Сквозная аналитика: что это такое, зачем она нужна и что может помешать качественно с ней работать

Сквозная аналитика – система сбора данных для анализа эффективности маркетинговых активностей – медленно, но верно входит в практику многих российских компаний. Но немало и тех бизнесов, которые не знают, в чём суть этого инструмента и как он работает. О том, что такое сквозная аналитика, зачем она нужна и что может помешать качественно с ней работать, в своей авторской статье для портала Biz360.ru рассказал руководитель отдела аналитики digital-агентства Original Works Роман Ломовской.

Сквозная аналитика – довольно популярная тема в последнее время, но многие компании с ней пока не работают в должной мере. Давайте разберёмся, что это такое, чем она может быть полезна бизнесу и какие факторы могут помешать с ней работать. 

• Сквозная аналитика – система сбора данных для анализа эффективности работы маркетинга. Она показывает полный путь покупателя: от первого показа рекламы до закрытия сделки. Главная задача сквозной аналитики – свести всю статистическую информацию о продажах в одно место и установить причинно-следственную связь между затратами на рекламу и закрытыми сделками. 

Сквозная аналитика поможет вашей компании сделать следующее: 

• Рассчитать рентабельность разных видов рекламы: контекста, таргетированной рекламы, SEO и т.д. На основе полученных данных можно перераспределить бюджет в пользу более рентабельных источников и не тратить ресурсы вслепую.
  
  

• Оценить и сравнить эффективность рекламных кампаний и подрядчиков.
  
  

• Получить расширенную аналитику по сайту, интернет-магазину или лендингу для построения конверсионных воронок. Что также позволит найти узкие места и ошибки в интерфейсе сайта.
  
  

• Найти узкие места в бизнес-процессах за счёт интеграции с отчётностью всех звеньев бизнеса (склад, HR, логистика и т.д.).
  
  

• Принять грамотные бизнес-решения на основе данных, а не полагаясь на интуицию. 

Также добавлю, что сквозная аналитика способна дать ответы на вопросы: сколько денег нужно вложить в процессы, чтобы получить X рублей прибыли, и что мешает вместо X получить Y. И довольно часто ответ кроется не в маркетинге или продажах, а в менеджменте, логистике, складе или иных звеньях. 

Например, компания занимается производством станков для деревообрабатывающей промышленности. Производственные мощности позволяют производить 10 станков в месяц, поэтому, как бы отдел маркетинга не старался, продать 15 станков за месяц не получится (если нет складских запасов). Конечно, это очень грубый пример, но он хорошо показывает, что не всегда стоит смотреть только на маркетинг. С помощью аналитики можно копнуть глубже и увидеть картину по бизнесу в целом. 

Как видите, сквозная аналитика – очень важный, я бы даже сказал, необходимый каждому современному бизнесу инструмент. Но чтобы он работал максимально эффективно, нужно помнить про принцип «Garbage in, garbage out» (с англ. – «Мусор на входе, мусор на выходе») и ответственно подходить к сбору данных для аналитики как подрядчику, так и заказчику. 

Одна из самых популярных причин того, почему сквозная аналитика не работает в полной мере – работа с поверхностными данными. То есть теми, на которых аналитику, работающую как бизнес-инструмент для достижения целей, построить нельзя. 

Полноценная система сквозной аналитики должна включать в себя, как минимум, данные о рекламных расходах, посещаемости сайтов, заявках, продажах и полученном доходе. Исходя из этого рассчитываются конверсии, стоимость лида и продажи, ROMI. Это те показатели, которые мы считаем всегда, и это тот минимум, ради которого стоит в принципе строить сквозную отчётность. 

Однако ограничиваться только этими показателями не стоит. У каждого бизнеса есть свои KPI, которые нужно отслеживать. У автобизнеса, например, это – визиты в салон и GROI (маржа / затраты / средний срок хранения х 365), а у торговых компаний – средний срок реализации. Все эти потребности мы обязательно учитываем в агентстве при разработке отчётности. 

На своем опыте я могу выделить две основные причины, почему в системе может не хватать данных: 

• сложности технического характера;

• несогласованность действий между подрядчиком и клиентом или внутри компании клиента. 

Сначала разберём случаи, когда по техническим причинам не получается собрать данные в достаточном количестве: 

• Отсутствие CRM-системы в принципе. Сейчас такое можно встретить намного реже, чем раньше, поэтому не будем рассматривать эту причину детально. Но здесь стоит задуматься: а нужна ли вам вообще на данном этапе сквозная аналитика? 
  
  

• Сбор данных некорректно настроен. Такой вариант событий встречается уже чаще. В этом случае мы анализируем, каких именно данных не хватает, почему они не собираются, и предлагаем варианты исправления. 
  
  

• Самописные или малоизвестные CRM-системы. Рассмотрим этот случай подробнее. 

Для AmoCRM или «Битрикс24» есть множество готовых решений для интеграции с базами данных. Структуры этих CRM уже хорошо изучены, и в целом понятно, какие данные нужно выгрузить, как они между собой связаны и т.д. 

Самописные же системы могут вызвать ряд сложностей, а именно: 

1. Не описанная структура данных. Часто бывает так, что CRM система имеет API*, при этом не имеет чётко описанных методов. Собственно проблемой это назвать нельзя, но выгрузка данных из такой системы требует в несколько раз больше времени, чем выгрузка из условной AmoCRM. Этот момент мы всегда учитываем на этапе расчётов. 
   
   

2. CRM система не имеет API*, но клиент может предоставить доступ к её базе данных. В таком случае мы просто обращаемся к базе данных CRM-системы напрямую. Такой вариант не очень надёжен, так как создаёт дополнительную нагрузку на CRM. Дело в том, что сервер, на котором находится база данных, может быть рассчитан на определённое количество запросов, и попытка отправить запрос к БД сверх этого лимита может спровоцировать ошибку. 
   
   

3. CRM система не имеет API* и отсутствует доступ к БД. Такой вариант самый сложный, так как в этом случае возможна только ручная выгрузка данных из CRM в Excel или Google Docs, откуда BI-система будет забирать данные. Такой подход не очень хорош, т.к. предполагает активное участие человека. Ручное заполнение любых таблиц неизбежно приводит к ошибкам. И чем больше этих таблиц, чем они объёмнее, тем больше ошибок. В Google-таблицах легко может сбиться форматирование или часть данных потеряется при копировании. И конечно же, не стоит забывать про существующие ограничения по объему хранящихся в таких таблицах данных: для Exce-файлов – 1 048 576 строк, для Google-таблиц – 5 млн. ячеек на книгу. 

*API (Application Programming Interface) – программный интерфейс приложения. В контексте API слово «приложение» относится к любому ПО с определённой функцией. Интерфейс можно рассматривать как сервисный контракт между двумя приложениями. Этот контракт определяет, как они взаимодействуют друг с другом, используя запросы и ответы. 

Я рекомендую осуществлять внедрение сквозной аналитики ещё на этапе выбора CRM-системы. Но если она уже есть, то всё рассчитывается индивидуально. Заказчику здесь нужно быть готовым к увеличению временных затрат на внедрение аналитики. Также может понадобиться помощь разработчиков клиента в доработке CRM, если она самописная. 

Данный фактор, пожалуй, значительно важнее технической стороны вопроса, потому что подрядчику его трудно контролировать. Дело в том, что в большинстве случаев подрядчик может как-то решить техническую проблему или предложить альтернативный вариант, но не может отвечать за внутренние процессы в компании заказчика, которые могут повлиять на сбор данных. 

Мы стараемся минимизировать участие человека в сборе данных и в работе отчётности, однако, чем больше клиенту хочется видеть срезов, тем чаще возникает необходимость вносить какие-то данные руками. В таких случаях часто требуется помощь со стороны заказчика. Мы всегда предупреждаем об этом клиентов, но, к сожалению, не всегда получается так, как хотелось бы. 

Например, у клиента есть несколько рекламных кабинетов, каждый из которых ведет отдельный подрядчик, и заказчик хочет видеть все KPI в разрезе подрядчиков для оценки их эффективности. В этом случае создается справочник (таблица в формате ключ-значение), в котором для каждого аккаунта клиенту нужно вручную прописать подрядчика. В случае, если для какого-то аккаунта подрядчика не прописать, то все показатели в отчетах не привяжутся ни к одному подрядчику, картинка будет примерно такая: 

На таблице слева мы видим, что 3000 рублей не привязались к подрядчику. Это произошло, потому что в справочнике отсутствует рекламный аккаунт «4». 

Если в этой ситуации, на этапе разметки данных, всё легко исправляется путём внесения в справочник нужной информации, то в случае, когда ошибки допущены на этапе сбора данных, исправить их уже скорее всего будет невозможно. Поэтому заказчику нужно помнить, что для успешной настройки системы требуется вовлечённость сотрудников его компании и их взаимодействие с командой подрядчика. 

Приведу пример. Маркетолог на стороне клиента подключил динамический коллтрекинг. При этом пул номеров был закуплен недостаточный для количества сессий. Допустим, при 1000 визитов на сайт в сутки было куплено два номера (обычно на 100 визитов покупается два-три номера). Таким образом бОльшая часть звонков не будет иметь источника. А значит система уже не будет работать так, как надо. Этого можно было бы избежать, если бы маркетолог согласовал свои действия со специалистами по настройке аналитики. 

Поэтому коммуникация между исполнителем и заказчиком настолько важна – исполнитель должен понимать полную исходную ситуацию клиента и знать о всех изменениях, происходящих в бизнесе или технологических процессах. 

Если мы уже начали говорить о рекламе, то приведу ещё один пример из этой же области. Предположим, заказчик рекламирует свой сайт через «Яндекс.Директ». На момент старта работ такой тип рекламных кампаний как «товарная кампания» не использовался. Но впоследствии отдел маркетинга решил начать активно использовать кампании этого типа, не предупредив об этом разработчиков отчётности. Между данными в рекламных кабинетах и отчетностью в BI-системе начинаются расхождения. Так происходит из-за того, что для товарных кампаний нет API-методов, то есть, «Яндекс» просто не передает статистику по ним, её нужно будет выгружать вручную. 

Давайте подведём итоги по всему вышесказанному: 

1. Сквозная аналитика – важный бизнес-инструмент, способный решить не только маркетинговые задачи, но и помочь разобраться в бизнес-процессах, связанных с логистикой, менеджментом, складом и др. 
   
   

2. Желательно осуществлять внедрение сквозной аналитики на этапе выбора CRM-системы. В случае использования самописной CRM, нужно быть готовыми к увеличению временных затрат и привлечению разработчиков к доработке CRM. 
   
   

3. Система сквозной аналитики может быть неэффективной из-за недостатка данных. Две основные причины этого: сложности технического характера и несогласованность действий между подрядчиком и клиентом. При этом технические проблемы в большинстве случаев решаемы. 
   
   

4. Важный фактор успеха в корректной работе системы аналитики, без которого ничего не получится – взаимодействие заказчика и подрядчика по принципу win-win. Это значит, что обе стороны должны быть заинтересованы в сборе полных данных и действовать сообща.

Чтобы не пропустить интересную для вас статью о малом бизнесе, подпишитесь на наш Telegram-канал, страницу в «ВКонтакте» и канал на «Яндекс.Дзен».
biz360