Тарифы
Блог
Сервисы
Сквозная аналитика
Выгрузка и загрузка данных из разных систем
Загрузка расходов
Загружайте рекламные расходыв Google Analytics и Яндекс Метрику
Leads
Автоматизация экспорта лидов
из рекламных кабинетов
Аудитории
Автоматизация загрузки аудиторий
в рекламные кабинеты
Data Backup
Миграция данных
из Google BigQuery в ClickHouse
Контакты
7 Апреля 2023

Почему современный маркетинг должен быть основан на данных

Data-driven marketing из тренда превратился в необходимость, и это требование, которое продиктовано временем. Такой подход позволяет тратить бюджеты эффективно, увеличивать продажи и снижать затраты на привлечение клиентов.
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.

Почему анализ данных — это требование времени

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.

Каким может быть анализ данных: от начального уровня до сквозной аналитики

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.

Без настройки

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.

Базовая аналитика

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.

Аналитика с настроенными целями

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.

Интеграция с CRM и сквозная аналитика

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.
Пример визуализации данных в Google Looker Studio
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.

Как работает сквозная аналитика — на примере

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?
Оценить каналы продвижения по цене лида (CPL). В самом базовом отчете Валера увидит, с каких кампаний к нему приходят наиболее дешевые заявки. Например, он выяснил, что реклама в соцсетях приносит большое количество лидов по невысокой цене. Теперь он сможет перераспределить рекламные бюджеты в пользу этой рекламы, чтобы вложения тратились более эффективно.
Посчитать, окупаются ли рекламные инвестиции (показатели ROMI и ДРР). После подключения CRM к системе Валера сможет увидеть, оправдывают ли себя вложения в рекламу в целом.
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.
Узнать, сколько покупок приносит медийная реклама. Видеореклама и другие охватные кампании в интернете часто не дают такого же мгновенного эффекта, как продвижение на Поиске. Тем не менее, они могут приводить клиентов спустя время: например, пользователь просто запомнит бренд, а спустя несколько дней будет искать его через Яндекс и перейдет по объявлению.
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.
Настроить связку онлайна с офлайном — ROPO (Research online, purchase offline — «ищи онлайн, покупай офлайн»). Так Валера сможет получить еще более точную аналитику. В ней будут учитываться еще и такие ситуации: пользователь увидел рекламу в интернете, но пришел покупать в офлайн-магазин. Для этого, однако, пользователь должен быть зарегистрирован на сайте, и в базе данных должен храниться его телефон или email.
Вывести все важные данные о продвижении в единый дашборд — с его помощью Валера сможет регулярно оценивать результаты продвижения по всем каналам.

Выводы

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.
Хотите первыми узнавать о новостях маркетинговой аналитики и обновлениях Garpun? Подписывайтесь на наш канал в Telegram!
Самые популярные статьи