Попробовать

Что такое сквозная аналитика, как работает и зачем нужна бизнесу?

Smart Data Hub

Smart Data Hub

Сквозная аналитика на базе ИИ

Что такое сквозная аналитика?

В этом материале мы:

  • Дадим определение сквозной аналитики в трех видах в разрезе целей и задач, которые она выполняет для реального бизнеса;
  • Расскажем на каких принципах строится сквозная аналитика и для чего она нужна бизнесу;
  • Углубимся в технические особенности сквозной аналитики и её построения;
  • На реальных примерах покажем: какие задачи она решает, и как её применить в реальных бизнес-задачах;
  • Ответим на вопрос “Где та самая разница между применением сквозной аналитики и её отсутствием?
  • Расскажем почему утверждение “метрика была хорошей, пока она не стала KPI” работает на практике и как именно.
Половина денег, которые я трачу на рекламу, не приносят пользы. Проблема в том, что я не знаю, какая именно половина

“Половина денег, которые я трачу на рекламу, не приносят пользы. Проблема в том, что я не знаю, какая именно половина” — Сказал Джон Уонамейкер еще в 1960-ые годы прошлого века и ведь оказался прав! Джон был американским бизнесменом, политическим деятелем, одним из основоположников современного рекламного дела.  И уже тогда Джон понимал важность аналитики своих рекламных расходов, но в те годы не было ни то что систем аналитики – даже компьютеры не были еще созданы (Первую реально работающую программируемую вычислительную машину сконструировал немец Конрад Цузе в 1941 году). Поэтому учет данных, и тем более создание систем для их учета, не представлялось возможным. Но мы с вами живем в веке двадцать первом и такой проблемы у нас нет. 

Чтобы ответить на вопрос “что такое аналитика данных” мы обратились к Игорю Кузину — нашему CEO, который преподает курс о сквозной аналитике в Высшей Школе Экономике. Он любит давать следующие определения: 

Определение “от денег до денег”. 

Сквозная аналитика – это область маркетинговой аналитики, опирающаяся как на данные о маркетинговых расходах, так и на данных об ассоциированные с ними доходах.

Определение созданное “на базе оцифровки воронки”. 

Сквозная аналитика – это маркетинговая аналитика, оперирующая цифровыми данными в денежном выражении по всем этапам воронки продаж.

Определение “на основе объединенных данных”. 

Сквозная аналитика – это маркетинговая аналитика, построенная на базе объединенных, детализированных и структурированных данных из всех источников, влияющих на эффективность маркетинговых коммуникаций. 

Разберем эти определения подробнее. 

С первым определением все относительно просто – аналитика сфокусирована на точном подсчете доходах от рекламы и расходах на неё. 

Но это применимо далеко не всегда, поэтому мы обратимся к другим определениям. 

Из формулировки второго определения ясно сразу – здесь главное воронка продаж. Но почему она так для него важна? 

Давайте разбираться на примере AARRR воронки!

Воронка AARRR или “пиратские метрики”, а точнее группы метрик. Активно используются командами роста и продуктовыми командами. 

Автор термина «пиратские метрики» – Дэйв МакКлюр, американский предприниматель и частный венчурный инвестор. Основатель венчурного фонда и стартап-акселератора 500 Startups, его CEO до середины 2017 года. 

Вот основные параметры AARRR воронки:

Acquisition – Привлечение по всем каналам. 

Activation – Активация. Если активация происходит после начала пользования продуктом или после оплаты, то нужна команда роста или продуктовая команда 

Retention. Удержание – предполагает повторные продажи

Referral. Удержание – Рекомендации – высокая лояльность

Revenue. Деньги – по всем слоям воронки. 

Activation, Retention и Referral – CJM.

Часто бывает так, что окупаемостью инвестиций в рекламу не очевидна, и эти самые инвестиции окупаются не за счет прямой продажи рекламируемого продукта здесь и сейчас, а только за счет повторных продаж клиенту, который был привлечен этой рекламой. Хорошим примером могут быть товары малой стоимости (юр. услуги, доставка воды в офис, доставка еды и т.д.). Клиент, как правило, не останавливается на одной покупке, а совершает их на регулярной основе. Поэтому классическая воронка продаж плохо применима к такой модели, потому что окупаемость инвестиций при условно “классической” воронке не отражает реальной картины и не учитывает другие этапы. Так работает на практике не классическая воронка продаж, а именно AARRR воронка.

Чтобы учитывать по-настоящему все этапы как раз и нужна сквозная аналитика.

Ладно, с определениями мы закончили, давайте двигаться дальше!

Сквозная аналитика значительно расширяет зону ответственности маркетинга.

До внедрение сквозной аналитики зона ответственности маркетолога кончается на объеме переходов и количестве конкретных лидов. После внедрения начинают учитываться все остальные показатели, которые ведут до повторных продаж: сколько лидов обработано, сколько из них сконвертировалось в продажу, общий объем продаж клиентам, которые пришли с рекламы и конечная прибыль/рентабельность, ROMI.

Когда мы выстраиваем сквозную аналитику мы начинаем видеть, что на каком то из этапов существуют значительные проблемы, которые нужно устранить и неизбежно возникают конфликты интересов между теми или иными структурными отделами. 

При помощи сквозной аналитики мы находим инсайты, разрабатываем решение на их основе и внедряем его, но при этом неизбежно возникает конфликт между подразделениями на фоне внедрения определенных KPI, которые с этим связаны.

Появляются новые вызовы при пересечении зон ответственности маркетинга и других отделов, подразделения получают новые, ранее не используемые KPI. Зачастую сама природа этих KPI заставляет эти структурные подразделения конфликтовать. 

Далее мы разберем примеры таких конфликтов подробнее.

Конфликт маркетинга и продаж. 

Если  у вас есть отдел продаж, как правило, отделу маркетинга устанавливается некоторый KPI на качественные (целевые, квалифицированные) лиды, а отделу продаж на закрытие этих лидов на качественные сделки. Это звучит очень логично, но есть ниши бизнеса, процент лидов в котором, составляют пустые или не целевые лиды. Там, где доля спама довольно высока, зачастую включают как раз этот KPI. Но получается так, что отдел продаж заинтересован занижать количество качественных лидов, а отдел маркетинга заинтересован в обратном. “Метрика была хорошей, пока она не стала KPI”. 

Именно этот процесс описывает Джерри Мюллер в своей книге “тирания показателей”.

Чтобы избежать подобной проблемы нужно вводить четкие критерии квалификации лида, но этот процесс тоже нельзя назвать простым. 

Второй конфликт маркетинга и продаж возникает тогда, когда качественные лиды не обрабатываются и теряются в ходе воронки (звонки не происходят, клиента не доводят до покупки и т.д.).

Третий конфликт маркетинга и коллцентра. Очень часто маркетинг обнаруживает несовершенство работы коллцентра. 

Конфликт маркетинга и аналитики. KPI маркетинга: ROAS, а KPI аналитики: качество данных, генерация отчетности. Маркетинг ждет инсайтов и рекомендаций, а аналитика фокусируется на самом обеспечении данными. 

Маркетинг vs IT отдел. Самые частые KPI для маркетинга: ROAS, KPI. А для IT отдела: надежность инфраструктуры. IT инертен, вечно занят другими задачами, не ориентирован на ROAS и на рост. Зачастую такое преодолевается только политической волей руководства. 

Как устроена сквозная аналитика на практике? Какие цели и итоги ее построения?

Далее мы разберем основные понятия построения сквозной аналитики, что позволит нам понять её цели результат и рассмотрим принципиальную структуру отчета.

В маркетинговой аналитике существуют ключевые сущности из которых формируется любой отчет. Вот главные из них:

Параметры – классы объектов, объединенные общим признаком. Например: цвет автомобиля, объект продажи, тип страхового полиса, канал. 

Значения параметров (срезы) – сами эти объекты; как правило, представляют собой текстовые сущности. Например: красный, ЖК «Восход», КАСКО, Paid Search. 

Показатели (метрики) – числовые величины, описывающие состояния объектов. Например: количество тест-драйвов, количество броней, объем продаж, расход. 

Чтобы объединить данные из разных источников им необходимы одинаковые элементы. На практике, чаще всего такое достигается за счет разметки и UTM-меток. 

На примере ниже вы можете увидеть как выглядит классическая UTM метка:

Так, например, выглядит типовая utm-метка на практике: www.example.ru/landingpage/utm_source=yandex&utm_medium=cpc&utm_campaign=dostavka_gruzo_msk& &utm_term={keyword}&utm_content=skidki

Параметры UTM-разметки

На рынке негласно принят отраслевой стандарт, в который входят 5 utm-меток, передающих следующие параметры:

utm_source — источник (yandex, google, vkontakte);

utm_medium — канал (cpc, cpa, cpm);

utm_campaign — кампания (dostavka_gruzov_msk, srochnaya_dostavka_new);

utm_term — условие таргетинга (ключевое слово, демография, аудитория и т.д.);

utm_content — объявление (креатив) (skidki, postoplata, skorost).

Деталь utm разметки, которая позволит вам легче и быстрее читать отчеты на практике:

yandex/cpc – такая или аналогичная запись отображают значение параметра «источник/канал». Это позволяет сокращать параметры и легче читать и распознавать данные из разных источников.

Получение ключевой метрики по сегментам – это то, что открывает возможности для оптимизации. Это и есть цель построения сквозной аналитики.

Результаты внедрения сквозной аналитики

Самая частая цель внедрения сквозной аналитики одна – оптимизация маркетинга, т.е. сокращение инвестиций в неэффективные

сегменты и наращивание вложений в эффективные. 

Однако, результат от внедрения всегда шире:

  1. Рост прозрачности бизнеса;
  2. Увеличение управляемости (решение проблемы «черного ящика»);
  3. Ускорение принятия решений (за счет автоматизации бизнес-процессов);
  4. Повышение уровня доверия к данным, формирование data-driven

культуры в компании;

  1. Рост бизнеса за счет открывающихся возможностей оптимизации.

В чем разница между применением сквозной аналитики и её отсутствием?

Для того, чтобы это понять давайте разберем несколько кейсов из реальной практики. 

Типовой кейс застройщика из СПБ (NDA)

Кейс демонстрирует принципиальное отличие управленческих решений в условиях сквозной аналитики и без нее.

Вот как выглядел их дашборд анализа Яндекс рекламы: 

Зеленым цветом выделены те кампании, которые показывают позитивные результаты с точки зрения данных веб-аналитики, а красным – рекламные кампании, которые показывают неудовлетворительный результат. Казалось бы, здесь все просто и нужно просто исключить те рекламные затраты, которые показывают самые низкие результаты. 

В действительности, если мы внимательно посмотрим аналитику продаж в целом, обнаружится что именно по этим мало эффективным источникам есть реальные продажи, а по другим (зеленым) источникам этих продаж нет. В итоге получается, что самые не эффективные источники приносят нам деньги, а эффективные на первый взгляд деньги не приносят. Именно поэтому отключать их было нельзя. 

Без внедрения метрик сквозной аналитики это понять было просто невозможно, а то управленческое решение, которое мы могли бы принять на базе веб-аналитики – было бы противоположно тому, которое бы мы приняли на базе аналитики сквозной. 

Таким образом, внедрение сквозной аналитики позволило отсеять те источники трафика, которые давали некачественные лиды, которые не приносили продаж (хотя в отчетах они значились как позитивные). 

И сделать упор на те, которые приносили.

Кейс «NEXT PROEKT M»

А теперь давайте разберем следующий кейс, кейс компании «NEXT PROEKT M». Компания занимается ремонтом квартир класса “премиум” и помещений для бизнеса в Москве. 

Ситуацию до внедрения сквозной аналитики можно описать как: 

  • много лидов, но мало продаж;
  • план по продажам не выполняется;
  • необходима аналитика продаж и правильные выводы.

Вот как выглядел график трафика из платных источников за последние три месяца с конверсиями в продажу:

В этом кейсе, ключевой проблемой было то, что лиды давали низкую конверсию с этапа “назначен замер” к этапу “проведен замер”. Был нелогичный и большой разрыв между этими этапами, который сложно было объяснить и проанализировать, не было понимания почему именно это происходит. 

При более глубоком анализе оказалось, что существуют заявки по которым замер не состоялся по самым разным причинам. В компании существовал CPA подрядчик, схема работы с которым была простой: лиды за оплату. Из-за чего подрядчик был заинтересован в их большом количестве, а не качестве и выдавал зачастую фейковые заявки. Аналитика выявила поставщика этих фейковых лидов и его отключили. 

Кроме того, были найдены проблемы с воронками в отделе продаж. Таким образом, была существенно повышена результативность продаж в целом.

Что же в сумме дала аналитика в этом проекте? 

Вот ключевые приобретения:

  1. Была полностью пересмотрена стратегия продвижения, а продажи

показали рост более, чем вдвое по сравнению с периодам начала

оптимизаций. А это было основной целью!

  1. Удалось выяснить откуда именно идут лиды, которые кажутся

качественными по всем критериям, но в итоге не переходят в замеры и

продажи.

  1. Отказ от CPA-подрядчика, который поставлял фродовые лиды с оплатой за

результат.

  1. Найдены точки роста в отделе продаж, в результате выявления этапов, на

которых происходит наибольший отвал потенциальных клиентов. А понимание этого позволило исправить эти проблемы. 

Слово самому клиенту: 

Главный вывод: сквозная аналитика позволяет принимать качественно новые управленческие решения, которые ориентированы на результат.

Хорошо, давайте предположим, что вы уже внедрили сквозную аналитику. Но как будет производиться её анализ? С чего начать и какую механику анализа применить? 

Давайте разберемся пошагово!

1. Определить конкретные цели, которые выполняет сквозная аналитика для бизнеса.

Они могут самыми разными, к примеру: увеличение прибыли и капитализации, подготовить отдел продаж к продажам, решить макроэкономические задачи и даже привлечение новых инвестиций. 

2. Определить ключевые задачи аналитики на основе целей бизнеса.

Здесь все относительно просто: нужно найти сегменты маркетинга с низкой эффективностью, которые подлежат оптимизации и найти сегменты маркетинга с высокой эффективностью, в которые можно вкладывать больше.

3. Формирование пирамиды метрик. 

А вот здесь уже посложнее. Давайте разбираться. Пирамида метрик – это системное отображение показателей, объединенных в группы и отранжированных по значимости. 

Такая пирамида для каждого бизнеса своя, но всегда выполняет одну цель — отображение в логической последовательности тех метрик, которые нужны для выполнения целей сквозной аналитики. Она помогает сформировать понимание того, какие метрики необходимы для решения задач бизнеса. 

Здесь очень важно понимание так называемой North Star Metric (NSM) – метрики, которая избирается основной для анализа. Она выбирается, исходя из пирамиды метрик, уровня статистической значимости и уровня развития аналитики в компании. 

Метрики же на более низких уровнях позволяют избегать ошибочных выводов и понять причины динамики NSM (помогают отвечать на вопрос «почему»). На практике могут использоваться несколько ключевых метрик на разных уровнях иерархии управления.

Вот как выглядит классическая пирамида метрик (но для каждого бизнеса она может быть своя): 

4. Формирование KPI.

Когда мы определили NSM и/или ключевые метрики нужно определить к каким их значениям мы стремимся и в каком периоде.

Необходимо зафиксировать:

  • NSM и/или ключевые метрики
  • Их эффективные пределы (ограничения)
  • Рекомендуется использовать комбинацию из относительных и абсолютных метрик;
  • KPI могут быть заданы по сегментам (целесообразно для контроля работы различных подрядчиков или различных групп инхаус специалистов, т.к. выполнение одних и тех же KPI в различных сегментах может оказаться невыполнимой задачей).

Как это отображается на практике? Вот примеры корректных KPI:

  • CPL < 500 руб. при Объеме лидов > 100;
  • ROAS > 1000% при объеме продаж > 10 млн. руб.
  • LTV > 20 000 руб. при CAC < 7 500 руб.

5. Отбор параметров и их комбинаций. Формирование отчетов. 

Давайте разберем принцип отображения таких отчетов и почему логика параметров и показателей, которых мы говорили выше, универсальна. 

Выбор параметров и их комбинаций могут быть самыми разными.

Вот основные из них: 

  • источник/канал
  • тип рекламной кампании
  • рекламная кампания
  • ключевое слово
  • содержание объявления
  • тип устройства
  • для поисковых: тип позиции, позиция
  • для сетевых: место показа рекламы
  • город
  • посадочная страница
  • день недели
  • конкретное время

А вот некоторые дополнительные параметры:

  • браузеры (+версии, движки)
  • разрешения
  • операционные системы
  • бренды и модели устройств

6. Непосредственный анализ в значении “разложения”. 

Хорошо, мы определились с параметрами и показателями (метриками), но как их проанализировать? Теперь нам необходимо «разложить» ключевую метрику(и) по различным параметрам, находя неэффективные срезы. Неэффективными мы считаем срезы, значения по которым ниже целевых (KPI), либо ниже среднестатистических.

То есть необходимо разграничить те, которые выполняют KPI и те, которые этого не делают.

Важное уточнение: анализ ключевой метрики (NSM) производится одновременно с другими метриками, которые прямо или косвенно влияют на эту самую ключевую метрику. 

На этом все! Теперь вы сможете сформировать корректные отчеты, которые будут привязаны к конкретным целям бизнеса и будут их выполнять.

Давайте разберем, как это работает на самом простом примере еще раз.

Есть некая мебельная фабрика “Матрикс”. У бизнеса очень много рекламных кампаний и если мы собираем по ним статистику и даем для анализа руководству – она ему абсолютно непонятна (длинные таблицы utm-меток, сводные данные об эффективности рекламных креативов и ключей и т.д.). Статистика на языке маркетинга не понятна руководству и ничего ему не дает в смысле понимания маркетинговых затрат. На основе отчетности невозможно синхронизироваться с производством.

Что необходимо сделать в такой ситуации? 

Первое, чем нужно заняться – сегментировать данные, объединить их в группы. Конкретно в этом кейсе и примере сегментация велась по:

  • Ценовым сегментам
  • Направлениям продаж
  • Категориям материалов
  • Типам помещений

После сегментации данных был создан сводный дашборд для высшего руководства и введена отчетность по отделам в режиме реального времени.

Это позволило синхронизировать данные и их поступление с производством, использовать инструмент сквозной аналитики (дашборд) и конечно же принимать руководству верные управленческие решения на основе данных и их анализа. 

Итак, мы ответили на все основополагающие вопросы о сквозной аналитике, дали её точные определения и привели примеры реального использования. 

Кроме того, мы разобрались с механикой построения отчетов, поняли на каких принципах построен этот процесс, какие конфликты (и почему) возникают в отделах после внедрения и закрепили знания на реальных примерах. 

Искренне надеемся, что вы перестанете анализировать свои данные применяя только Excel…

Если вы дочитали до конца, вам понравился этот материал, показался полезным и насыщенным и вы хотите еще больше такого контента – следите за новыми публикациями и подписывайтесь

Содержание

    Нет времени
    читать?

    Сквозная аналитика
    Smart Data Hub

    • Воронка продаж как на ладони:
      от показов рекламы до денег в кассе
    • Никакой рутины, полностью
      автоматизированная отчетность и интеграции
    Узнать подробнее

    Повышайте продажи 🚀
    Экономьте на рекламе 💰

    По разным данным от 30 до 70% рекламного бюджета самых разных компаний улетает "в трубу". Эти деньги можно сохранить или потратить на развитие бизнеса.

    Оставьте заявку на тест-драйв платформы

    Место встречи:
    Удобное время:
    Город:
    Куда отправить ссылку на встречу:

    Заявка Успешно
    отправлена!

    Читайте также:

    Отправьте статью
    себе на почту

    Нажимая на кнопку "Подписаться", вы даете согласие на обработку персональных данных в соответствии с Политикой конфиденциальности ООО "Смарт Аналитикс Рус"
    Статья отправлена на вашу почту!