6 ошибок в работе со сквозной аналитикой

Сквозная аналитика — наиболее эффективный способ оптимизации рекламных бюджетов и принятия продуманных управленческих решений. Согласно результатам исследования IAB Russia Digital Advertisers Barometer 2017, доля компаний, которые используют собственные статистические и аналитические сервисы, последние три года остаётся на уровне 50%­—55%.

Что это такое

Эффективная и выгодная реклама с сервисом от МегаФона

Широкий выбор рекламных каналов, более 100 параметров по интересам, подробная аналитика и другие возможности уже ждут в Личном кабинете. А еще кешбэк 100% за запуск рекламы в первый месяц и еще 10% — каждый месяц.

Узнать больше >>

Реклама. ПАО «МегаФон». ИНН 7812014560. ОГРН 1027809169585. ERID LjN8K1P7y.

Однако при работе с системой сквозной аналитики многие компании совершают ряд ошибок. Расскажу, как их избежать.

Ошибка первая. Погоня за модой

Есть бизнесы, для которых сквозная аналитика действительно полезна и даст дополнительную экономическую выгоду. Но есть и те, кто строят у себя сложные аналитические системы, хотя для их задач подойдут типовые решения как Google Analytics и Яндекс.Метрика.

Кому нужна сквозная аналитика?

Компаниям с длинной воронкой продаж

Такие, где пользователь долго принимает решение о покупке, проходит много этапов и на каждом из них может «отвалиться». Сквозная аналитика позволит изучить поведение пользователя на каждом из этих этапов и оптимизировать те из них, на которых есть проблемы.

Компаниям с высоким средним чеком и высокой стоимостью привлечения пользователя

Одна из важных проблем для таких компаний — в выявлении фрода и некачественных лидов, привлечённых недобросовестными агентствами и подрядчиками. Например, особенно остро эта проблема стоит в сферах недвижимости и продаже автомобилей.

Если застройщик готов платить от 2 до 20 тысяч рублей за звонок клиента, то подрядчики могут этим воспользоваться. Они могут мотивировать пользователя пройти сразу несколько этапов воронки продаж: зайти на сайт компании, позвонить или оставить заявку, даже приехать смотреть квартиру. Фрод можно выявить благодаря сквозной аналитике: проследить всю цепочку коммуникаций и определить, какой канал действительно приводит продажи, а какой нет, даже если и приводит много лидов. Есть эффективные решения, которые сохраняют телефонные разговоры, анализируют схожесть голоса звонящих клиентов и помогают выявить фрод: тех, кто звонил с разных номеров, представлялся разными именами, но является одним человеком.

Компаниям со сложным процессом продажи

К ним относятся все услуги, которые выполняются индивидуально под каждого клиента. Например, производство кухонь. Сначала должен приехать замерщик, чтобы посмотреть помещение, затем составляется дизайн-проект, и лишь в конце рассчитывается итоговая стоимость. Другие примеры: внедрение CRM-систем, юридические услуги, разработка сайтов — все бизнесы, для которых характерна длинная цепочка коммуникаций с клиентом, выяснение всех особенностей заказа, согласование технического задания и цены. На каждом из этих этапов клиент может отказаться от покупки, и это важно отслеживать.

Если ваш бизнес не относится ни к одной из названных категорий, то сквозная аналитика вам не нужна. Например, у вас интернет-магазин, где всё взаимодействие пользователя с сайтом происходит только в онлайне, без телефонных звонков и онлайн-чатов — тогда вам будет достаточно инструментов веб-аналитики (Google Analytics, Я.Метрика).

Ошибка вторая. Долгое внедрение cистемы

Компании часто откладывают начало работы с данными, «пока не будет готово совсем всё». У крупных компаний с длинным циклом продаж структура сквозной аналитики достаточно сложная, внедрение требует несколько месяцев и серьёзных денежных затрат. К примеру, у ГК «ПИК» на разработку собственной системы аналитики ушло 3–5 миллионов рублей.

Не стоит ждать, когда система будет полностью готова. Внедрять сквозную аналитику нужно постепенно. На первом этапе можно ограничиться сбором данных из всех доступных систем с открытым API и начинать ими пользоваться. Это избавит сотрудников от необходимости скачивать и копировать данные из каждой системы, объединять и делать отчётность.

На втором этапе необходимо объединить данные CRM-системы и веб-аналитики. В результате упрощается работа менеджеров, которые видят в одном интерфейсе онлайн-данные и данные из CRM.

А уже на финальном этапе происходит добавление дополнительных инструментов анализа, подходящих для конкретных сфер и задач бизнеса (например, анализа фрода). Это могут быть модели атрибуции, когда ценность заказа распределяется между всеми сессиями клиента по особой логике. Например, если у вас длинный цикл продажи, и клиент коммуницирует с компанией много раз, то анализировать необходимо первый источник взаимодействия. После подключается колл-центр или менеджер по продажам, завершая сделку. На этом этапе можно в любой момент подключить анализ фрода по звонкам. Все добавления происходят в процессе работы системы сквозной аналитики и не вызывают её остановки.

Ошибка третья. Непродуманная архитектура

Если дополнительные опции возможно добавить уже в процессе работы системы, то её архитектура должна быть продумана заранее, ещё до старта работ. Если это не сделано, будут теряться данные или их источники. Упущение всего лишь одного нюанса в процессе движения пользователя по воронке продаж губит качество всей системы сквозной аналитики.

Яркий пример — обработка заявок в праздничный или выходной день. Если заявки поступили 30 ноября, то их обработают и внесут в CRM уже в следующем месяце. Без учёта особенностей бизнеса это может привести к разрозненности данных: в системе сквозной аналитики за месяц будет учтено 100 заявок, а в CRM-системе клиента — 95, так как 5 из них будут учтены в следующем месяце. Та же самая проблема свойственна для заявок, поступающих в ночное время.

Необходимо чётко и подробно прописывать техническое задание разработчикам. Главное — добиться согласованности в целях и задачах, для которых разрабатывается система, и учесть в архитектуре все особенности бизнес-процессов конкретной компании.

Для этого на первых этапах работы привлекаются сотрудники, принимающие решения на основе данных отдела маркетинга — CRM-менеджеры, руководители колл-центра, менеджеры продаж. Совместная задача — прояснить разработчикам весь процесс движения пользователя по воронке продаж, выявить возможные «белые пятна», оговорить скрипты общения с клиентом и принципы занесения данных в CRM-систему.

Ошибка четвёртая. Лишние данные

Многие руководители изначально не знают, какие данные могут потребоваться для работы, и собирают в систему максимальное количество информации из всех источников. Например, ставят задачу собрать сведения о взаимодействии пользователя с каждым элементом сайта: скроллами страницы, кликами на кнопки, взаимодействием с калькуляторами. В нашей практике есть клиенты, которые настаивали на сборе максимально полных данных, однако не использовали и 10% от этого объёма.

Собирая слишком много данных, вы получаете две проблемы.

• Большие усилия по поддержанию сбора при изменениях интерфейса. Если на сайте были размечены все действия пользователя, то при каждом изменении интерфейса придётся это всё настраивать заново. В итоге поддержка бесперебойного сбора всех данных может обойтись в 10 раз дороже, чем сбор действительно нужных.
• Длительная обработка данных. Если собирать абсолютно все действия, то объём данных за 2 года по клиенту может занимать 2–3 ТБ, а на их ежедневную обработку будет уходить до суток. Если собирать только нужные действия, то объём данных может сократиться до 5 ГБ, обработка которых займёт от 20 минут до часа.

Для сквозной аналитики необходимо собирать только те данные, на основе которых можно принимать управленческие решения. А именно — информацию всех рекламных источников о движении пользователя по воронке продаж из CRM-системы. А для оптимизации сайта будет вполне достаточно систем веб-аналитики.

Ошибка пятая. Неверная информация

Одна из самых крупных ошибок возникает при расчёте рекламных расходов. Не все помнят, что правильная формула подсчёта выглядит так: Расходы + НДС + Агентская комиссия — Расходы на скликивание (они возвращаются клиенту рекламными площадками).

При объединении данных по расходам в сквозной аналитике часто забывают привести все затраты к единому формату, учесть все составные части формулы, обновить исторические данные так, чтобы деньги, фактически потраченные на рекламу, совпадали с данными в аналитике.

Ещё часто ошибки кроются в UTM-метках рекламных кампаний. Автоматическая прометка ссылок возможна не во всех источниках, а при ручной постановке UTM-меток ошибки могут совершать люди. Отчасти их количество можно уменьшить прописанными регламентами, но это не даёт гарантий.

Также ошибки в данных могут быть связаны с API рекламных систем, где содержится информация о расходах. Например, API социальных сетей позволяет получить UTM-метку из объявления в таргетированной рекламе. Однако, существуют ещё несколько вариантов, которые могут вызвать сложности:

• Рекламное объявление ведёт не на сайт, а на пост в сообществе, в котором указана промеченная ссылка. В этом случае для корректного учёта требуется скачать контент поста и выделить из него ссылку на сайт с UTM-метками.
• Ссылка может быть намеренно сокращена при помощи сторонних сервисов. В этом случае требуется перейти по ней и получить полное значение со всеми метками.

И это только самые серьёзные из возможных ошибок. Поэтому важно проанализировать весь путь данных от источника информации до конечного отчёта и постараться устранить все возможные проблемы.

Ошибка шестая. Неопределённые цели

Наконец, самое важное: если вы не умеете видеть за полученными данными конкретные решения, то никакие системы аналитики не помогут. Допустим, руководитель компании услышал на одной из конференций, что сквозная аналитика помогает больше заработать, и поручает её сделать разработчику. Поначалу обилие цифр, красивых графиков и диаграмм может создавать иллюзию полного контроля. Но если на основе этих данных не принимать решения и не оптимизировать бизнес-процессы, то данные будут накапливаться, затраты на обслуживание системы — расти, а сотрудники — требовать повышения зарплат из-за роста загрузки.

При внедрении системы сквозной аналитики необходимо иметь список бизнес-задач, которые можно решить с помощью аналитики, выдвинуть гипотезы и определить, какие данные для этого необходимо анализировать.

Ваша задача оптимизировать воронку продаж? Соберите информацию о том, как по ней двигаются различные типы клиентов. Данные из сквозной аналитики позволят определить «узкое горлышко» и исправить недостатки на этом этапе.

Необходимо улучшить работу колл-центра? C помощью сквозной аналитики можно проанализировать данные по каждому оператору: его долю продаж, число отказов в результате разговора, анализировать лексику оператора и наиболее частые фразы клиентов.

Советы при работе со сквозной аналитикой

1. Определите все вопросы, ответы на которые помогут вашему бизнесу расти. На этом этапе можно ограничиться обсуждением с командой внутри или привлечь специалиста из агентства, имеющего соответствующий опыт.
2. Для каждого составленного вопроса определите требуемые данные и возможность их получить.
3. Подготовьте техническое задание на разработку отчётов и архитектуры сбора и обработки данных. Только после этого этапа можно приступать к построению сквозной аналитики.
4. Не ждите идеального готового решения. Начинайте использовать систему, как только вы подключите к ней первые данные.
5. Собирайте только необходимые данные.
6. Предусмотрите обработку всех возможных проблем на пути от источника данных до итогового отчёта.
7. Принимайте эффективные управленческие решения.

Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.