, обновлено — 26 ноября 2020 9 мин на прочтение

Настройка сквозной аналитики для компании с длинным производственным циклом: кейс из Австралии

Сквозная аналитика

Клиент

Австралийская компания «The Payless Promotions» занимается производством брендированной продукции под заказ (кепки, ручки, форма) на местный рынок. 

Задачи 

Задача, которую поставил перед нами Клиент — настройка сквозной аналитики, для того чтобы видеть в единой системе данные для анализа эффективности маркетинговых инвестиций. 

Для определения ROAS (рентабельность инвестиций в рекламу), система должна содержать в едином интерфейсе три ключевых показателя:

  • источники трафика
  • затраты по источникам трафика (в разрезе групп, кампаний, ключевых слов и др.)
  • количество лидов, выполненные заказы и доходы по ним. 

Главная сложность задачи заключалась в том, что между днем получения заказа и датой, когда можно зафиксировать прибыль, проходило в среднем 40-60 дней. Из-за этого невозможно было стандартными средствами e-commerce оценить окупаемость инвестиций в рекламу. 

На сайте нет традиционного для e-commerce пути покупки товара, так как это кастомный продукт, который изготавливается под потребителя. Конечная стоимость зависит от количества, материала, фактуры, стоимости доставки и других характеристик товара. 

Сделка состоит из следующих этапов: 

  1. Оформление заявки на сайте (через чат, форму заявки, обратный звонок).
  2. Просчет финальной стоимости заказа менеджером.
  3. Переговоры с клиентом и утверждение заказа. 
  4. Товар изготовлен и отгружен клиенту. 
  5. Компания фиксирует прибыль по заказу.

Между третьим и четвертым этапом могло пройти до 60 дней. При этом Клиент не мог отнести в прибыль этот заказ до момента его отгрузки. Образовывались несколько временных промежутков: 

  1. Между затратами на трафик и получением прибыли по заказу (затраты на привлечение покупателя Клиент понес сегодня, а данные по выполненному заказу оказались в аналитике через месяц).
  2. Между заявкой и выполнением заказа.

Данные о заказах

В начале проекта у компании отсутствовала единая система, которая бы содержала необходимые нам структурированные данные. 

Данные о продажах хранились в 2 системах: Suite CRM — для регистрации заявок; Zebra — учетная система для производства (аналог 1С).

Клиент получал данные о своей финальной маржинальности из Zebra. Между собой системы не обменивались информацией.

Трафик

Данные о трафике собирались в Google Analytics, в котором были настроены только базовые цели. Электронная коммерция не была настроена.   

Решение 

Внедрение аналитики решили разделить на 2 этапа.  

1 этап  

Настройка Google Analytics, стриминг данных о затратах с помощью OWOX BI.
Google Ads связали с Google Analytics, данные поступали по прямой связи. Использовали OWOX Bi для того, чтобы передавать данные из Bing и Facebook Ads.

Настройка передачи данных о выполненных заказах в Google Analytics по Measurement Protocol. В этом кейсе данные совпадают только по источнику/каналу/кампании и есть значительное расхождение во времени. 

В случае Клиента настроенный e-commerce всегда будет давать данные со смещением в отчетах. На это есть несколько причин:

  1. При оформлении заказа не понятна его стоимость. В процессе обсуждения с менеджером может меняться объем заказа.
  2. Исполняемость заказа варьируется. 
  3. В процессе покупки клиент может редактировать составляющие заказа. 

Мы реализовали передачу данных через Measurement Protocol заведомо зная об этой особенности. Даже при отправке данных через Measurement Protocol из-за логики работы системы заказ привязывается не к дате сессии, а к дате отправки запроса в Google Analytics. 

Приняли такое решение, потому что Клиент был согласен оценивать данные в Google Analytics на основе периода в 1 квартал.

Читайте также: «Расчет рентабельности инвестиций и маркетингового ROI»

3. Внедрение скрипта SourceBuster

Внедрили скрипт SourceBuster на все формы и чаты на сайте. 

Для каждой заявки в CRM-системе Клиента сохранялись данные с таким набором полей: 

  • источник (source)
  • кампания (medium)
  • группа объявлений (ad group)
  • ключевое слово (term)
  • версия объявления (content) 
  • техническая информация для работы Measurement Protocol
    (Google Analytics clientid, IP, User-agent браузера).

По этой причине мы применили водопадную логику (последовательную проверку). В момент получения заказа система проверяла, есть ли у нас карточка этого покупателя. Если есть, знаем ли мы источник привлечения. Совместно с Клиентом приняли решение атрибуцировать все заказы к первоначальному источнику, который привел клиента, независимо от того, первый это заказ или повторный. Данные из SourceBuster записывались в карточку лида и передавались в сущность заказа (job), а далее в карточку клиента (аccount) в СRМ.

В итоге мы получили сводный отчет для CRM c такими данными: 

  • id заявки (lead)
  • дата создания лида
  • id заказа (job), который привязан к id заявки
  • поля SourceBuster
  • статус заказа
  • оборот по заказу
  • прибыль по заказу.
В таблице представлена выжимка с отчета с измененными данными.

Этих данных уже достаточно для быстрой оценки вклада источников трафика в лиды и заказы. 

2 этап 

Объединение данных на основе экспорта из CRM и Google Analytics 

Наша задача заключалась в том, чтобы объединить в одном интерфейсе данные о затратах, окупаемости и трафике на конкретную дату. 

Мы использовали упрощенный принцип когортного анализа. Данные уточняются со временем и можно оценивать окупаемость когорты по дате наступления затрат на трафик.

То есть в августе можно четко проанализировать прибыль от рекламных инвестиций за май. 

Архитектура сводного ROAS отчета

Процесс формирования итогового ROAS отчета выглядит следующим образом. 

  1. Из CRM с помощью коннектора раз в неделю выгружаются данные о продажах, в которых есть поля по источникам трафика (пометка под SourceBuster).
  2. Аналогично из Google Analytics раз в неделю выгружаются данные об источниках трафика с полями: дата, источник/канал, клики, сессии, затраты.
  3. С помощью массивных преобразований формируются 2 таблицы, которые соединяем по ключу «дата/источник/канал/кампания/»
  • из GA берем данные о затратах и трафике на дату
  • из CRM берем данные о заявках (лидах) на дату и последующих выполненных заказов с данными о прибыли.

Подготовленный экспорт из Google Analytics после преобразований выглядит так:

В таблице представлена выжимка с отчета с измененными данными.

Результат 

До обращения в агентство. Клиент вел только бухгалтерский учет. Он брал потраченную сумму на маркетинг, делил ее на полученную прибыль и примерно видел общую маркетинговую окупаемость. На основе этих данных было невозможно принимать решения на уровне источника или кампании. 

Итоговый отчет:

В таблице представлена выжимка с таблицы с измененными данными

После наших работ. Клиент начал проводить качественную оптимизацию своих рекламных кампаний по параметрам, которые он раньше не отслеживал: Cost Per Lead, Сost Per Order, ROAS и доля рекламной кампании в общей полученной прибыли.

Подключив сквозную аналитику Клиент смог детализировать анализ до уровня группы объявлений и ключевого слова. Клиент начал работу над оптимизацией кампаний в Google Ads. Он увидел, например, что в рамках одной группы объявлений есть смешанный спрос — запросы коммерческие (B2B) и конечных потребителей (B2C). Принял решение снижать ставки на кампании и группы, которые не окупились за квартал. 

Клиент получил структурированное хранилище данных, систему для сквозной аналитики с учетом особенности бизнеса, которая является точным инструментом по принятию решения об источниках трафика и затратах на них. 

Нужна эффективная аналитика?
Мы знаем, как настроить ее под твои потребности
Подпишись, чтобы не пропустить свежие материалы.

Новые статьи, видео, подкасты о performance-маркетинге, интернет-бизнесе и продуктивности 3-4 раза в месяц. Уже 7716 подписчиков.

Читай также:

Кто делает подкасты о бизнесе на русском языке и сколько они приносят

11 октября 2017 Секрет Фирмы

Как делать подкасты — опыт Романа Рыбальченко c кейсом «Продуктивный Роман»

15 декабря 2017 AIN.ua

Роман Рыбальченко о 7 факторах стресса и как с ними бороться

27 июля 2017 Лайфхакер

Кейс читателя: Почему мы потеряли клиента, несмотря на успешное продвижение его интернет-магазина

19 мая 2015 vc.ru

18 подкастов о работе и саморазвитии

30 ноября 2020 Просто работа
avatar
Вадим Ошкало
Руководитель intimo.com.ua

Cистемность — это «религия» Романа. Так что работая с Roman.ua Вам придётся её принять и получить все вытекающие бонусы.

Все отзывы 83

Мы помогли более 200 Клиентам. Слово «Клиент» мы всегда пишем с большой буквы.

  • Macphun
  • Intimo
  • Prom.ua
  • Autoportal.com
  • Київстар
  • Kingston
  • SemRush
  • Dobovo
Работаем удаленно и в офисе в Киеве.

Любим путешествовать и увеличиваем продажи Клиентам по всему миру.