Скажи здоровью Да!
Настройка сквозной аналитики.
- Связать между собой затраты на маркетинг, поведение клиентов и заказы в единой системе аналитики. Проследить расходы на путь клиента от клика по рекламе до выручки от заказа
- Разделить аналитику продаж розницы и интернет-магазина
- Настроить прозрачность маркетингового бюджета: визуализировать баланс расходов и доходов в разрезе источников, рекламных кампаний, вплоть до каждого объявления
- Интегрировать данные динамического call-трекинга в систему сквозной аналитики
Задачи
Решения
- Привели данные из рекламных кабинетов, систем аналитики сайта и CRM к сопоставимому виду. Настроили связи между этими массивами данных. Построили систему сквозной аналитики
- Смогли отделить продажи онлайн от оффлайн. Настроили сквозную аналитику только для интернет-магазина - до тех пор, пока не будет полных данных о продажах во всех розничных магазинах сети
- Создали систему показателей эффективности маркетинга в том виде, который был необходим заказчику, - вывели более 20 маркетинговых показателей на дашборды системы
- Сопроводили заказчика во время запуска динамического call-трекинга ; добавили данные из call-трекинга в сквозную аналитику
Ход выполнения проекта
Скажи здоровью «Да»! - сеть магазинов медицинской техники и товаров для красоты и здоровья. К середине 2024 года в сети насчитывалось 7 розничных магазинов по всей Беларуси плюс интернет-магазин с доставкой товаров по стране.
Потребность
Еще до сотрудничества с нами, в компании возник ряд вопросов: как оценить, эффективен ли маркетинг? Окупаются ли инвестиции в него? Приносят ли предпринимаемые маркетинговые усилия прибыль компании и, если да, то какие именно? Для ответов на эти вопросы лучше всего подходит инструмент сквозной аналитики, и команда маркетинга сети стала искать решение: рассматривали варианты готовых сервисов по сквозной аналитике, пробовали найти подрядчиков на создание системы с нуля.
К готовым сервисах аналитики у компании возникали вопросы по методам расчетов требуемых метрик, некоторых нужных KPI в готовых решениях не было вовсе, по некоторым сервисам компания не вкладывалась в заложенный бюджет, в т.ч. за счет размеров ежемесячной абонентской платы за обслуживание.
Что касалось подрядчиков для построения системы с нуля, то за счет определенных барьеров на стороне заказчика, большинство из них отказались начинать сотрудничество.
Барьеры
К моменту нашего первого знакомства у компании были некоторые сложности и вызовы для настройки системы сквозной аналитики:
Потребность
Еще до сотрудничества с нами, в компании возник ряд вопросов: как оценить, эффективен ли маркетинг? Окупаются ли инвестиции в него? Приносят ли предпринимаемые маркетинговые усилия прибыль компании и, если да, то какие именно? Для ответов на эти вопросы лучше всего подходит инструмент сквозной аналитики, и команда маркетинга сети стала искать решение: рассматривали варианты готовых сервисов по сквозной аналитике, пробовали найти подрядчиков на создание системы с нуля.
К готовым сервисах аналитики у компании возникали вопросы по методам расчетов требуемых метрик, некоторых нужных KPI в готовых решениях не было вовсе, по некоторым сервисам компания не вкладывалась в заложенный бюджет, в т.ч. за счет размеров ежемесячной абонентской платы за обслуживание.
Что касалось подрядчиков для построения системы с нуля, то за счет определенных барьеров на стороне заказчика, большинство из них отказались начинать сотрудничество.
Барьеры
К моменту нашего первого знакомства у компании были некоторые сложности и вызовы для настройки системы сквозной аналитики:
- Данные в рекламных кабинетах, CRM и сервисах аналитики сайта, как и у всех, были плохо сопоставимы между собой; каждая по отдельности не давала полных и корректных данных для анализа
- Невозможно было связать между собой расходы на рекламу, продажи и поведение клиентов
- Был непрозрачен путь клиентов от рекламных сообщений до покупки: было непонятно, какие объявления приносили максимум дохода, сколько денег нужно было заложить в бюджет для достижения цели по выручке, эффективны ли были проведенные маркетинговые активности и т.д.
- У одного из розничных магазинов сети в Минске действовала единая касса с интернет-магазином: заказы смешивались между собой и было не ясно, где продажи розницы, а где онлайн
- Не отслеживались розничные продажи других магазинов
- У разных рекламных источников были общие телефонные номера, что затрудняло их идентификацию и анализ при оформлении заказов по телефону, а не через сайт
Построение системы сквозной аналитики
Мы провели предпроектный анализ и аудит данных заказчика, и приняли решение помочь компании с построением сквозной аналитики. Услуги разделили на несколько этапов, первым из которых стало построение архитектуры самой системы сквозной аналитики в Power BI.
Что сделали:
2. Настроили связи в Power BI между всеми получаемыми данными, чтобы была возможность проследить весь путь клиента от клика по рекламному объявлению до покупки в интернет-магазине. Важной настройкой здесь была возможность считать выручку от продаж с учетом отмененных заказов, возвратов и т.п., что обычно не учитывает аналитика в самих источниках.
3. Создали меры в Power BI для расчета требуемых KPI: описали логику расчета всех требуемых компании маркетинговых показателей. Это позволило оценить эффективность рекламных кампаний как в рамках каждого рекламного канала, так и вплоть до каждого рекламного сообщения.
Мы провели предпроектный анализ и аудит данных заказчика, и приняли решение помочь компании с построением сквозной аналитики. Услуги разделили на несколько этапов, первым из которых стало построение архитектуры самой системы сквозной аналитики в Power BI.
Что сделали:
- Подключились к источникам данных компании благодаря специальным коннекторам (соединителям) источников и Power BI. В данном случае источниками данных выступали:
- рекламные кабинеты Meta (Facebook, Instagram)
- системы веб-аналитики (Яндекс.Метрика, Google Analytics)
- CRM (Битрикс)
2. Настроили связи в Power BI между всеми получаемыми данными, чтобы была возможность проследить весь путь клиента от клика по рекламному объявлению до покупки в интернет-магазине. Важной настройкой здесь была возможность считать выручку от продаж с учетом отмененных заказов, возвратов и т.п., что обычно не учитывает аналитика в самих источниках.
3. Создали меры в Power BI для расчета требуемых KPI: описали логику расчета всех требуемых компании маркетинговых показателей. Это позволило оценить эффективность рекламных кампаний как в рамках каждого рекламного канала, так и вплоть до каждого рекламного сообщения.
Архитектура решения сквозной аналитики в Power BI
Нестандартные решения при внедрении сквозной аналитики
В ходе проекта из-за некоторых барьеров и сложностей с данными нам пришлось искать нестандартные решения, чтобы полностью выполнить взятые на себя обязательства.
Например, когда поняли, что не сможем забирать данные из некоторых рекламных кабинетов через API, то связались с подрядчиками компании напрямую и попросили их добавлять определенную разметку в файлы, чтобы интеграция стала возможной. Взяли на себя часть переговоров с техническими специалистами и нашли решение с выгрузкой файлов с только той частью UTM-меток, передача которых не удалась по API.
Дополнительных ресурсов от нас потребовала самостоятельная разработка на нашей стороне и доработка готовых коннекторов для передачи данных в Power BI. Среди готовых решений, предлагаемых системой, точно подходящих под задачи компании в PBI не нашлось, и нам пришлось переписывать части коннекторов для верной настройки связей. Например, готовый коннектор с Instagram мог подключаться только к одной рекламной кампании, а необходимо было к семи; коннектор с Google не умел выгружать UTM-метки; коннектор с Яндекс использовал семплирование, в результате чего верно передавалась лишь 1/10 часть данных, а затем их значения экстраполировались уже на всю выборку.
В ходе проекта из-за некоторых барьеров и сложностей с данными нам пришлось искать нестандартные решения, чтобы полностью выполнить взятые на себя обязательства.
Например, когда поняли, что не сможем забирать данные из некоторых рекламных кабинетов через API, то связались с подрядчиками компании напрямую и попросили их добавлять определенную разметку в файлы, чтобы интеграция стала возможной. Взяли на себя часть переговоров с техническими специалистами и нашли решение с выгрузкой файлов с только той частью UTM-меток, передача которых не удалась по API.
Дополнительных ресурсов от нас потребовала самостоятельная разработка на нашей стороне и доработка готовых коннекторов для передачи данных в Power BI. Среди готовых решений, предлагаемых системой, точно подходящих под задачи компании в PBI не нашлось, и нам пришлось переписывать части коннекторов для верной настройки связей. Например, готовый коннектор с Instagram мог подключаться только к одной рекламной кампании, а необходимо было к семи; коннектор с Google не умел выгружать UTM-метки; коннектор с Яндекс использовал семплирование, в результате чего верно передавалась лишь 1/10 часть данных, а затем их значения экстраполировались уже на всю выборку.
Еще одним вызовом стал момент, когда наше предположение о быстром и простом поиске одинаковых идентификаторов во всех источниках данных, оказалось ошибочным. Если связь рекламных кабинетов с Яндекс.Метрикой была более очевидной, то объединить эти данные с заказами в CRM оказалось гораздо сложнее. На этом этапе пришлось искать дополнительные решения, формировать объекты электронной коммерции в Метрике и объединять их через идентификаторы с заказами в Битрикс CRM.
Вывели на дашборды системы более 20 требуемых компании маркетинговых показателей, а для этого создали более 50 описанных мер в Power BI. Из-за разной структуры данных (например, данные о показах в Google, Яндекс и Instagram) пришлось описать логику расчета не только нужных компании KPI, но и некоторых «промежуточных» показателей, всего вышло более 50 таких расчетных параметров.
Дополнительно вывели для компании статистику заполненных UTM-меток по всем рекламным компаниям, т.к. их наличие было критически важным для работы системы сквозной аналитики. Процент незаполненных оказался высоким, и компания стала работать уже с подрядчиками над корректным и внимательным заполнением данной разметки.
Вывели на дашборды системы более 20 требуемых компании маркетинговых показателей, а для этого создали более 50 описанных мер в Power BI. Из-за разной структуры данных (например, данные о показах в Google, Яндекс и Instagram) пришлось описать логику расчета не только нужных компании KPI, но и некоторых «промежуточных» показателей, всего вышло более 50 таких расчетных параметров.
Дополнительно вывели для компании статистику заполненных UTM-меток по всем рекламным компаниям, т.к. их наличие было критически важным для работы системы сквозной аналитики. Процент незаполненных оказался высоким, и компания стала работать уже с подрядчиками над корректным и внимательным заполнением данной разметки.
В итоге, заказчик получил построенную в Power BI систему сквозной аналитики, с теми показателями, которые были необходимы. Оперативный мониторинг метрик дает компании возможность уже сейчас планировать бюджет, основываясь на data driven подходе. Прозрачность и доступность системы предоставляет менеджменту компании возможность операционного и тактического управления маркетингом сети.
А что в планах? На данный момент мы работаем над добавлением в систему данных из поискового трафика, Viber и VK, а в будущем будут добавлены данные от других сайтов компании.
А что в планах? На данный момент мы работаем над добавлением в систему данных из поискового трафика, Viber и VK, а в будущем будут добавлены данные от других сайтов компании.
Общий вид дорабатываемых коннекторов для сквозной аналитики
Некоторые дашборды из системы сквозной аналитики
