Как сквозная аналитика поможет повысить эффективность вложений в рекламу: кейсы Alytics

Будем обсуждать повышение эффективности вложений в рекламу с помощью сквозной аналитики. Начнем с базовых моментов.

Что такое сквозная аналитика

Сквозная аналитика – это полноценный бизнес-процесс, который в один отчет собирает данные по затратам из рекламных кабинетов: контекстной и таргетированной рекламы, социальных сетей, продвижения в органической выдаче. Он объединяет затраты на рекламу с данными со счетчиков веб-аналитики, которые проверяют источник трафика, поведение пользователей, данные из CRM-систем. То есть мы сравниваем затраты с финальным финансовым результатом: продажами, количеством целевых клиентов, с общей суммой выручки.

Благодаря такому анализу мы можем перейти от стоимости клика и CTR к анализу ROI и стоимости привлеченного клиента, то есть к аналитике, которая даёт понимание, насколько эффективно работает реклама с точки зрения финального результата, то есть аналитике продаж.

Как понимать эффективность рекламы без сквозной аналитики

Анализировать эффективность рекламы можно исключительно через счетчики веб-аналитики, которые дают возможность посмотреть, сколько целевых действий было совершено на сайте. Зная затраты на тот или иной рекламный канал, мы можем узнать показатель CPI, то есть показатель этого целевого действия.

Можно пойти дальше и настроить электронную торговлю в счетчиках веб-аналитики. Информации будет поступать больше. Если быть точнее, то теперь вы сможете видеть число транзакций либо оформленные заказы. Сумма этих транзакций будет зафиксирована в электронной торговле, например, Google Analytics.

Особенность расчета эффективности рекламы без полноценной сквозной аналитики заключается в том, что у вас возникнут сложности.

Транзакции не отражают реальной картины продаж

Система учитывает количество оформленных заявок, но упускает тот факт, что часть транзакций отменяется пользователем через какое-то время либо после звонка менеджера. Без сквозной аналитики, которая учитывает реальное количество продаж, вы не сможете объективно оценить эффективность рекламы.

Сложности с учетом мультиканальности в Яндекс.Метрике

Один из моих клиентов работал исключительно с Яндекс.Метрикой, но ему для полноценного анализа ситуации не хватало тех моделей атрибуции, которые там представлены.

В Метрике есть несколько моделей атрибуции:

• вы можете относить продажи к первому источнику, который привлек клиента на сайт;
• относить продажи к последнему источнику, который привел клиента на сайт;
• отдавать всю ценность конверсии последнему переходу через Яндекс.Директ.

Линейных моделей атрибуции, когда мы равномерно распределяем ценность конверсии в Яндекс.Метрике нет. Моему клиенту такого функционала не хватало, поэтому он начал искать дополнительные решения аналитики.

Проблемы с учетом офлайн-конверсий

Начинаются, когда продажи проходят не через ваш сайт. Например, какой-то товар у вас покупают через сайт партнера, что можно отнести к офлайн-конверсиям. Проблема заключается в том, что дальше эти продажи по API возвращаются на сайт продавца, но при их заливке в Яндекс.Метрику около 30% данных обычно теряется. То есть решения по эффективности того или иного рекламного канала будут приниматься на базе не полностью сформированных данных.

Сложность контроля подрядчиков и штатных специалистов

Один клиент, который продаёт товары для здоровья и красоты (проект B2C), получал от подрядчика, работавшего с соцсетью, отчеты о том, что соцсеть приносит продаж на 2 млн рублей. После сквозной аналитики выяснилось, что прямых продаж там только на 200 000 рублей, а непрямых еще на 100 000 руб. То есть комиссионные, которые получал подрядчик на основе отчетов Соцсети о продажах, были явно завышенными. Проблема была в том, что счетчик от соцсети засчитывает продажу себе, даже если не было перехода на сайт, а пользователь просто ненадолго задержался на рекламном посте.

Что помогает понять сквозная аналитика

Благодаря полноценному внедрению этого бизнес-процесса вы сможете понять рентабельность маркетинга. Благодаря ей можно перейти от модели учета, когда просчитывается стоимость клика и целевого действия к модели, которая учитывает стоимость клиента, а также стоимость целевой заявки. Вы можете посчитать реальный ROI от проведенных продаж, потому что реальная выручка сохранится в CRM-системе.

Также сквозная аналитика помогает грамотно распределить рекламный бюджет. Когда вы наглядно увидите, что какие-то рекламные каналы вам приносят продажи, а какие-то нет, вы сможете понять, как ваш ограниченный бюджет распределить наиболее эффективно.

Конечному рекламодателю становится понятней, как контролировать работу подрядчика. Вы расширяете перечень метрик, по которым анализируете эффективность рекламы. Соответственно, у вас появляется больше рычагов, чтобы общаться с подрядчиками на других условиях.

Получив наглядную картину того, как работает ваша реклама, вы находите ответ на вопрос о том, как увеличить прибыль на 30%. У вас появляется реальное понимание точек возможного роста, которые выражаются в реальных финансах.

Благодаря сквозной аналитике вы можете понять, окупается ли реклама «вдолгую». Она позволяет отслеживать и учитывать повторные продажи, когда клиент возвращается через другие источники, а затем распределять выручку на рекламные каналы, которые привлекли именно эту первую продажу.

Работают ли каналы верхнего уровня воронки. Здесь речь идёт о том, что целый набор рекламных источников работает чисто на узнаваемость бренда или продукта, не генерируя при этом прямые продажи. Соответственно, чтобы понять, работают эти каналы или нет, вам нужно учитывать мультиканальность, а затем распределять выручку на все цепочки каналов, участвующих в продажах. Сделать это можно через разные решения сквозной аналитики.

Мультиканальная аналитика и модели атрибуции

Схематично это выглядит так, что клиент зашел к вам на сайт, но ничего не купил. Например, зашел с контекстной рекламы, чуть позже увидел рекламу в соцсети, потом его догнал ретаргетинг. И только потом он зашел через органическую выдачу и совершил покупку.

Многие при принятии решения об эффективности рекламного канала не учитывают, что есть подогревающие источники, которые подталкивают клиента к покупке. То есть большинство работает по модели последнего взаимодействия, а порой даже через последнее непрямое взаимодействие. Хотя эти модели атрибуции нельзя назвать самыми эффективными.

Если у вас пока не сложилось понимание того, какую модель атрибуции использовать, то мы рекомендуем линейную.

Как она работает. Представим, что у вас есть 4 источника в многоканальной цепочке. Мы распределяем по 0,25 по каналам, присутствующим в цепочке, а затем точно также поступаем с выручкой, которая появилась благодаря этой продаже. Что мы в таком случае получаем? Правильную многомерную аналитику. Мы видим, что было до продажи: как человек к нам заходил, какие действия совершал. Если продолжим собирать агрегированные данные, то увидим статус из CRM-системы, что сделка завершена только тогда, когда вы фактически получили выручку от клиента.

Например, мы увидим, что Яндекс.Директ и Google Ads у нас работают в плюс – ROI у них положительный. А вот соцсеть, например, работает в минус.

Стоит ли в таком случае отключать соцсеть? Далеко не факт. Если мы посмотрим на этот же статус CRM-системы, но уже с точки зрения линейной модели атрибуции, то увидим, что Яндекс.Директ работает около ноля, Google Ads ушел в минус, зато соцсеть даёт 140% ROI.

Какие модели атрибуции можно использовать

Наше агентство использует те модели атрибуции, которые можно встретить в Google Analytics:

• последнее взаимодействие;
• последнее непрямое взаимодействие;
• первое взаимодействие;
• ассоциированные конверсии;
• линейная модель атрибуции;
• модель U-Shape, дающая по 40% первому и последнему каналу;
• модели с учетом давности взаимодействия.

Какие модели существую еще. Можно использовать data-driven модели, которые учитывают ценность перехода на сайт. Также есть модели, которые позволяют учитывать, насколько давно человек заходил к вам. То есть самый ценный заход – это сегодняшний, после которого он оставил заявку. Менее ценный – вчерашний и т. д.

Эволюция маркетинга после внедрения сквозной аналитики

Главное достижение сквозной аналитики – это изменения в формате взаимодействия с подрядчиками, а также введение новых KPI.

Один из наших клиентов использовал размещение у блогеров. Доля рекламных расходов достигала от 40 до 300%. То есть реклама работала в минус. Благодаря мультиканальному анализу мы увидели, что прямых продаж через блоги практически нет, но их клиенты именно там знакомятся с продуктом, а затем возвращаются уже через другие каналы.

Сквозная аналитика даёт понимание того, какие каналы имеют подогревающий эффект, а какие приносят продажи. Увидев эффективность каждого канала, вы избежите распространенной ошибки, когда отключают рабочий источник.

Сквозную аналитику можно выстроить просто в Excel-файле, где всё будет наглядно показано. Больше не нужно составлять и разбираться в десятках разных отчетов. Для компаний с большими объёмами продаж или многоканальной рекламой можно использовать автоматизированные решения, которые будут экономить рабочее время.

Результаты внедрения сквозной аналитики

Прежде всего станет понятно, какие источники привлечения клиентов наиболее эффективны. Далее появится понимание того, как вывести неэффективные источники в плюс. То есть появится возможность выстроить нормальную стратегию и перераспределить бюджет на те источники, которые дают максимальную прибыль.

Сквозная аналитика даёт понимание того, какие посты дают максимальную отдачу в социальных сетях. Детализация метрик позволит скорректировать контент-план даже при условии того, что этот канал работает только на подогрев аудитории.

Как итог, за первый год работы после внедрения сервиса вы можете поднять прибыль своего сайта на 30%.