Заколтачить маркетинг: как умная аналитика экономит расходы
Cover
Эксперт по сквозной аналитике Calltouch

Заколтачить маркетинг: как умная аналитика экономит расходы

Сегодня западные маркетологи редко делают шаг вправо или влево, не «посоветовавшись» перед этим с данными. Зарубежный бизнес буквально помешался на аналитике, тогда как российские компании пока еще не до конца осознали ее значимость и часто применяют лишь поверхностный анализ. Это достаточно опрометчиво, ведь полученные инсайты помогают снижать издержки и добиваться большей эффективности в коммуникациях. Павел Мрыкин, эксперт по сквозной аналитике Calltouch, рассказывает, какие метрики самые важные, и как перевести маркетинг в режим data-driven.

Как аналитика помогает сэкономить маркетинговый бюджет?

Снижение расходов при сохранении (а еще лучше повышении) эффективности продаж — задача номер один для любого бренда. Чтобы оптимизировать издержки на рекламные каналы, не потеряв при этом связь с аудиторией и выполнив все задачи по маркетингу, нужно научиться анализировать эффективность каналов коммуникации по отдельности и сравнивать их между собой — желательно в режиме реального времени.

Эта задача практически невыполнима в ручном режиме. Но в последние годы появляется все больше сквозных решений, которые сводят данные с самых разнообразных рекламных площадок и CRM в единый дашборд. Он представляет детальную информацию о конверсии и количестве лидов по каждому каналу. Иными словами, бизнес может отследить путь каждого клиента от момента первого соприкосновения (будь то просмотр контекстной рекламы или голосовой запрос в поисковике) до покупки. Это дает понимание, какие каналы приносят больше клиентов, и каково соотношение потраченных на их привлечение средств к объему полученного от них дохода.

Благодаря этому решению, сеть автосалонов Fresh Auto смогла снизить стоимость лида на 21%, сокращая бюджет на непродуктивные площадки и направляя высвобожденные средства на более эффективные инструменты. А архитектурно-строительная компания «Красный апельсин» в результате анализа РК в рекламной сети Яндекса (РСЯ) и поисковой рекламы выяснила, что первая генерирует больше обращений. Компания увеличила маркетинговый бюджет, выделяемый на этот канал, и получила более дешевые лиды: стоимость уникального обращения с РСЯ стала на 57% ниже, чем с поисковой рекламы Яндекса, а их количество выросло почти на 70%.

Нередко платформы для автоматизации аналитики являются частью экосистемы продуктов, которые помогают более эффективно тратить бюджеты. У нас, например, есть Оптимизатор — система, которая автоматически управляет ставками в Яндекс.Директ и Google Ads, исходя из эффективности рекламы. Так, алгоритмы в автоматическом режиме подбирают оптимальное время для показа виджета на сайте.

Что нужно анализировать?

Аналитика эффективна тогда, когда она построена на максимальном количестве знаний о клиенте. Для этого бренду необходимо изучать весь путь пользователя, не ограничиваясь его действиями на сайте. Нужно знать, что происходит после оплаты товара или оставленной заявки на звонок. И далеко не всегда эти данные можно найти в CRM-системе.

Некоторые компании отмечают, до какого этапа продаж дошел клиент, или о чем с ним разговаривал менеджер. Однако часто данные об РК и информация из CRM не сводятся воедино, и бренды делают выводы об эффективности маркетинговой кампании на основе вероятностей. Это повышает риск ошибки и неправильного распределения бюджета. Интеграция с CRM позволяет бизнесу видеть в отчете полную воронку продаж для каждого покупателя.

Таким образом, для того, чтобы сэкономить, нужно анализировать потребительский путь полностью. Довольно показательным можно назвать кейс крупной автомобильной группы «Авилон», которая изучала потраченный бюджет, показы, клики, CTR, CPC и количество уникально-целевых лидов в продажи и сервисы на каждом уровне воронки продаж. На основании этой информации бренд запустил повторные кампании, которые показали результат лучше среднего за аналогичный период на 56%.

Помимо традиционных метрик (затраты по каналу или трафик), маркетологам важно обращать внимание на два типа данных:

  • Целевые действия пользователя. Это действия, которые совершает клиент, двигаясь по воронке. Они уникальны для каждой индустрии. Например, в е-commerce важно изучать различные виды взаимодействия клиента с товарами: какие продукты он просмотрел, добавил в корзину, оплатил, а какие — бросил на полпути. В целях оптимизации рекламной кампании бренды часто перераспределяют бюджет в пользу более популярных товаров. Для этого оценивают количество заказов, ROI (возврат инвестиций) или ДРР (Доля рекламных расходов).

  • Омниканальный потребительский опыт. Для того, чтобы построить единый клиентский профиль, магазинам с физическими точками нужно сводить данные потребительского поведения онлайн и офлайн. Это поможет оптимизировать рекламу и сделать корректные выводы. В противном случае, один и тот же покупатель может восприниматься в рамках аналитики как два разных клиента, а значит — данные будут интерпретированы неверно. Например, потребитель может посмотреть товар на сайте, а купить его самостоятельно в физической точке. Без сквозной аналитики он будет воспринят в онлайн-системе как потерянный пользователь, а в офлайн — как «самоход»: пришел буквально ниоткуда и сделал покупку «самостоятельно», а не под влиянием рекламы.

Как правильно заколтачить маркетинг или настроить аналитику?

Залог успешной сквозной аналитики — в правильных настройках. Мы разработали алгоритм, который поможет успешно собрать данные воедино.

Шаг 1. Корректный сбор данных

В основе сквозной аналитики лежат массивы данных, которые собираются из разных источников. Типичный набор включает в себя информацию со всех рекламных площадок, систем аналитик, коллтрекинга, email-трекинга и CRM-системы.

Если у бизнеса есть уникальные точки соприкосновения с клиентом, их тоже нужно учитывать. Например, к дополнительным источникам данных можно отнести лидогенераторы для социальных сетей или онлайн-консультанта на сайте.

Шаг 2. Предобработка собранной информации

Перед тем, как начать объединять все данные для последующей аналитики, их нужно привести к одному формату или внедрить единые стандарты. Несмотря на то, что этот (на первый взгляд, незначительный) этап может потребовать много сил и времени, он необходим для корректного анализа информации. Помимо этого, нужно создать списки сопоставления в рекламных кампаниях, где не передавались идентификаторы.

Шаг 3. Сведение данных

На этом этапе вся информация из установленных источников сводится в единую таблицу, где можно увидеть полноценный путь клиента, оценить затраченные бюджеты и эффективность рекламных каналов. Стоит также автоматизировать систему, чтобы она обновляла показатели в режиме реального времени. Так можно держать руку на пульсе и вовремя принимать важные решения.

Шаг 4. Визуализация

Для удобства и скорости маркетингового анализа данные отображаются в виде  графиков и таблиц. Этот процесс обычно автоматизирован в коробочных решениях. Визуализацию стоит настроить с учетом потребностей сотрудника. Например, трафик-менеджеру нужно видеть эффективность рекламных каналов, тогда как руководителю компании будут интересны цифры о потраченных бюджетах и прибыли.

Рынок маркетинговой аналитики продолжит развиваться как во всем мире, так и в России. В будущем, на анализ рекламных кампаний окажет влияние технология машинного обучения, которая уже спровоцировала появление ML-атрибуций — прогнозов о заинтересованности клиентов. Таким образом, бренды смогут не только оценивать эффективность разных маркетинговых инструментов и оптимизировать бюджеты, но и предсказывать вероятность совершения целевого действия, в зависимости от того, откуда пришел потребитель. Это позволит настраивать гиперперсонализацию и, как результат, повышать продажи.