Расширенная сквозная аналитика и Дашборды

Зачем вообще нужен отчет по сквозной аналитике ведь есть Яндекс метрика и Google Analytics?

Данные, которые мы получаем из настроенных счетчиков в большинстве случаев не передают полную картину. Если кратко, в них аналитика строится исключительно на cookies браузеров и номерах этих браузеров. Для счетчиков, один браузер – это один клиент. Информацию о покупке мы можем получить, только при условии оформления заказа на сайте. В реальности же, покупатель очень часто посещает сайт с разных устройств, оформляет заказ по телефону или пишет в чат. В таких случаях просто не возможно увидеть реальную отдачу от рекламных каналов. На основании такой искаженной статистики делаются неверные выводы и можно отключить кампании или рекламные каналы, которые приносят очень хорошую прибыль и впоследствии не понять почему в итоге падают продажи и растут расходы. На основании нашего опыта данные из счетчиков метрики и полностью настроенной сквозной аналитики могут отличаться в 3-7 раз!

Как работает ваш отчет по сквозной аналитике в power BI?

Основная задача систем аналитики – это показать, что привело к покупке на сайте, отразить историю пользовательского взаимодействия с сайтом через каналы трафика и показать какая реклама сильнее влияла на его решение. Для этого мы привязываем номер клиента (UserID), совершившего покупку (из вашей CRM-системы) с уникальными идентификаторами всех его браузеров (Client ID), с которых осуществлялось взаимодействие с сайтом.
Пример:
Клиент купил на 100 т.р. Мы увидели в отчете Power BI, что он посещал сайт с трех разных браузеров и в истории этих браузеров видно, что он неоднократно заходил на сайт, в том числе по ссылкам с рекламных кампаний Яндекс Директа и Социальных сетей. Мы видим какие рекламные кампании были последними, какие первыми и распределяем сумму покупки клиента между ними по выбранному принципу. Допустим, чем ближе кампания к моменту покупки тем большую долю в покупке она получит. В результате мы учитываем все рекламные кампании, а не только последние или первые, как это часто происходит в других системах. Соответственно мы получаем ROI – соотношение затрат на кампанию к объему выручки, которая она принесла и удаляем кампании с низкой эффективностью, а больше тратим на качественные рекламные источники. Дополнительно можно выбрать какие стадии сделок учитывать при распределении, к примеру совершенная покупка, предоплата получена или вероятная продажа в будущем. Принцип распределения доходов между рекламными визитами, можно определить под каждый бизнес индивидуально.

У нас настроена многоуровневая система проверки различных связей между идентификаторами, если клиент совершит контакт любым из предложенных ниже способов или залогинится, то все его исторические визиты с данного устройства будут закреплены за уникальным идентификатором(UserID) из CRM. Это позволяет объединить различные устройства, браузеры, звонки и сделки в единую историю пользовательского взаимодействия с сайтом перед совершением покупки.

Сейчас у нас настроены и корректно фиксируют номера браузеров следующие доступные технически способы:
1. Calltracking (звонки)
2. WhatsApp tracking (мессенджер)
3. При заходе на сайт, в системы сбора статистики отправляется уникальный идентификатор браузера (Client ID) по всем пользователям, совершившим покупку, либо авторизованным (зашедшим в Личный Кабинет) на сайте.
4. Шаблоны сообщений для Email-рассылки, WhatsApp, Telegram и т.д., которые в специальной UTM-метке отправляет номер контакта пользователя и при заходе на сайт мы получаем пару – номер контакта пользователя – уникальный идентификатор браузера (Client ID).
5. Клиенту спросившему выставить счет отправляется ссылка на сайт, где он может выбрать вариант оплаты и при этом будет зафиксирован уникальный идентификатор браузера (Client ID) и соответственно проанализирована история пользовательских визитов.

Что требуется для настройки сквозной аналитики?
Выделенный сервер с базой данных или готовая база в облаке, где будут храниться данные из систем аналитики, рекламных каналов, CRM и т. д.
Настроенные коннекторы для импорта данных статистики в общую базу данных.
Система визуализации в нашем случае используем Power BI, но есть возможность подключения бесплатного решения от Яндекс – DataLens.

Все это мы можем сделать сами.

Чем сквозная аналитика в Power BI лучше готовых решений на подобии Roistat, Alytics и т. д.
Готовые решения – это blackbox, часто вы не знаете как это работает или не можете это проверить. Остается только надеется, что цифры не врут. В случае с индивидуальной настройкой сквозной аналитики, все предельно прозрачно, все данные и алгоритмы открыты.
А так же, в готовых решениях нету возможности кастомизации или она очень дорого стоит, а каждый бизнес очень сильно отличается друг от друга. Разные циклы жизни клиента, модели атрибуции,время на принятие решения и многое другое. Все это влияет на итоговый результат аналитики и соответственно на получаемую прибыль.

Какие рекламные каналы можно подключить?
Практически любые, Яндекс Директ, Google Ads, Instagram, партнерки, реферальные ссылки и т. д. Для большинства каналов коннекторы уже присутствуют на рынке, для других можно разработать индивидуальное решение.

Какие отчеты можно получить?
Есть определенные базовые шаблоны отчетов под разные задачи, любой из них можно изменить по вашему желанию или полностью разработать с нуля точно под ваш бизнес и задачи.

Какую еще можно получить пользу из данных?
Вы получаете самые полноценные неагрегированные обработанные данные о визитах ваших пользователей, данные о их сделках из CRM, звонках и т.д. С их помощью можно анализировать большие периоды времени, искать зависимости, тренды, сезонность.
Можно настроить машинное обучение на выявление скрытых зависимостей, просчета вероятности конверсии пользователя, автоматизировать управление рекламным бюджетом, разработать систему рекомендаций и многое другое. Не зря говорят – “Данные – это золото 21 века”

Вот пример стартового отчета об эффективности рекламы с возможностью просмотра до уровня конкретного действия пользователя