⚡ Зачем бизнесу внедрять сервисы сквозной аналитики

Мы интегрировали Rick.ai. Рассказываем, зачем это сделали и почему вам тоже стоит обратить внимание на системы сквозной аналитики.

Сервисы сквозной аналитики нужны бизнесу, тратящему в месяц на рекламные кампании 100 тыс. рублей и больше. Аналитика поможет отследить путь клиентов, найти слабые стороны в маркетинге и даже пересмотреть подход к продвижению.

Мы попросили экспертов из Rick.ai прокомментировать наш рассказ.

План статьи

Сервис сквозной аналитики: что это такое
Зачем это нужно нам (вероятно, вам тоже)
Почему бы не сделать систему самим?
Сложно ли внедрить сквозную аналитику?
Система сквозной аналитики Rick.ai: почему выбрали ее

Сервис сквозной аналитики: что это такое

Работу системы сквозной аналитики можно сравнить с виртуальным помощником из фантастических фильмов. Обычно он есть у капитана космического корабля. Помощник в реальном времени оценивает состояние судна, ситуацию за бортом и прогнозирует результаты тех или иных действий экипажа. Система сквозной аналитики делает нечто похожее, но с маркетингом.

системы сквозной аналитики

Илья Красинский

основатель и CEO Rick.ai

Мы в Рике учитываем нюансы, которые человеку физически невозможно отловить, даже если это прокачанный аналитик. Нюансов в сквозной аналитике ужасно много: ошибочно атрибутировался канал, не учли НДС в расходах на рекламу, не записался идентификатор пользователя или транзакции, возникли дубли и т. д. Из-за этого всегда что-то идет не так, данные искажаются, и аналитик, маркетолог, продакт, руководитель, собственник делают неверные выводы.

А пойти что-то не так может, потому что маркетолог ошибся в utm-метках, неправильно их обновил или написал с ошибкой; тайм-зону не учли, когда создавали рекламный кабинет, и это больше нельзя откатить; выкатили новый релиз сайта, и были проблемы со счетчиком; поломали воронку и не заметили этого и т. д.

Система сквозной аналитики помогает отследить путь клиента от первого касания с брендом до оформления сделки. При этом в профиль клиента заносятся не только клики и время, проведенное на сайте, но и звонки, посещение офиса и многое другое. Иными словами, она умеет собирать данные, обрабатывать их и визуализировать.

Система сквозной аналитики – техническое решение для бизнеса, желающего сделать свой маркетинг максимально эффективным.

Техническое решение собирает и визуализирует данные, но работа с информацией, интерпретация результатов и принятие решений остаются за человеком.

Зачем это нужно нам (вероятно, вам тоже)

Раньше мы не могли отследить путь клиента по воронке продаж. Были гипотезы и опросы самих заказчиков, но подобные вещи лучше знать заранее. Мы работаем с Amo CRM, но она по очевидным причинам не подходит для аналитики.

Сервисы сквозной аналитики

В сентябре 2019 года мы стали участниками программы «Акселератор ФРИИ». Это заставило пересмотреть взгляды на работу и многое изменить. Нам объяснили: без сервиса сквозной аналитики бесполезно говорить о реальной стоимости клиента и рациональном использовании рекламного бюджета.

Илья Красинский

основатель и CEO Rick.ai

Необходимость в сквозной аналитике обычно возникает, когда появляются значимые расходы хотя бы от 100 тыс. руб. на онлайн-кампании и надо считать, как эти расходы окупаются в деньгах. Расходы на рекламу и поведение пользователей на сайте учитываются в одних системах – рекламных кабинетах и Google Analytics, а деньги с продаж отслеживаются уже в других системах – в CRM-системе или базе данных. Отсюда и появляется потребность связать данные между рекламными кабинетами, сайтом и CRM.

Что касается реальной стоимости клиента, то здесь важно проверить, что в системе аналитики эта стоимость считается именно по 1 клиенту, лиду или пользователю. Часто пользователя путают с кликами, сессиями, визитами, а клиента и лида путают с заказами. Один пользователь может совершить несколько сессий и кликов. Один лид (потенциальный клиент) – несколько заказов. И только если есть оплаченный заказ, лид становится клиентом. Если метрика перепутана, то в методологии или системе аналитики вы получаете случайное число с ошибкой и сделаете из него неверные выводы. Бог с ним, что расчеты получаются некорректными. На основании этих расчетов вливаются бюджеты в кампании, которые не могут принести продажи и будут убыточны, тратятся силы и время команды на то, что не приносит рост бизнесу.

Получается, сервис сквозной аналитики нужен, чтобы:

Найти неэффективные рекламные кампании.
Сэкономить деньги, время и иные ресурсы на сведении маркетинговых данных.
Узнать реальную стоимость одного клиента.
Свести в одном месте данные по рекламным затратам, веб-аналитике, колтрекингу, данные из CRM и т. д.
Формировать рекламный бюджет из реальных показателей.
Знать, как в действительности в компанию приходят клиенты.

Почему бы не сделать систему самим?

Формально процесс создания собственной системы сквозной аналитики кажется несложным. Нужно связать вместе внешние данные и приложить к ним некую систему подсчета, потом докрутить визуализацию. На деле все гораздо сложнее.

Сервисы сквозной аналитики

Вот три главные причины (можно привести больше, но и их достаточно):

Главная проблема не в техническом решении. Нет сложности сделать некую программу и заставить ее работать корректно. Проблемы начинаются, когда надо связать вместе рекламные каналы, поведение пользователей и оплату. Системы просто неверно считают число пользователей, заявки и методы привлечения.
В аналитике сложно найти ошибки. Разработчики не любят разбираться в аналитике, а баги могут вскрыться в самый неподходящий момент. Минимальную работоспособность самописной системы сквозной аналитики проверить не сложно, но она часто ломается по следующей причине.
Аналитика – вещь хрупкая. Достаточно присоединить новый источник, подключить модуль – и алгоритм откажется работать. В запущенных случаях алгоритм придется переписывать.

Илья Красинский

основатель и CEO Rick.ai

Большая ошибка – начать пилить самописную систему, не оценив масштабы этого решения. Кажется, что это можно сделать быстро. В реальности это займет год-полтора, и без системы мониторинга ошибок цифры в ней будут некорректны. Команды, которые считают, что это не так, либо принадлежат к 30 компаниям в России со штатом дата-сайентистов, опытных разработчиков больше 10 человек, либо просто не знают, как найти ошибки в точности. Ошибок там действительно много: тайм-зоны, идентификаторы, путаница методологии и кажущаяся простота google analytics measurement protocol, в который легко записать что-то, но очень нелегко проверить, что записали осмысленные данные.

Вторая ошибка – полностью довериться готовому решению и не следить за данными. Очень обидно подключить систему и через год обнаружить, что данные с кабинетами и CRM не сходятся и с ними нельзя работать. За аналитикой нужно регулярно присматривать. Мы показываем клиентам, что происходит с их данными – для этого мы реализовали в Рике систему автоматического мониторинга ошибок данных. В Рике уже есть 35+ алгоритмов проверки точности данных. Если точность снижается, Рик создает инструкцию, что нужно поправить.

Сложно ли внедрить сквозную аналитику?

На момент написания статьи интеграция Rick.ai еще не закончилась. Она продолжается второй месяц и займет какое-то время. На то есть несколько объективных причин.

Маркетинг в компаниях разный. У нас значительная часть трафика приходит с SEO-запросов, но так делают не все компании. При этом мы хотим видеть подробную аналитику контекстной рекламы.
Установить и пользоваться не получится. Чтобы сервис сквозной аналитики заработал, нужно предоставить все возможные данные. Может случиться так, что часть процессов придется оцифровать, чтобы идентифицировать клиента. Допустим, пользователь X кликнул на контекстную рекламу, изучил сайт, вышел, а через несколько дней позвонил. Нужно, чтобы система привязала эти действия к одному человеку.
Возможно, потребуются доработки. Мы попросили экспертов Rick.ai сделать функцию, чтобы видеть не ключевой запрос, по которому поисковик вывел нашу страницу, а фразу, которую запросил клиент.

Илья Красинский

основатель и CEO Rick.ai

Если говорить о подключении Рика, мы инвестировали два года разработки, чтобы упростить подключение: чтобы Рик сам понимал, какие задачи надо сделать, сам мог написать инструкцию, подсказал, какие ошибки допущены, и протестировал выгрузку из CRM, импорт расходов из рекламных кабинетов, корректность utm-разметки, корректность записи данных CRM, качество установки счетчика, как можно быстрее подсказал, что работает неточно.

У нас есть кейсы подключения за 2-4 часа. Подключение состоит из двух частей. Импорт расходов в Google Analytics происходит за первый же час. Подключение CRM занимает от 1-3 дней, если это Amo CRM, или 1-2 недели – в зависимости от нюансов на стороне бэкэнда и CRM.

Внедрение сервиса сквозной аналитики – это звонки, уточнения в рабочем чате, проверки и снова уточнения. Однако на кону точность рекламного бюджета и экономики бизнеса в целом. Поэтому подобная дотошность оправдана.

В Rick.ai считают: «Аналитика – тема сложная, и команда заботы ни в коем случае не оставляет клиентов с ней один на один».

Система сквозной аналитики Rick.ai: почему выбрали ее

Мы рассматривали несколько решений, но остановились на Rick.ai. Подкупила общая философия системы. Это помощник, экономящий время специалиста. Здесь есть подсказки, которые указывают на проблемы и сразу же предлагают решения.

Методология самого продукта выстроена так, чтобы вы могли находить слабые места у вас в бизнесе – основатель сервиса помог сотням компаний в том же «Акселераторе ФРИИ» посчитать юнит-экономику и понять, почему она не сходится. Эта логика и опыт заложены в продукт.

Илья Красинский

основатель и CEO Rick.ai

Рик позволяет находить причины неэффективности кампаний. Например, кампания может быть неэффективной не потому что оттуда трафик плохой идет, а потому что сайт плохо конвертирует или отдел продаж не закрывает сделки. И решение отключить кампанию в данном случае не совсем правильное. Правильнее проверить, где спотыкаются пользователи и сколько ваша компания заработает, если починить это место. А для этого надо корректно считать конверсии в воронке сайта и CRM – опять же, по клиентам: уникальным пользователям, лидам и покупателям. Часто конверсии считают по визитам, сессиям, заказам или целям, а это, как я уже говорил, неверно. Мы получаем какое-то случайное число. Не понятно, можно ли на основе этого числа сделать выводы.

И еще: искать узкие места надо не по всем пользователям, а как минимум посмотреть их в разрезах по новым и старым пользователям, устройствам. Потому что у этих пользователей разная степень подогретости и разный интерфейс и контекст изучения сайта.

Пока мы в процессе погружения в инструментарий Rick.ai. Говорить об эффективности можно спустя полгода – мы обязательно вернемся к этой теме.

Если вам интересны системы сквозной аналитики, рекомендуем обратить внимание на Rick.ai. У него есть бесплатный пробный период.