Как построить Data-driven-маркетинг: аналитика с нуля

19 Февраля 2020
Время чтения: 20 минут
logo

Data-driven-маркетинг — это построение маркетинговой стратегии на основе анализа данных. Такой подход позволяет бизнесу более точно видеть портрет своего клиента, выявлять проблемные места в рекламных кампаниях, выдвигать и подтверждать гипотезы. Одним словом, дает понимание, как бизнесу зарабатывать больше. Мы провели серию интервью с экспертами и собрали 6 кейсов построения Data-driven-маркетинга с нуля. Читайте, как вы можете внедрить маркетинг, основанный на данных, в свой бизнес.

Стадии принятия маркетинга

Источник: https://marketoonist.com/


1. Определите задачи на старте и сфокусируйтесь на главном

Внедрение любого нового подхода, стратегии или инструмента начинается с постановки целей и задач. Какую потребность вашего бизнеса должна закрывать аналитика? Ключевые задачи аналитики в Promodo, а также их историю проб и ошибок нам поведал Алексей Горовенко.

Алексей Горовенко
Алексей Горовенко, руководитель отдела маркетинга Promodo

Ключевые задачи аналитики в Promodo сводятся к трем пунктам:

  1. Где мы сейчас относительно прошлого года и прошлого месяца?
  2. За счет чего получается прирасти? Как это можно масштабировать?
  3. Где мы начали проседать? Как вернуть все на восходящий тренд?

Начинали мы с Google Analytics. Настроили Цели, События, подключили e-commerce-пакет. Все заявки с сайта приходили на почту. Столкнулись со сложностью: через форму начали приходить обращения по партнерству, спамные заявки, outreach блогеров, резюме кандидатов и т. д. Это свидетельствует о развитии, росте узнаваемости и популярности компании, но усложняет аналитику. Рост заявок с сайтов компании перестал означать рост количества обращений реальных клиентов.

Затем добавили CRM. В CRM мы настроили систему скоринга, которая позволяет фильтровать те самые нецелевые обращения. Начали передавать источники обращения и настроили трекинг заявок, которые поступали через другие источники (звонки, корпоративный e-mail, контакты после посещения конференций, рекомендации партнеров и т. д.).

Столкнулись со сложностью: интерфейс CRM не настроен на визуализацию данных и не позволяет объединить всю информацию в одном месте в наглядном формате. В результате появились многочисленные отчеты в Excel и Google Sheets, которые нужно было сводить каждый месяц заново. Эту сложность мы смогли преодолеть с помощью Google Data Studio. Этот инструмент позволил визуализировать данные из большого числа таблиц в одном отчете. Таким образом, получилось сэкономить время специалистов и исключить человеческий фактор.

Столкнулись со сложностью: маркетинг не заканчивается на привлечении новых лидов, а Data Studio не содержит в себе показателей по работе с текущим портфелем клиентов. Так у нас появился Power BI. С его помощью получилось оценить эффективность нашей операционной деятельности как по новым, так и по постоянным клиентам. Благодаря внедрению Power BI и Data Studio удалось закрыть все задачи, которые стоят перед аналитикой компании.

За 15 лет в бизнесе мы убедились, что старый друг лучше новых двух. Сейчас наши усилия сфокусированы на формировании дополнительной ценности для текущих клиентов за счет глубокой экспертизы, новых технологий и желания решить любую задачу. Эти данные еще не научились оцифровывать, но, как и в любом бизнесе, клиенты голосуют ногами и личными рекомендациями. :)


2. Настройте сбор, объединение и анализ данных с помощью специальных инструментов

Как DD-подход помогает маркетингу с практической точки зрения, с чего начать его построение и какие инструменты при этом можно использовать, нам рассказала Анна Климова.

Анна Климова
Анна Климова, руководитель отдела веб-аналитики агентства iConText

DD-подход помогает бизнесу лучше узнать свою аудиторию, оценить эффективность маркетинговых вложений, построить прогноз бизнес-показателей, повысить эффективность используемых каналов. Он позволяет разделить аудиторию на сегменты и сделать им более целевые предложения. Все это, конечно же, ведет к более качественному распределению бюджетов.

– С чего начать?

Первое, что нужно сделать, — настроить сбор статистики с сайта в хранилище данных. Собирать данные с сайта можно на основе всем известных систем аналитики GA и Метрики, а затем загружать их в базу данных. Также можно сразу настраивать стриминг данных аналитики в базу данных (можно использовать связку Google Analytics — BigQuery или Logs API Метрики + Clickhouse). Вместо BQ и Clickhouse можно использовать любую базу данных. Удобство предлагаемых данных связок в том, что, по сути, это и есть готовые решения для стриминга данных из систем аналитики в базу данных.

Конечно же, нужно убедиться в полноте и качестве собираемых данных, а также настроить сбор недостающих параметров и метрик. Стоит объединить данные, собранные с сайта, с данными с рекламных площадок, e-mail-сервисов, коллтрекинговых систем, данными из CRM и офлайн-данными. И дальше самое интересное: непосредственный анализ самих данных.

Как правило, для анализа данных используются языки программирования Python, R. В этих языках программирования есть много готовых библиотек, предназначенных для анализа данных, что упрощает и ускоряет процесс получения из них инсайтов. Также иногда для этих задач используется и SQL. Еще одно решение — использовать готовый софт.


3. На рынке нет нужного инструмента? Создайте свой!

Сейчас трудно представить performance-агентство, которое не ориентируется на данные при принятии решений. Но так было не всегда. Историю построения своей системы аналитики и то, с какими сложностями столкнулось его агентство, нам рассказал Никита Быкадаров.

Никита Быкадаров
Никита Быкадаров, директор по технологиям Artics Internet Solutions

Агентство по умолчанию должно быть Data-driven, т. е. ориентироваться на данные при принятии решений. И это касается не только решений по клиентским проектам. Даже при принятии решений, направленных на развитие бизнеса, мы всегда ориентируемся на данные.

Некоторое время назад, чтобы получить какой-то срез данных (например, по определенной категории рекламодателей), мы собирали информацию из рекламных кабинетов, систем аналитики, внутренних таблиц. Скорость принятия решений в этом случае довольно низкая, особенно если мы говорим про большой объем информации. В месяц на составление разных отчетов (по кампаниям и по компании) мы тратили около 1600 часов. Переведя это в деньги, мы поняли, что надо инвестировать в автоматизацию процессов.

Процесс построения системы аналитики выглядел так: сначала мы сформировали список «хотелок», оценили каждую в деньгах, отсеяли те, которые не приносят очевидной выгоды. Затем изучили рыночные решения, поняли, что есть инструменты, которые решают задачи в рамках проектов, но при этом не заточены на решение задач агентства. Поэтому пошли по пути создания собственного инструмента — «Артикс.Цифры». Система работает на Google Cloud Platform, для визуализации данных мы используем Power BI.

– Какие были сложности и как вы их преодолели?

Первую версию системы мы получили буквально через полгода. Этого мы добились путем приоритизации и отказа от «лишнего» функционала, который не имел большого смысла. Это кажется логичным, но, чтобы это осуществить, пришлось проделать большую работу. Не всегда на начальном этапе можно достаточно хорошо определить, что должно попасть в новый продукт, а от чего имеет смысл отказаться.

Еще одна сложность, с которой мы столкнулись, — бесперебойность работы системы. В первые месяцы она часто ломалась, в какой-то момент мы даже решили, что имеет смысл переделать архитектуру, чтобы повысить стабильность работы. В таких ситуациях начинают всплывать неочевидные подводные камни, которые сложно предусмотреть в самом начале. Нам потребовалось несколько месяцев, чтобы добиться бесперебойной работы.

Мы по-прежнему сталкиваемся со сложностями, система не стоит на месте, она дорабатывается, развивается. Но сейчас все иначе — система «обвешана» мониторингом, и мы о таких проблемах узнаем моментально и можем оперативно реагировать.

– Чего в итоге удалось добиться? Как сейчас выглядит аналитика в вашей компании?

Мы сократили количество часов на составление отчетности в 3 раза. И считаем это хорошим value для бизнеса. Изначально планировали сократить это время в 5 раз, но быстро поняли, что специалисты, которым больше не надо тратить много времени на рутинные отчеты, захотели создавать еще больше отчетов и глубже копаться в данных.

Сейчас аналитика в компании выглядит следующим образом — каждый проект подключен к «Артикс.Цифрам», есть определенный набор отчетов, которые нужны для ежедневной работы команды. При необходимости в пару кликов можно создать и подключить дополнительные отчеты.

– Как это помогает маркетингу с практической точки зрения?

Повышается скорость принятия решений и сложность задаваемых вопросов. Специалисты могут в несколько кликов получить отчет, который проверит их гипотезу, позволит получить инсайты.


4. Ограничен бюджет? Ищите разные варианты, проводите переговоры

Не у всех компаний есть возможность выделить нужный бюджет на построение системы аналитики. Однако это не повод отступать и довольствоваться только GA, например. Как проблему ограниченного бюджета решили в компании «Альмак», нам рассказал Данилевский Владислав.

Данилевский Владислав
Данилевский Владислав, начальник отдела платного трафика и аналитики ООО «Альмак»

Нашей основной задачей на старте было оптимизировать рабочие рекламные кампании и протестировать новые источники трафика; увеличить объем заключенных сделок при соблюдении стоимости за сделку, сохраняющей рентабельность привлечения клиента.

Из всей аналитики была таблица в Google Диске, в которую менеджеры вручную заносили заявки с почты, а затем этими же руками переносили данные в 1С. То есть говорить о том, откуда пришла качественная заявка, а откуда идет сомнительный трафик, было весьма затруднительно. Из CRM-системы у нас была только полностью самописная 1С и отсутствие опыта у 1С-разработчика различных интеграций с ней. Распределение звонков происходило при помощи телефонии Asterisk. Звонки по источнику определить было невозможно, учитывая то, что в день поступает более 150 звонков.

Первоначально я определил для себя, какие инструменты мне понадобятся для корректной работы и четкой аналитики. Еще одним немаловажным условием было пересадить отдел продаж из таблички в облаке в рабочую систему, с которой они не сталкивались. Скажу сразу, без негатива не обошлось. Зато опытным путем удалось определить, что продажники — это консерваторы по типу личности. :)

– Какие инструменты вы использовали?

При построении аналитики в маленькой компании больших денег выделять никто не будет, так что я сразу понял: тут нужно делать все максимально эффективно и не совершать лишних трат.

Начнем с выбора фундамента. Трафик идет, деньги горят, ждать нельзя. Поэтому в качестве CRM-системы временным вариантом я выбрал amoCRM. Тут возникла следующая проблема. Оплата тарифа происходит только на полгода. А мне нужно 10 пользователей. Сразу ощутимая сумма. Нам нужна была временная прокладка всего на пару месяцев, переплачивать вообще не хотелось. В итоге просто поговорил с менеджерами amoCRM, донес до них аргументы, после чего они пошли навстречу и получилось сторговаться на базовый тариф на 4 месяца за вменяемые деньги. Ставлю им лайк. :)

Выбрал систему аналитики за вменяемые деньги. В ней было плотное наполнение, хороший визуал. Причем по функциям можно настроить все нужное для конкретно вашего проекта без дополнительных переплат и лишних фич.

Осталось сделать так, чтобы заявки с сайтов падали в CRM-систему и передавались в эту систему аналитики. Тут тоже ничего сложного не встретил. Нашел веб-разработчика среди знакомых, попросил вшить ID этой системы аналитики в письмо для самописных сайтов. Для сайтов на конструкторе все настроил путем стандартных интеграций. Всё! Все заявки со всех сайтов попадают в одну CRM-систему, при этом автоматически создается сделка, оператор видит и обрабатывает ее.

Перейдем к моему самому «любимому» моменту: интеграции телефонии и amoCRM. Сразу отмечу, с настройкой телефонии вообще не сталкивался никогда, поэтому пришлось разобраться с нуля, как все устроено. В итоге оказалось, что для связи телефонии Asterisk и AmoCRM нужна прокладка, которая будет собирать и отдавать данные. Нашел сервис Telefum24, в котором работают очень адекватные ребята, помогают при интеграции и всегда готовы продлить тестовый период.

Далее для определения источника звонков нашел, за каким источником закреплены номера в телефонии. Все статичные номера завел в систему аналитики, и вуаля — теперь мы можем оценить качество звонков любого источника.

По динамическому коллтрекингу решил попробовать сервис CoMagic. Так как с ним работал очень мало, интересно было его протестировать. У них есть большой плюс: они предоставляют возможность завести свои номера. По поддержке вопросов нет: отвечают быстро, идут навстречу. К самому сервису вопросов нет. Единственное, думаю, можно уже немного обновить дизайн интерфейса. :)

На все возможные интеграции потратил не более 8–10 тысяч. Абонентская плата за все в месяц чуть выше.

На данный момент мы имеем следующее: поступает заявка или звонок, ответственный обрабатывает ее, а звонок автоматически телефонией распределяется на свободного сотрудника. По звонку создается сделка с источником. Что это все дает мне? Теперь есть понятие, какие источники эффективные, а какие просто давали заявки, но не приводили к сделкам. Таким образом, я протестировал Google / Яндекс / ВК / ФБ / Instagram. Понял, по какой стратегии мне работать с каждым источником и каналом. Понял, сколько мы тратим на привлечение клиента. Теперь мы трезво оцениваем, как сезонность влияет на цену сделки, и можем принять нужные меры. Соблюдаем рентабельность.

Если по цифрам, то при том же объеме сделок удалось сократить расход бюджета на 100 тысяч рублей. Такая математика.


5. Принимая решение на основе данных, влияйте на один показатель

Построив аналитику и ясно увидев, где у вас низкая конверсия, а где неприемлемый CPC, велик соблазн начать менять все и сразу. Однако, проводя несколько экспериментов одновременно, вы не поймете, что именно повлияло на тот или иной показатель. Почему важно фокусироваться на одной метрике и как не усложнять свою аналитику, нам рассказал Виктор Рындин.

Виктор Рындин
Виктор Рындин, генеральный директор агентства комплексного digital-маркетинга WeMakeFab

Data-driven-маркетинг в том виде, о котором рассказывают на конференциях, к сожалению, встречается не так часто. Дело в том, что любой маркетинг строится на основе тех самых данных, а их у малого и среднего бизнеса не хватает катастрофически. Порой даже для ремаркетинг-кампаний базу из нескольких тысяч пользователей не собрать, что уж говорить о настоящем Data-driven-маркетинге!

Перед тем как начать обрабатывать данные, их нужно получить. Чтобы делать выводы, как минимум на год назад вы должны знать все основные показатели по маркетинговой активности: объем трафика по источникам, CPM, CPC, CPL, CPO и остальные важные показатели, о которых все знают, но которые не все собирают. Не ограничивайте себя в источниках получаемых данных. Рекламные кабинеты, системы аналитики, CRM-системы — все подойдет!

Начинайте с широких величин и постепенно сужайте область исследования. В состоянии сравнить стоимость лида в разрезе рекламных источников? А в разрезе кампаний одного источника? А конверсию из лида в продажу в зависимости от источника? А LTV в зависимости от рекламного источника? Вопросов может быть множество, а отвечать на них нужно постепенно.

Принимайте решения на основе данных, влияя на один ключевой показатель. Не нужно сразу пытаться снизить стоимость лида и увеличить конверсию. Сосредоточьтесь на одном показателе и, работая с ним, следите, как он влияет на остальную воронку.

Не усложняйте! К примеру, вот связка из одного реального кейса: для детального анализа контекстной рекламы компания развернула связку Power BI + AdWords API + Яндекс.Директ API + CRM-система + парсер для анализа цен конкурента и принятия решения о корректировке ставок. Реализация проекта заняла не один месяц вовлеченной работы аналитика и разработчиков, а потерянное время и ценность выводов едва ли оказались сопоставимы с затратами. Зато кейс на слайдах выглядеть будет очень эффектно!

Data-driven-маркетинг не ограничивается сбором и анализом статистики в рамках ваших рекламных кампаний. Собирайте и изучайте показатели эффективности менеджеров по продажам, улучшайте программы лояльности и совершенствуйте свой продукт на основе данных.


6. Планируйте инвестиции на короткие периоды

Сквозная аналитика позволяет видеть отдачу от каждого вложенного рубля. Это дает возможность прогнозировать будущий доход компании за счет увеличения инвестиций. Андрей Никитин рассказал, как это делать правильно, и привел в пример еще одну историю построения Data-driven буквально с нуля с таблички Excel.

Андрей Никитин
Андрей Никитин, генеральный директор рекламного агентства AdBeam

Расскажу о конкретном кейсе построения Data-driven-маркетинга в одной компании. Ниша — услуги B2C. Компания начала сотрудничество с нами 4 года назад мы размещали ее контекстную и медийную рекламу с целью получения заявок. Если сжать все задачи клиента в коротком предложении, то мы должны были следить за актуальными технологиями на рынке и использовать современные. Конкуренция в нише высокая, а клиент всегда хотел быть лидером.

На старте рекламные бюджеты были совсем скромными. Аналитика заключалась в том, что мы установили цели на кнопке на сайте и считали в Excel потраченные деньги и количество полученных целей один раз в неделю.

Начинали с отчетов в Excel на еженедельной основе по количеству обращений и потраченных денег. На сайтах были установлены Google Analytics и Метрика для оценки качества трафика. Со временем был настроен импорт целей — обращений с сайта в Аналитику/Метрику, что позволило лучше управлять кампаниями.

– Какие инструменты использовали?

Начинали с ручного управления ставками, потом были биддеры (системы удержания позиции), потом стратегии правдивой ставки (подбор ставки согласно средней конверсии сайта и цены за конверсию). Потом использовали оптимизаторы (как встроенные, так и К50/Alytics), а в конце Power Bi и работа через оптимизаторы ROMI (оптимизация рекламных кампаний по данным прибыли в разрезе ключевых слов/РК).

– Какие были сложности?

Часть заявок утекала в звонки, и мы их не видели. Поэтому установили коллтрекинг — сначала статика, а после динамический коллтрекинг. Проблему несовершенной системы учета клиентов и ведения их по воронке решили апгрейдом CRM-системы. Отсутствие данных в одном окне тоже было проблемой. Решили так: сначала настроили импорт расходов в GA и смотрели все там, а после переехали в Power Bi как более совершенный инструмент.

В итоге нам удалось наладить сквозную аналитику и работу с рекламой в ключе эффективности инвестиций. То есть мы знаем, сколько было заработано с каждого вложенного рубля в интернет-маркетинг. Теперь можно планировать инвестиции в маркетинг и доход от таких инвестиций, причем не на длительные периоды, ведь отклик мы увидим буквально через неделю после увеличения или уменьшения инвестиций. В итоге имеем прогнозируемый рост и прогнозируемый доход.

– Как это помогает маркетингу с практической точки зрения?

Очень высокий контроль над всем происходящим в бизнесе в целом. Хорошее понимание с точки зрения финансового учета — в каком состоянии находится бизнес, какие у него возможности или риски.



Какие выводы мы сделали, собрав эти 6 кейсов?

Нет ничего невозможного. Даже если сейчас вы делаете отчеты руками в Excel и на построение аналитики готовы выделить не более 10 000 рублей в месяц — ищите недорогие варианты, проводите переговоры и находите нужные вам решения.

Если на рынке нет инструмента, который закрывает ваши потребности, создайте его сами. Используйте доступные платформы, отказывайтесь от «лишнего» функционала, приоритизируйте задачи. Сделав эту работу один раз, вы добьетесь автоматизации процесса аналитики и освободите время для более сложных и интересных задач.

Data-driven — не новомодный инструмент, а философия управления бизнесом. Постоянство и упорство на пути ее внедрения обязательно принесут положительные результаты.



Оцените статью
Поделитесь с друзьями
Вы эксперт в
интернет-маркетинге?

Опубликуйте материал в нашем блоге

Содержание:
Будем на связи!