Как сейчас работает ваш маркетинг? Какие каналы приносят клиентов, а от каких пора отказаться? Окупаются ли инвестиции в маркетинг? На вопросы отвечает сквозная аналитики, которая собирает и интегрирует данные о пути клиента из всех каналов в единое окно. Неполная картина маркетинга — слепое принятие решений, в некоторых случаях — потеря бюджета из-за неправильных вложений.
Сквозная аналитика делает маркетинг управляемым и полностью прозрачным, экономит бюджет — вы всегда знаете, что вкладываете деньги в эффективные каналы и правильные действия.
В статье расскажем подробнее, что такое сквозная аналитика, зачем бизнесу выбирать эту методологию, как она работает.
Что такое сквозная аналитика
Сквозная аналитика — это методология сбора данных о пути клиента по воронке продаж для анализа вложений в маркетинг и эффективности его работы. Такая маркетинговая аналитика отслеживает действия пользователя от первого контакта с ресурсами компании до покупки и после, чтобы точно посчитать LTV, ROMI и другие метрики маркетинга. Со сквозной аналитикой бизнес знает, как работает каждый маркетинговый канал отдельно и полную картину — данные аккумулируются в едином окне на дашборде или в таблице. Решения принимаются на основе данных: какие каналы перестать поддерживать, потому что нет отдачи, а какие усилить. Сквозная аналитика подходит для бизнесов с двумя и более каналами получения трафика.
Зачем бизнесу нужна сквозная аналитика
Бизнес выбирает для себя единые сервисы сквозной аналитики или собирает данные вручную из нескольких платформ. Сквозная аналитика — это набор инструментов и средств, которые интегрируются между собой частично или полностью автоматически.
Зачем бизнесу сквозная аналитика
1. Отслеживание пути клиента
По воронке продаж и после первой покупки аналитика подсвечивает «узкие места» в работе с клиентом. Тогда маркетинг реагирует и корректирует рекламную стратегию, а руководители — работу менеджеров, которые двигают клиента по воронке продаж. Также со сквозной аналитикой компания точно знает, откуда пришёл клиент.
Пример. Покупатель в опросе указал, что нашёл продукт по запросу в интернете сам, а раньше никогда не слышал о компании. Аналитика показывает, что пользователь перешёл на сайт с рекламы в Facebook и сделал покупку — результат от рекламы в соцсети. Без аналитики вывод об эффективности был бы неправильным.
2. Оптимизация бюджета
Ни рубля вложений зря — таким мог быть девиз сквозной аналитики. Методология показывает, где компания теряет деньги:
- неэффективные рекламные кампании;
- каналы привлечения клиентов, которые не окупаются;
- оплата труда менеджеров, которые не зарабатывают деньги для компании — теряют клиентов, не закрывают сделки.
С другой стороны, сквозная аналитика укажет на сильные стороны.
Зачем бизнесу аналитики? | Вебинар Михаила Серёгина | karpov.courses
Пример. Аналитика сайта показала, что 50% клиентов приходят через контент — по поиску находят статьи с SEO-оптимизацией и переходят на сайт компании. Сквозная аналитика говорит, что больше денег компания вкладывает в рекламу, откуда также приходят клиенты, но не больше 10%. Вывод: контент — сильная сторона маркетинга компании, поэтому, возможно, это направление стоит усилить инвестициями, а не увеличивать количество рекламных кампаний.
3. Аналитика в реальном времени
Если вы выбираете сервис для сквозной аналитики, то данные туда поступают автоматически в режиме реального времени. Вы получаете весь маркетинг в едином окне — это похоже на приборы панели управления самолётом. Если один показатель выходит за пределы нормы, вы реагируете и ищите причину.
4. Прозрачность маркетинга
У собственников бизнеса всегда будет вопрос, на что расходуются деньги компании. Маркетинг — не исключение. Сквозная аналитика отражает весь путь клиента и действия по работе с ними, даёт информацию для подсчёта затрат на привлечение и удержание клиента.
5. Отслеживание статуса работы с клиентом
При долгом цикле сделки отслеживать вложения в привлечение клиента и работу с ним сложнее. Действия растягиваются по времени. Сквозная аналитика следит за работой маркетинга и менеджеров. Также покажет перспективность клиента.
Допустим, компания по продаже товаров для офиса (B2B) обычно закрывает сделки за месяц. С рекламы в Яндекс.Директ пришёл клиент с запросом на крупный заказ. Сделку ведёт менеджер, но завершение оттягивается из-за клиента, который пытается добиться других условий. В определённый момент оплата часов работы менеджера превышает сумму возможной сделки.
Посчитаем также затраты на рекламу, которая привела клиента, и понимаем — работать дальше невыгодно, заказ не окупит вложений. Компания, которая ведёт сквозную аналитику, видит ситуацию и перенаправляет менеджера на другие сделки.
6. Правильность метрик
Аналитика, которая собирает не все данные, не будет на 100% достоверной. Сквозная аналитика со всеми каналами — больше вероятности правильных данных и верных выводов.
Инструменты для сквозной аналитики
Сквозная аналитика «тянет» данные из разных каналов и сервисов: Google Analytics, Яндекс. Метрика, CRM, сервисы коллтрекинга и других. Каждый сам по себе отслеживает ряд метрик, но не показывает полную картину маркетинга.
Так Google аналитика определит количество транзакций и сумму, но не рассчитает общий ROMI, потому что не соотносит продажи с затратами.
Сквозная аналитика компенсирует это и свяжет данные кампаний с продажами и инвестициями.
Как сквозная аналитика собирает данные:
- Вручную с таблицами (Excel, Google и другими) — бесплатно, но долго, и есть риск ошибок и потери данных. Для частичной автоматизации нужна дополнительная настройка сквозной аналитики — это новые компетенции для сотрудников и затраты по времени, платные сервисы для интеграции.
- С сервисами сквозной аналитики — специальными инструментами, которые упрощают работу и показывают данные визуально на дашбордах.
Платформа Altcraft Platform собирает данные из онлайн и офлайн-источников о клиенте в одном окне: демографические, поведенческие, транзакционные данные и другие. Поддерживает интеграции с LPgenerator, Tilda, SMS-шлюзами, Yandex AppMetrica, через HTTP API и WebHooks — это ускоряет и упрощает получение информации для анализа и принятия решений.
Как работает сквозная аналитика
Шаг 1. Подготовка к сбору данных
Сквозная аналитика собирает данные через:
- Информацию по офлайн-кампаниям. Данные по промокодам в буклетах, статистика по номерам телефонов на рекламных баннерах. Компания может присвоить каждой рекламной акции уникальный номер, чтобы точно знать, с какой кампании пришёл клиент.
- Файлы cookies — данные о действиях пользователя на сайте. Cookies — информация о кликах, переходах, локации, просмотрах товаров. Данные на сайте собирают скрипты — элементы кода, которые выполняют простые сценарии. Например, запоминают Сlient ID — обезличенные идентификаторы, которые присваиваются каждому посетителю сайта и попадают в систему аналитики.
- Данные регистраций на сайте: email-адреса, номера телефонов и другие. Когда пользователь авторизуется, то получает User ID — конкретный идентификатор, который попадает в CRM компании.
- UTM-метки, чтобы считать клики по ссылкам с детализацией до конкретного типа рекламного объявления и разных источников трафика.
Что такое utm метки
UTM-метки — маркеры, которые добавляют в URL рекламного объявления или в другие сообщения от компании: в SMS, в статьи, в рассылки по email и в QR-коды. Метка определяет источник трафика до деталей: с какой рекламы или баннера пришёл клиент.
Пример. Банк рекламирует новый сервис — упоминает его в статье в журнале. Как узнать, сколько человек перейдут по ссылке из статьи и зарегистрируются в сервисе? Добавить UTM-метку.
У обычной ссылки появляется «хвост» с маркерами рекламной кампании:
Метка добавляется к ссылке через «/?», а между собой параметры метки разграничиваются через значок амперсанд — «https://altcraft.com/ru/blog/zachem-biznesu-nuzhna-skvoznaya-analitika» target=»_blank»]altcraft.com[/mask_link]
Почему даже малому бизнесу нужна аналитика: примеры из практики
Почему же даже малому бизнесу нужна глубокая аналитика? Сейчас от таких компаний поступает все больше запросов, хотя пять лет назад этого не было. Она стала требоваться, так как конкуренция на рынках сильно ужесточилась.
Когда конкурентов мало или они отсутствуют, рынок прощает отсутствие детальной аналитики. Дела идут хорошо, выручка есть или даже растет, и часто компании даже не задумываются о причинах того, почему она растет — ведь и так все идет хорошо, и глубоко никто не погружается.
Все меняется, когда конкуренция растет, и наращивать объемы продаж становится сложнее, либо они начинают падать. В этот момент компании, их основатели и собственники начинают задумываться о причинах. Сначала пытаются разобраться сами. Если у них не получается, то начинают искать консультанта, который может в этом помочь.
Я разберу три реальных кейса о том, как детальная финансовая, операционная аналитика помогает понять причины тех или иных результатов бизнеса и может помочь какие-то проблемы исправить либо сделать так, чтобы объем продаж снова начал расти. То, о чем я расскажу в этой статье, подходит для любого размера бизнеса: для микро, малого, среднего или крупного.
Пример № 1, микробизнес: сырная лавка
Небольшой магазин продуктов, не больше 20 кв. м, в котором 70% ассортимента — различные сыры. Такие сырные лавки начали появляться после 2014 года, когда запретили ввоз европейских сыров, и в России начало расти внутреннее производство.
Начали расти небольшие сыроварни, плюс крупные игроки тоже начали наращивать объем производства и давать широкий ассортимент сыров, которые раньше были импортными. Возьмем наш пример: открылась такая лавка, и в первые четыре месяца работы выручка ежемесячно росла. В первый месяц она составляла 500 тысяч рублей, к четвертому месяцу достигла 1 млн рублей в месяц. Начиная с пятого месяца, она вдруг начала падать: сначала стала 900 тысяч, потом 800, потом 700. Если не привязываться к сезонности (которая тоже есть на этом рынке), здесь налицо причины, которые отрицательно повлияли на эту динамику.
Если у компании нет инструментов отслеживания — не внедрена система лояльности, физические дисконтные карты или скидки по номеру телефона — такая компания не видит, кто у нее покупает и насколько часто. Получается, что выручка обезличена. То есть мы видим выручку по товарам, но не видим выручку по клиенту.
Предположим, что в таком магазине (это реальная история) была внедрена система лояльности — дисконтные карты и бонусная система по номеру телефона, и продавцы начали мотивировать клиентов к ней подключаться. Так как в подобных магазинах у дома, как правило, 80% выручки формирует 20% постоянных клиентов, то через какое-то время с помощью системы мы получаем возможность отслеживать возвращаемость клиентов. Во-вторых, мы можем отслеживать эффект: у нас несколько продавцов, и мы видим, после какого продавца новый клиент начинает возвращаться, а после какого продавца — нет. То есть мы можем посчитать показатель возвращаемости клиентов в зависимости от того, к какому продавцу они попали в первый раз.
Изучая эти данные и анализируя их, когда 80% продаж проходит через дисконтную программу, мы четко видим, почему начала снижаться выручка — просто потому, что клиенты перестали возвращаться. По каким причинам они не возвращаются?
Гипотеза № 1. Низкий уровень обслуживания
Как это определить? Допустим, мы видим, что после продавца № 1 возвращаемость новых клиентов выше, а после продавца № 2 ниже. Это уже гипотеза. Если в магазине установлено видеонаблюдение без звука, можно включить звук и отсматривать работу каждого из продавцов. Если гипотеза подтверждается — менять продавца.
В этом случае система дисконтных карт и данные, которые она предоставляет, позволяют разобраться в причинах снижения или роста выручки, делая обезличенную выручку известной — мы теперь понимаем, кто, когда и что покупает.
Гипотеза № 2. Возвращаемость клиентов падает, а корреляции между продавцом № 1 и продавцом № 2 нет
Здесь можно уже проанализировать товары, которые покупают те клиенты, которые не возвращаются. Если там мы выявляем корреляцию — например, эти клиенты чаще покупают какой-то набор товаров — нужно обратить внимание на качество этих товаров. Возможно, они залежались, обладают низкими органолептическими характеристиками или еще что-то. Это вторая точка, на которую стоит обратить внимание.
Это глубокая аналитика продаж. Просто втупую анализировать, какие товары продаются лучше, а какие хуже — не работает. Нужно связывать клиентов, связывать товары и анализировать это все вместе. В принципе, каких-то специальных систем для этого не нужно. Это все можно делать силами Microsoft Excel.
Пример № 2, малый бизнес: производственная компания с выручкой 200 млн рублей
- защитные кейсы — для оптики, фотоаппаратов, чтобы не испортились при переноске, или кейсы для оптических прицелов для охотников;
- ложементы — специальные вкладки внутри кейсов, чтобы внутри все элементы лежали отдельно в своих углублениях и не повреждались при транспортировке.
Кейсы компания импортирует из Китая и у себя на производстве делает просто сборку. Условно, есть один человек, который крышку к основному корпусу прикручивает и упаковывает. Направление ложементов — там есть персонал, станки, рабочие и так далее. Компания не делит продажи, выручку, себестоимость, валовую прибыль по направлениям — валовую рентабельность из валовой прибыли считает просто скопом по всей компании.
Была проведена работа по четкому разграничению:
Берем отдельно кейсы — только их полную себестоимость, небольшое помещение на 20 м, где это все собирается, часть склада, где они хранятся.
Берем ложементы — это уже 800 м производства, 200 м склада, где они собираются, и делаем расчет.
Собственники думали, что у них оба направления прибыльны, и рентабельность каждого составляет выше 40%. Когда это четкое разделение по направлениям было проведено, выяснилось, что рентабельность кейсов — 25% (несмотря на то, что кейсы они продают с наценкой от материальной стоимости 50%), а ложементов — всего 10% при материальной стоимости 10% от выручки.
Это происходит потому, что зарплата и аренда съедают всю наценку к материалам. Оказалось, что ценообразование по ложементам было некорректным и, по большому счету, это была работа ради работы, все деньги зарабатывались на кейсах.
Это финансовая аналитика. Мы должны всегда по максимуму отдельно считать выручку, себестоимость, коммерческие расходы и другие расходы, которые можно разделить по направлениям.
Например, если у вас есть оптовый и розничный отдел — один продает оптовикам, второй через маркетплейс или через магазин — то мы должны разделять и коммерческие расходы.
Отдел продаж оптового направления учитывать отдельно, комиссию маркетплейсов учитывать отдельно, зарплату менеджера маркетплейса или интернет-магазина, который занимается заполнением карточек и администрированием сайта — отдельно, и так далее. Так мы сможем четко понимать анализ каждого направления и понять вовремя, что одно направление вообще может быть убыточным (из-за неправильного ценообразования, например), а второе тянет весь бизнес.
Пример № 3: совмещение операционной и финансовой аналитики
Возьмем сеть магазинов женской одежды. Собственник работал несколько лет, постоянно не хватало денег, он брал кредиты. В какой-то момент решил разобраться, почему постоянно приходится брать кредиты и какие-то дырки закрывать. Он думал, что делает это, потому что объем продаж растет, он ткань закупает, товар новый и т. д. Начали разбираться с помощью имеющейся дисконтной системы и нашли две составляющие.
Во-первых, проанализировали базу клиентов и их поведение — выяснилось, что возвращаемость клиентов падает, и это не зависит от продавцов.
В итоге через обзвон постоянных клиентов с высоким уровнем скидки (10-15%) выяснилось, что они не возвращаются, потому что нет обновления товара, одни и те же модели из года в год. Это помогло принять решение о том, что нужно обновлять модели, иначе этот отрицательный тренд продолжится.
Во-вторых, провели разделение по направлениям. В данном случае, если у вас сеть магазинов, нужно считать эффективность каждого магазина отдельно. Это не делалось. Собственник говорил, что у него было два магазина, и за четыре месяца он открыл еще шесть. Когда посчитали эффективность каждого магазина, оказалось, что эти шесть, которые он открыл, были в нуле либо в минусе, а два прибыльных не покрывали убытки остальных.
Если вычесть все административные расходы (бухгалтерию, юристов и т. д.), два этих фактора вместе приводили к тому, что компания терпела убытки в течение нескольких лет, а эти убытки приходилось закрывать кредитами. Наращивание кредитов было связано не с тем, что рос объем продаж и запасы товаров, а именно с тем, что приходилось таким образом закрывать убытки. Если бы операционная, финансовая аналитика начала вестись на два года раньше, то компания бы не попала в ту тяжелую ситуацию, в которой она реально оказалась.
Резюмируя вышесказанное: чтобы делать сам анализ, не нужны какие-то специальные программы, до определенного уровня для малого бизнеса это все можно делать в MS Excel. При этом очень важно, чтобы были внедрены информационные системы для бизнеса, например, «1С.Управление торговлей» или, как в первом примере с магазином, OSMI Cards — сервис, который позволяет выпускать дисконтную карту, и вся аналитика хранится там.
Должен быть инструментарий и корректные и правильные данные для анализа. Всему, что связано с выручкой и себестоимостью, нужно уделять особое внимание, корректно вести этот учет и данные направлять в динамику. А конкретно для анализа достаточно просто MS Excel, простых формул и встроенных настроек типа Power Query.
- малый бизнес
- бизнес-аналитика
- финансовая аналитика
- 1С
- автоматизация процессов
Источник: www.klerk.ru