Сквозная аналитика по-прежнему в тренде. И хотя у бизнеса и маркетологов все реже возникает вопрос «Зачем она вообще нужна?», об оптимальных способах ее настройки до сих пор спорят. Мы решили внести ясность в этот вопрос и описать несколько вариантов с их плюсами и минусами.
О преимуществах сквозной аналитики уже не раз писали, поэтому не буду останавливаться на этом подробно. Ее главный и самый ощутимый плюс для бизнеса – это возможность понимать, как окупается реклама. Специалисту больше не приходится оперировать промежуточными метриками эффективности: кликами, CTR, онлайн-заявками. Сквозная аналитика позволяет видеть конечную ценность рекламы– ее ROI и количество денег, которые она принесла. Владея этой информацией, маркетолог или собственник может взвешенно решать, на что стоит тратить бюджет, а какую рекламу лучше отключить. Также он понимает, во сколько обходится каждый звонок или заявка по конкретному каналу.
Чтобы получить такие данные, нужно свести в одной системе информацию о тратах на рекламу и доходах из нее. Звучит на первый взгляд просто, но реализовать это не так-то легко. Как человек, который каждый день работает со сквозной аналитикой, я решил сравнить различные способы и описать их особенности. Надеюсь, эта статья поможет выбрать систему, подходящую именно для ваших потребностей.
Способ 1: простой
Простым его можно назвать, потому что он задействует небольшое количество инструментов и не требует серьезного погружения в код и, например, Google Tag Manager. Для настройки потребуется:
- любая система аналитики, которую вы используете, например, Google Analytics;
- коллтрекинг (аналитика звонков), если покупатели вам чаще всего звонят и/или email-трекер, если часто пишут на почту;
- CRM, которая интегрирована с сайтом и коллтрекингом и/или email-трекером — благодаря этому в систему отправляется информация о звонке и рекламе, которая привела к обращению клиента.
В дальнейших примерах я рассматриваю наличие аналитики звонков, т. к. в большинство компаний клиенты звонят перед совершением покупки. Например, чтобы уточнить наличие на складе, скидки, актуальность цены и другие моменты. Особенно это касается товаров с высоким средним чеком и продуктов с множеством характеристик, которые нужно уточнять. Поэтому, если у бизнеса хотя бы часть обращений – это звонки, то желательно установить коллтрекинг. В противном случае вы не будете понимать, какая реклама приводит к звонкам от большой части ваших клиентов.
Человек заходит на площадку из рекламы и обращается в отдел продаж по телефону, чтобы оформить покупку. В CRM передаются данные: client ID, user ID, рекламный источник перехода и другая информация. Из коллтрекинга тоже передаются данные в привязке к конкретному звонку. Теперь их нужно свести воедино и связать с конкретной покупкой.
- Выгружаем данные о лидах из CRM. Почти во всех CRM есть возможность создавать отчеты благодаря системе фильтров и выгружать их в формате xls и csv. Т.к. мы работаем с Pipedrive, то раньше формировали отчеты там и выгружали менее чем за минуту.
- Выгрузку с лидами и каналами, которые их принесли, заносим в отдельную таблицу. Там вы увидите, сколько потенциальных клиентов принес тот или иной источник и насколько качественными были эти лиды.
- В другую таблицу выгружается информация о транзакциях. Необходимо ее также поделить на рекламные источники, сумму и количество лидов. Поэтому важно, чтобы менеджеры всегда вносили в CRM сумму продажи. Это должен контролировать сотрудник, который занимается чисткой базы – на подобную работу можно взять даже студента. Главное, чтобы он был внимательным и хотя бы немного технически подкованным.
- На выходе получаем документ, в котором считается количество лидов обоих видов, количество и сумма закрытых сделок, вложения в рекламу, стоимость привлечения лида и клиента, ROI.
Плюсы:
- не требуются дополнительные инструменты – для построения аналитики понадобятся сервисы, которые вы и так используете каждый день.
Минусы:
- если вы компания, у которой много данных, то получится очень «тяжелый» документ, который будет долго грузиться;
- необходимость ручной работы, но импорт данных можно автоматизировать, если в вашем штате есть программист.
Способ 2: продвинутый
Здесь уже не обойтись без специальной системы сквозной аналитики. Другие составляющие остаются такими же, как и в предыдущем способе.
- Из CRM, коллтрекинга и системы веб-аналитики выгружается информация.
- Данные передаются в систему сквозной аналитики.
- Информация о продажах из системы учета также отправляется в сквозную аналитику.
Плюсы:
- не нужно создавать отдельные таблицы – данные собираются в удобном формате прямо в системе сквозной аналитики;
- минимум ручной работы.
Минусы:
- вам приходится платить еще за один сервис, а подобные инструменты чаще всего недешевы;
- вы ограничены интерфейсом системы и стандартными отчетами – кастомизировать их под конкретный бизнес не получится.
Способ 3: сложный
Этот способ раскроет для вас широкие возможности, но он не для всех. Слишком много инструментов нужно использовать, и обойдутся они недешево. Такой способ имеет смысл внедрять компаниям с внушительными объемами данных.
- Передаем информацию из Google Analytics, сервиса отслеживания звонков и CRM в Google BigQuery.
- Для обработки информации используем, например, Alytics – платформу сквозной аналитики и автоматизации контекстной рекламы.
- Передаем данные о продажах в Google BigQuery.
- Делаем визуализацию, используя Google Data Studio или Microsoft Power BI.
Плюсы:
- возможность работать с большими объемами данных;
- вы не сталкиваетесь с ограничениями и можете настроить сквозную аналитику, как вам нужно.
Минусы:
- высокая стоимость – вы тратите деньги и на дополнительные инструменты, и на работу программиста, который должен их связать;
- без привлечения специалиста построить такую систему не получится;
- не имеет смысла внедрять, если конверсий у вас немного.
Способ 4: сквозная аналитика в рамках сервиса коллтрекинга
Этот способ использует в работе наша компания, и он подходит для любого бизнеса, который дает рекламу и получает из нее звонки от клиентов. Его главный плюс – не нужно подключать много дополнительных инструментов и тратить на них деньги. Но тут придется выбирать именно такой сервис коллтрекинга, который предоставляет сквозную аналитику. В Украине это Ringostat, R7K12, в России, например, Roistat, Mango, K50.
- Коллтрекинг интегрируется с CRM и рекламной системой: Google Ads, Яндекс.Директ и Facebook. Во многих сервисах есть готовые интеграции, которые можно подключить парой кликов, не обладая специальными знаниями.
- В коллтрекинг начинают передаваться данные о затратах на кампании из описанных выше систем и о доходе – из CRM. А данные об источниках звонков сервис собирает сам по себе.
- В отчете собираются данные о расходах на рекламу, количестве переходов и звонков из нее, доходе и окупаемости вложений в рекламу. У нас это выглядит так:
Плюсы:
- вы можете подстраивать сквозную аналитику под ваши нужды, разумеется, если такую возможность предоставляет сервис, который вы используете. К примеру, наш сервис позволяет настроить атрибуции на основе событий, присвоить вес каждому действию пользователя и даже задать период полураспада, как в линейной модели Google. В другом сервисе возможности кастомизации могут быть другими или их не будет вовсе. Желательно обратить на это внимание перед подключением, чтобы понимать, все ли ваши задачи сервис закроет;
- экономия времени и денег – из-за того, что вы работаете в одном сервисе, вам не понадобится покупать дополнительные инструменты и не нужно переключаться между несколькими системами для сбора данных;
- минимум ручной работы – тот, кто строил дашборды, знает, как тяжело все настраивать самостоятельно, особенно если что-то периодически ломается.
Минусы:
- не все сервисы позволяют кастомизировать сквозную аналитику в противном случае вы жестко привязаны к интерфейсу коллтрекинга;
- все-таки нужно один раз заняться настройкой аналитики, плюс у вас должна быть правильно построена структура контекстной рекламы и настроены utm-метки.
При выборе сервиса отдельно обращайте внимание, сколько есть готовых источников импорта трат – в противном случае вам придется добавлять их вручную. И то, если есть такой функционал. Также некоторые сервисы добавляют в каждую ссылку свои собственные utm. И если вы захотите посмотреть отчет Source/Medium в Google Analytics, то вам будет сложно проанализировать источники.
Способ 5: гиковский
Его нам подсказал партнер – независимый веб-аналитик Максим Гапчук.
- Определяем источник перехода на сайт. Чтобы не разбираться с API, для этого можно использовать скрипт Sourcebuster.js.
- В Google Tag Manager и создаем новый тег типа Пользовательский HTML со специальными настройками. Благодаря этому скрипту можно получить информацию об источнике перехода на сайт в глобальных переменных JS: источник трафика, канал, кампания, ключевое слово, вариант объявления.
- Настраиваем передачу информации о заявках с сайта в Google Таблицы.
- Собираем данные о звонках из коллтрекинга в Google Таблицах – это также можно сделать с помощью скрипта, который Максим привел в своей статье на нашем блоге.
Плюсы:
- вам не нужны дополнительные инструменты, кроме коллтрекинга.
Минусы:
- для настройки нужно хотя бы минимально разбираться в Google Tag Manager, знать, как запускать скрипты и т. д. – не всякий маркетолог владеет подобными знаниями;
- данный способ подразумевает модель атрибуции по последнему клику, т. е. вы не сможете гибко настроить сквозную аналитику в соответствии со своими бизнес-процессами.
Выводы
Как бы вы ни строили сквозную аналитику, ее смысл сводится к одному – объединить информацию о расходах на рекламу и доходах из нее. Только так вы сможете оценить, действительно ли реклама окупается и приносит продажи. В отличие от промежуточных конверсий – это лучший способ получить точную картину рентабельности ваших вложений.
Как способ выбрать, решать вам, в зависимости от вашего бизнеса и его потребностей. Главное понимать, что важно экономить не только деньги, но и время. «Кустарные» дашборды требуют постоянной ручной работы, и велик шанс, что периодически они будут ломаться. Поэтому рекомендую рассматривать решения, которые быстро и легко внедряются, не требуют самостоятельно собирать данные и имеют оправданную цену.