Почему современный маркетинг должен быть основан на данных

Маркетинг, основанный на данных или управляемый данными, он же data-driven marketing, — это маркетинг, в котором решения принимают исходя из объективной информации об аудитории и успешности рекламных кампаний.

Такой подход позволяет тратить бюджеты эффективно, увеличивать продажи и снижать затраты на привлечение клиентов.

Data-driven marketing из тренда превратился в необходимость, и это требование, которое продиктовано временем.

Возьмем для сравнения условные 70-е годы XX века. Компания, которая выкупала часть телеэфира или газетных полос, могла вещать только на широкую аудиторию. О результатах рекламных кампаний приходилось судить лишь приблизительно. При этом все конкуренты были в одинаковых условиях: они могли состязаться в креативности и точности рекламного посыла, но каналы вещания у всех были одни — массовые.

Когда интернет только появился в 90-е годы, он просто дублировал традиционные рекламные форматы: рассылки, доски объявлений.

Теперь, с развитием интернет-технологий, ситуация изменилась. Рекламодатель может:

1. Обращаться именно к своей целевой аудитории. Это позволяют сделать настройки рекламных систем: от базовых (пол, возраст) до более сложных (интересы, просмотренные сайты, совершенные покупки). Поэтому бизнесу нужно знать о своей аудитории как можно больше, а для этого — собирать и анализировать данные о ней.
   
2. Запускать рекламу на действующих клиентов или пользователей, которым не хватило пары шагов до заказа. При этом можно персонализировать рекламное сообщение: например, напоминать пользователям, что они «забыли товар в корзине». Для этого бизнес должен настроить счетчики аналитики на своих сайтах и приложениях, а также собирать данные о лидах и клиентах на своей стороне (например, в CRM-системе).
3. Тестировать в кампаниях разные каналы, креативы, УТП и аудитории, чтобы отказываться от неэффективного и масштабировать эффективное. Для этого бизнесу нужна аналитика, а также продуманная стратегия по оптимизации кампаний

Всё это делает расход рекламного бюджета эффективнее. При этом учтем конкуренцию на рынке интернет-рекламы. Подход вслепую, без какой-либо оценки результатов, на широкую аудиторию, будет скорее всего провальным. Бюджеты сольются, а потенциальных клиентов перехватят более продвинутые конкуренты.

Рекламные кампании без аналитики — это напрасный расход бюджета. Однако и аналитика может быть настроена по-разному, от самых базовых до наиболее продвинутых решений.

Представим это как четыре условных уровня эффективности.

Единственные данные, которые доступны рекламодателю без обращения к системам аналитики, — это информация из рекламных систем.

В них можно оценить охваты объявлений, долю пользователей, которые по ним перешли (CTR) к вам на сайт или в приложение, и, наконец, что не менее важно, расходы. Таким образом вы сможете оценить эффективность разных кампаний, но это будут минимальные данные: после перехода с объявления след пользователей оборвется.

Самое начальное действие на пути к data-driven marketing — это установка счетчиков Google Analytics и Яндекс Метрики на сайт. Это просто и можно сделать без знания кода. Для приложений есть аналоги — счетчики мобильных трекеров (например, AppMetrica и MyTracker), их установка сложнее.

Системы аналитики будут вести статистику о посещениях, фиксировать поведение пользователей. Если разметить объявления разных рекламных кампаний UTM-метками, вы сможете проанализировать аудитории, пришедшие с этих кампаний, и сравнить их между собой.

Как пример: посмотреть в Метрике или GA, какой процент отказов у разных каналов. Так можно выяснить, допустим, что пришедшие из ВКонтакте пользователи сразу уходят с сайта. Благодаря этому вы поймете, что реклама в соцсети настроена некорректно.

Другой пример: вы сможете проанализировать данные об аудиториях, пришедших с рекламы. Допустим, узнать, что чаще всего к вам по рекламе переходили женщины старше 55. Однако это не будет означать, что это — ядро вашей целевой аудитории (возможно, они изучили сайт и ушли).

Также вы сможете собирать аудитории посетителей сайта и запускать на них отдельные рекламные кампании.

На этом уровне у вас не будет данных о действиях пользователей на сайте. Вы не сможете узнать, например, какая доля пришедших с рекламы отправила заявку на звонок.

Для этого потребуется более детальная проработка кода счетчиков на сайте — такая, чтобы они смогли фиксировать действия пользователей. За такой настройкой обычно обращаются к аналитикам.

На этом уровне рекламодатель уже может проследить путь пользователя от клика по объявлению до конкретного действия на сайте — подписки, заполнения заявки, скролла до определенного блока в лендинге, отправки товара в корзину.

С настроенными целями вы уже сможете собирать данные о конверсионных пользователях — тех, которые не просто пришли на сайт, но и совершили целевое действие.

Это позволит:

• более точно анализировать эффективность кампаний — оценивать их по доле конверсионных пользователей (CR);
  
• собирать ремаркетинговые аудитории из тех пользователей, кто совершил целевое действие;
  
• запускать кампании на автостратегии с оптимизацией по конверсиям — рекламные системы сами будут настраивать продвижение так, чтобы принести максимальное число целевых пользователей;
  
• копить статистику по конверсионным аудиториям.

При этом у вас будут только данные о действиях пользователей на вашем ресурсе. Но не все лиды, оставившие заявку на звонок, сконвертировались в реальных покупателей. Это данные, которые нужно дополнительно передавать в системы аналитики.

Только на уровне сквозной аналитики можно говорить о том, что все данные о пути пользователя учтены — от клика по объявлению до совершения конверсии.

Это значит, что бизнес при принятии решений может ориентироваться не на абстрактные клики или действия на сайте, а на реальные денежные показатели: сколько прибыли принес тот или иной канал, та или иная кампания. Кроме того, сквозная аналитика позволит составлять наиболее точные портреты целевых пользователей, «догревать» лидов и работать с уже действующими клиентами.

Все данные по кампаниям при этом выводятся в наглядном виде. В базовом варианте это таблицы в Excel. Однако информация может отображаться на дашборде, где кроме основных данных в табличном виде используются диаграммы и другие виды визуализации.

Например, в таком случае вы сможете увидеть на графиках, как меняются показатели ото дня ко дню, какую долю покупателей приводят какие каналы и так далее.

Чтобы построить сквозную аналитику, нужно:

1. Отладить веб-аналитику (установить счетчики, запустить отслеживание целевых действий).
   
2. Подключить сервис сквозной аналитики.
   
3. Настроить отображение данных, в идеальном случае — с выведением на дашборд.
   

Представим себе Валеру. Он владелец интернет-магазина и офлайн-точки по продаже бижутерии. История покупок и данные о покупателях у него хранятся в CRM-системе. Реклама запущена в Яндекс Директе, ВКонтакте и myTarget.

Валера хочет оценить, как интернет-реклама влияет на бизнес, улучшить маркетинговые показатели, увеличить выручку. Для этого он подключает сервис сквозной аналитики Garpun.

Что теперь он может сделать?

ROMI показывает, убыточна или прибыльна реклама. Показатель рассчитывается по формуле (прибыль - расходы на рекламу) / (расходы на рекламу) × 100%. Если показатель выше 100%, вложения окупаются.

Расчет ДРР служит тем же целям, просто считается иначе: (расходы на рекламу / доход от рекламы) × 100%. По этой формуле получается наоборот: вложения окупаются, если ДРР ниже 100%.

По этим же показателям можно сравнить разные кампании и каналы — расчет по ним будет эффективнее и показательнее, чем по CPL.

Неверно будет сказать, что сработала только реклама в Яндексе: медийная кампания тоже внесла свой вклад. Если настроить атрибуцию на основе позиции или атрибуцию на основе данных, Валера получит более объективную информацию.

Подытожим:

1. Интернет-реклама совсем без аналитики существовать не может.
   
2. Для старта продвижения и некрупного бизнеса может подойти аналитика «на минималках»: подключенные Google Analytics и Яндекс Метрика, настроенные цели на сайте. Однако для полноценных данных этого мало, потому что не учитываются данные о реальных заказах.
   
3. Сквозная аналитика — наилучший вариант, потому что при ней учитывается максимально возможный объем данных. Это позволит оптимизировать затраты на рекламу и не тратить деньги на продвижение впустую.
   
4. Настройка сквозной аналитики требует участия разработчиков и подключения дополнительных платных сервисов. Неподготовленные специалисты могут настроить аналитику некорректно или она будет требовать постоянного ручного обновления. В случае с такими сервисами автоматизации, как Garpun, необходимость в собственных трудозатратах будет минимальной.