ЦифрыТри случая, когда маркетологу не обойтись без сквозной аналитики
Чтобы управлять рекламой, компании нужно понимать, какие рекламные источники приводят больше клиентов и приносят больше денег. Сделать это не всегда просто. Допустим, клиент увидел рекламу, перешел по клику на сайт, но оставил заявку только через неделю. А купил — еще через два месяца. За это время он несколько раз видел другую рекламу компании и заходил по ней на сайт, а еще получал письма из рассылки и общался с менеджером. Довольно сложно наверняка сказать, что из этого повлияло на итоговое решение о покупке и принесло деньги бизнесу. На помощь в этой ситуации приходит сквозная аналитика.
Сквозная аналитика позволяет построить отчеты о взаимодействии клиентов и компании на всех этапах воронки, учесть временной лаг между рекламным касанием и покупкой, оценить вклад каждой маркетинговой активности в прибыль компании.
В статье рассказываем, какие проблемы решает сквозная аналитика и как она помогает принимать верные решения компаниям с длительным циклом сделки и большим количеством продуктов. Например, компаниям-застройщикам, автодилерам, банкам, сервисам для бизнеса, крупным интернет-магазинам и маркетплейсам, компаниям с филиалами в нескольких регионах.
Аналитика для компаний с несколькими продуктами
Когда компания продает много продуктов, может возникнуть проблема — рекламируют один продукт, клиент приходит по рекламе, в итоге покупает другой, а через время приобретает еще что-то. Оценить эффективность рекламы напрямую в таком случае сложно, нужна сквозная аналитика, которая учитывает весь путь клиента.
Рассмотрим пример. Есть клиника, они продают услуги МРТ и консультации неврологов. На обе услуги привлекают клиентов через рекламу. Ниже — отчет по рекламе этих услуг. Последний столбец показывает эффективность отдачи затрат на рекламу. По МРТ показатель эффективности вложений в рекламу — порядка двадцати процентов, по направлению неврологии — свыше четырехсот.
При такой низкой отдаче рекламы с МРТ кажется логичным отключить ее. Через месяц снова составляют отчет по эффективности. Продажи от МРТ без рекламы ожидаемо упали, но параллельно с этим почему-то почти в два раза снизилась выручка от услуг неврологии.
Чтобы распутать эту загадку, нужно смотреть глубже. В отчетах на скриншотах выше смотрим на прямую связь объекта рекламы и объекта продажи. То есть рекламируем МРТ — смотрим, как ведут себя показатели продаж МРТ. Но дело в том, что услуги МРТ и услуги отделения неврологии связаны: клиенты, которые приходили за МРТ, обычно следом записывались на консультацию к неврологу. Получается, что рекламировали одну услугу, а продавали две.
Когда разобрались с путем клиента и достроили аналитику, увидели, что реклама МРТ на самом деле работает неплохо.
Увидеть такую взаимосвязь возможно, если в отчетность попадают не только данные от рекламных площадок, но и информация о каждом взаимодействии с клиентом из црм-системы: вот человек зашел на сайт по рекламе, вот он записался на МРТ, получил результаты и через регистратуру записался на прием к неврологу.
Если вместо сквозной отчетности использовать аналитику по одному каналу или продукту, решение на основе таких данных может оказаться ошибочным. В приведенном примере компания вроде принимала решение на основе цифр. Но оно оказалось неверным, потому что путь пользователя сложнее, и его нужно учитывать при анализе эффективности рекламы.
Аналитика для продуктов с длительным циклом сделки
У компаний из сферы недвижимости и сервисов для бизнеса от первого касания до покупки проходит несколько месяцев. Если такие компании оценивают эффективность рекламы только в моменте, они могут принять неверное решение. Допустим, компания решила масштабировать рекламу и увеличила бюджет на 50%. Но почему-то по итогам месяца выручка упала.
Проблема такого отчета по эффективности рекламы в том, что здесь не учитывают длительность сделки и пытаются анализировать продажи в моменте, а нужно смотреть на когортные продажи — тех клиентов, которые купят в течение определенного периода времени.
Например, человеку нужно время, чтобы выбрать ноутбук, принять решение и купить. Допустим, сегодня клиент перешел по рекламе в карточку товара, положил его в корзину, а потом ушел подумать и вернулся через месяц. Получается и отдача от этой рекламы будет видна только через месяц. Система сквозной аналитики отслеживает, когда люди, которые пришли через определенную рекламу, реально совершили покупку и принесли деньги компании.
Если компания продает продукты повседневного спроса, достаточно оценивать валовые продажи. Например, это актуально для продуктовых магазинов. В остальных случаях нужно при помощи системы сквозной аналитики собрать информацию о первом контакте с клиентом и конкретной датой покупки, оценить цикл сделки и спрогнозировать прибыль на основе когортного анализа.
Но здесь еще одна проблема: рекламу запускаем сегодня, а результат получим через пару месяцев. Непонятно, как вовремя отследить ее эффективность. Если ждать каждый раз несколько месяцев, можно впустую слить бюджет, а через время получить плохой результат.
Например, компания видит, что последние недели у них маленькая выручка, хотя лидов — как обычно. Можно решить: «У нас длительный цикл сделки, часть лидов еще дойдет, подождем». А можно обратиться к сквозной аналитике и спрогнозировать выручку.
В сквозной аналитике для прогнозирования выручки от продуктов с длительным циклом сделки ориентируются на предикативные метрики. Это показатели, которые говорят, что клиент действительно намеревается совершить покупку. Например, в приложении «Бла-бла-кар» такой метрикой может быть количество людей, которые привязали платежную карту. А для банка — процент людей, которые пришли по рекламе обмена валюты, а потом зашли в раздел с адресом и посмотрели, как пройти в отделение. Если человек совершает это действие, то он совершит покупку с определенной вероятностью.
Финансовой предикативной метрикой может быть выручка первой недели отчетного периода. Допустим, компания ориентируется на опыт прошлых месяцев и понимает: если выручка первой недели — больше ста тысяч рублей, реклама сработала, и остальные продажи дойдут.
Дальше компания на основе данных за прошлые периоды построит модель, которая предскажет итоговую выручку по показателям первой недели. По ним можно понять, что реклама работает хорошо, оставляем как есть, либо же что надо менять тактику.
Благодаря сквозной аналитике можно собирать данные из множества источников, строить предсказания и принимать решения в моменте, а не ждать, пока клиенты дойдут и купят, даже если цикл сделки — несколько месяцев.
Аналитика для многоканальной рекламы
Часто эффективность рекламы оценивают только по последнему переходу из рекламы, даже если на пути до покупки клиент взаимодействовал c компанией через разные каналы продвижения. Допустим, человек сначала задал вопрос в поиске «как снять зубную боль самостоятельно», кликнул по первой ссылке и попал в блог компании. Там почитал статьи и ушел. Потом увидел баннер с рекламой клиники на каком-то сайте, а через время проблема с больным зубом обострилась, и ему уже нужен врач. Он снова вбивает в поиске запрос, но уже с конкретной проблемой: «стоматолог самара недорого». В результатах появляется рекламное объявление нашей клиники, человек переходит по нему, кликает на номер телефона и записывается на прием.
По итогам месяца стоматология оценивает результаты рекламы. По информационным запросам вроде «как снять зубную боль» очень мало лидов, а цена по ним в два раза выше, чем по целевым запросам.
Дорогие неэффективные кампании по информационным запросам решают отключить. А через неделю обнаруживают, что почему-то упали продажи по эффективным целевым кампаниям, а цена лида выросла.
Причина такой ситуации в том, что эффективность оценивали только по последнему переходу из рекламы. Хотя предыдущие касания с рекламой по информационным запросам тоже внесли вклад в продажу: если бы человек не видел эти рекламные баннеры, он бы выбрал другую стоматологию.
Если оценить вклад каждого канала в продажу, окажется, что информационные кампании работают даже лучше целевых.
Сквозная аналитика позволяет учесть все визиты клиента на сайт от первого касания до итоговой покупки. Каждому визиту присваивается свой вес в процентах, а потом рассчитывается их влияние на продажу. Такая модель расчетов называется мультиканальной атрибуцией.
Например, первому визиту присваивается вес пятнадцать процентов, а для каждого следующего визита до продажи этот вес возрастает на десять процентов.
Для каждого бизнеса методика расчета мультиканальной атрибуции может отличаться в зависимости от воронки продаж, схемы привлечения клиентов и типа удержания клиента.
Если клиенты покупают после первого или второго рекламного касания, наибольший вес присваивают рекламным источникам, которые привлекают новых клиентов. Меньший вес отдают рассылкам, пуш-уведомлениям или ретаргетингу, ведь при такой воронке это не самостоятельный источник трафика.
А есть бизнес с длительным циклом покупки, например застройщики, автодилеры, b2b-сервисы. В таком бизнесе клиенты не покупают с первого касания, поэтому их подписывают на рассылки и потом греют. В этом случае больший вес будет у каналов, которые работают с аудиторией из црм, потому что без них продажа не состоится.
Мультиканальная аналитика помогает оценить реальный вклад рекламного канала в прибыль компании и не отключить случайно каналы, которые на первый взгляд выглядят спорными, но на самом деле прогревают аудиторию и подготавливают к покупке.
Мы разобрали примеры, в которых компании решают с помощью аналитики только одну задачу. В реальности обычно приходится решать сразу несколько проблем: одновременно отслеживать путь клиента и оценивать вклад множества каналов в конечную продажу или учитывать в аналитике длительность сделки и объединять это с цепочкой покупок от одного клиента. Поэтому сквозную аналитику проектируют индивидуально под конкретный бизнес и сценарии принятия решений.
Никита Архипов