Сквозная аналитика: обзор способов настройки

Вам ежедневно поступает много звонков и заявок от потенциальных клиентов. Точно знать, какие из них приносят прибыль, а какие нет, помогает сквозная аналитика.
 
В статье – что это такое и как её внедрять. За методики спасибо Константину Червякову, коммерческому директору компании Ringostat.

Что такое сквозная аналитика и зачем она нужна

Если верить Википедии, это анализ эффективности рекламы на основе данных по продажам.
 
Как правило, эффективность у большинства ассоциируется с ROI, ROMI, CTR и т.д. Для электронной торговли – еще модуль e-commerce в Google Analytics (если он расширенный – это достаточно близко к теме. Однако 90% интернет-магазинов используют обычный).
 
Все эти показатели не про сквозную аналитику. Да, они могут быть вспомогательными, особенно если цикл продаж длительный. По ним вы вовремя понимаете, что все совсем плохо, или наоборот. Но конечные решения стоит принимать на основе реальных данных.
 
Это справедливо для любого типа бизнеса, за исключением редких случаев.
 
Сквозная аналитика имеет смысл, если она связана с бизнес-процессами, телефонией, CRM. Иначе оптимизация рекламных кампаний напоминает игру в сапера.
 
Заявки и звонки вроде и целевые, но клиентов не приносят. Или по одной кампании продаж меньше, но сумма чека выше и включает товары, у которых маржа выше. Есть риск принять ошибочное решение.
 
На ваш суд и выбор – 3 типа систем, в зависимости от сложности и продвинутости.

Уровень «Топор»

Это сложно назвать моделью сквозной аналитики. Но так как многие малые и микробизнесы на начальном этапе не могут себе позволить платные инструменты, этот вариант заслуживает внимания. Как показывает практика, не все и о нем знают.
 
Набор инструментов простой, с минимальными, иногда нулевыми, затратами бюджета.
 
  • Google Spreadsheet, Excel;
  • CRM или админка сайта с источниками заявок;
  • Google Analytics и / или Яндекс.Метрика. Первое дает больше возможностей, но у Метрики свои фишки, которых нет у Гугла – вебвизор, отчеты о пиках посещений;
  • Автоматический или полуавтоматический call tracking.
 
Пара слов о том, почему важно отслеживать звонки. По исследованиям Ringostat, продажи по телефону имеют больший чек, чем через сайт. Если не знать источников звонков, которые привели к покупкам, и сумму этих покупок, сложно судить об эффективности рекламы.
 
Множество бизнесов используют автоматический динамический коллтрекинг. Система показывает для каждого посетителя уникальный номер телефона, чтобы затем сопоставить звонок с конкретным пользователем, узнать о нем подробнее: какие запросы вводил, какая кампания сработала, какие страницы смотрел и т.д.
 
Доступно всё вплоть до операционной системы устройства.
 
Полуавтоматический коллтрекинг примитивнее и требует рутинной работы:
 
Сквозная аналитика – полуавтоматический коллтрекинг
 
Принцип такой: каждый пользователь на сайте видит уникальный код. Менеджер его запрашивает, чтобы вручную связать звонок с конкретной сессией.
 
50-60% звонков удается фиксировать таким способом, но, как правило, через 2-3 месяца руководителям надоедает эта маета. При этом всё зависит от человеческого фактора.
 
Важно, чтобы менеджер ничего не забыл и не перепутал. Для него это дополнительная нагрузка: вместо того, чтобы продавать, он вводит промо-коды. Компания теряет в прибыли.
 
Справедливости ради отметим, что этот метод обходится недорого. И иногда это единственный доступный вариант – например, для микробизнеса с небольшим бюджетом.

Принцип внедрения

Сквозная аналитика – уровень «Топор»
 
Пользователи приходят на сайт, совершают определенные действия. Всё фиксирует система аналитики. При оформлении заказов или заявок информация об источниках попадает в админку или CRM.
 
В самой простой модели нет связки этих инструментов, поэтому мы выгружаем данные в Excel по отдельности.
 
Вот выгрузка из CRM – это все закрытые сделки (кейс агентства Ringostat):
 
Сквозная аналитика – выгрузка из CRM
 
Заявки с сайта, в нашем примере – регистрации, с указанием источников, кампаний и ключевых слов:
 
Сквозная аналитика – заявки с сайта
 
И такая же выборка по звонкам:
 
Сквозная аналитика – выборка по звонкам
 
Далее склеиваем данные по полям с телефоном, доменом и емэйлом, чтобы выявить взаимосвязи.
 
Навыки работы в Excel облегчают работу, но это все равно занимает время. Отсутствие автоматизации – главный минус модели.
 
На начальном этапе, когда трафик небольшой и бюджет невысокий, этого хватает, но со временем приходится расширять возможности. Тем более если компания может себе позволить более совершенные техники.

Уровень «Автомат»

Для малого и среднего бизнеса рекомендуемый набор инструментов шире и сложнее.
 
  • Google Analytics – всё завязано на ней;
  • CRM-система;
  • Автоматический коллтрекинг;
  • Автоматический импорт расходов OWOX BI;
  • Microsoft Power BI (опционально).
 
Можно оставить те же Spreadsheets для визуализации и построения отчетов, но в Power BI больше фишек и есть автоматическая привязка к GA. Стоимость – 9-10 долларов за пользователя в месяц.
 
Бесплатный и более простой вариант – Google Data Studio.

Принцип внедрения

Сквозная аналитика – уровень «Автомат»
 
Здесь уже нужно заморочиться и настроить связки. При большом желании можно всё внедрить за неделю.
 
По заявкам мы настраиваем цель в GA – «Транзакции». Информация о посещениях накапливается автоматически.
 
99% сервисов коллтрекинга передают данные в GA.
 
Звонки и заявки далее передаются в CRM. Хорошо, если система позволяет делать простые формы. Если нет, API можно настроить так, чтобы заявки автоматически попадали в CRM. Это займет полдня работы программиста-фрилансера.
 
Для звонков существуют WebHooks – триггеры, которые мы отправляем в режиме реального времени.
 
Затем данные о закрытых сделках нужно передать в GA. Популярные системы – retailCRM, amoCRM – позволяют выгружать их напрямую. Либо можно создать свой коннектор за 1 неделю, либо поручить эту задачу программисту. В итоге вы получаете полный контроль над бизнес-показателями в Google.
 
Здесь же учитываете расходы из OWOX BI. Это тоже бесплатный инструмент.
 
Что вы видите в итоге в GA? Вот скриншот одного из клиентов Ringostat:
 
Сквозная аналитика – общая таблицы для уровня «Автомат»
 
Столбец «Цена за достигнутую конверсию» показывает, сколько денег вы потратили. «Стоимость» – сколько вы «заплатили» за посетителей. «Доход» – сколько это принесло дохода.
 
Нажмите, например, ссылку «yandex / cpc», чтобы увидеть разбивку по кампаниям этого канала.

Минусы

Чтобы понять недочеты этого уровня, разберем структуру данных системы аналитики:
 
Сквозная аналитика – структура данных системы аналитики
 
Так работает Google Analytics: человек заходит на сайт и генерирует сессию. В рамках неё совершает действия (хиты): просматривает страницы, звонит, отправляет заявки, скачивает материалы и т.д.
 
По иерархии на первый взгляд всё правильно.
 
Проблема в том, что в GA у вас только агрегированные данные.
 
1) Нет доступа к конкретному пользователю и сессии, а это ограничивает возможности аналитики. Нельзя взять посетителя и посмотреть, что он делал на сайте, сколько раз заходил, какие действия совершал в ходе определенной сессии.
 
2) При больших объемах трафика – около 40 000 сессий в день – есть риск семплирования (для крупных проектов).
 
Это когда Google берет часть группы посетителей – выборку 5-7% – и переносит её поведение по собственному математическому алгоритму на всю совокупность. В итоге вы видите искаженные данные.
 
3) Ограничение возможностями интерфейса GA. Вы это заметите, когда захотите создать определенную выборку, задать вопрос по эффективности рекламных кампаний.
 
Всё, что можно сделать – кастомизировать отчет, но при этом мешают ограничения типа: один параметр нельзя включать в отчет с другим, нельзя добавлять свыше двух параметров и т.д.
 
4) Нельзя передавать персональную информацию. Основание – регламент конфиденциальности Google. Это еще больше усложняет задачи сквозной аналитики.

Уровень «Пулемет»

Модель рекомендована для среднего и крупного бизнеса.
 
На этапе, когда вы столкнетесь с перечисленными проблемами, пора переходить на более крутой уровень. Здесь вы можете задать системе любой вопрос по эффективности и получить ответ в считанные секунды.
 
Разберем 2 варианта.
 
Вариант 1:
 
  • Google Analytics;
  • CRM;
  • Автоматический call tracking;
  • Облачная (Google Bigquery) или собственная база данных (MySQL, Mongo);
  • Excel, Spreadsheets, Power BI, Data Studio, Tableau, Qlikview.
 
Своя БД сложнее в реализации. Поэтому мы рассматриваем Bigquery. Это облачный сервис с высокой скоростью обработки.
 
OWOX BI умеет делать стримминг в Bigquery. Это перехват данных из GA в сыром не агрегированном виде. Благодаря этому вы можете задавать любые вопросы относительно аудитории, поведения, его зависимости от разных факторов, дохода например. В общем, проверять различные гипотезы сколько угодно, без ограничений.
 
Чтобы делать какие-то выводы, нужно наглядно представлять таблицы из Bigquery в виде графиков, диаграмм и т.д. Есть платные сервисы Tableau и Qlikview – они дают продвинутую визуализацию.
 
Вариант 2:
 
  • Kissmetrics или аналог (Mixpanel, Woopra, Amplitude);
  • CRM;
  • Автоматический call tracking.
 
Kissmetrics заменяет 1, 4 и 5 пункты предыдущего варианта. Это так называемая user-based, или person-based система аналитики. Здесь все «удобства», в отличие от GA: программа сама собирает данные, в том числе в сыром виде, дает доступ к пользователям, сессиям и разрешает передавать персональные данные.

Принцип внедрения

Сквозная аналитика – уровень «Пулемет»
 
Если у вас есть Kissmetrics или аналог, вы загружаете туда всю информацию и подключаете CRM-систему. В случае с базой вы забрасываете в неё стримминг из GA и т.д. и выбираете программу для визуализации результатов. В то время как в Kissmetrics уже есть наглядные отчеты.
 
Вот что можно собрать из Bigquery с помощью OWOX (это скриншот из сервиса):
 
Сквозная аналитика – отчет «Количество переходов на товар не в наличии»
 
Есть и другие полезные отчеты, о которых вы, возможно, даже не подозреваете. Например:
 
Сквозная аналитика – отчет «Доля трафика в зависимости от наличия товара»
 
А вот как фактор наличия товара влияет на доход:
 
Сквозная аналитика – отчет «Зависимость дохода на посещение от наличия товара»
 
Как видите, можно тестировать какие угодно гипотезы и применять любые параметры.
 
Еще примеры:
 
Сквозная аналитика – отчет «Зависимость дохода от количества JS-ошибок»
 
Сквозная аналитика – отчет «Процент посещений с ошибками»
 
Модели атрибуции, когортный анализ, многоканальные последовательности – далеко не все приятности. И хотя это недешевое удовольствие – от 120 долларов в месяц, – вы можете отслеживать и анализировать всё, что только можно.

Никаких черных ящиков!

Бизнес-проект – это некий черный ящик, в котором происходит обработка входящих лидов в клиентов. Чаще всего мы не знаем, как он работает. Только примерно понимаем бизнес-процессы, знаем количество лидов и сумму выручки.
 
Сквозная аналитика – бизнес-проект в виде черного ящика
 
Как посетители сайта становятся покупателями? Какая взаимосвязь между тем, как мы влияем на вход, и тем, что получаем на выходе? Мы этого не знаем, что очень рискованно для любого проекта и бизнеса в целом.
 
Опасно масштабировать кампанию. Даже если льем трафик в плюс, нет гарантии, что после кратного увеличения бюджета выручка вырастет в той же пропорции или хотя бы не упадет.
 
Что сделать, чтобы проект не был черным ящиком? Оценивайте вложения в рекламу по бизнес-показателям, а не по условным промежуточным цифрам.
 
Система сквозной аналитики помогает выявлять слабые места и перспективные направления инвестирования, то есть влиять как на вход, так и на выход процесса.
 
Высоких вам конверсий!
 
Статья подготовлена по материалам вебинара Ringostat.