antony_w (antony_w) wrote,
antony_w
antony_w

Categories:

Заглянуть «под колтач»: как устроены сервисы сквозной аналитики



Как выглядит работа сервиса сквозной аналитики для рядового пользователя? Система берет информацию о кликах по рекламе и о совершенных покупках, происходит некая магия — и мы получаем отчет, какой доход приносит нам каждый из рекламных каналов. В реальности работа таких платформ, конечно, устроена намного сложнее. Как связываются данные из разных источников, почему нельзя получить стопроцентную точность и при чем здесь вебхуки и искусственный интеллект, рассказывает Павел Мрыкин, эксперт по сквозной аналитике Calltouch.

Задача сквозной аналитики состоит в том, чтобы показать, как работает маркетинговая воронка и какой реальный эффект (в виде лидов, заказов и выручки) дает реклама на разных каналах. Если упростить — именно благодаря аналитике вы можете увидеть, что, скажем, Instargam регулярно приносит вам прибыль, а Яндекс.Директ только зря съедает бюджет. Для этого модули СА сводят данные с рекламных площадок, CRM, телефонии и других ресурсов в одну систему. Посмотрим, как именно это работает.

Зачем нужен Client ID

Ключевым элементом любых аналитических сервисов является Client ID — уникальная метка, которая присваивается каждому новому посетителю. Когда пользователь заходит на сайт, счетчик фиксирует переход, «назначает» ему значение Client ID и сохраняет в базе данных.

Системы аналитики сохраняют его в cookies, так что после их чистки пользователя уже нельзя идентифицировать с его предыдущими действиями на сайте, а при очередном посещении сайта ему присваивается новый Client ID.



Именно поэтому точность аналитики всегда будет чуть ниже, чем 100%. Но этот факт — скорее данность, и при грамотном анализе погрешность будет незначительна. В рамках одного сервиса аналитики вы, скорее всего, ее даже не заметите — если только не сравнивать в лоб показатели вроде количества заказов в системе аналитики и CRM.

Допустима разница и по учету сессий и целевых действий разными системами аналитики. Причин для этого может быть несколько: разное место установки счетчиков аналитики на сайте, разный их размер (а значит, скорость загрузки), разные способы расчета сессий и многое другое.

Вдобавок к этому, в последнее время браузеры начали ограничивать возможность отслеживать cookies: так, в Safari эти файлы сейчас хранятся от одного до семи дней. Это значит, что если пользователь, пришедший на сайт с рекламного источника, сделает покупку на восьмой день, система аналитики будет идентифицировать его заново как нового посетителя, а сделка не будет соотнесена с рекламой. Все это ставит аналитиков перед необходимостью искать новые способы идентификации клиентов.

Пара слов об атрибуции

Client ID, присвоенный в момент перехода на сайт, используется для фиксации остальных действий пользователя. Когда он отправляет заявку через форму или делает заказ в интернет-магазине, сервис аналитики регистрирует все это под общим идентификатором — именно так формируется история действий одного человека на сайте. А источник перехода можно отследить по UTM-меткам. Например, мы видим, что посетитель, заказавший доставку пиццы, попал на наш сайт через объявление в Яндексе по запросу «доставка пиццы коптево круглосуточно». Если переходов по этим ключевым словам много, можно делать вывод об их эффективности.

Но один человек может зайти на сайт несколько раз, а совершить покупку лишь единожды. Чтобы понять, какой источник привел к покупке, используется такое понятие, как атрибуция — то, какой из переходов мы будем считать успешным.


Атрибуция по последнему взаимодействию

Часто возникает необходимость настроить атрибуцию иначе — например, по первому переходу. Для примера немного изменим ситуацию: представим, что пользователь сразу вбил в поисковик «Domino’s Pizza Москва» и кликнул по первому же объявлению. Если у нас не один такой пользователь, мы можем решить, что брендовые запросы в контекстной рекламе отлично работают и надо вкладывать в них больше денег.

Но для привлечения новой аудитории это будет бесполезно: дело в том, что с продвижением клиента по воронке он проходит длинный путь от этапа незнания до решения о покупке, а его поисковые запросы и взаимодействие с рекламными каналами меняются. Иначе говоря, до того, как вбить имя компании в поисковик, наш пользователь сначала искал доставку пиццы в Москве, каким-то образом пришел к Domino’s, ему понравилось и теперь он всегда заказывает в этой компании. И если мы хотим понять, как он узнал про компанию и впервые попал на сайт, нужно изменить атрибуцию с последнего взаимодействия на первое.


Атрибуция по первому взаимодействию

Если речь идет о более дорогостоящих товарах — например, о машине или недвижимости — здесь работает другая схема. На решение о покупке и выбор у нас могут уйти месяцы или даже годы, во время которых мы то откладываем вопрос в долгий ящик, то вновь к нему возвращаемся. Такие временные отрезки, когда мы вспоминаем о своих забытых мечтах, принято называть периодом интереса. В разных тематиках его средняя продолжительность будет отличаться, поэтому его можно настраивать — например, так, чтобы сделка атрибутировалась не по самому первому первому посещению сайта или звонку из десяти, а скажем, по первому за последние три месяца.



От API к выручке

Но чтобы видеть реальную эффективность рекламы, недостаточно отслеживать только лиды. Часто случается, что реклама с хорошей конверсией в реальности не окупается, поскольку затраты на нее превышают прибыль. Например, один из наших клиентов, сеть медицинских центров «Ист Клиник», проводила кампанию по запросу «ударно-волновая терапия», которая на первый взгляд казалась успешной: при стоимости 15 тысяч рублей она принесла 16 лидов ценой меньше тысячи рублей за каждый, а CTR составил 7,61%. Но когда аналитики соотнесли эти данные с выручкой, оказалось, что из шестнадцати лидов услугу приобрели всего трое, и в сумме они принесли клинике 9550 рублей. Таким образом стало очевидно, что кампания себя не окупает.


Интеграция с CRM

Именно эту задачу соотнесения сделок с рекламными источниками и выполняют сервисы сквозной аналитики. Для этого они сопоставляют контактные данные клиента или номер заказа с информацией в заявке или с номером телефона звонящего. Подтянуть эти сведения можно несколькими путями: вручную, добавив сделку в личный кабинет, через импорт XLS-файла, с помощью API или так называемых вебхуков.

Все эти способы позволяют связать действия на сайте не только с CRM, но и со многими другими сервисами. Например, если дилер продает автомобили через свой сайт, Авито и Авто.ру, ему важно, чтобы данные со всех этих площадок отображались в едином окне — а для этого нужно настроить их интеграцию с модулем СА. Большинство коробочных инструментов аналитики уже предоставляют автоматическую возможность интеграции с популярными сторонними сервисами, но в отдельных случаях это можно сделать и вручную.

В систему сквозной аналитики попадают и данные о телефонных звонках — разумеется, при условии, что у компании подключен коллтрекинг. Принцип его работы связан с подменными номерами: когда пользователь заходит на сайт, ему показывается уникальный телефон, присвоенный его сессии — то есть если он закроет вкладку и зайдет на сайт через полдня, он увидит уже другой номер. Делается это для того, чтобы во время звонка можно было соотнести телефон с идентификатором сессии и понять, откуда пришел человек. Если разговор с менеджером заканчивается заказом, эти данные фиксируются в CRM и соотносятся с источником перехода. Так мы можем понять, какие рекламные каналы дают больше всего покупок.



Казалось бы, все просто, но здесь есть свои нюансы. Так, у одного клиента может быть несколько номеров телефона: например, если речь идет о покупке квартиры семьей, когда с менеджером разговаривает иногда жена, а иногда муж.

В этом случае клиент получает идентификатор, который содержит в себе все контактные телефоны, email-адреса и другие способы связи, относящиеся к конкретной сделке. В этом случае распознавание пользователя происходит методом перебора всех идентификаторов. Но чтобы это произошло, нужны грамотные настройки импорта сделки и правильная информация в CRM.

Искусственный интеллект на проводе

Кроме того, некоторые платформы аналитики предлагают опцию распознавания звонков — то есть автоматическое определение их темы. Это бывает необходимо, чтобы отделить контакты, связанные с покупкой, от вопросов о сроках доставки, возврате товаров и других организационных моментах. В медицинских клиниках звонки часто компонуются в группы по записям к конкретным специалистам, чтобы эти данные можно было оценивать в разрезе рекламных кампаний. Для автоматизации этих процессов используются технологии распознавания речи на основе машинного обучения, а по наличию в расшифровке тех или иных ключевых слов определяется тема разговора.

Кроме того, ИИ может по голосу определить, какой из менеджеров ответил на звонок, чтобы оценить эффективность сотрудников отдела продаж. Так, у нас в Calltouch есть отдельный отчет по менеджерам, где можно посмотреть, сколько каждый из них обработал лидов, сколько завершили сделок и на какую сумму.

Выбор сервиса

Все это общие принципы работы сквозной аналитики, однако разные сервисы имеют свои отличия и спектр доступных опций. Так, не везде есть возможность подключить коллтрекинг «из коробки», а у каждого инструмента разное количество автоматических интеграций со сторонними площадками. Есть и более тонкие нюансы: например, в интернет-магазине важно не просто связать расходы и доходы, но также понять, с какими товарами человек взаимодействовал на сайте и что дальше произошло с заказом — перешел ли он в обработку после оформления, был ли оплачен и доставлен. Чтобы настроить такой процесс, нужно подключить программиста или аналитика, которые внесут корректировки в код сайта для отслеживания взаимодействий с товарами. Но есть и другие варианты: например, у нас в Calltouch события e-commerce можно передать через контейнер данных DataLayer.

Кроме того, аналитические сервисы отличаются между собой количеством отчетов и их вариативностью. Платформы не просто собирают данные, а компонуют их в виде графиков и отчетов — например, у нас в прошлом году появился отчет «когортный анализ» и отчет по работе менеджеров. Чем больше готовых отчетов — тем меньше работы маркетологу.

Чтобы выбрать конкретный инструмент, нужно отталкиваться от бизнес-задач. Так, если компания не занимается продажами через звонки, ей нет смысла тратиться на коллтрекинг. Тем, кто активно пользуется сторонними сервисами (например, анализирует post-view конверсии с помощью DoubleClick Manager), имеет смысл поискать платформу аналитики с возможностью автоматической интеграции с ним — и так далее.

Tags: технологии
Subscribe

Posts from This Journal “технологии” Tag

promo antony_w august 17, 2014 11:48 18
Buy for 10 tokens
Есть блог, в котором написано много постов про роботов: ссылка И там есть несколько статей о замене рабочих мест человека роботами: Уже к 2018 году роботы отберут у человека часть профессий Рабский труд без зарплаты Армия роботов: зачем она нужна обильной людьми Поднебесной и кому может…
  • Post a new comment

    Error

    default userpic

    Your IP address will be recorded 

    When you submit the form an invisible reCAPTCHA check will be performed.
    You must follow the Privacy Policy and Google Terms of use.
  • 1 comment