Що таке наскрізна аналітика і як вона працює

Буває, обговорюєте щось в компанії, і тут мова заходить, скажімо, про нову угоду Apple. Зізнатися, що ви не в темі, соромно, тому залишається тільки кивати з розумним виглядом. Знайоме?

У цьому матеріалі CPO iProspect Ukraine Ілля Денщиков пояснює, як працює наскрізна аналітика, які інструменти використовувати і як її налаштувати.

Навіщо потрібна наскрізна аналітика

Наскрізна аналітика - це збір, обробка і аналіз даних про ефективність залучення (ROMI) і утримання клієнтів. Період - від моменту показу реклами до повторних покупок протягом усього терміну життя клієнта (LTV).

Ці заходи допомагають зрозуміти, де ми ефективно витрачаємо гроші на маркетинг, а де викидаємо на вітер. Завдання наскрізно аналітики - з'єднати дані про заявки з сайту і дані про продажі в CRM системі.

Наприклад, у нас є школа англійської з рекламними кампаніями в Google Ads та Facebook. У кожній системі є з десяток різних рекламних кампаній з різними месседжами і на різну цільову аудиторію. Нам потрібно визначити, яка з рекламних кампаній і аудиторій приносить не просто заявки, а реальні гроші.

Тут на допомогу приходить наскрізна ідентифікація користувачів від моменту першого контакту до продажу. Ми розмічаємо кампанії і передаємо дані про рекламу на наступні етапи воронки.

Кому потрібна наскрізна аналітика

Наскрізна аналітика застосовується в основному в digital, де є інструменти відстеження дій користувачів в мережі: UTM-мітки, файли cookie, ідентифікація аккаунта користувача.

Вона підійде для онлайн-просування майже будь-якого бізнесу: освіта, фінанси, електронна торгівля, веб-сервіси і додатки.

Як працює наскрізна аналітика

Є три етапи контакту користувача з рекламою:

1. Оголошення - ми бачимо статистику в рекламних кабінетах Google, Facebook.
2. Сайт - зі статистикою про відвідувачів (Google Analytics, Adobe Analytics).
3. CRM-система (Bitrix24, Microsoft Dynamics 365).

Дані з інструментів збираються в одну базу даних. Щоб порахувати ROMI, нам потрібно визначити скільки витрачено на рекламну кампанію і скільки вона принесла доходу.

Можна налаштувати автоворонку - покроковий сценарій, який проходить людина від першого відвідування сайту до покупки самостійно, з транзакціями на сайті без участі менеджерів з продажу. У такому випадку витрати рекламної кампанії зберігаються в рекламному обліковому записі. Дані про доходи можна отримувати в Google Analytics через налаштування цілей з цінністю або блоку e-commerce. Нам залишається лише вивантажити звіт рекламного аккаунта і аналітики, зіставити дані і порахувати ROMI, наприклад в Excel.

Єдиний мінус методу - це Excel. Безліч таблиць потрібно оновлювати і зводити вручну.

Але в 90% випадків проблему можна легко вирішити імпортом даних про витрати в Google Analytics. За допомогою опції «імпорт даних» можна імпортувати дані про доходи, наприклад через OWOX Pipeline або інші коннектори.

На жаль, таких бізнесів досить мало. Як правило, у нас буде ще контакт з менеджером, повернення та інші канали продажів. Нам потрібна більш гнучка система, яка зможе захопити всі стадії і варіанти розвитку подій.

Узагальнена схема воронки виглядає так:

Щоб аналітика дійсно була наскрізною, нам потрібно зібрати всі дані в одну корзину Бази даних - набору структурованих і пов'язаних таблиць з даними про всі точки контакту з клієнтом. А потім вивести в звіт / дашборд.

Щоб в базі даних все не змішалося, нам необхідна маркування - загальний ідентифікатор даних. На етапі переходу користувача на сайт нашим основним ідентифікатором буде UTM-мітка. Всі онлайн-активності потрібно розмічати, навіть якщо це SMS-розсилки, PR-статті або QR-коди. Після переходу на сайт з'являється другий ідентифікатор - ClientID. Це ID користувача, який Google Analytics надає йому в момент першого переходу користувача на сайт.

Завдяки ідентифікаторам, ми можемо поєднати дані, так як аналітика знатиме UTM-мітку користувача і ClientID, а CRM-система буде знати ClientID і номер телефону або інший ідентифікатор користувача.

Як обробляти дані?

Для початку потрібно вибрати кошик, яка зможе збирати всі необхідні дані, зіставляти і обробляти їх. Є кілька варіантів:

• Excel або Google Sheets;
• Google Analytics;
• системи наскрізної аналітики в окремому інструменті або на базі CRM;
• кастомними рішення на базі Google Big Query або MySQL.

Розберемо плюси і мінуси кожного рішення:

Excel чи Google Sheets

Це рішення підходить, якщо вам потрібно звести невеликий обсяг даних або є технічні труднощі з інтеграцією. Наприклад, для одного нашого клієнта збираємо дані в Google Sheets з рекламних платформ і Google Analytics з допомогою App Scripts. Він зі свого боку підвантажує дані про конверсії із зазначенням UTM-мітки, по якій прийшов клієнт. Її в свою чергу отримує разом з даними про ліда. Потім ми зіставляємо дані і виводимо в дашборд Google Data Studio.

Мінусом тут є обмеження в обсязі оброблюваних даних і у відстеженні повторних продажів.

Google Analytics

У Google Analytics є дві функції, які роблять її хорошим сховищем даних.

Перша - це «імпорт витрат», про яку ми розповідали на початку. Друга - це Measurement protocol, за допомогою якого в аналітику можна відправляти будь-які дані. Нам він знадобиться для передачі даних про продажі з CRM-системи. Для реалізації потрібно налаштувати кілька скриптів POST-запитів, які будуть відправляти дані про те, хто, коли і скільки у нас замовив.

Якщо ви тільки починаєте шлях в наскрізному відстеження, Google Analytics - відмінний і головне - безкоштовний спосіб відстеження повної воронки. З мінусів - підключення програміста для передачі запитів з CRM і передачі ClientID в окреме поле CRM-системи разом з іншими даними про клієнта.

Системи наскрізний аналітики

На ринку є багато систем, які дозволяють звести всі дані в одне місце. Деякі дозволяють налаштовувати моделі атрибуції (механізм для оцінювання цінності різних зусиль в маркетингу, - ред.). Вам потрібно лише додати кілька скриптів на сайт і авторизуватися в рекламних акаунтах.

Щодо швидке і недороге вирішення питання. Але є кілька мінусів:

1. У вас немає доступу до тіла даних для підготовки кастомних звітів.
2. Всі звіти в інтерфейсі системи. Складно ділитися інформацією у великій компанії або з підрядниками.
3. Будуть складності із завантаженням не передбачених системою джерел (SMS-розсилки, PR-статті, CPA-мережі).

Кастомне рішення

Інтеграція може проходити важко і зайняти від двох до шести місяців, але результат того вартий. На цей шлях варто вставати, коли ви вже використовуєте якийсь із способів вище, але його об'єктивно недостатньо. Якщо у вас багато повторних продажів з різних джерел і різними шляхами користувача, то навряд чи вийде зібрати все в сторонній системі без додаткової атрибуції, зв'язування окремих джерел продажів.

Вибір оптимального шляху для настройки наскрізної аналітики буде залежати від ваших маркетингових активностей, воронки продажів, частки повторних продажів і зручності використання.

Але якщо у вас на сайті менше 50 000 користувачів в місяць і витрати на рекламу менше 100 000 грн, швидше за все, немає сенсу витрачатися на складні інтеграції.

Хто займається наскрізною аналітикою?

У будь-якому з варіантів вам будуть потрібні знання веб-аналітики: як збирати і передавати дані в різні системи. У цій темі можна розібратися і самостійно, але в такому випадку ризикуєте набити багато шишок, перш ніж все запрацює. Якщо обсяг робіт по наскрізний аналітиці досить великий - сміливо можна наймати веб-аналітика інхаус, або хоча б скористатися послугами консультанта. Але досить зручно віддавати цю частину роботи на аутсорс в рекламні агентства або фахівцям з веб-і наскрізний аналітиці.

З чого почати налаштування наскрізної аналітики

Наскрізна аналітика - це загальне поняття. Кожен вкладає в неї свій сенс і свій рівень деталізації. Аналітика повинна бути перш за все чистою і осмисленою, дані - нормалізованими.

Збагачуйте свою аналітику поетапно. Почніть з зведення даних в Excel, визначте похибку між заявками і продажами і вже при необхідності підключайте сторонні сервіси. Навіть ці мінімальні дії можуть значно спростити роботу зі звітами і розуміти ефективність вашої реклами.