Модель для сборки: три схемы сквозной аналитики для B2C
Автор: Григорий Загребельный, руководитель отдела веб-аналитики в Ingate.
По нашей статистике* (по результатам оценки специалистами Ingate более 1200 проектов малого, среднего и крупного бизнеса.), сквозную аналитику используют не более 5–10 % компаний, при этом порядка 90 % из них — на самом базовом уровне. Остальные либо слишком беспокоятся о безопасности данных («Мы не позволим передавать бухгалтерию в Google Analytics»), либо не хотят ничего менять («Мы не собираемся перестраивать бизнес-процессы под новую систему скидок. У нас карты на два года вперед выпущены!»), либо не знают, с чего начать.
Конечно, можно вечно ждать нужного момента и довольствоваться малым, но, если вы хотите развивать бизнес, эффективно использовать рекламу и привлекать как можно больше клиентов, без интеграции данных в единую систему не обойтись. Предлагаю разобраться, какие есть схемы сквозной аналитики и чем они отличаются, а также поразмышлять о недалеком будущем, когда маркетологи смогут читать каждого покупателя, как открытую книгу.
Краткий ликбез
Сквозная аналитика — это способ анализа эффективности рекламных кампаний и поведения целевой аудитории на основе данных о продажах или заключенных сделках. Она предполагает отслеживание полного пути клиента от первого захода на сайт до повторных продаж или расторжения договора.
Существует несколько вариантов настройки сквозной аналитики, которые отличаются прежде всего по цели: кому-то достаточно видеть, сколько клиентов принесла реклама из интернета, а кому-то важен такой параметр, как LTV (совокупная прибыль от каждого клиента за все время сотрудничества).
Сразу оговорюсь, что описанные далее варианты аналитики можно реализовать и настроить несколькими способами. Здесь я покажу те схемы интеграции, которые помогают получать результат при минимальных затратах.
Level 1: Базовый уровень сквозной аналитики
Самый простой вариант сквозной аналитики — это интеграция системы коллтрекинга с CRM и данными Google Analytics и/или Яндекс.Метрики.
В основе такой системы — сервис сквозной аналитики, такой как CoMagic, Roistat и т. п. Именно они объединяют в одном интерфейсе данные о конверсиях и продажах из CRM.
Что хорошего
Такая схема позволяет отслеживать всю воронку продаж в онлайне. Начиная с захода на сайт, звонка или лида и заканчивая продажей, зафиксированной в CRM, идентификатор клиента не меняется. Вы точно знаете, сколько потратили на рекламу, сколько получили, видите, на каком этапе теряете клиентов и можете этим управлять. Второй плюс связан с систематизацией данных. Пока пользователь ходит по сайту и выбирает, о нем знают только Google Analytics и Яндекс.Метрика. Но как только он совершает целевое действие (звонит, пишет в чат, отправляет заявку), в CRM автоматически создается «Сделка».
Клиенты из офлайна по такой схеме могут попасть в CRM двумя способами:
- напрямую: при посещении офиса или магазина менеджер внесет данные вручную;
- через офлайн-звонок: системы коллтрекинга позволяют использовать номера телефонов не только в привязке к рекламным кампаниям в интернете, но и размещать их, скажем, на троллейбусе, уличном баннере или листовках. Это поможет отследить, насколько хорошо работает такая реклама и приносит ли она что-то, кроме узнаваемости.
Что плохого
Основной недостаток схемы в том, что человек в ней определяется по сookie-файлам в браузере. А это не самый надежный идентификатор. Если пользователь сменил устройство или браузер, система аналитики зафиксирует двух разных посетителей. То же самое произойдет, если человек очистит cookie — вся его предыдущая история обнулится.
Даже если покупатель засветил свой номер телефона и email, а потом сделал заказ с другого устройства, без дополнительных настроек данные не объединятся. При смене устройства или браузера изменится тот самый идентификатор пользователя — Client ID, и информацию по клиенту придется связывать вручную.
Такая погрешность критична для интернет-магазинов, где путь пользователя труден и тернист. Он может зайти на сайт, зарегистрироваться, долго присматриваться к товарам, выбирая то с мобильного, то с домашнего компьютера, а в итоге оформить заказ с рабочего компьютера в день зарплаты. В таком случае мы получим недостоверные данные.
Базовая схема сквозной аналитики устаревает еще и потому, что захватывает лишь онлайн-блок. С ней мы не сможем отследить тех пользователей, которые выбирали в онлайне, а потом пошли и оформили сделку у менеджера в ближайшем магазине или офисе.
Кому подходит
Несмотря на недостатки, такая схема (с условием ее доработки) хорошо подходит отраслям, у которых основная конверсия с сайта — звонки. Это все классические услуги: строительные, юридические, консалтинговые и т. п. Как правило, у такого бизнеса, где путь пользователя прост и предсказуем, не бывает много повторных заказов. Если мы продаем строительство домов, абсолютно нормально, что человек строит дом один раз. Он прошел цепочку от рекламы до продажи, и пожизненная ценность клиента (LTV) нас не сильно волнует. В таких случаях погрешность сквозной аналитики будет незначительной.
Стоимость: от 100 000 рублей.
Базовая схема — это основа, с которой нужно начать, если вы только задумываетесь о сквозной аналитике. Но останавливаться на этом не стоит. Устранить недостатки этой схемы помогут следующие уровни развития.
Level 2: Прокаченная сквозная аналитика
В большинстве интернет-магазинов и сервисов с периодической оплатой транзакции поступают в CRM и системы онлайн-аналитики параллельно, но в итоге живут отдельной жизнью. Когда залогиненный пользователь меняет устройство или браузер, то в CRM это тот же самый человек, а для Google Analytics и Яндекс.Метрики — уже другой, потому что Client ID изменился. Информация о продажах, сделанных по звонку, в таком случае тоже не попадает в системы онлайн-аналитики, поскольку туда подтягиваются лишь данные с сайта.
Так возникает разрыв коммуникации между маркетологом-аналитиком и бизнесом. Классическая ситуация: приходит клиент, мы смотрим его электронную торговлю и говорим: «Дружище, ты зарабатываешь 20 миллионов». А в ответ слышим – «Но я зарабатываю 15!» или «Я зарабатываю 25!». И это неправильно. Чтобы синхронизировать данные систем аналитики и внутренних систем учета, используйте такую схему:
Что хорошего
Как видите, в основе лежит базовая модель сквозной аналитики, только вместо лидов — транзакции, поэтому что схема больше подходит интернет-магазинам и сервисам с периодической оплатой. Принципиальное различие в том, что основной идентификатор здесь уже не cookie-файлы и привязанный к ним Client ID, а аккаунт пользователя с уникальным идентификатором User ID. Именно по нему из CRM данные о транзакциях передаются в системы аналитики.
Теперь, если залогиненный пользователь сменил устройство, зашел с чужого компьютера или почистил cookie, мы его не теряем. Кроме того, в CRM появляется такой этап, как «Приход» или «Возврат». Он важен в тех случаях, когда клиент сначала бронирует товар на сайте, а после выкупает его в магазине. При завершении покупки мы можем передать в Analytics событие, которое подтвердит этот факт.
Что плохого
С такой схемой мы по-прежнему ничего не знаем о пользователях, которые выбирают товар или услугу на сайте, но ничего не заказывают, а покупают напрямую в магазине.
Кому подходит
Интернет-магазинам и сервисам с периодической оплатой, где предусмотрена регистрация. Если есть события, связанные с деньгами, такая система будет эффективна.
Стоимость: от 250 000 рублей
Но даже такая схема имеет погрешности, если важно отслеживать еще и офлайн-конверсии без привязки к User ID. В этом плане более точные данные дает третья, еще более усовершенствованная схема.
Настроим сквозную отчетность
Объедим веб-аналитику, систему ведения клиентов (CRM), телефонию и софт для бухгалтерии. Мы поможем отследить эффективность до отдельных точек продаж и менеджеров, сведем данные в единый дашборд для руководителей. Оставьте заявку на посадочной — мы проведем для вас бесплатную консультацию и предложим решения специально для вашего бизнеса.
На консультацию
Level 3. Продвинутая сквозная аналитика
Если пользователь посмотрел каталог на сайте и пошел за покупкой в магазин, в прошлых вариантах аналитики мы бы его потеряли. Получается, что данные о продаже попадают в CRM, не сопоставляясь с Google Analytics и Яндекс.Метрикой. Но есть действенные способы связать действия человека в онлайне и офлайне. На сайте нужно сделать дисконтную карту, купон, персональное предложение — любой уникальный код, по которому клиент в магазине (дилерском центре, ресторане и др.) получит скидку. Кроме того, можно добавлять идентификаторы в артикул товара, если покупателям свойственно называть при покупке именно его. Так часто бывает при выборе оборудования, где модификации отличаются именно артикулом. Разумеется, максимальную эффективность дает комбинация этих вариантов.
Вместе с кодом, который связан с User ID, мы передаем данные о клиенте в офлайн. Пользователь приходит в магазин, называет код или артикул менеджеру, который продает по нему товар. Когда данные об этом попадут в CRM, они автоматически свяжутся с историей этого пользователя на сайте. В большинстве случаев человек воспользуется свалившейся ниоткуда халявой, особенно, если покупает что-то дорогое и значимое.
Что хорошего
Схема помогает отслеживать всю цепочку вместе с офлайном. При необходимости офлайн-блок легко усилить телефонией для отслеживания работы курьеров и пр.
Что плохого
Такая система сложна в настройке и поддержке. Часто для ее корректной работы требуется пересмотреть бизнес-процессы компании. Да и погрешность в виде людей, которые не воспользовались своей скидкой, тоже существуют.
Данные на выходе этой схемы получаются достаточно разнородными. Для их визуализации и интерпретации лучше использовать платформу для бизнес-аналитики, например Microsoft Power BI.
Кому подходит
Крупным компаниям, оказывающим услуги, а также сетевым офлайн-магазинам и заведениям (например, ресторанам, автодилерам), которые ведут первичную коммуникацию через интернет.
Стоимость: индивидуально.
Настройка такой системы циклична и затрагивает бизнес-процессы компании. В них нужно ввести политику скидок, логику выпуска карт, промокодов или других предложений — все это постоянно меняется, система требует корректировок и дополнительных затрат на настройку аналитики.
Что дальше? Объединяем человека в онлайне и офлайне
У каждой из перечисленных схем есть немалые погрешности, особенно, когда мы беремся анализировать события, связанные с продажами в офлайне. Пользователь может назвать менеджеру не артикул товара с уникальным идентификатором, а просто название модели. Или месяц выбирать что-то на сайте, а потом просто подойти к терминалу в магазине, найти там товар и пробить себе чек. И ничего с этим не поделаешь.
Пока жизнь человека в интернете и его обычная жизнь — это две разные вещи, идеальной схемы сквозной аналитики не существует. Но грань уже тонка. Апгрейд Яндекса «Королев» не что иное, как еще один шаг к объединению в один портрет желаний человека в офлайне и его действий в онлайне на разных устройствах. Яндекс говорит: «Мы угадываем твои желания», что на самом деле значит «Мы следим за тобой».
Эти технологии постепенно приходят в рекламу: в Яндекс.Метрике можно сделать точный таргетинг, изучать отчеты по кросс-девайсным конверсиям, интересны эксперименты с офлайн-аналитикой. Пока такие методы несовершенны, но это только первые шаги. Все будет развиваться, и со временем человек в интернете и вне интернета станут одним и тем же человеком.
Идентификаторов, способных сопоставить пользователя различных устройств, уже много: Client ID, User ID, телефон, email, MAC-адреса устройств, данные геолокации и др. Привязывание параметров аналитики к устройству и, как следствие, местоположению клиента приближает нас к пониманию полной картины поведения покупателей в офлайне: как часто человек посещает торговый центр, ресторан или другую офлайн-точку, сколько в среднем времени там проводит, как перемещается и пр.
Сквозная аналитика в этом плане — и разведка, и передовая. Не иметь их в корне неверно. Если не знать, чем занимается потенциальный клиент (тот, который ничего не хочет у вас купить), вы никогда не поймете, что ему нужно, чего он боится, не узнаете, как на него повлиять. В итоге вы и не будете на него влиять, а ваш конкурент будет.
