Немного о сервисе

Tripster - сервис для поиска гидов и экскурсий по всему миру. На текущий момент Tripster предлагает экскурсии в 600 городах. Пользователи могут выбрать на сайте подходящее мероприятие, ознакомиться с содержанием, посмотреть фотографии, почитать отзывы о гиде и сразу внести предоплату.

Ручной сбор отчетов

Для привлечения клиентов Tripster, среди прочего, задействует платные каналы интернет-трафика - контекстную рекламу в Яндекс.Директе и Google Ads. KPI по этим каналам - ДРР (доля рекламных расходов). Для его подсчета берется стоимость экскурсии за вычетом вознаграждения гиду, то есть комиссия сервиса. Клиент построил собственную модель атрибуции, которая учитывает как прямые транзакции с рекламы, так и ассоциированные конверсии. Информация о транзакциях и их источниках выгружается в автоматическом режиме в Google Таблицу.

Изначально отчеты создавались следующим образом. Я еженедельно вручную выгружал информацию о расходах по рекламным кампаниям из Яндекс.Директа и Google Ads. Затем эти данные объединялись с информацией по транзакциям из Google Таблицы (выгрузки из CRM клиента). Структура рекламных аккаунтов такова, что на каждый город проведения экскурсий приходится 3 кампании - с геотаргетингом на весь мир, на Москву и на остальную Россию. Поэтому объединенные в сводной таблице данные группировались по городам, а затем рассчитывались бизнес-показатели - ДРР и AOV (Average Order Value - средний чек).

Недостаток такого подхода состоял в том, что ручная обработка данных занимала много времени. Более того, еженедельное составление отчетов затрудняло оперативное решение проблем. Если по каким-то кампаниям возникали сбои, мы могли обнаружить это только по результатам составления еженедельного отчета.

Переход на Power BI

Осознав недостатки такого подхода, мы решили автоматизировать сбор отчетности. Первоначальная идея состояла в том, чтобы отправлять данные по расходам из Яндекс.Директа в Google Analytics. Так как связка Google Ads с Google Analytics у нас уже была настроена, мы бы получили все нужные данные по доходам и расходам в GA. Но это решение нам не подходило, поскольку у клиента была собственная модель атрибуции транзакций к источникам трафика, недоступная в Google Analytics.

Мы разработали иное решение. Теперь объединение всех данных и построение отчетов происходит в Power BI. С помощью встроенного в Power BI коннектора данные по расходам в Google Ads загружаются из Google Analytics в Power BI. Статистика по расходам в Яндекс.Директе, а также данные по транзакциям из Google Таблицы сначала собираются в BigQuery, а затем импортируются в Power BI.

Для импорта данных из Яндекс.Директа и Google Таблиц в BigQuery мы используем инструмент Garpun Feeds. Он имеет готовые коннекторы ко множеству рекламных систем и сервисов. При настройке до трех потоков использование Garpun Feeds абсолютно бесплатно.

После объединения данных в Power BI я построил различные отчеты, и теперь есть возможность изучать статистику в любых срезах и за любой период. Например, можно анализировать эффективность кампаний, группировать их по городам, фильтровать по системам и геотаргетингу, изучать поведение показателей в динамике, анализировать воронку продаж и многое другое.

Результат и дальнейшие планы
Благодаря автоматизации отчетности мы избавились от ручного труда и сэкономили время, которое можем потратить на анализ статистики и оптимизацию рекламных кампаний. К тому же автоматизированная отчетность собирается ежедневно, помогая оперативно выявлять и устранять проблемы в рекламных кампаниях.

Примечательно, что хотя создание отчетности заняло у меня порядка месяца, в чистом виде на все работы ушло не более 15 часов. В дальнейших планах - настройка сбора статистики до уровня ключевых фраз и построение более детализированных отчетов, что позволит еще точнее оптимизировать рекламные кампании.