Логотип Alytics
Получить демо-доступ Регистрация
+7 495 215-23-57

15 Марта 2022

Задачи сквозной аналитики: в чем она помогает и какому бизнесу подходит?

Какие задачи решает сквозная аналитика

Зачем мне сквозная аналитика, если есть Google Analytics? Реально ли она помогает посчитать прибыль и ROI? Как ее интегрировать со всеми нашими данными и CRM, кто это будет делать? А сотрудники разберутся в этой системе — это же сложно?  

Эксперты сервиса Alytics ответили на частые вопросы и рассказали о задачах сквозной аналитики для бизнеса.   

Как работает сквозная аналитика

Сквозная аналитика — это система, которая помогает оценивать эффективность рекламных каналов, считать окупаемость и прибыль от каждого. Сервисы сквозной аналитики собирают воедино данные из Google Analytics и «Яндекс.Метрики», коллтрекинга и самое главное — данные о продажах из CRM. Благодаря этому анализируются не только клики и действия посетителей сайта, но и реальные деньги компании.   



как работает сквозная аналитика в .png

Получается разветвленная сеть данных, по которой можно оценить эффективность каждого канала.

Есть мнение, что сквозная аналитика — это суперсложно и лучше уж работать по старинке. На самом деле большую часть работы берут на себя специалисты сервисов сквозной аналитики. Вам достаточно будет указать логины ваших рекламных кабинетов и счетчика, который установлен на сайте. CRM к проекту в большинстве случаев специалисты подключат сами. Бизнесу останется только автоматизировать создание сделок и настроить проброс client id в CRM. А затем изучать отчеты, анализировать эффективность рекламы и принимать решения. Например, если какой-то канал приносит мало продаж — он убыточен, убираем его или думаем, как оптимизировать. Если, наоборот, канал хорошо окупается, можно расширить бюджет на него. 

Теперь подробно рассмотрим задачи сквозной аналитики на конкретных примерах и кейсах.


1 задача сквозной аналитики — отследить все рекламные источники 

Сквозная аналитика помогает отследить весь путь клиента от первого касания с сайтом до совершения конверсии — покупки или заявки. 

Расскажем на примере. Вы даете рекламу по нескольким каналам: контекст, таргет в соцсетях, реклама у блогеров. Пользователь может перейти на рекламируемый сайт с каждого из этих каналов. Каждому пользователю присваивается специальный идентификационный номер — clientID. По нему можно посмотреть все его сессии и понять, какой канал привел в итоге к конверсии.

Но путь каждого пользователя уникален. Кто-то сначала увидел рекламу в «Яндекс.Директе», зашел на сайт, поизучал и ушел — отвлекся на другие дела. Потом вспомнил, набрал название сайта в поиске, опять зашел. Потом еще раз попал на сайт, когда его догнал ретаргетинг. И только с  третьего раза совершил покупку.

Другой пользователь попал на сайт с рекламы на Facebook, добавил его в закладки и спустя месяц зашел снова, и так несколько раз, пока не «созрел» до покупки.

И таких вариантов путей пользователей бесконечное множество.  Сквозная аналитика помогает отследить ВСЕ эти варианты, включая касания, которые были совершены не из онлайна. А это самое трудное. 

Представьте, что пользователь позвонил, пообщался с менеджером и оформил заказ по телефону. Для учета таких продаж необходимы дополнительные инструменты, такие как коллтрекинг.  Поэтому многие сервисы сквозной аналитики устанавливают еще и коллтрекинг для более полной аналитики.


2 задача — понять эффективность каждого источника


Мало просто совершать касания. Человек может хоть 10 раз в день заходить на сайт, но какой в этом толк, если он так и не сделает конверсию? Поэтому ценность каждого источника считается по главному для любого бизнеса принципу — привел он к покупке или нет. Для этого системе аналитики нужна интеграция с CRM, где фиксируются сущности (сделки, контакты, лиды, заказы), и с коллтрекингом, где учитываются звонки. Без этих интеграций данных будет недостаточно, и аналитика будет неполной.   

Кроме того, необходимо выбрать модель атрибуции — инструмент, позволяющий распределить ценность конверсии по всем рекламным каналам, которые привели к покупке.

Возьмем наш пример, о котором говорилось в предыдущем разделе. Пользователь зашел на сайт с контекстной рекламы, потом отвлекся, спустя какое-то время набрал название сайта в поиске, опять зашел. Потом еще раз попал на сайт, когда его догнал ретаргетинг, и наконец совершил покупку. Всего у него было три захода — три касания с сайтом из разных источников. Какой же из них привел к покупке? 

Есть много мнений, какое касание считается самым важным. Сколько мнений — столько и моделей атрибуции. Вот основные: 

  1. Атрибуция по первому взаимодействию. Вся ценность отдается первому касанию с сайтом.  

  2. Атрибуция по последнему клику. Соответственно, последнему касанию.  

  3. Атрибуция по последнему платному клику. Учитывается последний канал, с которого был совершен платный переход на сайт.

  4. Линейная атрибуция. Ценность отдается всем каналам равномерно. 

  5. U-shape атрибуция. Ценность отдается первому и последнему источнику: им отводится по 40% значимости. Остальные 20% распределяются между всеми другими касаниями. 

Атрибуция по последнему клику используется чаще всего. Однако перед покупкой пользователь посещал сайт не один раз с разных источников, поэтому логичнее было бы учесть всю цепочку каналов. Поэтому мы в Alytics используем 7 моделей атрибуции плюс возможность создавать свои модели с учетом специфики вашего бизнеса.

Когда модель атрибуции выбрана, сквозная аналитика учитывает согласно с ней все касания пользователя и связывает их с данными из CRM — сделками, продажами и полученной прибылью. 

Одними инструментами веб-аналитики без CRM обойтись невозможно: максимум, что может подсчитать бизнес, это СРА — стоимость целевого действия. А в связке с данными из CRM можно посчитать выручку и прибыль, ROI — коэффициент окупаемости, ДРР— долю рекламных расходов. То есть реальные цифры, которые так важны бизнесу.

Посмотрите на отчет по источникам трафика, который делаем мы в Alytics:


отчет по источникам трафика alytics.png


Сравнение источников трафика нашего клиента

Мы видим, что наибольшую окупаемость приносит Google Ads и прямой трафик. У Яндекс.Маркета ROI  отрицательный, а доля рекламных расходов на этот канал огромная. Нужно принимать меры!


3 задача — оптимизировать рекламный бюджет  


Итак, отчеты сквозной аналитики дают бизнесу ясную картину, какой канал эффективен, а какой не очень. Что бизнесу делать с этой информацией?

Самым простым решением будет влить побольше денег на эффективные каналы и закрыть неэффективные. С первым мы согласны: если канал окупается и приносит прибыль, можно расширить рекламный бюджет. Со вторым мы бы советовали не рубить сгоряча, а попытаться оптимизировать каналы, чтобы убыточная реклама начала приносить прибыль.

В компании «Созвездие красоты» так и сделали и в итоге перестроили весь маркетинг. У них были проблемы с таргетированной рекламой и блогерами: модель атрибуции по последнему клику показывала, что эти каналы приносили прибыль, но отдача была недостаточной. До внедрения сквозной аналитики было так: заказали рекламу у 4 блогеров на 300 000 рублей, наметили ДРР 18-20 %. Но моментальных продаж не было, ДРР составила от 36 % до 325 %. Были мысли распрощаться с этим каналом, но…

После внедрения Alytics и смене модели атрибуции стало понятно, что не все так плохо. Оказалось, что конкретно в этой компании таргет и реклама у блогеров хорошо работают на первых этапах воронки продаж и вовлекают их в середине. Но непосредственно продажи идут в основном с других каналов. Значит, оценивать эффективность этих каналов нужно не по последнему клику, как было ранее, а по первому или по линейной модели атрибуции. Ведь странно один раз разместить рекламу и ждать шквала продаж: сначала нужно вовлечь подписчиков, подогреть интерес к бренду, потом уже ждать отдачи. 

отчет по источникам трафика реальные цифры.png

Отчет Alytics показал реальные цифры: по последнему клику продаж было 48, зато по первому — 83.

Сквозная аналитика помогла понять, что таргет и реклама у блогеров — потенциально эффективные каналы, их нужно не отключать, а оптимизировать. Для этого в компании снизили рекламный бюджет и гонорары таргетологам в 2 раза. Бюджет на блогеров снизили до 100-150 000 рублей в месяц. ДРР достиг 20-21 %. Подробнее об этой истории читайте в нашем кейсе на VC.ru


4 задача — увеличить продажи


Многие предприниматели отмечают, что внедрение сквозной аналитики в корне меняет подход к отслеживанию данных и ведению бизнеса в целом. От подсчета кликов и позиций бизнес переходит к подсчету выручки и ROI и понимает, что на самом деле важно одно — количество заработанных денег.

Мы в Alytics точно знаем: отследить ROI без сквозной аналитики просто нереально. 

Очень хорошо описал этот путь наш клиент, директор сервиса «МегаКупон». Он честно рассказал в интервью, что долгое время оценивал эффективность источников буквально по наитию, что, конечно, не давало точной картины окупаемости. Вскоре после внедрения сервиса сквозной аналитики картина стала ясной как день: у каких источников низкий ROI, какие площадки не дают прибыли и т. д. 

Благодаря такому подходу клиент начал больше зарабатывать и увеличил прибыль на 30 %. По нашим данным, выручка наших заказчиков увеличивается в среднем на 30-40 %, а бывает и вдвое.  

Другой наш клиент, портал «Акушерство.ру», до внедрения сквозной аналитики работал с 7-8 прайс-агрегаторами и тоже думал, что все они приносят прибыль. С одной такой площадкой они долго работали, были в хороших партнерских отношениях, площадка приносила по 50 заказов в месяц, но… все решил ROI. Безжалостные цифры отчета говорили сами за себя: если ROI очень низкий или отрицательный, значит, никакой прибыли по сути нет. Портал отказался от нескольких таких площадок без сожаления.   


5 задача — контролировать подрядчиков по рекламе 


Если у бизнеса много рекламных каналов — наверняка много и подрядчиков. Кто-то делает контекстную рекламу, кто-то отвечает за SMM, кто-то специализируется на интеграциях с блогерами. Часто бывает, что реклама не выстреливает, вы чувствуете, что что-то не так, но подрядчики показывают красивые отчеты и клянутся: все хорошо!

С такой проблемой столкнулся наш клиент, хостинг Fozzy. Пока в компании работали только с Google Analytics, Facebook Analytics, внутренней самописной аналитикой — вопросов к подрядчикам по контекстной рекламе не возникало. Но стоило установить сквозную аналитику, стало понятно, что цифры не совпадают с реальностью и рекламный бюджет расходуется неэффективно. 

В компании провели собственное расследование: с помощью Alytics сопоставили данные и поняли, что контекстная реклама привлекала мало лидов. Конверсии приносили в основном постоянные клиенты, а в отчетах подрядчика об этом не было сказано ни слова. 

В итоге сотрудничество с этим подрядчиком было разорвано, и компания сэкономила 50 % рекламного бюджета. Подробнее об этом увлекательном расследовании мы писали в кейсе на VC.ru


6 задача — упростить и автоматизировать отчеты


Кто бы ни занимался отчетами в вашей компании — директор по маркетингу, маркетологи, менеджеры, узкие специалисты, лично директор или все вместе — все они хотят тратить меньше времени на это занятие. 

Во-первых, если у вас несколько источников трафика — вы видите отдельные отчеты по каждому из них. Причем они могут быть в разных видах: «Google Таблицах», Excel, внутренних документах компании. Плюс они бывают разных типов: ежедневные, еженедельные, ежемесячные и т. д. Да что мы вам говорим, вы сами все знаете. Конечно, хочется объединить все внутренние отчеты в одном месте, чтобы любой ответственный сотрудник зашел и сразу увидел все данные.

Во-вторых, эти отчеты часто составляются вручную: берутся данные из систем аналитики, CRM, высчитываются показатели… Иногда сотрудники сидят над ними часами, а могли бы работать над стратегией и оптимизацией рекламных каналов.

В-третьих, руководство часто не может увидеть отчеты по первому требованию. Иногда нужно принять быстрое решение, которое поможет сэкономить деньги, но надо ждать, пока Оля или Сережа сделает актуальный отчет.

Директор по маркетингу «Акушерство.ру» рассказал, как сквозная аналитика помогла упростить ему все эти задачи. С Alytics все отчеты компании сведены в одном месте — достаточно в любой момент открыть систему и посмотреть актуальные данные. Это дает целостное восприятие маркетинга в общем и каждого рекламного источника в частности 

Большинство данных подтягиваются автоматически — сотрудники не тратят свое время на ручное заполнение. Конечно, они работают с отчетами: часто заходят, анализируют, корректируют ставки и стратегии. Ценно, что можно быстро получать данные по каждому источнику и принимать решения — особенно это важно для каналов с большим бюджетом. Например, в контекстной рекламе промедление может быть роковым: не успел вовремя поменять ставку — лишил компанию денег.    


Какому бизнесу нужна сквозная аналитика (а кому можно пока подождать)


По данным нашего исследования, у 87 % российских компаний еще не установлена сквозная аналитика. При этом 53 % понимают, как работает эта система, 47 % хотят понять и изучить инструменты и задачи сквозной аналитики.


статистика по сквозной аналитике в бизнесе.png

Проникновение сквозной аналитики в бизнес

Но каждый ли бизнес готов к внедрению сквозной аналитики? Не торопитесь с внедрением, если у вас:

  • Небольшая компания и (или) малая прибыльность. В этом случае внедрение сквозной аналитики будет попросту нерентабельным. Лучше подробно изучайте стандартные системы аналитики: Google Analytics или «Яндекс Метрику», разбирайтесь с CRM.   

  • Нет продвижения в интернете или очень мало, буквально по 1-2 каналам. Например, если вы недавно открыли небольшой цветочный магазин и рекламируетесь только в Instagram и «ВКонтакте», подсчитать их окупаемость  можно и без сквозной аналитики.

  • Не установлена CRM-система. Мы часто сталкиваемся с проблемами: у бизнеса нет CRM, или она неудобная, или не интегрируется со сквозной аналитикой, коллтрекингом и другими сервисами. Без этого невозможно понять, сколько денег тратится на каждый рекламный канал, как он окупается и сколько прибыли приносит. Мы провели исследование, посвященное рекламе в фитнес-индустрии, и выяснили, что бестолковые CRM — реальная проблема этой ниши.     

  • Менеджеры неэффективно работают с CRM. Проследите, чтобы ваши сотрудники не халтурили и отмечали в системе абсолютно все: только так можно увидеть полную картину данных о сделках и продажах. Также мы советуем настроить автоматическую передачу данных в CRM  — это поможет исключить ошибки. Кроме того, это одно из наших требований при последующем внедрении сквозной аналитики.  

Мы рекомендуем внедрение, если у вас:

  • Несколько источников онлайн-трафика. Люди попадают на сайт из нескольких каналов: контекстная реклама, таргет, реклама у блогеров, органический поиск и т. д. 

  • Внутри компании используется CRM.  

  • Установлены другие системы аналитики, откуда также будут поступать сведения и синхронизироваться с данными CRM и коллтрекинга.

  • Компания крупная, данных и отчетов много, и сводить их вручную просто неудобно и неэффективно. Поэтому для более или менее крупных игроков сквозная аналитика просто необходима.

Как внедрить сквозную аналитику


Если вашему бизнесу все же нужна сквозная аналитика и вы готовы к внедрению, рассмотрите 2 основных способа. 

  1. Внедрить собственное решение. Для этого нужны хранилище данных (BigQuery, SQL, Excel и т. д.), системы визуализации (MS Power BI, Tableau, Google Data Studio и другие) и помощь программиста и аналитика. Эти специалисты выстроят систему сквозной аналитики конкретно под ваш бизнес и будут поддерживать ее в рабочем состоянии. Такой путь подходит для крупных компаний, которые могут платить специалистам минимум 300 000 рублей в месяц. 

  2. Выбрать готовое решение — например, облачный сервис Alytics. Его тоже можно оптимизировать под любой бизнес и специфику. А самое главное — платить за разработку не нужно, специалисты Alytics соберут и синхронизируют все данные за фиксированную сумму, а потом будут оказывать техподдержку. Стоит это всего 5 000 – 15 000 рублей в месяц.  

Оцените все возможные затраты и риски и выберите оптимальное для бизнеса решение. А чтобы проконсультироваться со специалистами Alytics оставляйте заявку.