Середина марта 2020, Испания. Я иду с пляжа Тенерифе, искупавшийся и счастливый. На острове жарко, тихо, спокойно и красиво. Ничто не предвещает паники.
Константин собственной персоной
Все рушится в один момент. Начинается карантин, Россия вот-вот официально закроет въезд. Несколько дней мы с женой на нервах, ищем варианты, как прилететь и не застрять в принудительном карантине. На улицу можно выходить по одному и только в магазин, аптеку, погулять с собакой.
Гуляю. Голова взрывается от мысли «что будет с бизнесом»
Нашему сайту МегаКупон уже более 10 лет. Люди получают на сайте платные и бесплатные купоны на скидку в аквапарки, рестораны, развлекательные центры, салоны красоты и медицинские центры Москвы и Санкт-Петербурга.Если локдаун продлится, все эти заведения закроются, купоны будут не нужны, и это конец.
В России мои опасения сбылись. Сайт перестал приносить деньги, посещаемость упала в разы. Я понимал, что рано или поздно мы выйдем из кризиса, и решил использовать это время, чтобы максимально улучшить сайт, сделать его более удобным для пользователей и поисковых систем.
Это требовало написания ТЗ, тестирования, контроля работ. И конечно, нам хотелось сохранить данные сквозной аналитики.
К апрелю 2020 мы пользовались сквозной аналитикой несколько месяцев. Путь к этому решению был нелегким. Расскажу все по порядку.
Настоящий бизнесмен многорук и многозадачен
Так, вот, аналитикой занимался я сам и еще один специалист. Сначала пользовались Яндекс.Метрикой, потом появилась Google Analytics.
До внедрения сквозной аналитики мы просто смотрели на количество кликов по источникам в Яндекс.Метрике, а потом уже считали прибыль, количество регистраций и приобретенных купонов по каждому источнику в своей админке. Конверсии присваивались по реферальным меткам вида ref=partner_code: старожилы вспомнят, эта система использовалась до распространения utm-меток. При переходе по ссылке с реферальной меткой пользователь и его покупки записывались в базу, и партнеру начислялось вознаграждение. Конечно, мы хотели перейти на современную систему utm-меток, это намного удобнее.
Что нас не устраивало в Метрике
1. Мы понимали, что нам не хватает точности, функционала. Простой пример: у нас часть продаж идет по CPA, то есть пользователи покупают купоны не на нашем сайте, а на сайте партнеров.
На всякий случай: CPA (Cost Per Action, или «Оплата за действие») — модель, при которой оплачиваются только определенные действия пользователей на сайте рекламодателя.
Вот как это выглядит на примере акции аквапарка «Мореон» на «МегаКупоне»: cначала на нашем сайте человек кликает на кнопку «Получить скидку»
Контекстная реклама сыграла большую роль в этой конверсии, но Яндекс.Метрика не будет учитывать этот источник, а станет считать покупку совершенной с прямого захода из поиска. Мне хотелось большего разнообразия моделей атрибуции, чтобы получить точный отчет по источникам.
На всякий случай: Атрибуция — это распределение конверсии между различными источниками перехода на сайт. Модели атрибуции — разные варианты подсчета этого распределения.
На всякий случай: utm-метки — специальные параметры в ссылках, с помощью которых можно отследить трафик по каждой ссылке и оценить, насколько эффективно размещение.
Эффективность рекламных каналов отслеживали — только не смейтесь — по наитию.
Мы не загружали в Метрику затраты по всем источникам — честно, потому что было лень, да и не передавались туда все данные о продажах. Поэтому смотрели окупаемость самостоятельно, в своей системе. Тут надо отметить, что у нас полностью самописный сайт и самописная админка. Мы ограничены в в ресурсах, и нужно распределять приоритеты и оптимизировать процессы для недопущения человеческой ошибки.
Делали запросы в базу MySQL, где лежат все данные сайта. Запрашивали, сколько за определенный месяц платили пользователи с каждого источника трафика (трафик, напомню, мы определяли по реферальной метке), а затем смотрели, сколько мы потратили за этот месяц на каждый источник. Вот так и считали рентабельность.
Это все я говорил о Яндекс.Метрике. Google Analytics нас тоже не полностью устраивала: во-первых, там тоже не было нужных моделей атрибуции, во-вторых, мне чисто субъективно не нравится интерфейс, сложно было пользоваться и настраивать.
Словом, шоу «Интуиция» шло к закрытию, расходы росли, и мы все больше понимали, что нам нужна сквозная аналитика и точные модели атрибуции. Для нас перестало быть важным количество переходов с источника, какое место мы занимаем в рейтинге купонных сервисов. В первую очередь мы были заинтересованы в привлечении большего количества клиентов к нашим партнерам, выявлению неэффективных каналов, увеличению ROI в контекстной рекламе и, в конечном итоге, увеличению прибыли.
Плюс мы хотели тестировать новые места посева контента и отслеживать их эффективность. Например, давно собирались попробовать SMM во «ВКонтакте», наняли команду специалистов, договорились об оплате. Но когда нужно было поставить KPI, возникла проблема: стандартные метрики (количество постов и привлеченных подписчиков) нам были не интересны, потому что мы рассматривали SMM как канал привлечения именно покупателей сайта, а не простых участников сообщества. Хотелось отслеживать эффективность именно по ROI, но без сквозной аналитики это было нереально.
На всякий случай: ROI (return on investment) — коэффициент окупаемости. Показывает, прибыльна или убыточна та или иная активность.Перед внедрением сквозной аналитики нам нужно было разобраться с основными сложностями:
1. Назначить стоимость бесплатного купона — на тот момент у нас на сайте было большинство акций с бесплатными купонами, а с партнерами мы работали по комиссии. Пользователь получал бесплатный купон, приходил к партнеру, тот отмечал купон и мы могли посчитать наш доход. Мы высчитали средний доход с каждого полученного бесплатного купона и приняли его за стоимость бесплатного купона.
2. Идентифицировать пользователей. С некоторыми крупными партнерами мы работали по CPA, где не требовалось получение купона и услуга оплачивалась на сайте партнера. Каждому пользователю с нашего сайта мы присвоили уникальные метки, интегрировались с партнерами по API, и они стали передавать нам данные о продажах вместе с уникальными метками для идентификации пользователя.
3. Освоить передачу данных в Google Analytics. Мы собирались работать на основе данных из Google Analytics — в этом случае интеграция с системой сквозной аналитики была бы быстрой и бесплатной, а если не понравится система, то можно перейти на другую без потери данных.
Я уже говорил, что не особо использовал Google Analytics, меня отталкивал интерфейс. Но пришлось углубиться и узнать о measurement protocol. Он решал все наши задачи, но на тот момент не имел подробных гайдов внедрения, применимых к нашей ситуации, на русском языке.
На всякий случай: Measurement Protocol (MP) — протокол передачи статистических данных, с помощью которого можно передавать информацию о продажах, просмотрах и других данных в Google Analytics.
Принцип следующий: при каждом действии пользователя на сайте генерируются ссылки, в которых зашифрована передаваемая информация. Например, данные о том, что пользователь просматривал карточку товара или акции. Наше приложение (сайт) по ним заходит, Google Analytics видит урлы ссылок и понимает, что мы им хотели передать.
За месяц я разобрался в measurement protocol, написал задание для программиста, и он внедрил протокол. Мы перепроверили точность данных, отсеяли ботов, нашли ошибки, о которых даже не догадывались: например, некоторые пользователи в Google у нас были неразмеченными. Исправили ошибки. И наконец стали искать систему сквозной аналитики.
Я начал поиски два года назад, в конце 2018-го. По доброй традиции занимался всем сам: составил список критериев и начал смотреть предложения. Задавал менеджерам вопросы и отмечал, кто честнее ответит.
Вот технические критерии, по которым я выбирал систему:
в нее можно передавать данные об оффлайн-покупках, совершенных не на нашем сайте;
быстро и бесплатно интегрироваться, учитывая, что у нас самописный сайт, а система может нас не устраивать в функционале;
интегрировать расходы с Яндекс.Директ, Google Ads, «ВКонтакте»;
легко загружать расходы по другим источникам;
работать на основе данных из Google Analytics.
Уже на этапе обзвона столкнулся с новой сложностью. Представьте, я задаю четкий предметный вопрос по функционалу, а менеджеры говорят: да-да-да, все есть. А когда начинается предметное общение с техподдержкой и изучение API для интеграции, все оказывается не так радужно и нужного функционала нет.
Чем больше я общался с менеджерами разных систем аналитики, тем больше становился насторожен по отношению к ним. То ли они просто не обладали точными данными о работе системы, то ли так сильно хотели продать, что вводили меня в заблуждение. В итоге мы даже не начинали тестировать — я отказывался еще на этапе переговоров.
Так я обзвонил все сервисы из списка. Наиболее компетентный менеджер и поддержка были в сервисе Alytics. Специалисты реально хорошо знали, как работает Google Analytics и measurement protocol. Интеграция была быстрой (1-3 дня) и бесплатной, поэтому мы и выбрали для теста эту систему. С нашей стороны требовалось только добавить скрипт в Google Tag Manager.
Внедрение заняло максимум две недели. Меня подключили к специалисту, который объяснял мне все по телефону. Я находился в тот момент в Испании, но это не стало проблемой.
Никаких особых сложностей при внедрении не возникло, бизнес-процессы компании перестраивать не пришлось. Единственной возникшей проблемой после начала работы была группировка всех наших источников. На наш сайт идет большой трафик — соответственно, и источников его много. Но Alytics изначально группирует только Яндекс.Директ, Google Ads, органику и соцсети. А остальные наши источники — сайты-агрегаторы, промокоды и т.д — оказались в разделе «неразмеченные» — то есть нужно было группировать их самостоятельно. Но это было несложно, наш специалист быстро справился:Вот как каналы сгруппированы сейчас
Первые результаты появились буквально на следующий день после внедрения. Мы получили среднестатистическую массу данных и начали работать с ними. Стали считать данные по линейной и U-Shape моделям атрибуции и ясно видеть, в каких кампаниях у нас низкий ROI, какие ключевые слова приносят убыток и требуют снижения ставки, какие акции не стоит размещать на определенных площадках, а какие, наоборот, надо усилить в продвижении.
Середина марта 2020. Испания. Я иду с пляжа Тенерифе, искупавшийся и счастливый. На острове жарко, тихо, спокойно и красиво. Все рушится в один момент.
Локдаун, карантин, развлекательные заведения закрыты, наши купоны никому не нужны. Сайт не работает, а ребятам из Alytics надо платить. А денег нет. А если обслуживание прекращается, все данные система удаляет. И что, терять их и перечеркнуть несколько месяцев работы?
В общем, не буду томить: в Alytics пошли нам навстречу и сделали бесплатную приостановку обслуживания. Мы договорились: когда кризис кончится, мы опять будем сотрудничать, а пока они не будут удалять наши данные.
Это было достаточно проблемно: на сайте много пользователей, данные нужно хранить по каждому показу. Тем не менее разработчики пошли на это — спасибо им за человеческое отношение. Через 3-4 месяца, когда дела наладились, мы начали работать как раньше.
Результаты увидели сразу по нескольким направлениям:
Я как руководитель компании наконец-то стал понимать, насколько эффективны разные каналы маркетинга. Конечно, сейчас жизнь поменялась, многое стало непредсказуемым, и эффективность каждого канала может быть абсолютно разной каждый месяц. Если оценивать эффективность чисто по прибыли, которую приносит каждый канал, лидерами стали сайты-агрегаторы. А раньше мы думали, что самыми эффективными были емейл-рассылки.
Также я вижу, как работают первые посевы, благодаря разнообразным моделям атрибуции. Как я уже говорил, в Метрике их немного, а сейчас мы пробуем и модель по первому взаимодействию, и линейную, и U-shape.
Каждая модель хороша, каждая позволяет оценить эффективность рекламных каналов, которые привели к покупке. В самом простой — по первому взаимодействию — мы понимаем, что какая-то компания привлекает будущих клиентов, и поэтому ее не отключаем (а могли бы, если бы действовали как раньше, по интуиции).
Линейная хороша тем, что не отдает преимущество конкретному рекламному каналу. Если пользователь перед покупкой купона совершил 3 взаимодействия с сайтом (из органического поиска, из «ВКонтакте», из контекстной рекламы), то каждому из них отдается ⅓ часть выручки..
U-shape более сложная: первому и последнему каналам отдается по 40% конверсии, а остальные проценты в равных долях распределяются между другими. Особой разницы в показателях ROI я пока не увидел, поэтому продолжаем тестировать несколько моделей одновременно.
3. Специалисты по контекстной рекламе смогли увеличить ROI и общий доход. Стали отключать неэффективные кампании в низкий сезон или повышать их эффективность: снижать ставку. У тех кампаний, что хорошо работали, увеличиваем ставку, чтобы еще больше зарабатывать.
Также стали проводить эксперименты с сервисом Яндекс.Аудитории и со стратегиями в Google Ads. Они оказались неэффективными, но мы это смогли увидеть именно в Alytics. И вернулись к тому, как работали раньше.
В конечном итоге мы стали работать эффективнее и быстрее, видеть точные, а не приблизительные данные в удобном и надежном интерфейсе. А самое главное — стали больше зарабатывать. До пандемии мы увеличили прибыль с помощью Alytics на 30%. Во время пандемии сквозная аналитика помогла сократить расходы на неэффективные источники трафика и сэкономила нам тоже примерно 30%.
Самое главное — после внедрения сквозной аналитики у меня и у моей команды поменялось мышление. Мы перешли от подсчета кликов к подсчету выручки и ROI. Это то, что не хватает многим маркетологам, которые считают клики, позиции и не понимают, что для бизнеса важно одно — сколько заработано денег. Да и самим предпринимателям не помешает еще раз это уяснить.
Поэтому совет коллегам и партнерам: если для вашего e-commerce проекта не важен колл-трекинг и продуктовая аналитика, если вы хотите считать ROI и чистую прибыль по каждому каналу трафика, то я рекомендую использовать Alytics, в настройках которого разберется любой собственник бизнеса — при учете настроенной передачи данных в Google Analytics.
Июнь (а может, июль) 2021 года. На небе светит ласковое солнышко. Ноги приятно холодит морская (а может, океаническая) вода.
Я все также буду идти вдоль пляжа (а может, прогуливаться по каменной набережной) и думать о будущем своего бизнеса. Что будет дальше — покажет время. И сквозная аналитика. И уж тут безо всяких «а может».
Вы подписались на наши новости.
Мы приняли вашу заявку на внедрение.
В ближайшее время наш специалист
свяжется с вами.
Мы приняли вашу заявку на интеграцию.
В ближайшее время наш специалист
свяжется с вами.
Мы приняли ваш запрос.
В ближайшее время наш специалист
свяжется с вами.
Мы приняли вашу заявку. В ближайшее
время
наш специалист свяжется с вами.
Благодарим за интерес к нашему сервису.
Чтобы посмотреть демо-проект, перейдите по адресу demo.alytics.ru и введите указанные ниже логин и пароль:
Логин: demo@alytics.ru
Пароль: demo
Мы подготовили проект так, чтобы вам было проще понять, как будет выглядеть и работать Alytics, когда вы выполните все настройки, накопите данные, и сквозная аналитика заработает на 100%.
По всем вопросам пишите нашей службе поддержки: support@alytics.ru
Ваш запрос отправлен.
В ближайшее время наш специалист свяжется с вами.
+1% акция до 1 августа* — акция действует только на новых клиентов.
Условия акции: