Если в вашей компании используются собственные идентификаторы для отслеживания конверсий или вы столкнулись с тем, что процесс создания сквозной отчётности затягивается и кажется слишком сложным, то этот материал будет вам полезен.

Лиза Михайловская, наконец-то выкинула счёты и калькулятор

В SMM-направление у нас входят: таргетированная реклама в Facebook, ВКонтакте, MyTarget, продвижение постов сообществ, реклама в Яндекс.Дзене, работа с блогерами и закупка новостного трафика. В Банки.ру мы привыкли ставить себе сложные цели: по всем активностям SMM отслеживаем не только показатели охватов, вовлечённости и переходы, но и заявки на финансовые продукты.

Об особенностях нашей аналитики

Мы не отслеживаем конверсии через Google Analytics или Яндекс.Метрику. Эти инструменты для нас лишь сопутствующие, из них мы берём данные по сеансам и осуществляем контроль за трафиком. Соответственно, utm-метки для отслеживания выручки и заявок для нас бесполезны. Для этого мы используем специальные (свои собственные) метки, которые едины для всех систем учёта. Это позволяет соединять данные разных предметных областей из разных источников.

Как выглядела работа SMM-направления раньше

Все посты и статьи содержали те самые уникальные метки, по которым мы могли смотреть количество привлечённых заявок и выручку. Расходы оставались в рекламных кабинетах, а в случае с блогерами — в отдельных ручных отчётах. Такая система позволяла нам существовать какое-то время: менеджер мог сам вручную сводить доходы и расходы и отслеживать маржу по своим активностям. Затем результаты по всем этим разнообразным активностям сводились воедино, и так мы получали данные об эффективности направления. Но строить прогнозы в таком режиме крайне тяжело.

Мы понимали, что это очень тормозит развитие направления: таргетологу нужно думать прежде всего о том, как максимально эффективно настроить объявления, контент-маркетологу важно понимать, какой конкретно заголовок повлиял на рост доходов, а SMM-менеджеру необходимо сразу видеть, какой контент и вовлекает пользователей, и влияет на решение об оформлении продукта. Мы хотели получать всю статистику в моменте в любое время, а не каждый раз сверять доходы и расходы, прежде чем предпринять какое-то действие.

Из-за того, что utm-метки не решают всех наших задач (в Google Analytics и Яндекс.Метрике просто нет данных о заявках и ценах), многие инструменты рекламных кабинетов оказались для нас малополезными. Например, в Яндекс.Дзене относительно недавно появилась прекрасная опция отображения конверсии из «Метрики». Но увидеть конверсии в заявки таким образом у нас нет возможности.

Можно использовать этот инструмент для отслеживания промежуточных целей. Это тоже даёт информацию для анализа, но конечного результата привлечения заявок нам всё равно не увидеть. А мы, в свою очередь, используем Яндекс.Дзен как performance-инструмент.

Тимур Шахмеликян, умеет решать головоломки

С чем столкнулись аналитики

Надо было учесть всё: в таргетированной рекламе подключить все кабинеты (а их у нас несколько на каждой платформе), в контент-маркетинге получить все данные о публикациях и кампаниях, в SMM не забыть про все типы контента (пост, сториз, статья).

Как только речь заходит о задаче, связанной со сквозной аналитикой, мы готовимся к проектированию сложной модели данных. В случае с SMM умножаем всё это на число рекламных кабинетов различных платформ, которые будем интегрировать.

На первом этапе мы разделили задачи на блоки, а в каждом блоке декомпозировали ещё задачи.

• Первый блок содержал всё, что связано с автоматическим получением данных по кампаниям SMM, а именно: различные метрики кампаний, метки, справочные данные, расходы и прочие атрибуты.

• Далее блок делился на задачи автоматизации получения данных из каждой платформы отдельно.

• Второй блок включал подготовку витрин данных по каждой из платформ в универсальном виде.

• Третий блок — подготовка витрин данных performance-статистики по каждой из SMM-платформ.

• Четвёртый — сбор источников соединенных данных уже непосредственно той самой сквозной аналитики. Здесь и используются наши специальные метки.

Такая система позволяет получать итоговую детализацию по каждой публикации.

Попробуем описать процесс простыми словами.

В общем хранилище собираются данные из личных кабинетов (в особой структуре). В асинхронном режиме из продакшен-витрин performance-данных собираются специальные срезы данных по статистике SMM (здесь как раз клики, конверсии, выручка и прочие значимые атрибуты). Данные рекламных кабинетов и performance-данные соединяются в итоговых витринах и публикуются в гибких дашбордах BI-системы.

Весь процесс работает практически в реальном времени.

Вопрос интеграции с различными платформами отягощён спецификой забора данных по статистике из них. Например, Яндекс.Дзен отлично интегрируется с Яндекс.Метрикой, но у него нет автоматического инструмента получения данных. Мы не могли ни обратиться к API, ни выгрузить автоотчёты или настроить отчёты по расписанию. Кроме того, сам выгружаемый отчёт не содержит необходимых нам атрибутов, например, ссылок, которые мы размещаем в публикациях (а они нам нужны для связки публикации и нашей собственной метки).

В итоге задачу решили с помощью кастомной автоматической обработки: система самостоятельно заходит в наш рекламный кабинет, выгружает отчёт и добавляет данные в базу в нужной форме.

Что касается получения ссылок, включённых в публикации, тут всё немного сложнее. Пришлось использовать Python-обработчик, который проверяет все новые публикации на предмет содержания нужных нам ссылок. Эти данные сохраняются в базу данных уже с привязкой к идентификатору публикации (pub id).

В итоге мы имеем обогащённую статистику по платформе Яндекс.Дзен практически в реальном времени. Эти данные позволяют нам строить сквозные отчёты.

Как мы организовали совместную работу над созданием отчётности

Описание процесса может звучать сложно, но на деле работа выглядела следующим образом.

1. Все задачи мы собрали на отдельной Kanban-доске.

2. Поделили их на две группы:

• задачи маркетологов SMM-направления;

• задачи аналитиков.

3. Благодаря группировке получили набор маленьких простых задач с чёткой последовательностью выполнения (например, «запустить тестовую кампанию в MyTarget» для таргетолога или «свериться по загрузке данных по тестовой кампании» для аналитика).

4. Каждую микрозадачу выполняли максимально быстро и размещали результат на Kanban-доске.

5. Три раза в неделю проводили встречи-синхронизации по задачам.

Опыт, который мы вынесли из этого кейса:

• максимально «дробите» большую задачу на мелкие подзадачи, а подзадачи на микрозадачи;

• группируйте задачи в зависимости от держателей процесса (маркетологи и аналитики);

• планируйте последовательность выполнения каждой задачи;

• организуйте совместную работу маркетологов и аналитиков;

• синхронизируйтесь по микрозадачам и по возможности выполняйте их сразу.

Процесс построения полной сквозной отчётности для SMM занял у нас порядка двух с половиной месяцев. Но надо понимать, что в это время команда аналитиков также решала задачи для других направлений, да и SMM-менеджеры не могли отбросить свои ежедневные дела.

Такая система работы помогла нам всем не чувствовать себя слишком загруженными, а последовательное и размеренное выполнение задач позволило получить ровно то, на что рассчитывали, — удобную отчётность, где всё учтено.

В итоге мы получили на 20% больше рабочего времени в день, которое можно тратить не на сведение данных и отчёты, а на интересные креативные задачи. На миллион % повысили мотивацию сотрудников подразделений: больше интересных задач, больше возможностей себя проявить. Влияние на выручку мы тоже успели оценить: в июне нам удалось прирасти по отношению к маю более чем на 40%, и это заслуга в том числе новой системы — без неё увидеть такой прирост было бы гораздо сложнее.

Источник фото на тизере: Izuddin Helmi Adnan on Unsplash