Аналитика и бизнес: что думают об этом Авинаш Кошик и Симо Ахава

Аналитика — пожалуй, самое трендовое направление маркетинга. Именно тут будет найден окончательный ответ на главный вопрос бизнеса «о половине рекламного бюджета», и тут же закладывается основа для самых прорывных маркетинговых технологий.

А для AGIMA эта тема близка как никому другому: с 2013 года компания делает аналитику для крупнейших ecommerce-проектов, СМИ, страховых компаний, ритейлов и многих других российских бизнесов.

Мы поговорили с теми, кто находится на переднем крае практической аналитики, о её настоящем и будущем.

Авинаш Кошик — практикующий аналитик, автор блога «Бритва Оккама», посвящённого исследованиям и управлению эффективностью интернет-маркетинга, а также двух бестселлеров о веб-аналитике.

Симо Ахава — эксперт по Google Tag Manager и Google Analytics, с 2014 года — Google Developer Expert по веб-аналитике. Ведёт именной блог, в котором пишет о цифровом маркетинге, аналитике и веб-разработке, делится советами и самописными инструментами для работы с GTM.

Успейте купить корпоративный пакет COSSA-2025 со скидкой!

Cossa анонсирует главный рекламный формат на весь 2025 год: сразу 8 различных опций.

Пакет идеально подходит для онлайн-сервисов, стартапов, интернет-компаний и digital-агентств.

Успейте приобрести пакет до повышения цены!

— Считается, что грамотный и постоянный анализ данных даёт мощный импульс развитию бизнеса. Этому есть масса примеров. Но такой подход до сих пор не стал обязательным, мы постоянно видим, как даже крупные бизнесы не уделяют должного внимания аналитике.

Как вы считаете, это связано с ограничением аналитических технологий — трудно собрать данные, недостаточно точен анализ, не очень достоверны выводы — или причина в людях, которые не понимают этих технологий, не умеют с ними работать и предпочитают простые решения?

Симо Ахава (Simo Ahava): Здесь невозможно выделить какую-то одну причину. Дело в том, что аналитика слишком неосязаема, это нечто эфемерное — и поэтому она редко становится приоритетом при разработке сайта или приложения. Легко признать важность элементов UI/UX, но гораздо сложнее решиться выделить нужные ресурсы на аналитику.

Именно поэтому очень важно, чтобы в каждой команде был человек, который на протяжении всего процесса разработки смотрит на неё с точки зрения аналитики. Когда все владельцы бизнеса усвоят, насколько важны качественные данные для развития бизнеса, аналитическая работа естественным образом станет одним из приоритетов.

Авинаш Кошик (Avinash Kaushik): Проблема частая, а причина на удивление проста: дело в том, что обычно ни руководство компании, ни аналитик не уделяют должного внимания чистому доходу компании.

У руководства компании может быть слабая онлайн-стратегия, они могут заниматься бизнесом спустя рукава, не понимать, какие удивительные возможности дают мобильные технологии и так далее. Если онлайн не даёт весомого вклада в доход компании, то едва ли будет интересна и связанная с этим аналитика.

Аналитики склонны выдавать массу отчётов с цифрами, но, к сожалению, чаще всего эта информация несрочная и неважная в текущий момент (например, количество визитов или просмотров страниц). Если при этом аналитик не измеряет, как digital-стратегия влияет на доход компании, то его работа с данными никому не интересна.

Да, мы можем измерить многое, мы можем внедрять лучшие методы и т. д. Но ключевая проблема обозначена выше. И первый шаг к её решению — разработать для компании модель измерений и digital-маркетинга (Digital Marketing & Measurement Model).

— Аналитический инструментарий развивается, но пока ещё требует достаточно высокой квалификации от использующих его. Какова, по вашему, основная тенденция в развитии аналитики: благодаря развитию средств автоматизации аналитика будет становиться всё доступнее «простым предпринимателям», или же наоборот — ещё более усложнится, и окончательно превратит аналитиков в носителей сакральных знаний и умений, таких себе нейрохирургов от бизнеса?

Симо Ахава: В таких обобщениях, опять же, есть риск упрощения, стереотипизации. «Сложность» аналитики зависит от глубины понимания анализируемого бизнеса. Невозможно получить вразумительные данные по бизнесу и процессам, которые сам аналитик не вполне понимает. Если же он досконально знает, что свидетельствует о росте бизнеса, с которым он работает, то даже простейшие методы анализа данных могут принести грандиозные результаты.

То есть вопрос не в том, насколько аналитика доступна или недоступна. Важнее то, как увидеть параллели между научным методом работы с эмпирическими данными и анализируемым предметом (бизнесом, ростом бизнеса).

Поместить аналитиков на особый пьедестал, с которого они провозгласили бы себя обладателями некоего эзотерического знания, недоступного простым смертным, — вот уж в чём отрасль нуждается меньше всего. Аналитика — не некая обособленная профессия или навык, это побочный продукт бизнес-мышления и нацеленности на рост. Это средство достижения цели, а не нечто отдельное и самостоятельное.

Авинаш Кошик: Данные уже широко применяются в компаниях — практически для всех рабочих задач, поэтому я полагаю, что каждый сотрудник постепенно освоит базовые навыки работы с данными. Аналитики же начнут специализироваться на стратегическом анализе, на том, как связаны показатели разных подразделений и бизнес-функций, а также на анализе долгосрочных изменений в компании.

Все сотрудники компании постепенно оценят преимущества машинного обучения и AI, и с их помощью разберутся — какие данные им нужны, чтобы лучше делать свою работу. Я надеюсь, что это уменьшит полную неразбериху с данными, которую мы наблюдаем сейчас повсюду. Использование ценных человеческих ресурсов уместно там, где алгоритмы пока недостаточно ясны (там, где есть пробелы в данных, неоднозначность и т. д.).

— В бизнесе часто противопоставляют подход аналитический и «интуитивный». Некоторые руководители сознательно игнорируют аналитические данные, если они не совпадают с их ощущениями. Как вы к этому относитесь? По-вашему, может ли быть хорошим решение, противоречащее данным исследований?

Симо Ахава: Несомненно, интуиция — действенный способ развития бизнеса. Принимать решение, не обращая внимания на количественные данные, — иногда очень хорошая идея. Ведь при обобщении результатов их обычно приходится нормализовать. Нормализация данных способствует умеренному подходу, а он редко даёт серьёзный рывок вперёд.

Порой полезно довериться своему чутью. Но главное при этом — подстраховаться данными, чтобы проверить, действительно ли это была хорошая идея. Ключевую роль здесь играет оперативность: вы можете решиться на весьма крутые виражи, основываясь на своих догадках, но чем скорее вы их проверите, тем ниже будут ваши риски.

Авинаш Кошик: Это типичная и повсеместная проблема — я сталкивался с этим и в России, и в США, и в Европе.

Решить её несложно. В одном из недавних выпусков моей рассылки (The Marketing — Analytics Intersect) я поделился простой моделью — как надо представлять данные внутри компании. Нужно три компонента:

1. Озвучить идеи.

2. Предложить конкретные действия.

3. Описать их влияние на бизнес.

Сейчас большинство аналитиков оказываются в описанной вами ситуации, потому что они делятся лишь идеями и ничем больше. Тогда руководство компании делает что хочет.

Разберём мой сценарий. Вы представляете идеи. После этого вы рекомендуете предпринять действие X и действие Y. Кроме того, вы сообщаете, что действие X принесёт компании 5 000 000 ₽, а действие Y даст ещё 3 000 000 ₽ дохода.

Кто будет с вами спорить? Кто решится игнорировать эти цифры (они как раз отражают влияние на бизнес) и вздумает делать, что взбредёт в голову? Никто. Потому что названа конкретная сумма.

Вот и весь секрет. Определите цену потерь — во сколько обойдётся игнорирование ваших данных.

— Какова ответственность аналитика? Не секрет, что далеко не всегда результаты исследований бывают корректны — случаются ошибки и на этапе сбора и, особенно, на уровне интерпретации. Аналитики, серьёзно относящиеся к своей работе, ожидают, что решения будут приниматься на основе их заключений. Но готовы ли они к столь же серьёзной ответственности? Ведь ценой ошибки может стать судьба всей компании.

Симо Ахава: Всё зависит от того, как принято в конкретной компании. Многие консалтингово-аналитические фирмы довольствуются написанием довольно формальных отчётов, в которых не предлагают бизнесу ничего по-настоящему прорывного. Потому что у них нет стимула, чтобы понять механизм этого бизнеса — чем он живёт. Ответственность консультантов обычно очерчена в договоре, но я сильно удивлюсь, если на некую консалтинговую компанию возложат ответственность после того, как заказчик сделал что-либо, основываясь на её отчётах.

Несколько сложнее с аналитиками, работающими внутри компании. Тогда ты уже не сторонний наблюдатель, а постоянный сотрудник, отвечающий за работу с данными, которые компания поставляет в режиме реального времени. Твоя ответственность такая же, как у любого другого работника, занимающегося развитием бизнеса.

Вот почему так важно объяснять всем внутри компании, какие данные собирают и для чего используют. Если на всех уровнях организации полностью понимают смысл работы с данными, то это снизит риск получить ненадёжные результаты, которые приводят к ошибочным решениям.

— Если аналитик не может дать 100% гарантии, то не делает ли это аналитику похожей на гадание? И как быть, если аналитик ошибся в прогнозе? Как после ошибки доверять его суждениям и выводам? Выслушивать мнение, держа в голове, что оно может быть ошибочным? Но тогда мы возвращаемся к интуитивному способу принятия решений — и зачем в этом случае вообще нужна аналитика?

Авинаш Кошик: Боюсь, что это немного наивно. Можно ли быть уверенным в результатах телевизионной рекламы? А как насчёт билбордов, которые я вижу по всей Москве?

Их эффективность можно просчитать только во время многочисленных экспериментов с рекламными размещениями, или же с помощью моделирования маркетинг-микса [Media Mix Modeling — использование больших объёмов данных для вычисления эффективности расходов на каждый маркетинговый канал]. И даже в этом случае ваша уверенность будет лишь частичной.

В digital-рекламе и маркетинге точность прогноза гораздо выше. Она не стопроцентная, но составляет более 80%.

Поскольку точность исходных данных лишь 80%, важно убедиться, что при построении прогноза вы выбрали оптимальные показатели. Постепенно ваш опыт прогнозирования станет лучше, вы будете собирать и анализировать результаты проведённых кампаний — и сможете скорректировать вашу модель и уточнить допущения. Со временем это позволит добиться более точных прогнозов.

Симо Ахава: Прогнозы всегда приблизительны. Уровень их точности зависит от количества информации — как много данных было использовано, чтобы смоделировать результаты и дать прогнозы.

Аналитик никогда не должен обещать абсолютно точных результатов. Только индикаторы — какие направления стоит развивать бизнесу. Кроме того, не следует принимать решения лишь на основании данных, полученных аналитиком. Я считаю, что компанию ждёт провал, если она полностью делегирует ему и анализ данных, и развитие бизнеса. Нормальный организм работает иначе — изолировать задачи в этой сфере опасно, потому что одному человеку редко удаётся разобраться во всех деталях, на которые влияют те или иные факторы.

То есть анализ результатов должен быть групповой работой. Аналитик, будучи экспертом по методологии, должен организовать обсуждение, но он точно не должен пытаться повлиять на анализ, его задача — помочь группе понять полученные данные, и то, как они связаны с используемой бизнес-моделью.

— Должен ли аналитик задаваться моральными вопросами? Допустим, в результате исследований он видит возможность роста компании в сомнительном с моральной точки зрения сегменте. Например — большой интерес аудитории к дорогим пищевым добавкам, не имеющим никакой медицинской ценности. Компания может на этом хорошо заработать, но заведомо ясно, что потребители получат чисто психологический эффект. Несёт ли аналитик моральную ответственность за принятое компанией решение обнаруженный сегмент развивать? Допустимо ли вмешиваться в данные «по моральным соображениям»?

Симо Ахава: Опять же, это зависит от компании. С моей точки зрения, если рост может привести к нарушению закона, то решение вполне очевидно. Но остаётся главный вопрос — что делать с этой информацией.

Я не вижу проблем, если аналитик предлагает компании курс, неоднозначный с точки зрения морали. При условии, что компания в состоянии оценить, что на кону. То есть вместо того, чтобы просто сказать: «нам стоит заняться продажей таблеток для похудения, потому что так говорят данные», им следует провести тщательное исследование, которое не ограничивается лишь количественными показателями, но позволяет понять, на что ещё повлияет новый курс. Ещё один вариант — просто устроить обсуждение и позволить компании сообща найти ответ на эти моральные вопросы.

Авинаш Кошик: Это вопросы, на которые приходится искать ответы каждому.

Есть две отрасли, с которыми я не работаю. Я их не называю, поскольку решение не сотрудничать с ними — мой личный выбор, и я не хочу давить на других.

Если вы работаете в этих отраслях, я не стану вас осуждать (вы имеете право на такое решение), но я не буду с вами сотрудничать.

— Сталкивались ли вы с тем, что за фиксированный относительно небольшой гонорар увеличивали конверсию и зарабатывали своему клиенту условный миллион долларов? Не вызывает ли такая ситуация досады?

Авинаш Кошик: Я делал это много раз. Отчасти я занимаюсь этой работой как раз потому, что у меня это хорошо получается. Я прошу у клиентов гонорар, и после этого тружусь изо всех сил, чтобы добиться для них максимальной отдачи. Часто она гораздо значительнее — и превышает мой гонорар во много, много раз. Тогда я радуюсь за клиента.

А если вдруг отдача от моей работы окажется просто гигантской... Значит, у следующего клиента я смогу попросить более высокий гонорар!

Симо Ахава: Я работаю над качеством и развитием данных, поэтому у меня никогда не было возможности напрямую повлиять на что-либо. Конечно, мне доводилось обнаруживать проблемы с некачественными показателями — и исправлять ошибки. Бывает, что после этого данные демонстрируют впечатляющий рост доходов. Однако это не «новые» деньги — они всегда там были, просто некачественные показатели не могли их отобразить.

Консалтинг с оплатой за результат — неприятный бизнес, он нацелен на кратковременный рост показателей в ущерб более значительному росту в долгосрочной перспективе. Если кому-либо удастся оптимизировать воронку продаж в ecommerce так, что ROI, например, достигнет 1000, они будут, скорее всего, до смешного горды этим достижением, а не раздосадованы, что заработали меньше, чем могли бы.

— Чем отличаются штатные аналитики от консалтингово-аналитических агентств? У кого больше возможностей?

Симо Ахава: У консалтингово-аналитических агентств есть редкая возможность посмотреть на бизнес извне, со стороны. При работе внутри бизнеса кругозор аналитика часто сужается — из-за ограничений и ожиданий, исходящих от компании. В то время как внешний консультант может поделиться с клиентом обширными знаниями самых разных отраслей бизнеса, и это может натолкнуть на совершенно неожиданные идеи для развития.

При этом у внутренних аналитиков есть удивительная возможность стать одновременно экспертом как в области работы с данными, так и в конкретном бизнесе. Как я уже сказал ранее, главное условие добротной аналитической работы — не инструменты и методология, а именно понимание бизнеса. По-моему, настоящие профи в аналитике — те, кто работает внутри компании, добиваясь её роста, и использует при этом методы, недоступные для специалистов извне.

Авинаш Кошик: Интересные возможности есть и у тех, и у других; в определённый момент любой из этих вариантов — правильный выбор.

Я думаю, что время от времени переключаться между ними — отлично для карьеры. Поработать внутри компании примерно 4–5 лет, потом пойти в агентство (консалтинговое, креативное или какое-то ещё). Потом, ещё 4–5 лет спустя, опять пойти работать в компанию, но уже получив больше ответственности. Эти перемены не дадут вашей карьере застояться и помогут развиваться интеллектуально.

— Современные тренды — большие данные, машинное обучение (ML), искусственный интеллект (AI). Как это всё меняет аналитику — сегодня и в ближайшем будущем?

Авинаш Кошик: Это очень мощное влияние — даже трудно передать, насколько. Я написал целый пост на эту тему, там вы найдёте более развёрнутый ответ: Artificial Intelligence: Implications On Marketing, Analytics, And You.

Симо Ахава: С этими трендами в отрасль приходит больше модных словечек и сексуальных концептов, что неплохо, поскольку привлекает внимание к эмпирическим методам, подчёркивает их важность.

В то же время у меня вызывает некоторую опаску, когда компании начинают искать специалистов по машинному обучению, разработке искусственного интеллекта, прогнозной аналитике и большим данным. В большинстве случаев эти организации находятся на нижней ступеньке работы с аналитикой, и у них серьёзные проблемы с качеством даже простейших данных. Проблема в том, что идеи в стиле TED-конференций, стремительно распространяясь, создают иллюзию, будто некто может просто начать «делать AI», хотя на самом деле сперва нужно освоить хотя бы начальный уровень аналитики. Забавно слышать рассуждения о «больших» данных, когда компания всё ещё никак не справится с «малыми».

— Как, по-вашему, изменится профессия аналитика в ближайшие пять лет?

Симо Ахава: Надеюсь, что постепенно придёт всестороннее понимание: что аналитика даёт компании, как это работает. Лично мне хотелось бы, чтобы внутренние аналитики чаще делились своими наработками и опытом, тогда представления об отрасли не будут ограничиваться лишь консалтинговыми компаниями, которые часто придерживаются слишком поверхностного подхода и сводят работу к подготовке формальных отчётов.

Я также надеюсь, что, несмотря на все эти надвигающиеся перемены (VR, AI, ML), мы не забудем, насколько важно сначала создать прочный фундамент для работы. Сперва настройте теги как полагается — и только после этого начинайте думать о больших данных!

Олег Рудаков Руководитель отдела аналитики AGIMA

По опыту, чем более глубоко и осмысленно мы исследуем продукт, тем бо́льший результат можем получить на выходе. Например, для одной модной страховой компании мы проводили серию сплит-тестов с оплатой по модели revenue share. То есть, мы получали процент от дополнительной прибыли, которую принёс предложенный нами вариант, по отношению к прибыли оригинального варианта. В этом кейсе несколько простых, и, казалось, очевидных изменений не дали ничего. Но после того как был проанализирован большой объём обращений пользователей и предложены соответствующие изменения, это дало профит. Однако какова корреляция и какой профит получит заказчик, зачастую трудно и предположить. Поэтому мы, как внешний подрядчик, вынуждены озвучивать идеи и предлагать действия. И уже дальше, вместе с командой заказчика, оценивать влияние всех предложений на бизнес.

Ещё одна сложность, которая связана с предыдущей — не все предложенное аналитиками внедряется в реальную жизнь. Причины могут быть разные: что-то требует изменения внутренних процессов, за которые отвечают не наши заказчики, а их коллеги из других отделов; что-то сложно оценить в профите для компании, но совершенно точно требует больших вложений для реализации. Например, в одном из исследований КАСКО для большой страховой компании мы заметили, что немногие готовы оплачивать полис за несколько сотен тысяч рублей онлайн. Но при этом готовы сделать онлайн расчёт, распечатать идентификатор и данные расчёта и оплатить офлайн. Дать пользователям такую возможность кажется очень логичным, но для этого необходимо значительно изменить часть внутренних процессов. И, к сожалению, сложно обосновать возможные потери при отказе от такого перехода.