За последние пару лет сквозная аналитика быстро стала хайпом, а потом так же быстро превратилась в обязательный минимум грамотной работы любого отдела маркетинга. Многие сервисы, например, автоматизации контекстной рекламы (Elama, K50), или сервисы коллтрекинга (Comagic, Roistat), стали внедрять и развивать сквозную аналитику как дополнительную функциональность. Но при этом каждый понимает её по-своему.

В старой доброй Википедии сквозная аналитика определяется как метод анализа эффективности маркетинговых инвестиций (ROMI) на основе данных, прослеживающий полный путь клиента начиная от просмотра рекламного объявления, посещения сайта и заканчивая продажей и повторными продажами (LTV). Иными словами, сквозная аналитика даёт понимание, откуда пришёл клиент, что купил, на какую сумму и сколько раз, и в итоге сколько компания на этом заработала.

Наверняка вы уже внедрили сквозную аналитику в своей компании в том или ином виде. Но насколько вы уверены, что она сквозная? В нашей практике в агентстве Промедиа мы встречаем довольно много заблуждений на эту тему. Разбираться будем, отвечая на важные вопросы, связанные с полнотой и «правильностью» сквозной аналитики.

Какие показатели вы анализируете?

Маркетинг и продажи любой организации управляют большим количеством объектов: количество и качество клиентской базы, объём и воронка продаж, рентабельность инвестиций в рекламу и многое другое.

Однако далеко не любая сквозная аналитика охватывает все эти пункты. Проверьте, какие этапы пути своего клиента вы измеряете в своей работе.

Первое заблуждение, которое стоит развеять — сбор только маркетинговых, или «рекламных» данных (от расходов до лидов) не делает аналитику сквозной, потому что не учитывает объём и выручку с продаж. На инфографике пример цепочки данных, которая затрагивает все этапы плюс позволяет анализировать информацию не только в разрезе каналов, но и других плоскостях.

Как вы собираете эти данные?

Из каких систем? Учитывая объём показателей, которые можно посчитать, количество информационных систем, как правило, начинается с трёх и может доходить до 10.

• Данные о расходах на привлечение клиента дают рекламные системы (Яндекс.Директ, Google Ads, ВКонтакте, Facebook).

• Информация о поведении клиента на сайте есть в системах Яндекс.Метрика и Google Analytics.

• Зачастую на сайте стоят дополнительные сервисы для сбора лидов (Profitbase, Carrot quest, виджеты обратного звонка и чаты).

• Для определения источника обращения в отдел продаж нужна система коллтрекинга (Callibri, CoMagic, Calltouch, Roistat).

• Информацию о работе отдела продаж даст CRM (Битрикс24, AmoCRM и другие системы).

• Приходы денежных средств и отгрузки товаров мы видим в 1С.

Как именно хранятся и стыкуются эти данные между собой? Выгрузка и сведе́ние в эксель? Частичная или полная автоматизация?

Вам, наверное, знакома ситуация, когда аналитик выгружает excel-файлы из разных систем, затем сводит эти данные руками. Иногда часть данных теряется. Зачастую данные из разных отделов, например, маркетинга и продаж противоречат друг другу.

Чтобы получить корректную аналитику, нужно два стартовых условия:

• все данные должны храниться и сопоставляться в одной информационной системе;

• они должны заноситься не вручную: человеческий фактор повышает погрешность в разы.

Почему важно, чтобы система была одна? Для корректных аналитических выводов важно найти клиента, который кликнул по рекламе и того же клиента, которого менеджер занёс руками в CRM. В аналитике есть понятие «матчинга» — поиска связи между одним и тем же объектом в разных системах. Только сделав это со всей клиентской базой, мы сможем узнать, какие рекламные каналы действительно окупились и привели к прибыли, а где мы понесли рекламных и трансакционных издержек больше, чем получили выгоды в итоге.

Как часто вы обрабатываете свои данные? К сожалению, львиная доля примеров сквозной аналитики — это анализ постфактум. Мы называем его «посмертная аналитика», когда вы сводите данные за прошлый период и экстраполируете выводы на следующий.

Намного более эффективный для бизнеса вариант — контроль в режиме реального времени. Ставьте план по любому из показателей и смотрите на отклонения, чтобы успеть принять меры.

Если в вашей аналитике присутствуют «ручные» отчёты, это снижает скорость и частоту сбора данных в разы. Только полная автоматизация позволит обновлять отчёты из актуальных данных несколько раз в день.

Зачем вы анализируете эти данные?

Иными словами: какие управленческие решения следуют из анализа? Опять же, если дело ограничивается перераспределением рекламных бюджетов, вы захватываете лишь малую толику всех возможностей.

Проверьте, даёт ли ваша система сквозной аналитики информацию об эффективности менеджеров и конверсии на всех этапах продажи? А есть ли данные по той же воронке, но, предположим, только по лидам из фейсбука?

Ниже примеры отчётов и управленческих решений, которые вы можете дополнительно построить на данных своего бизнеса, если интегрируете все упомянутые источники и системы.

Доля расходов на единицу проданного товара

Доля в рублях на квадратный метр в недвижимости или доля в процентах от себестоимости товара в интернет-магазине. Контролируйте нормативный показатель, чтобы сохранить нужный уровень рентабельности продаж.

Когортный анализ

Когорты — это группы ваших клиентов, объединённых по особому признаку. К примеру, вы можете анализировать, в какой период бо́льшая часть ваших клиентов конвертируется из лида в продажу.

Хороший когортный анализ есть в Google Analytics, но касается он только данных интернет-маркетинга. Полная сквозная аналитика может дать возможность увидеть статистику по всей клиентской базе, включая офлайн (самоходы в офисы продаж).

Управление клиентами, «зависшими в работе»

Контролируйте, кто из клиентов «вошёл» в воронку, но не завершился успехом или отказом. Выгружайте этих клиентов для повторного обзвона или автоматически запускайте ретаргетинговые кампании.

План, факт продаж и прогноз

Используйте данные сквозной аналитики не только для осмысления факта прошлых периодов. Контролируйте выполнение плана в режиме реального времени и стройте прогнозные модели. При полной интеграции всех систем можно выстроить как обычный прогноз продаж (сделки в рублях), но и прогноз выручки (на основе уже существующих данных в 1С по ожидаемым поступлениям денежных средств).

Не просто сквозная, а бизнес-аналитика

Как видите, собранную в одном месте информацию о жизни всей клиентской базы на всех её этапах вкупе со статистикой продаж по менеджерам и продуктам правильнее будет назвать не сквозной, а полноценной бизнес-аналитикой.

Традиционно принято считать, что сквозная аналитика — это что-то про маркетинг, ROI и немного про продажи. Но на самом деле пользователями этого инструмента должны быть и руководитель отдела продаж, и коммерческий директор.

Резюме

При всех плюсах грамотной бизнес-аналитики не стоит забывать, что такой инструмент подойдёт не каждому.

Кому нужно внедрять бизнес-аналитику:

• тому, у кого сложный продукт, длинный цикл продаж, омниканальность в маркетинге;

• у кого большие бюджеты на привлечение клиента (от 200 000 ₽ в месяц) и больше трёх рекламных каналов;

• где есть выстроенные бизнес-процессы по работе с клиентской базой (есть вышеупомянутые системы и ими пользуются все участники).

Если компания не попадает под эти критерии, инструмент либо не будет до конца внедрён (столкнётся с препятствиями в виде не работающей CRM), либо не окупит себя (внедрение станет дороже, чем финальная выгода).

Чтобы оценить полноту своей системы сквозной аналитики, воспользуетесь таблицей ниже. Она резюмирует в сжатом виде всё вышеописанное.

Источник фото на тизере: Norman Tsui on Unsplash