Как маркетинг-аналитика помогает бизнесу принимать взвешенные решения и расти

Зачем нужна маркетинг-аналитика

Маркетинг-аналитика — это измерение и оптимизация маркетинговых усилий. Она помогает оценить влияние маркетинга на бизнес в целом. Принцип в том, чтобы объединить маркетинговые данные с данными из CRM/ERP и учитывать влияние всех усилий маркетинга на бизнес-показатели, как в онлайне, так и в офлайне.

Важность аналитики в маркетинге прекрасно иллюстрируют недавние исследования.

  • При постоянном снижении расходов на маркетинг растёт доля расходов на аналитику и маркетинговые технологии.

  • 37% руководителей компаний, которые не выполняют план по росту, считают, что в первую очередь необходимо поменять CMO. Поэтому директорам по маркетингу крайне важно выполнять планы и достигать цели по росту.

  • 78% маркетинг-директоров повысили ROMI, используя маркетинг-аналитику при формировании стратегии.

Как настроить систему аналитики и какие инструменты для этого использовать, зависит от того, какие цели ставит перед собой компания. Но два правила обязательны для всех: обеспечить качество данных и объединить их в единой системе.

Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*

Как получить измеримые результаты в фарммаркетинге.

Показываем на примерах →

Спецпроект

Почему важно собирать качественные данные

Маркетинг-аналитика начинается с качественных данных. Ведь от полноты и достоверности собираемой информации зависят KPI в отчётах и управленческие решения, которые вы принимаете на их основе. В свою очередь некачественные данные — это первая причина ошибочных решений, из-за которых бизнес теряет время и деньги.

С какими проблемами чаще всего сталкиваются маркетологи?

  • В Google Analytics теряются 10–20% конверсий, данные в API агрегированные, а в отчётах — семплированные.

  • Объединение данных в Google Sheets или в обычной базе приводит к регулярным сбоям и неочевидным ошибкам.

  • Данные в рекламных сервисах собираются в разных форматах и ретроспективно изменяются, что приводит к расхождениям в отчётах.

  • В результате бизнес теряет время и деньги. К примеру, маркетологи тратят впустую 21% своих бюджетов из-за ошибок в данных.

Поэтому первое, что нужно сделать для построения аналитики — автоматизировать сбор данных.

Почему важно объединять данные

Маркетинг не самостоятельная функция в бизнесе. Любые метрики имеют ценность и смысл, когда они объединены с первичными данными бизнеса. Если маркетинговые показатели существуют изолированно от данных бизнеса, например в Google Analytics, то их ценность будет невысока.

Давайте разберём, как маркетинг-аналитика помогает бизнесу расти, на примере конкретных задач и связанных с ними проблем.

1. Найти и масштабировать рентабельные рекламные кампании

Обычно такую цель выбирают стартапы и небольшие онлайн-проекты.

Проблемы

  • Отдельный бюджет на аналитику не выделяется.

  • Бюджет на маркетинг постоянно меняется в зависимости от результатов бизнеса.

  • Решения принимаются интуитивно из-за недостатка данных.

  • Внедрение аналитики откладывается до «лучших времен».

Решение

  • Изучайте лучшие практики рынка: какие инструменты используются, какие KPI рассчитываются и какие отчёты строятся в первую очередь.

  • Следите за бенчмарками: конверсии, трафик, стоимость привлечённого клиента и так далее. Ориентируйтесь на то, чтобы их превзойти.

  • Настройте отслеживание расширенной электронной торговли в Google Analytics и автоматизируйте отчёты в Google Sheets.

  • Автоматически импортируйте расходы из рекламных источников в Google Analytics. Сравнивайте ROAS всех рекламных кампаний в одном отчёте, чтобы эффективно распределять бюджет.

  • Передавайте информацию о продажах из CRM в Google Analytics с помощью Measurement Protocol.

Читайте также  Чем сервис-дизайнеры отличаются от обычных и зачем они нужны бизнесу

Пример реализации

Чтобы ускорить процесс подготовки отчётов для клиентов, агентство Webmart Group настроило автообновляемые отчёты в Google Data Studio. Для этого в Google Analytics импортировались расходы из различных рекламных сервисов, затем данные передавались в Data Studio, и отчёт обновлялся автоматически без привлечения специалистов.

Так выглядят подобная схема данных и готовый отчёт:

Это решение нельзя назвать полноценной системой аналитики, но для начального этапа его достаточно. Оно позволяет получить точные данные по рекламным кампаниям. Однако такая оценка будет плоской без учёта взаимного влияния каналов друг на друга и воронки вашего бизнеса.

Вопросы для самопроверки

  • У вас настроено отслеживание событий и целей в Google Analytics?

  • Знаете ли вы, как показатели Google Analytics соотносятся с вашими бизнес-метриками? Очевидно, что доход и прибыль в CRM отличаются от онлайн-данных.

2. Добиться роста продаж

С этой задачей работают в основном интернет-магазины средних размеров.

Проблемы

  • Маркетинговые отчёты собираются вручную в Google Sheets или Excel. Это делается раз в неделю или по требованию.

  • Когда уже определён порог рентабельности, необходимо сохранять темп роста продаж с заданными показателями CPA или ROAS.

  • Не хватает ресурсов для внедрения аналитики. Например, время разработчиков или специалистов, которые будут работать с отчётами.

  • Считают, что для роста продаж достаточно просто привлечь больше трафика, настроить Google Analytics или обратиться в рекламное агентство.

Решение

Для решения этой задачи уже недостаточно просто передавать заказы из CRM Google Analytics через Measurement.

  • Сформулируйте и измеряйте метрики, которые будут на стыке онлайна и бизнеса. Это позволит маркетингу сфокусировать свои цели и рекламные бюджеты на росте компании в целом.

  • Собирайте сырые данные в облачное хранилище Google BigQuery, чтобы объединять в нём метрики маркетинга и бизнеса.

  • Создайте единый маркетинговый дашборд, доступный всем членам вашей команды, чтобы они в любой момент могли узнать, что там с рекламными кампаниями и как выполняется план продаж.

Дашборд может не отвечать на все вопросы, а инсайты могут генерироваться на основе более углубленных данных, но как минимум на верхнем уровне такой дашборд желательно составить.

Пример реализации

В «М.Видео» до 80% покупателей контактируют с несколькими рекламными онлайн- и офлайн-каналами. В отчёте «Ассоциированные конверсии» в Google Analytics можно отслеживать влияние онлайн-каналов на поведение пользователя, но в нём нет сегментации по региону и категории товаров (например, аудиотехника, мобильные телефоны). Из-за этого точно оценить вклад каждого канала невозможно.

Решение: данные о поведении пользователей на сайте, расходы из GoogleAds и Яндекс.Директа собираются в Google Analytics, а затем передаются в Google BigQuery. Туда же попадает информация из ERP-системы компании о том, к какой категории принадлежит тот или иной товар.

Вот так выглядит схема сбора данных и объединения данных в одну таблицу по признаку «Категория товаров»:

Аналитики сегментировали заказы по количеству сессий перед их оформлением (1, 2, 3, 4 и 5+). Длинные цепочки взаимодействия (5+ сессий) обрабатывались аналогично коротким: важны две первые и две последние сессии.

В них пользователь знакомится с товаром и принимает решение о покупке. Вклад сессий между ними значительно меньше, поэтому они рассматривались вместе. В итоге маркетологи «М.Видео» получили дашборд, на котором заказы сегментированы по рекламным источникам, регионам, категориям товара и количеству сессий перед оформлением.

Это дало ответы на вопросы: какие каналы чаще срабатывают в начале/середине/конце воронки; какие каналы чаще срабатывают в конкретном сегменте «регион-категория»; в каком сегменте «регион-категория» больше всего заказов.

Читайте также  Коронакризисные тренды онлайн-рекламы: что происходит с доходами, инструментами и потребителями

Вопросы для самопроверки

  • Знают ли все сотрудники вашего маркетинг-отдела, как бизнес оценивает их эффективность и где посмотреть результат? Не должно быть так, что руководство компании требует от директора по маркетингу привлечения новых клиентов или увеличения ROAS, а специалисты по рекламным кампаниям думают, что их главная цель — повышение конверсии.

  • Знаете ли вы, где хранятся нужные вам данные и как ими воспользоваться?

3. Увеличить долю на рынке, привлечь новых клиентов

С такой задачей часто сталкиваются омниканальные ритейлеры и маркетплейсы.

Проблемы

  • Обычно работают с несколькими рекламными агентствами, каждое из которых отвечает за конкретный рекламный канал.

  • Количество новых клиентов сложно измерить с помощью Google Analytics: там нет признака того, совершал ли пользователь заказ ранее. В Analytics новый визит — это просто cookie, которая раньше не появлялась на сайте, поэтому сложно настроить такую цель, как заказы от новых клиентов.

  • Это приводит к противоречию между целями рекламного сервиса и бизнеса. Рекламный сервис анализирует общий вклад в бизнес и измеряет конверсии в целом. А для бизнеса важно знать, кто совершил заказ — новый клиент или старый. Понять это без CRM-данных не получится.

  • Аналитика строится ретроспективно, то есть на цифры смотрят тогда, когда на них уже нельзя повлиять. Планы строятся в табличке исходя из экспертного мнения, в лучшем случае — с помощью логистической регрессии. При этом не не учитываются тренды рынка.

  • Надежда только на брендовый трафик может сыграть с бизнесом злую шутку. Да, он лучше конвертируется, но при этом плохо масштабируется.

  • Оценка эффективности рекламных кампаний происходит без учёта ROPO-продаж. Это может привести к ошибочным решениям: чем лучше рекламная кампания стимулирует покупки в офлайне, тем более недооцененной она выглядит в онлайне. На неё выделяют меньше бюджета, что противоречит общей цели бизнеса — росту продаж в целом.

  • Информации о продажах и клиентах, которую компания собирает в своей CRM, недостаточно для роста продаж. Во внутренней системе не хватает данных о сессиях, источниках трафика, разбивки по регионам — всего того, что позволяет привлекать целевую аудиторию.

Решение

  • Собирайте и объединяйте сырые данные с сайта, из рекламных источников, CRM-системы, сервисов коллтрекинга и email-рассылок в Google BigQuery, чтобы связать показатели маркетинга с бизнес-целями.

  • Определите ключевые метрики для каждого направления онлайн-маркетинга. Например, верхнеуровневую задачу «привлечь максимальное количество заказов с заданными ROAS и ДРР» можно декомпозировать на разные каналы: платный поиск, социальные сети, email.

  • Настройте атрибуцию на основе воронки, которая будет соответствовать вашей бизнес-модели и которая учитывает все действия пользователей в онлайне и офлайне, реальную прибыль из CRM, а также показывает взаимное влияние каналов на конверсию и продвижение пользователя по AIDA-воронке.

    Отчёты, построенные на данных атрибуции от OWOX BI, позволят оценить каналы привлечения отдельно для когорт новых/вернувшихся клиентов и эффективно распределить бюджет на целевые когорты.

  • Постройте прогноз для каждой метрики и отслеживайте его отклонение от плана. Причём сравнивать надо не факт с планом, а прогноз с планом. Если ваш прогноз автоматически обновляется на основе трендов рынка, то вы узнаете о рисках и зонах роста до того, как план превратится в факт — то есть пройдёт время, и вы уже не сможете на него повлиять.

    Такой подход поможет компаниям развить культуру предиктивной аналитики, которая позволяет влиять на будущее, а не анализировать прошлое. Если вы видите, что план не выполняется, то можете заранее построить сводную таблицу по тем сегментам и метрикам, на которые маркетинг в силах повлиять.

Пример реализации

Маркетологи BUTIK. приняли решение снизить долю рекламных расходов, продлить жизненный цикл клиентов и LTV клиентской базы в целом. Для этого было нужно сегментировать клиентов в зависимости от их покупательской активности и персонализировать коммуникацию с полученными сегментами в цифровых каналах и каналах direct-маркетинга (email, SMS, колл-центр).

Читайте также  Динамические креативы на стероидах: секреты увеличения конверсий

Для решения задачи нужно собрать в одной системе данные о поведении пользователей на сайте из Google Analytics и данные об исполняемости заказов из внутренней CRM-системы. Далее пользователи группировались в зависимости от частотности покупок. Готовые сегменты передавали в рекламные сервисы, чтобы показывать релевантную рекламу и вести персонализированную коммуникацию в direct-каналах.

Для сегментирования маркетологи посчитали отдельно, сколько дней проходит между заказами в онлайне, сколько в офлайне, и взяли их средневзвешенное значение.

Затем аналитики определили основные типы сегментов (по отношению к периоду расчёта сегментов):

  • New Members — новые зарегистрированные пользователи без покупок;

  • Old Members — старые зарегистрированные пользователи без покупок;

  • New Buyers — клиенты, совершившие первую покупку;

  • Good Buyers — клиенты, покупавшие 3 раза и более за последние 6 периодов;

  • Very Good Buyers — клиенты, которые наиболее часто покупали за последние 6 периодов;

  • Casual Buyers — клиенты, покупавшие в 1–2 периодах из последних 6;

  • Sleep — люди, не покупавшие последние 6 периодов подряд;

  • Inactive — люди, не покупавшие последние 12 периодов подряд.

Вот так выглядит схема перехода покупателей из сегмента в сегмент:

Собрав все данные в Google BigQuery, аналитики сгруппировали пользователей в сегменты, которые содержали UserID каждого пользователя и его персональные данные.

Затем они сформировали ещё одну таблицу с основными показателями эффективности для каждого сегмента:

  • количество пользователей в сегменте и его доля в клиентской базе;

  • количество заказов (оформленных и выкупленных) в сегменте;

  • средний чек;

  • количество заказов на пользователя;

  • сумма заказов и доля сегмента в общем обороте;

  • изменение численности сегмента (темп прироста).

В итоге маркетологи получили три таблицы, в которых они могли отслеживать перетекание пользователей из сегмента в сегмент. Данные по каждому пользователю за заданный период и таблицу с метриками покупательской активности в разрезе сегментов и со сравнением анализируемого периода с предыдущим. Это дало возможность автоматически отслеживать изменение важных KPI в каждом из сегментов.

Вопросы для самопроверки

  • Знаете ли вы, как digital-реклама влияет на общие продажи компании?

  • Доверяет ли ваш руководитель дашбордам, которые готовит отдел маркетинга?

  • Какую часть решений вы принимаете на основе прогнозов, а не свершившихся фактов?

4. Повысить скорость и качество принимаемых решений

Эта цель актуальна абсолютно для всех data-driven компаний.

Аналитика поможет маркетологам:

  • быстрее найти общий язык с коллегами из других отделов, аргументировать своё мнение и сфокусироваться на общих целях;

  • экономить время. Раньше надо было часами сводить таблицы с данными из разных источников в Excel. Сейчас вы можете в пару кликов получить готовый отчёт в Google Sheets, Smart Data или Google Data Studio;

  • усилить команду индивидуальными отчётами. Каждый сотрудник будет получать действенные отчёты, чтобы видеть результаты своих усилий, вовремя принимать решения и вносить изменения в рекламные кампании.

Маркетинг — как слон, которого люди щупают с завязанными глазами

Аналитика открывает глаза и показывает всю картину целиком. Здесь важно не просто само наличие отчётов, а то, что они строятся на полных данных, которым можно верить, и содержат не только анализ прошлого, но и предсказание будущего.

Источник фото на тизере: Joshua Sukoff on Unsplash

Рекомендуем:

  • Кейс: нужна ли сквозная аналитика небольшому региональному бизнесу

  • Как мобильная аналитика улучшает экономику приложения: опыт российских стартапов

  • Какие 20% усилий приносят 80% прибыли в омниканальном маркетинге

  • Data-driven подход в маркетинге фармы: «новая нефть» или плацебо?

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

Источник: cossa.ru

Строй Сам