это лоу-код инструмент, с ним легко начать работать и для этого не нужно уметь программировать. Для замены всех функций Power BI придется освоить несколько разных инструментов и даже погрузиться в программирование, что сильно повышает порог входа для новичков.

Кроме этого, Power BI позволяет использовать встроенные потоки данных вместо стороннего хранилища, что очень удобно. Все нестандартные задачи мы решаем с помощью потоков данных Power BI. С введением санкций наш инструментарий не изменился, так как Power BI фактически не имеет аналогов. Если говорить про Microsoft, то в России прекратились продажи новых лицензий, а также стала недоступной регистрация новых аккаунтов. Если у вас не было аккаунта Power BI, теперь его нельзя официально регистрировать в России. При регистрации нужно указывать локацию другой страны, а лицензии можно купить только с помощью иностранной карты.

Отечественные альтернативы зарубежным сервисам

Такого инструмента, как Power BI, на российском рынке нет, однако можно воспользоваться другими, которые частично закрывают его функционал.

Yandex DataLens

Yandex DataLens — это сервис от Яндекса для визуализации данных и бизнес-аналитики. В нем можно структурировать информацию сразу из нескольких источников, собирать дашборды и визуализировать результаты. Сервисом могут пользоваться несколько человек из команды сразу — для этого нужно добавить учетные записи сотрудников или внешних партнеров, и каждый из них увидит нужную аналитику, в зависимости от полученных прав.

Callibri

Это еще один российский сервис, в котором можно проводить сквозную аналитику и собирать данные по обращениям на сайте, из CRM‑систем и рекламных платформ.

В отчетах собрано больше 10 показателей, которые помогут оценить эффективность рекламы и следить за показателями в динамике.

Calltouch

У компании Calltouch есть сервис для сквозной аналитики и коллтрекинга, в котором можно легко объединить данные рекламных площадок, CRM систем и других маркетинговых инструментов с данными сайта в одном окне. Из всего этого потом собирается понятный и визуализированный дашборд. Это позволяет изучить эффективность маркетинга, учитывая все источники и каналы трафика на сайт.

А если понадобятся и другие сервисы:

Чем digital-агентства заменяют привычные сервисы

Роман Романчук

Роман Романчук эксперт по аналитике данных, автор блога This is Data

Google Analytics и Яндекс Метрика собирают данные о источниках трафика и взаимодействии пользователя с фронтом сайта: количество просмотров страниц, время на сайте и другие показатели, а также различные события происходящие на фронте: нажатие кнопок, заполнение форм. Но почти в любом бизнесе после взаимодействия с сайтом пользователь переходит на следующие этапы воронки и начинает взаимодействовать с колл-центром, попадает в CRM-систему и дальше. И вот как раз таких знаний нет в Google Analytics и Яндекс Метрике. Нужно отдать должное этим системам — в них есть возможность передавать какие-то знания об офлайн-взаимодействиях, расходах и доходах и строить некое подобие сквозной аналитики внутри интерфейса. Но чаще всего этого недостаточно. Поэтому я рекомендую собирать все данные о взаимодействиях клиента с вашим бизнесом в единое хранилище и уже поверх него строить аналитику в стороннем инструменте визуализации, например, в Power BI.

За время работы аналитиком я перепробовал различные варианты сбора отчетности. Начиная с ручной выгрузки данных из кабинетов рекламных систем с последующим сведением в Excel и заканчивая созданием специальных отчетов в Google Analytics или дашбордов в Data Studio. Но ни один из вариантов не был идеальным, и каждый имел свои недостатки. Все изменилось, когда я открыл для себя Power BI.

Microsoft Power BI — это один из самых технологичных на данный момент инструментов по визуализации данных, обладающий большим набором коннекторов к различным системам, позволяющий создавать автоматизированную отчетность.

Александр Морин

Александр Морин эксперт по автоматизации, руководитель BI/DWH ArrowMedia, автор проекта Директ-ПРО

На российском рынке есть много инструментов для работы с данными, но чаще всего это небольшие системы, которые хранят данные на своей стороне. При этом они платные, а их функционал ограничен. Если вы привыкли к гибкости и обширному функционалу Power BI и не доверяете сторонней системе хранение ваших данных, я рекомендую освоить Python и ClickHouse. И обратите внимание на opensource-инструменты, особенно Apache — они помогут всё систематизировать и визуализировать.

Касаемо визуализации — базовые вещи можно получить в Yandex Datalens. Но Datalens — довольно молодой сервис, не дающий достаточной гибкости и подходящий только для базовых визуализаций. Для более гибких решений в плане визуализации можно посмотреть в сторону opensource-инструментов — Apache Superset и Metabase.

Хранить данные придется в БД и тут могу порекомендовать все тот же ClickHouse. Загрузку данных в хранилище лучше всего делать с помощью Python, так что придется хотя бы минимально освоить программирование. Если у вас много клиентов — рассмотрите организацию загрузки данных в базу с помощью Apache Airflow. Airflow — отличный оркестратор, который поможет организовать множество процессов и быть в курсе всех ошибок.

Последние комментарии

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: