Русский Букет — кейс маркетинговой аналитики

2057

Русский Букет — кейс маркетинговой аналитикиВсем привет! Я Дункель Артём, руководитель отдела маркетинга компании “Русский букет”.  Хочу поделиться с вами новым кейсом про то, как Power BI помогает нам принимать решения на основе данных. Это мой третий кейс на сайте powerbirussia.ru, если вам интересно, какие проблемы я решал раньше в другой компании, то можете почитать тут и тут.

Коротко о компании “Русский букет” и цветочном рынке для справки… 

Мы занимается доставкой цветов по всей России и миру. Для рынка характерна следующая ситуация: 

— высокая конкуренция, 

— небольшой средний чек, 

— быстрое принятие решения о покупке, 

— прогнозируемая сезонность. 

В связи с этим достаточно легко оценивать результаты работы в заказах и деньгах и все отчеты мы строили вокруг этих данных. В кейсе я буду приводить скриншоты реальных отчетов, поэтому некоторые конфиденциальные данные будут размыты. Сама визуализация отчетов достаточно простая, потому как мне работать с таблицами оказалось гораздо удобнее — таблицы информативнее и данные из нее можно легко выгрузить, если это требуется, конечно. 

Какие данные мы сводим в Power BI:

  1. Данные о заказах из самописной CRM — 

Русский Букет — кейс маркетинговой аналитики

На текущий момент подключение напрямую через Excel, в будущем планируем синхронизацию с google bigquery. Стандартный отчет выглядит как массив данных о заказе, с большим количеством столбцов. Информация используется разными отделами, поэтому в отчет попадает много лишних данных и обрабатывать их в Excel уже невозможно.

2. Данные о трафике из Google Analytics — получаем с помощью myBI Connect.

3. Данные из рекламных систем — получаем с помощью myBI Connect.

Чтобы подружить данные между собой мы максимально используем utm-метки, которые у нас сохраняются в данных о заказе в CRM: 

Русский Букет — кейс маркетинговой аналитики

У нас есть несколько отчетов по разным моделям атрибуции, но в основном используем последний значимый переход, так как решение о покупке принимается клиентом быстро и часто источник трафика всего один. 

Какие проблемы мы решаем с помощью Power BI:

1. Мониторинг динамики органического трафика

Мы считаем, что органический трафик и его конверсия  самый важный показатель “здоровья” сайта. Мы постоянно проводим работы с сайтом, которые могут повлиять на конверсию.  На любые изменения мы должны реагировать быстро, поэтому приняли решение о еженедельном мониторинге заказов, а также сравнение год к году:

Русский Букет — кейс маркетинговой аналитики

Таким образом мы можем увидеть аномальные изменения и искать причины их возникновения. Например, аномальный рост с 14 недели оказался связан с введением пропускной системы в Москве во время пандемии.

2. Прозрачная единая система мотивации

У seo-специалистов есть KPI по количеству заказов в месяц. Раньше каждому сотруднику (и руководителю) надо было считать % выполнения плана самостоятельно и часто эти цифры не сходились, например, из-за разной модели атрибуции или сортировке по дате оплаты, а не даты доставки. Все это отнимало много времени и делало работу не прозрачной. Чтобы упростить систему мотивации подготовили отчет план/факт по заказам: 

Русский Букет — кейс маркетинговой аналитики

3. Управление франшизами

Так как мы доставляем цветы по всей России, у нас есть свои франшизы в городах и партнеры. Спрос на цветы в каждом городе разный и зависит от многих факторов. Столкнулись с проблемой, что каждому городу необходимо спрогнозировать объем заказов цветов. Цветы — скоропортящийся товар, прогнозировать нужно достаточно точно, чтобы не держать большие остатки, которые могут быть списаны. Сделали вот такой мониторинг для прогноза: 

Русский Букет — кейс маркетинговой аналитики

Для расчета плана мы берем факт прошлого месяца и умножаем на % сезонности месяц к месяцу в прошлом году. В обычные (непраздничные дни) получается достаточно точный прогноз с небольшой погрешностью до 5%.  

4. Управление ассортиментом

У нас на сайте более 700 букетов и мы стараемся добавлять каждый месяц по 50 новых. Нам нужно постоянно оценивать: какие букеты пользуются спросом, понравились ли новые букеты, на каких товарах мы получаем больше всего прибыли, чтобы формировать каталоги, главную, использовать их в рекламе и прочее. Для этого сделали специальный отчет по товарам:

Русский Букет — кейс маркетинговой аналитики

Когда появился отчет обнаружили приятный бонус, на основе данных о букетах и прогнозах заказов на месяц салонам удалось более точно планировать закуп и поставки цветов, пока на ручной тяге на тестовом городе, но видим перспективу масштабирования.

5. Окупаемость рекламы

Рекламные кампании у нас идут в разбивке по городам, а не по салонам, поэтому чтобы оценить окупаемость рекламы, мы используем отчет по городам: 

Русский Букет — кейс маркетинговой аналитики

Есть небольшая специфика, что город заказчика зачастую не совпадает с городом получателя, но он может переходить по рекламе своего города. Поэтому мы смотрим статистику как для города откуда заказчик, так и для города куда будет отправлен букет.

Самой главной трудностью было сопоставить между собой города. Потому что в названиях рекламных кампаниях могли быть уточняющие данные, и в самой CRM город может называться по-другому. Пришлось все упоминания города преобразовывать под капотом:

Русский Букет — кейс маркетинговой аналитики

И связывать их через специальную таблицу-параметр:

Русский Букет — кейс маркетинговой аналитики

Для руководителей у нас есть упрощенная версия отчета по окупаемости:

Русский Букет — кейс маркетинговой аналитики