Трансформация подхода к бизнес-аналитике для клиента Nai Beсar от Tandem Group

1422

Всем привет! Меня зовут Максим Тимошинин, я — интернет-маркетолог и руководитель отдела аналитики компании Tandem Group. Это кейс о том, как Power BI помог нашему клиенту Nai Becar трансформировать подход к бизнес-аналитике, отделив неэффективные рекламные каналы от эффективных, и соответственно перераспределить средства. Кейс будет особенно интересен компаниям со сложными продуктами и длинным циклом продаж.

Участники кейса

Nai Becar — крупнейший в Европе ритейлер на рынке коммерческой недвижимости. Входит в ТОП-5 мировых брендов.

Tandem Group — performance-агентство с 25-летней историей. Комплексный подход к аналитике и отдельные кампании, в том числе контекстная реклама, реклама в социальных сетях и сквозная аналитика.

Постановка задачи

В компании Nai Becar были хорошо налажены бизнес-процессы, подключена CRM-система, настроены различные рекламные кампании. Был установлен коллтрекинг, а также сервис обратного звонка. Проблема заключалась в отсутствии связующего механизма между отдельными звеньями. Каждое из них в отдельности работало хорошо, и его даже можно было оптимизировать и получить какой-то эффект, но значительного улучшения работы всей системы добиться не удавалось.

Перед нами встал ряд задач, а именно:

  1. Объединить разрозненные источники данных в единый, ежедневно обновляемый отчёт.
  2. Выстроить воронку продаж с максимальной глубиной детализации (вплоть до ключевого слова).
  3. Свести воедино существующие проекты компании и предусмотреть возможность добавления новых.
  4. Визуализировать эффективность всех менеджеров по продажам и всех рекламных каналов в отдельности.
  5. Сделать так, чтобы использовались только коррелирующие переменные с минимальной погрешностью в выводах.
  6. Предусмотреть возможность управления рекламной кампанией в режиме реального времени.

Сложности с реализацией

Самой большой сложностью с выполнением стоявшей перед нами задачи было большое количество источников данных. Помимо Директа и AdWords, контекстной рекламы, была ещё реклама в социальных сетях и другие системы, которые не всегда поддавались оцифровке — например, размещение на каких-то медийных площадках, которые просто выдавали табличку по итогам размещения. Кроме этого, данные поступали из системы коллтрекинга и системы обратного звонка, а что-то вообще хранилось в Google Spread Sheets — и всё это нужно было объединить.

Ещё одним серьёзным препятствием было отсутствие культуры сбора и хранения данных. К примеру, контекстные рекламные кампании могли иметь неподходящую структуру меток. А в CRM-системе, допустим, сделки велись таким образом, что в дальнейшем использовать данные в общей модели было просто невозможно.

Кроме этого, недоставало сравнения исторических данных по месяцам. Причина этого — уже не в большом количестве источников, а в большом количестве самих данных. Если вы, предположим, хотели сравнить код ввода, вы получали миллионы строк. Это порождало трудности, связанные с семплированием данных, и возможностью недостоверного их отображения.  Нужно было сделать так, чтобы эти данные можно было легко и быстро обработать.

То же самое касалось и ежедневного обновления. Для загрузки данных из всех сервисов потребовались бы огромные мощности и очень много времени. Ежедневное обновление такого объёма данных грозило стать настоящей проблемой.

Инструменты и этапы решения задачи

Стоявшая перед нами задача была решена с использованием трёх инструментов и в три этапа:

  1. С помощью myBI Connect мы объединили выгрузку данных из 15 источников в единое аналитическое хранилище.
  2. Запустили процесс ежедневного обновления этих данных в Azure SQL Database.
  3. И наконец, визуализировали содержимое облачной базы данных в Power BI.

UPD. На текущий момент сервис mybi connect производит выгрузку в базы PostgreSQL в Яндекс Облако. Azure не используется.

Как выглядит результат

Трансформация подхода к бизнес-аналитике для клиента Nai Beсar от Tandem Group

Вот пример модели данных, которая у нас получилась: каждый блок соответствующей таблицы того или иного сервиса, объединённые между собой с помощью уникального идентификатора. Это позволит в дальнейшем получать необходимую нам визуализацию.

Трансформация подхода к бизнес-аналитике для клиента Nai Beсar от Tandem Group

А это — копия реального отчёта, которым пользуется клиент. Дабы соблюсти все формальности, числовые показатели умножили на разные коэффициенты и скрыли персональные данные, но в остальном отчёт выглядит так, как в жизни.

В отчёте несколько листов. На первом листе в блоке слева находятся все необходимые нам визуализации, а в блоке справа — фильтр, который позволяет нам разбить информацию по отдельным сегментам.

Трансформация подхода к бизнес-аналитике для клиента Nai Beсar от Tandem Group

На втором листе у нас воронка со всеми этапами продаж. Вернее, некоторые этапы мы убрали, чтобы упростить, так как у клиента воронка очень детализированная. Ниже — максимально детализированная таблица, где содержатся все показатели эффективности, от первичного контакта до завершённой сделки. В случае контекстной рекламы — вплоть до ключевого слова.

Трансформация подхода к бизнес-аналитике для клиента Nai Beсar от Tandem Group

Третий лист отчёта посвящён менеджерам отдела продаж. Расскажу интересный кейс из жизни. На одной из отчётных встреч с клиентом один менеджер по продажам сказал, что запущенная нами рекламная кампания в «Фейсбуке» приводит очень некачественные лиды — мол, звонящие не понимают, чего хотят, с ними невозможно работать и невозможно заключить сделку. Следовательно, «Фейсбук» нужно немедленно отключить, закрыть этот рекламный канал и перенести деньги куда-то ещё.

Как вы думаете, что в итоге оказалось? У других менеджеров с этим самым источником таких проблем не наблюдалось. Были встречи, брони и даже завершённые сделки. Более того, нецелевых контактов из этого источника у других менеджеров было даже больше.

Ещё одним откровением для нас стало то, что и у того менеджера, который жаловался, всё было хорошо с эффективностью по этому каналу: высокая конверсия в целевой контакт, одна из самых высоких конверсий во встречу, и причины, по которым сделка закрывалась как нереализованная, у него не отличались от таковых у всех остальных. Если смотреть в общем, чаще всего этот менеджер не закрывал сделки по причинам «Ошиблись номером», «Некорректная» или «Без причины». Если смотреть конкретно «Фейсбук», то распределение было немного другим, но в целом каких-то радикальных изменений здесь не было.

Таким образом, на основе цифр мы установили и смогли доказать, что менеджер, вероятно, погорячился, и что «Фейсбук» отключать уж точно не следует. Наоборот, нужно было и дальше использовать этот канал для получения лидов.

Оставшиеся листы содержат, по большей части, техническую информацию для коммуникации отдела продаж с отделом маркетинга. Здесь непосредственно выгрузки из CRM по конкретным сделкам с указанием воронки, этапа, типа контакта (целевой или не целевой), источника и т.д. Это нужно для того, чтобы можно было по конкретной сделке посмотреть, на каком этапе маркетологу необходимо сообщить коллегам из отдела продаж, чтобы они проставляли статусы или давали какую-то обратную связь.

Результаты внедрения сквозной аналитики

Решив поставленную задачу, мы увидели, что целевые звонки с контекстной рекламы в 2,5 раза дороже, чем из соцсетей. Несмотря на то, что контекстная реклама обычно выигрывает у других каналов (во всяком случае по количеству звонков), в этом случае ситуация оказалось обратной. Звонки из соцсетей были не только дешевле (это нормально), но их было намного больше, и конверсия зачастую была даже лучше, чем из Директа и AdWords.

На основе этих данных мы перераспределили бюджет на каналы с большей конверсией, в том числе в социальные сети. Кроме этого, мы смогли объективно оценить работу менеджеров отдела продаж. Третьим достижением стала выстроенная нами система оценки офлайн-мероприятий. Раньше после офлайновых семинаров и конференций менеджеры по продажам вносили контакты потенциальных клиентов вручную, так что было непонятно, откуда пришли лиды, сколько денег было потрачено на само мероприятие, и окупилось ли оно в принципе.

Под эти задачи мы создали отдельный лэндинг с формой заявки, через которую менеджеры по продажам вносят контакты потенциальных клиентов. В эту форму автоматически подтягиваются характеристики мероприятия: название конференции, дата её проведения, и прочие параметры, если есть. Для каждого мероприятия мы подтягиваем расход, который нам озвучивает клиент, и уже в CRM принимаем источник этого лида. В итоге можно рассчитать эффективность каждого мероприятия, понять, было ли оно нужно, и какое место занимает этот рекламный канал среди других каналов продвижения.

На этом всё. Большое спасибо за внимание! Если у вас остались какие-то вопросы, или вы хотите внедрить сквозную аналитику, пожалуйста, пишите по указанным ниже контактам.

Примечание редактора. Если вы заинтересованы во внедрении данных отчетов или аналогичных по вашим задачам — пожалуйста, заполните бриф.