Сквозная аналитика и когортный анализ

СОДЕРЖАНИЕ

Что такое сквозная аналитика

Одной сквозной аналитики может быть недостаточно

Что такое когортный анализ

Как принципиально работает сквозная аналитика

Как применять сквозную аналитику

Способы построения сквозной аналитики

Итоги

Сквозная аналитика – это очень широкое понятие. Одни говорят, что «сквозная аналитика – это такой онлайн-сервис, куда стекаются аналитические данные, благодаря чему становится проще представить картину происходящего». Другие называют сквозную аналитику не сервисом/программой, а мероприятием или даже комплексом мероприятий. Казалось бы, одно противоречит другому, но… дело в том, что правы обе стороны, поскольку сервисы всего лишь предоставляют необходимую для мероприятия информацию. Более того, в некоторых случаях даже этой информации для проведения мероприятия оказывается недостаточно, и об этом мы с Вами тоже поговорим.

Что такое сквозная аналитика

«Половина денег, которые я трачу на рекламу, не приносит пользы. Проблема в том, что я не знаю, какая именно половина.» (Джон Ванамейкер).

Итак, у Вас есть свой бизнес. Клиентов Вы, конечно же, привлекаете из разных источников – из поисковой выдачи, из рекламных сетей Яндекса и Google’а, из рекламы в социальных сетях ВКонтакте, Instagram, Facebook, из мессенджеров Telegram, WhatsApp и т.д. И, собственно, есть пара вполне резонных вопросов:

1) А Вы уверены, что работают ВСЕ вышеперечисленные каналы привлечения клиентов? Может быть, часть из них не работает вообще?

2) А Вы уверены, что привлечение из ВСЕХ перечисленных выше каналов рентабельно?

Единственный способ получить ответы – собрать данные аналитики по каждому из вышеперечисленных каналов привлечения, систематизировать их, а потом сравнить между собой. И вот в этом вся суть сквозной аналитики. Вот только есть несколько очень больших НО:

• собирать приходится просто огромное количество данных;
• на это уходит куча времени;
• собирать приходится из разных источников;
• если всё это делать «на коленке», то надо будет потратить еще уйму времени, чтобы прикинуть, как это всё вообще будет выглядеть. А выглядеть в таком случае всё это дело будет очень колхозно – всё равно, что в двух экземплярах печатать 50-листовые договора с помощью советской печатной машинки. Ну а чтобы минимизировать всю возню вокруг самой процедуры как раз таки и были придуманы сервисы сквозной аналитики. НО…

Одной сквозной аналитики может быть недостаточно

На рынке полно ниш, где цикл сделки может длиться не один день, не одну неделю и даже не один месяц. Типичный пример – продажа квартир. Ведь каждый из нас покупает квартиры по 2-3 раза в день – пришел на рынок за квартирой, заплатил продавцу пару сотен, забрал квартиру домой, и всё – живи и радуйся, ведь именно так рынок недвижимости и работает, да? НЕТ. А теперь серьезно.

Потенциальный покупатель обратился в агентство, далее:

• собеседование, дабы выяснить, чего вообще хочет клиент;
• поиск подходящего дома или квартиры, а ведь уже на этом пункте цикл сделки может затянуться на несколько недель;
• подобрали жилье – надо его покупать, но, поскольку, далеко не у каждого в кармане может заваляться несколько лишних миллионов рублей, приходится оформлять ипотеку, а это тоже отнимает кучу времени;
• оформили ипотеку – шикарно, пора зафиксировать сделку документально, а это еще несколько дней.

Длина такого цикла сделки может спокойно доходить 40-60-80 дней. Пока что просто запомните это, а пока переходим ко второй стороне этой же медали – рекламной кампании.

Если обращаться только к цифрам, то получается, что первый месяц рекламная кампания получилась ну вот прям вообще днищенской, можно даже сказать, фатальной, поскольку ресурсов (включая финансовые) затрачено много, а «выхлопа» ровно ноль. На второй месяц ситуация не сильно меняется – одна-две продажи, конечно, лучше, чем ничего, даже финансовые затраты на первый месяц рекламы покрыты, но все равно всё очень плохо. Третий месяц – 20 сделок, куча прибыли, заказчик вышел в огромный плюс.

В глазах заказчика всё это выглядит примерно вот так:

• в первый месяц он поминает маркетологов, мягко говоря, не самыми добрыми словами, а свою позицию обосновывает тем, что в рекламную кампанию вложено уйма денег, а продаж вообще нет;
• во второй месяц заказчик видит, что пара сделок уже есть, а значит маркетологи его типа «услышали» и решили немного исправиться;
• ну а в третий месяц «Воооот! Совсем другое дело! Могут же, когда хотят!»

И заказчик может не понять, что завершившиеся в ТРЕТЬЕМ месяце 17 сделок – это 17 клиентов, которые пришли по рекламе, которая была дана в ПЕРВЫЙ месяц, а оставшиеся 3 – во ВТОРОЙ. Т.е. такая картина нарисовалась вовсе не потому, что «Вот теперь маркетологи молодцы! Могут же, когда хотят!», а потому что сумма в несколько миллионов рублей – это не те деньги, с которыми кто-то захочет легко расстаться, особенно в тех случаях, когда деньги кредитные.

Сказанное выше приводит нас к такому важнейшему бизнес-процессу, как когортный анализ.

Что такое когортный анализ

Когортный анализ – это анализ, в ходе которого лиды делятся на группы (когорты) и далее проводится анализ по каждой группе в отдельности.

В нашем случае условные когорты будет 3:

• те, которые пришли в первый месяц;
• те, которые пришли во второй месяц;
• те, которые пришли в третий месяц.

Необязательно делить когорты именно по месяцам – можно по 1 неделе, 2 недели, 3 дня, и т.д.

Если «на пальцах» (точнее – на графиках), то когортный анализ будет выглядеть примерно вот так:

В данном примере видно, что на всём отрезке присутствуют лиды из первой когорты, причем их активность несколько выросла в момент запуска 7 когорты. В этот же период наблюдается повышение активности и по остальным когортам (кроме 6-й). В этот же период наблюдается самая высокая выручка. Собственно, когортный анализ как раз и позволяет выяснить, сколько денег в этот период принесла каждая из 7 когорт. Согласитесь, если заказчик получает 1.7 млн только от 7 когорты, в то время как по предыдущим выручки нет вообще – это прямое свидетельство того, что маркетологи работают не на полную катушку, из-за чего Вы не в состоянии закрывать лидов на повторные сделки. Совсем другое дело, когда 1 млн выручки идёт от 7 когорты и еще 700 тысяч делятся примерно равными долями между 6 предыдущими когортами, что свидетельствует о том, что народ охотно «закрывается» на повторные сделки, ибо 700 тысяч от первых 6 когорт – это не шутки. И третье дело, когда от 7 когорты выручка всего 100 тысяч, а остальные 1,6 млн выручки делятся примерно равными долями между предыдущими 6 когортами, т.е. новых клиентов по каким-то причинам получилось очень мало. Получаем, что результат один (выручка 1,7 млн), а вот причины этого результата – разные.

Именно поэтому когортный анализ во многих случаях является неотъемлемой частью сквозной аналитики, а вместе они позволяют отчетливо понять, какие маркетинговые уловки (или каналы привлечения) сработали, а какие – нет, т.е. найти ту самую половину бюджета, которая «сливается» по причине неэффективности.

Ну а далее несколько вариантов – либо отказываемся от того, что не дало эффекта, либо не отказываемся, а допиливаем/перерабатываем.

Как принципиально работает сквозная аналитика

Сквозную аналитику можно условно разделить на 3 этапа.

Этап 1 – рекламная кампания.

На данном этапе строго обязательно учитывать все рекламные затраты - размещение рекламы, скажем, в Google Ads и Яндекс.Директе (пока что для наглядности остановимся на этих двух). Затраты нужно учитывать не «на рекламу было затрачено 50000 рублей», а «на рекламу было затрачено 50000 рублей, 20000 из которых ушли на Google Ads, а оставшиеся 30000 ушли на Яндекс.Директ».

Теперь о том, что делают Google Ads и Яндекс.Директ. Фишка в том, что они каждому браузеру присваивают свой уникальный идентификатор. Т.е. пользователь может зайти на сайт по рекламному баннеру, потом покинуть сайт, а потом вернуться, но уже не по рекламному баннеру, а просто вручную введя адрес сайта в адресную строку (или покопавшись в истории посещений), то системы аналитики Яндекса и Google по идентификатору браузера поймут, что это именно тот пользователь, который ранее кликал на объявление. По аналогии работают и рекламные сети Facebook и Instagram. Если же Вы заказываете рекламу у блогеров, то в качестве «рекламного идентификатора» могут служить UTM-метки или специальные «личные» промо-коды.

Однако, даже на первом этапе часть клиентов «срывается с аналитики». Каким образом? Очень просто:

• зашли на сайт и сделали заказ с помощью звонка;
• ввели адрес вручную, находясь в другом браузере (а в некоторых случаях – даже на другом устройстве).

Такие клиенты гарантированно «вылетают» из аналитики и это никак невозможно исправить. Именно поэтому сквозная аналитика никогда не бывает (и не будет) точной.

Этап 2 – заявки.

Мы уже сказали, что часть заявок «вываливается» из сквозной аналитики. Именно поэтому на втором этапе речь может идти только о тех клиентах, которые прошли путь от объявления до заявки, не меняя браузер.

Это как раз тот этап, когда Ваши менеджеры должны делать всё возможное, чтобы закрыть клиента на сделку. На этом этапе подсчитывается CPA (т.е. стоимость получения одного лида / одной заявки) по каждому из источников.

Этап 3 – продажи и выручка.

Казалось бы, вполне логично объединить второй и третий этапы в один, но нет. Дело в том, что часть пользователей на втором этапе «срывается» - кого-то не устраивает итоговая цена, кого-то не устраивают сроки, кого-то не устраивает состав услуги или качество/функционал товара. Поэтому второй и третий этапы объединять нельзя.

На данном этапе производится:

• подсчет выручки (не стоимости заявок, а именно ВЫРУЧКИ);
• подсчет прибыли;
• подсчет ROI (коэффициента окупаемости);
• подсчет LTV («срок жизни» клиента – крайне важный показатель при повторных продажах).

Многие выделяют еще один этап – повторные продажи. Однако, повторные продажи – это тоже продажи, тоже выручка и тоже ROI, следовательно, их можно смело относить к третьему этапу.

Третий этап является самым важным, поскольку именно на нем выясняется, какой именно канал привлечения посетителей оказался наиболее эффективным в плане выручки. Именно выручки, а не заявок. Например, Вы можете получить за месяц 100 заявок из Facebook, но сделок будет только две, в то время, как из Яндекс.Директа будет 50 заявок, 40 из которых будут сконвертированы в сделки. Если что – цифры взяты с потолка, т.е. это не значит, что Facebook настолько мало эффективен, а Яндекс – божественен. Ни в коем случае.

И именно на третьем этапе возникает больше всего вопросов. Например, размер выручки – тут точные данные может предоставить только CRM. ОК, выручку посчитали. Но как же узнать, какая доля выручки имеет отношение к ранее упомянутым рекламным кампаниям? Отвечать на этот вопрос мы по ряду причин не будем, ибо гораздо правильнее либо использовать CRM, в которую уже внедрен функционал сквозной аналитики, либо использовать сервис сквозной аналитики, который может интегрироваться с Вашей CRM. Это 2 самых простых пути получения ответа на данный вопрос. В остальных случаях ответ займет… выразимся мягко – не одну статью.

Кстати, предыдущий абзац является крайне веским основанием в пользу того, чтобы:

1) использовать CRM;

2) пользоваться как можно бОльшим функционалом выбранной Вами CRM.

Парадокс, НО:

• примерно 2/3 бизнесменов понятия не имеют не только о том, что такое CRM, но и о том, что нечто подобное вообще существует;
• ну а если взять оставшуюся 1/3, то 2/3 используют функционал не на полную катушку.

Ну а самое печальное, что

• примерно 2/3 бизнесменов (причем неважно, пользуются они CRM или нет) принимают решения, руководствуясь не аналитическими данными, а своими собственными «хотелками», т.е. «хочу просто потому что».

Хуже этого может быть только одно – ссылка на «личный опыт», который, мягко говоря, может к моменту принятия решения утратить свою актуальность.

Как применять сквозную аналитику

На третьем этапе необходимо дать ответы на 2 важнейших вопроса:

• какой канал показал себя лучше?
• можно ли как-то улучшить канал, который показал себя плохо?

Не менее важно не только дать ответы на эти вопросы, но и понять, почему так получилось. Согласитесь, никому не хочется плодить рекламу, которая, пусть даже и приносит новые заявки, но не приносит прибыли. Сама же сквозная аналитика сводится примерно вот к такому графику с таблицей:

По таблице отчетливо видно, что:

• в целом выручка превысила 19 миллионов рублей;
• почти 1 млн 350 тысяч было потрачено на рекламу;
• прибыль от продаж превысила 5,7 млн рублей;
• методом элементарной математики вычитаем расходы на рекламу и получаем примерно 4,35 млн рублей чистой прибыли.

Теперь давайте разбираться с каждым каналом в отдельности.

Яндекс.Маркет

Тут всё откровенно плохо:

• самое низкое количество продаж (74);
• самая низкая выручка (даже 140 тысяч рублей нету);
• самая низкая прибыль (чуть более 40 тысяч рублей), т.е. она даже затраты на рекламу не перекрывает, о чем свидетельствует отрицательный ROI;
• прибыль и рекламные затраты на данный канал отличаются в 4,6 раз, т.е. это даже близко не паритет.

Переходы с сайтов

В данной таблице это определенно один из самых мощнейших каналов. И вот почему:

• выручка – 2,66 млн, а прибыль – почти 800 тысяч рублей;
• затраты на рекламу не превысили 1000 рублей (1000 рублей, Карл!).

Это как раз тот случай, когда при подсчете чистой прибыли гораздо быстрее и удобнее вообще проигнорировать затраты на рекламу.

ROI при этом зашкалил за 85000%, а это ну просто круто! И это при том что реклама размещена всего лишь на 191 сайте.

Яндекс.Директ

Тут тоже есть чем «похвастаться»:

• затраты на рекламу составили 871 тысячу рублей (с округлением в бОльшую сторону);
• прибыль от продаж составила 1,95 млн рублей;
• сим-салабим ахалай-махалай = чистая прибыль около 1,08 млн рублей.

Лишний миллиончик никогда не помешает, правильно?

Google AdWords

• затраты на рекламу – почти 280 тысяч рублей;
• прибыль от продаж – почти 765 тысяч рублей;
• чистая прибыль – порядка 485 тысяч рублей.

Тоже неплохо, да и ROI будет повыше, чем у Директа, но по прибыли… По сравнению с тем же Директом и переходами с сайтов – уже не производит эффекта «ВАУ!».

Какие же выводы можно сделать по данным «сквозным» результатам?

1) Самым первым кандидатом на принудительное лечение у нас становится Яндекс.Маркет, т.к. он убыточен, причем сильно. Здесь 2 варианта – либо исправительные работы, либо отказ от данного канала хотя бы на некоторое время.

2) Самым мощным каналом продаж оказались переходы с других сайтов. Затраты на рекламу – ну реально копейки, а чистая прибыль оказалась даже выше, чем у Google AdWords. А это значит, что данный канал (переходы с других сайтов) нужно продолжать активно развивать, т.к. это ультра-мощная точка роста, которая вполне в состоянии перекрыть Яндекс.Директ и Google AdWords вместе взятые.

3) Яндекс.Директ и Google AdWords… Нельзя сказать, что вот прям впечатляют, но и сказать, что «всё плохо!» тоже никак нельзя – все-таки в сумме они дали более 1,5 млн профита, а это далеко не копейки. В большинстве городов России на эти деньги можно купить квартиру, а то и две, а то и комнату в общежитии «на сдачу». Тем не менее, эти 2 канала тоже можно сделать куда эффективнее:

• можно поэкспериментировать со ставками – иногда снижение ставки не дает ничего, кроме снижения расходов на рекламу, иногда незначительное повышение ставки дает вдвое больше рекламного трафика и, как следствие, удваивается выручка и прибыль, и т.д.;
• можно детально изучить рекламную кампанию, выявить самые неэффективные объявления и переработать их (либо отключить/удалить), ибо всегда найдётся друг, который испортит фотографию 5-10-15 объявлений, которые сжирают треть (а то и половину) рекламного бюджета, но при этом либо не приносят трафика, либо приносят трафик, но не приносят лидов;
• прикинуть, чего в рекламной кампании не хватает, собрать более широкое семантическое ядро и накидать еще объявлений.

Короче, нет предела совершенству.

Ах да, мы же еще не рассмотрели прямой трафик, хотя рассматривать тут особо-то и нечего. Прямой трафик не является рекламным каналом, ибо адрес сайта вводится пользователем вручную (как альтернатива – пользователь кликает по ранее сохраненной закладке [не путать со вкладками], хотя сути дела это не меняет). Следовательно, это либо возвраты на сайт с другого устройства (естественно, с последующими продажами), либо выручка от повторных продаж. Прямой трафик всегда бесплатен, поэтому и затраты на него не учитываются – там учитывать тупо нечего. Именно поэтому ROI здесь всегда будет положительным.

Просто посмотрите, сколько полезной информации и важных выводов было сделано из таблицы, высота которой всего лишь 6 строк. 6 СТРОК, КАРЛ!

Способы построения сквозной аналитики

Итак, мы уже разобрались с тем, что такое сквозная аналитика, какие данные из нее можно вытянуть и какие выводы сделать. Теперь давайте разбираться, какими способами ее можно строить.

Способ 1 – Яндекс.Метрика и Google Analytics.

На самом деле это 2 разных способа как минимум потому, что это 2 разных сервиса. Однако, плюсы и минусы у них одни и те же, поэтому мы их и объединили.

Плюсы:

• это бесплатно;
• данные добываются буквально в 2 клика;
• не требуется получать 4 высших образования программиста, чтобы сформировать графики и таблицу самостоятельно.

А вот минусов гораздо больше:

• нельзя нормально выгрузить данные из CRM ни в Метрику, ни в Analytics;
• да, мы не спорим, у Google есть Measurement Protocol, который частично исправляет предыдущий минус, но не забывайте, что сумма уже оформленного и даже оплаченного заказа может измениться (например, одна позиция может фактически отсутствовать на складе), либо заказ может и вовсе «сорваться в отказ» (например, из-за слишком долгой обработки) – в таких случаях внести изменения в GA уже не получится;
• нельзя грузить воронки продаж;
• нормально грузить прибыль тоже не получится;
• про повторные покупки вообще забудьте (не в том смысле, что их не будет, а в том смысле, что их не будет в аналитике);
• если день платежа и день заказа не совпадают, то на выходе Вы практически гарантированно получаете искаженные данные (вплоть до неправильного определения канала продаж).

Однако, данные способы вполне имеют право на существование, поскольку в большинстве случаев загружаются данные из Метрики и GA в CRM, а не наоборот.

Способ 2 – Excel наше всё.

Данный способ можно смело относить к разряду «из г**на и палок», «дома на коленке», «обмотаем синей изолентой и сойдёт».

Способ достаточно простой - выгружаются данные по Метрике, GA и т.д. в отдельные Excel-файлы, затем собранные данные прогоняются через программы/сервисы визуализации, и на этом, собственно, всё. Необязательно использовать именно Excel, ибо есть альтернатива в виде Google Таблиц.

Основной плюс – вполне реально получить ПОЛНУЮ сквозную аналитику, а не «кастрированную», как в предыдущем способе.

Второй плюс – можно нанять программиста, который прикрутит к Вашей CRM самописное дополнение, в которое нужно будет просто загрузить ранее упомянутые Excel-файлы и получить на выходе «результаты на блюдечке с голубой каёмочкой».

Но есть один весомый минус – требуется крайне тщательно продумать, как всё это будет работать – в каком формате будут файлы (.xls, .xlsx, .csv, .txt и т.д.), будут ли они «выдёргиваться» из систем аналитики автоматически, или это нужно будет делать вручную, как те или иные данные связать между собой, каким должно быть оформление, из каких колонок должна состоять итоговая таблица, что должно быть на графиках, сколько их должно быть и т.д. Всё это требует очень много сил и времени, ибо «первый блин всегда комом», а потому придется всё это добро многократно допиливать.

И вот тут акцентируем внимание на третьем важнейшем плюсе, который перечеркивает предыдущий минус – сам отчёт. Данный способ позволяет сформировать ультраполезный, развернутый и информативный отчет, на котором будет видно насквозь всё (на то она и «сквозная» аналитика), а перестроить графики можно будет в один клик.

Способ 3 – готовые решения.

Существуют так называемые «готовые решения». Например, некоторые CRM уже «из коробки» содержат в себе функционал сквозной аналитики. Также существуют облачные сервисы. Для обоих случаев актуальны 2 очень жирных плюса:

• автоматическая подгрузка данных из источников аналитики (та же Яндекс.Метрика или GA);
• значительно упрощена процедура «подключения» источником аналитики.

Т.е. Вам не нужно нанимать программиста – Вы просто пользуетесь готовыми инструкциями от разработчиков, живёте и радуетесь.

Однако, есть и ряд минусов:

• в большинстве случаев это платно (5-15 тысяч в месяц, хотя есть и бесплатные решения);
• ни одно «готовое решение» не способно закрыть 100% типовых задач;
• невозможно построить суперсложные отчеты;
• можно анализировать только рекламные каналы.

Итоги

Итак, мы выяснили что:

• сквозная аналитика никогда не бывает вредной (даже если она не суперточная);
• в ряде ситуаций гораздо правильнее ее использовать в паре с когортным анализом;
• сквозная аналитика позволяет выявить наиболее эффективные каналы, чтобы Вы могли сделать их еще эффективнее;
• сквозная аналитика позволяет выявить наименее эффективные каналы, чтобы Вы могли либо отказаться от их использования, либо допилить (или даже полностью переработать) методику работы с данным каналом.

Запомните: чем глубже аналитика – тем меньше денег спускается в унитаз.