Вы все еще обходитесь без сквозной аналитики? Не надо так

Хочешь в ТОП? Хватит хотеть, пора действовать!

Начать продвижение

Вы все еще обходитесь без сквозной аналитики? Не надо так

Опубликовано: 16 августа 2019
4.6к
Москва г. Москва, ул. Нобеля 7, п. 56 +7 (800) 700-59-30

Чтобы понимать, как на самом деле обстоят дела у компании, многие предприниматели используют сквозную аналитику. Она позволяет узнать истинное значение данных: довольны ли клиенты, не снизился ли размер среднего чека и стоила ли последняя рекламная кампания своих денег.

Екатерина Хиндикайнен, Product Owner сервиса Rookee, рассказывает о плюсах сквозной аналитики.


Долгое время мы были сапожниками без сапог: Ingate настраивал сквозную аналитику клиентам, но связать воедино все данные по собственному сервису руки не доходили. Чем дальше мы шли, тем больше понимали, что наш кругозор ограничен. 

Фото: Unsplash


Имеющиеся данные не помогали  принимать бизнес-решения, просто потому что не были для этого предназначены, а других инструментов не было. Так появилась задача построить сквозную аналитику. Мы ее решили, попутно увеличив средний чек на 20%, и качественно перестроили работу над продуктом, удовлетворив и свои потребности, и интересы клиентов.


Внедрили сквозную аналитику в два этапа

В системах аналитики сервиса были настроены события. Продуктовая команда регулярно  смотрела, где конверсия  увеличилась, а где – просела. Но не было единой аналитики, которая связывала бы цифровые показатели сервиса (регистрации и пополнения баланса) с затратами на рекламу и бизнес-данными (LTV, CAC, ARPU). И мы перешли к решительным действиям.


Первый этап 

Мы воспользовались тем, что наша компания – это онлайн-сервис, и отправили в Google Analytics данные по продажам из внутренней системы. В этом нам помог инструмент  Measurement Protocol – он позволяет передавать необработанные статистические данные, чтобы связать онлайн- и офлайн-действия клиентов. С его помощью мы собрали всю аналитику в едином месте, а потом визуализировали ее в Google Data Studio.

Сразу стало понятно, из каких рекламных источников у нас закрываются лиды, из каких – получаются самые дешевые клиенты, из каких – клиенты платят.


Второй этап

В обычной ситуации первого шага было бы достаточно, но нам нужно было больше – мы хотели видеть картину в комплексе и иметь возможность смотреть на нее под разными углами в любых разрезах. Поэтому мы связали сквозную аналитику сервиса с бизнес-статистикой холдинга с помощью Microsoft Power BI. 

Эта сквозная аналитика стала оптимальным решением, мы совместили воедино все данные, начиная с результатов контекстной рекламы, заканчивая маржинальностью всего сервиса.


Прокачали развитие продукта

Прозрачное отображение данных позволило полностью перестроить работу продуктовой команды. Раньше проверка любой гипотезы занимала часы работы нескольких человек: аналитика, менеджера по продукту и маркетолога. Им нужно было сначала оценить, насколько эффективна их гипотеза, чего ожидать от ее внедрения и покроет ли реализация новой идеи затраты на исполнение. 

Фото: Unsplash


Они регулярно анализировали данные из Google Analytics и «Яндекс.Метрики», настраивали системы аналитики под себя, чтобы делать это максимально эффективно, но связывать их с показателями сервиса нужно было уже вручную – на этом терялось много времени.

Теперь же все данные находятся в едином поле, их можно комбинировать и анализировать в различных сочетаниях. Например, соотнести недельную стоимость работы всей команды (включая налоги, расходные материалы) и предполагаемую выгоду от нового функционала, который будут разрабатывать в течение этой недели.

Новый подход позволил отделить зерна от плевел: отмести заведомо провальные гипотезы. А возможность следить за данными в режиме реального времени и в разных срезах позволила генерировать больше гипотез.


Отследили эффективность рекламы

Новое представление данных позволило принимать быстрые решения по рекламным каналам. 

Мы отслеживаем в режиме реального времени все изменения и перераспределяем бюджет на наиболее выгодные направления в этих условиях.

Стали более осознанно тестировать посылы. Детальная аналитика позволяет синхронизировать рекламные посылы с остальным живым миром, причем не просто со всей аудиторией, а именно с той, которая наиболее интересна сервису. Мы сразу замечаем, что пользователям нравится больше, а что, наоборот, отталкивает. 

Фото: Unsplash


У нас был тест с двумя посылами. Первый – «Сервис по закупке ссылок», второй – «Сервис №1 по закупке ссылок» с результатами опроса пользователей. Оказалось, что второй вариант эффективнее – с ним рекламные кампании запускают на 15% чаще, причем средний LT клиентов с этого лендинга выше. Когда у продуктолога есть данные нескольких разрезов, у него появляется возможность оценить ситуацию со всех сторон и не делать поспешные выводы. 

Например, можно запустить новый лендинг и радоваться, что конверсия увеличилась на 15%. Но без связи с финансовыми показателями быстро отследить, что при этом средний чек просел в три раза, не получится. А сквозная аналитика сразу покажет, что действия были ошибочны.

Увеличили средний чек

И, наконец, самое важное: благодаря новому подходу к управлению продуктом мы повысили средний чек на 20% без значительных изменений рекламного бюджета. 

За этот год мы добавили возможность закупать ссылки у доноров с высоким ИКС (индексом качества сайта), запустили триггерные рассылки и календарь услуг, и это помимо других доработок сервиса. 

Стоит сказать, что клиенты начинают платить больше только тогда, когда видят для себя качественные изменения. Поэтому все гипотезы формулируются с позиции «что получит клиент» и только потом ранжируются по трудозатратам, эффективности и, наконец, выгоде для нашего бизнеса.



Оценить статью

6 5