Если вы только начинаете подступаться к аналитике данных, и хотите наконец начать принимать решения не на основе опыта и интуиции, а на основании четких цифр, вы наверняка задумывались о внедрении сквозной аналитики. Однако эта сфера часто непонятна неспециалистам: нужна ли вообще магазину сквозная аналитика, в какой момент она начинает приносить реальную пользу, какие данные следует собирать, какие отчеты формировать и какие решения можно принимать, основываясь на полученной информации.
Часто предприниматели, посетив конференции или послушав вебинары, узнают о том, что всем необходима такая современная и полезная вещь, пытаются настроить ее у себя в компании и сталкиваются со множеством проблем, начиная с того, что у них попросту нет в обиходе программных продуктов и сервисных платформ, которые необходимы для сбора данных, и заканчивая отсутствием специалистов, которые могли бы воплотить задуманное в жизнь. Даже подключив какой-то сервис, например коллтрекинга, и видя данные, они чаще всего не понимают, что с ними делать. В этой статье рассмотрим основные «за» и «против» к теме внедрения сквозной аналитики для интернет-магазина.
Всем ли нужна сквозная аналитика
Сквозная аналитика — это возможность анализировать данные на всем пути сделки с покупателем, от рекламного канала, из которого он к вам пришел, до той суммы, которую он вам заплатил. Параллельно вы можете увидеть такие показатели, как ROI/ROMI и узнать, насколько эффективен был тот или иной канал, чтобы решить, использовать ли его в дальнейшем. При этом все данные привязаны к лидам, сделкам и выручке, показанным в CRM. Таким образом, сквозная аналитика — нужный и полезный инструмент, позволяющий систематизировать данные о продажах и рекламных каналах и принимать на основе данных верные решения. Компания начинает вкладывать меньше денег в неэффективную рекламу и больше денег в эффективную, получать более качественный трафик и в итоге увеличивает число продаж и, следовательно, прибыль.
В чем сложность принятия решений и в чем в данном случае различие между компаниями? Прежде всего в том, что небольшой компании с ограниченными бюджетами для принятия решений чаще всего достаточно той информации, которая собирается традиционными методами.
Если небольшой бизнес использует преимущественно один-два рекламных канала, например, контекстную и таргетированную рекламу, ведущие на разные посадочные страницы, данные о конверсии он может получить и стандартными методами — из Яндекс Метрики или Google Analytics, и при небольшом количестве продаж их нетрудно отследить в CRM. Если же компания решает дать рекламу в оффлайн-источниках, например, в журнале или на рекламном носителе неподалеку от оффлайновой торговой точки, достаточно подключить отдельный номер и указать его в рекламных материалах — детализация звонков даст понять, сколько обращений с рекламы было сделано, а фиксация источника в CRM поможет не забыть, откуда пришел конкретный клиент. Конечно, если клиент попал на сайт по рекламному объявлению, потом позвонил для уточнения информации или написал в форме обратной связи, а сделал заказ в другое посещение, введя адрес магазина в поисковой строке, будет невозможно связать рекламный канал и конкретный заказ. Однако, если каналов онлайн-рекламы немного, а CRM ведется активно, такие случаи в небольшой компании можно свести к минимуму.
Это работает для тех случаев, когда магазин продает стандартизированные товары, которые удобно выбирать по картинкам на сайте и характеристикам. Если же товар сложный — например, сантехника, инструмент, товары для ремонта в непрофессиональном сегменте — появляется большое число потенциальных клиентов, у которых возникают вопросы относительно товара, оплаты, доставки и монтажа, им необходимы телефонные консультации. В этом случае часть клиентов выпадает из поля зрения онлайн-систем и они учитываются только в CRM. Если число звонков в интернет-магазин достаточно велико, без сквозной аналитики контролировать происходящее будет сложно.
Нелишним будет обратить внимание и на бюджет, который бизнес выделяет на рекламу и готов потратить на ее оптимизацию. Возможностей становится все больше, так как провайдеры отдельных услуг (например, телефонии, как Mango Office) предлагают собственные аналитические отчеты, а системы сквозной аналитики (как, например, Roistat), предлагают услуги коллтрекинга и управления ставками в рекламе. Таким образом, конкуренция между сервисами становится все выше, выбор все шире и цены для конечного пользователя постепенно снижаются — сейчас на рынке существуют предложения стоимостью до 10 тысяч в месяц.
Очевидно, что когда ежемесячный рекламный бюджет интернет-магазина составляет 10-20 тысяч рублей, анализировать его за сопоставимую сумму попросту невыгодно. Если бюджет на рекламу чуть больше (30-50 тысяч рублей в месяц), стоит либо воспользоваться пакетом с минимальным набором услуг и низкой стоимостью (например, сервис Calltouch предлагает стартовый пакет от 990 рублей), либо запросить пробный период на каком-либо из сервисов и оценить, насколько полученные данные могут быть полезны бизнесу на текущем этапе развития.
Сквозная аналитика совершенно точно нужна тем компаниям, ежемесячные затраты которых на рекламу составляют от 100 тысяч рублей, реклама транслируется в два и более канала, а объемы продаж либо не позволяют делать ручные выборки и получать точные результаты, либо на это уходит слишком много времени. Например, вы даете таргетированную рекламу в социальной сети и контекстную на поиске. Вы видите по имеющимся данным из рекламных кабинетов, что у таргетированной рекламы ниже CTR (показатель кликабельности), однако выше трафик; ниже цена клика, но и ниже конверсия. Но вам нужно больше информации, чтобы решить, что делать дальше. Какой средний чек дает нам каждый из каналов? Какова выручка по каждому из каналов? Каковы затраты на рекламу в каждом из каналов? Наконец, во сколько нам обошлось привлечение каждого клиента и получили ли мы прибыль?
Можно копнуть и еще глубже. Покупали ли повторно пришедшие из каждого из каналов, каков показатель LTV (пожизненной ценности клиента)? Имеет значение и модель атрибуции, ведь может быть и так, что показ рекламы в социальной сети привлек клиентов и «подогрел» их, а заход на сайт с совершением покупки они сделали уже из поиска по контекстной рекламе — и тогда, если мы отключим «неэффективный» канал, снизится и качество «эффективного».
Без объединения данных из разных систем получить ответы на эти вопросы не получится, и когда продаж становится настолько много, что вручную свести данные не представляется возможным, значит, пора внедрять «сквозняк».
Что нужно для настройки сквозной аналитики
Если задать в поисковой системе соответствующий запрос, можно увидеть, что существует множество схем настройки сквозной аналитики. Все их объединяет несколько элементов:
- есть рекламные кабинеты, где тратятся деньги на привлечение аудитории на сайт,
- возможно, также есть офлайн-канал рекламы: раздача флаеров, реклама в печатных изданиях, наружная реклама,
- есть сайт, куда попадает трафик и где происходят конверсии (формы заказа, обратный звонок, онлайн-чат),
- есть входящие звонки, после которых позвонивший может стать клиентом (причем не обязательно в результате самого звонка),
- есть CRM, куда собираются данные обо всех контактах, заказах, покупках.
Отражая все эти элементы в сквозной аналитике, можно получить модель «от денег до денег», то есть полностью по всей цепочке, от затрат на привлечение до получения прибыли.
Читайте также:
Коммуникации с аудиторией интернет-магазина
Как увеличить продажи в интернет-магазине
Сами системы сквозной аналитики могут быть как готовыми решениями, то есть представлены различными сервисами, так и разрабатываться самостоятельно под нужды компании. Фактически выбор системы аналитики начинается с понимания, какие отчеты мы хотим получать — от этого зависит, будет ли достаточно стандартного решения или придется заняться разработкой собственной системы.
Готовое решение
Самый простой и распространенный вариант — работа с Google Analytics. Если завести в нее финансовые показатели, она дает возможность оценивать доходы и расходы применительно к различным сегментам пользователей, исследовать модели атрибуции и даже проводить когортный анализ. У этой системы есть и минусы, которые выражаются как в ограничении на представление данных при больших объемах, так и в невозможности передачи в систему персональной информации.
Другой вариант — использование облачного сервиса сквозной аналитики, например, Roistat. Сервисы достаточно просто начать использовать, и в целом они довольно дешевы, что позволяет внедрять их даже небольшим компаниям. Но у них также существуют определенные минусы: они предоставляют только типовые отчеты и интегрируются только с самыми распространенными сервисами. Поэтому, если вы пользуетесь какой-то редкой CRM или вам нужен особенный отчет, которого нет в стандартном пакете, вам придется подумать о самостоятельной разработке системы сквозной аналитики. Также можно воспользоваться услугой доработки от самого сервиса или его партнеров.
Самостоятельная разработка
Самостоятельная разработка системы с нуля может оказаться достаточно сложным и дорогим решением, так как потребуется интегрировать различные сервисы друг с другом. Например, данные о контактах и сделках могут собираться в AmoCRM, сервис Comagic обеспечит коллтрекинг, данные о рекламных затратах будут браться из Google Ads и Яндекс Директ, для интеграций будет использоваться сервис Albato, а отображение данных в виде красивых графиков будет происходить посредством Power BI.
Понятно, что для успеха данного мероприятия необходим человек, который точно понимает, что он хочет получить на выходе, и сможет составить техническое задание: какую CRM использовать, какой сервис коллтрекинга, статический или динамический коллтрекинг потребуется и т. д. Также потребуются и разработчики, которые смогут воплотить все желаемое в жизнь и в дальнейшем контролировать работоспособность системы, потому что периодически будут возникать ошибки, требующие отладки. Таким образом, самостоятельная разработка системы сквозной аналитики нужна тем компаниям, кому недостаточно возможностей коробочного решения и у которых есть достаточный бюджет на воплощение своих желаний.
Что делать небольшим магазинам
Если сквозная аналитика магазину пока что объективно не нужна, но хочется максимально правильно принимать решения, следует прежде всего обратить внимание на информацию из модулей электронной торговли в Яндекс Метрике и Google Analytics.
- Необходимо как минимум внедрить и начать активно использовать CRM, которая будет объединять всю информацию о клиентах. Представим себе ситуацию, что потенциальный клиент задал вопрос по товару в онлайн-чате на компьютере, потом позвонил для уточнения, а через некоторое время сделал заказ со смартфона. CRM поможет узнать, что три этих действия сделал один и тот же человек, имеющий один номер телефона — иначе по данным из трех разных систем это будет выглядеть как три разных обращения.
- Также важно настроить трекинг всех имеющихся данных. Например, в анализе рекламы можно сосредоточиться на стоимости привлечения лида и управлять рекламой, повышая количество лидов и их качество, при этом стараясь снижать их стоимость. Для этого потребуется активно использовать UTM-метки, чтобы понимать, из какой системы, с какой кампании и по какому объявлению пришел тот или иной клиент. Благодаря им в системе аналитики можно будет отследить путь от объявления до целевого действия и попадания в CRM.
- Чтобы эффективно расходовать рекламный бюджет, необходимо понимать, во сколько обходится стоимость привлечения клиента и насколько она рентабельна в текущий момент. Идеальный вариант — когда компания знает LTV (lifetime value) своих клиентов, ведь клиент, совершающий повторные покупки «самоходом», ничего не стоит компании. Но, если накопленной статистики недостаточно, можно оперировать и показателями среднего чека и маржинальности, то есть переходить в сферу юнит-экономики. Например, мы знаем, что в среднем клиент магазина совершает покупку на 7000 рублей, а внутри этого среднего чека заложена себестоимость товара, налоги, расходы на склад, ФОТ и т. д. Понимая, что прибыль со среднего чека составляет, скажем, 2000 рублей, мы можем для себя определить, какая стоимость привлечения клиента для нас приемлема. А разделив все рекламные затраты на число полученных по рекламе клиентов, можно понять, во сколько обошелся каждый из них.
- Когда клиенты из какого-то канала оказываются слишком дорогими, можно попытаться снизить их стоимость (конечно, если такая возможность существует — некоторые каналы не имеют возможностей оптимизации, например, баннеры на партнерских сайтах или пакетные предложения). Если запущено несколько кампаний контекстной рекламы, можно проанализировать, какая из них генерирует самых дорогих клиентов, и попробовать оптимизировать ее — поменять ключевые слова, ставки, изменить объявления — или перераспределить средства в пользу остальных.
Сквозная аналитика — важный и полезный инструмент, помогающий крупным интернет-магазинам оптимизировать расходы на продвижение. Однако даже небольшой магазин может улучшать результативность рекламных кампаний, если его сотрудники будут принимать решения на основе данных и цифр, а не только на основе личного опыта.
Статья для журнала «Управление магазином»