Как высчитать ROI всего проекта: сквозная аналитика простыми словами

Тема сквозной аналитики в последнее время напоминает тёмную материю: все о ней знают, много раз слышали, некоторые даже имеют представление, что это такое, но когда пытаешься узнать подробности – уходят в абстрактное рассуждение о создании вселенной и user ID.

На самом же деле, в сквозной аналитике нет ничего сложного – это самая обычная аналитика, которая прослеживает весь путь пользователя от первого контакта (будь то поисковый запрос или звонок по визитке) до повторной продажи. Именно благодаря этому «пронизыванию» всего процесса закрепилось название «сквозной». Но, положа руку на сердце, я считаю, что любая аналитика должна быть сквозной, иначе это не аналитика, а допущения на конкретном участке маркетингового взаимодействия.

Почему не всякая аналитика – сквозная?

Итак, представьте ситуацию: у вас небольшой интернет-магазин, вы запускаете рекламу только в Google.Ads (бывший AdWords), на сайте стоит Google.Analytics с настроенной расширенной (это важно) электронной коммерцией. Все продажи совершаются исключительно через сайт, оплата проходит онлайн (в том числе и возвраты). В этом случае для работы достаточно функционала Google.Analytics. Он является тем самым инструментом сквозной аналитики, поскольку фиксирует заходы на сайт, процесс выбора товара, как клиент положил что-то в корзину, удалил из неё, какой промокод использовал. Если через месяц этот пользователь вернулся и совершил повторную покупку – это тоже можно отловить стандартными методами Google.

Но, увы, на практике всё немного не так:

— магазины используют множество каналов привлечения пользователей;
— часто задействована оффлайн реклама;
— коммуникации проходят не только в рамках сайта, но и по телефону (иногда клиенты приходят в офис!);
— далеко не все «заявки» (или лиды) являются продажами;
— даже если продажа состоялась, клиент может вернуть товар в течение 14 дней (или позже, в соответствии с договором).

В итоге практически невозможно посчитать ROI по каждому отдельному каналу. А на практике, увы, люди даже не сводят расходы из разных источников, не говоря уже о том, чтобы сводить данные разных этапов и процессов. В результате получают разрозненную информацию, которая никак не связана между собой:

Поэтому зачастую принимаются неверные решения, основанные на мифах, слухах и интуиции (которая основана на мифах и слухах).

Что же с этим делать?

И вот, когда казалось, что всё пропало, на помощь пришла сквозная аналитика, которая с высокой точностью (вплоть до каждого отдельного пользователя) помогла связать разрозненные данные в единую цепочку.

Существует три основных подхода к решению проблемы.

Сводим все данные в Google.Analytics

Первый подход состоит в следующем: сводим всё в Google.Analytics, передавая различными способами все последующие этапы. Например, практически все системы CallTracking, хантеры и онлайн-чаты отправляют в Google стандартные события, на которые можно настроить цель и прикрепить ценность. CRM-системы также могут передавать нужные параметры при правильной настройке. Всё это связывается по идентификатору пользователя. В результате мы можем отследить каждого отдельного покупателя.

Аналогичным образом добавляем в Google.Analytics и данные о расходах (например, о расходах с Яндекс.Директа).

В результате зафиксированы все точки контакта, ну а продажа идёт стандартными средствами расширенного Е-коммерс.

Использование специализированных сервисов

Второй способ менее изобретателен и намного проще: покупаете подписку у специализированного сервиса (например, Roistat или Alytics), которые сводят все данные воедино в своём интерфейсе.

Не возникает сложностей с настройками и подключением. В системе также заложены наиболее востребованные стандартные отчёты и воронки по продажам, вам даже не нужно будет придумывать свои.

Самостоятельное сведение всех данных в таблицах

Третий способ наиболее ресурсоёмкий вначале, но простой и удобный в дальнейшем. Выгружаете все данные из разных источников в единую базу (это может быть как любое облачное решение, так и собственная база данных на сервере или же обычные таблицы Excel/Google.Sheets) и строите любые отчёты, которые нужны (например, с помощью Google Data Studio или Power BI).

Преимущества и недостатки каждого способа кратко приведены в таблице:

Способ сведения данных	Плюсы	Минусы
Сведение в Google.Analytics	— бесплатно; — не требует дополнительных интеграций; — не нужно дополнительно изучать что-то новое.	— ограничено функциями и отчётами самого Analytics; — часть данных может теряться.
Сторонние системы сквозной аналитики	— быстро; — есть готовые отчёты; — официальная техподдержка.	— нужно платить каждый месяц.
Сведение в таблицах	— бесплатно; — можно построить любой отчёт за любой период.	— довольно ресурсоёмко при настройке; — нужно уметь строить запросы к базе данных; — нужно уметь пользоваться системами анализа.

Что получим в итоге?

В результате использования одного из указанных способов можем получить такой результат:

Сразу хочу отметить, что в этом случае мы использовали упрощённую модель расчёта, постоянные расходы равномерно распределили между всеми источниками.

Отдельно хочу обратить внимание на многоканальные продажи. Рекомендую использовать линейную модель, если доход равномерно распределяется между всеми каналами, участвующими в продаже.

В этом случае сразу видим результаты с каждого конкретного канала. Представьте всё это в динамике… (хочу отметить, что «Рекомендации» – это результат затрат на рекламу в предыдущих месяцах. Не стоит считать, что он полностью бесплатный. В этом случае, снова же, хотели показать общую картину).

Что нужно для начала?

Чтобы начать пользоваться всеми удобствами сквозной аналитики, нужно быть готовым и морально, и технически. Дело в том, что, во-первых, у вас появится довольно большой объём новых данных для анализа, многих это пугает. Во-вторых, по опыту могу сказать, что многие не делают даже такие простые вещи, как UTM-метки, что делает дальнейший анализ невозможным.

Обращаю внимание на то, что если аккаунты AdWords связаны с Google.Analytics, а Яндекс.Директ связан с Метрикой, данные передаются и без меток, автоматически (метки, конечно, есть – Google и Яндекс ставят их сами, но свои, специфические). Сторонние же системы (коллтрекинг и CRM) не могут прочесть эти метки, поэтому обязательно нужно ставить стандартные UTM.

Кроме того, убедитесь, что все системы корректно считывают и записывают эти данные. Только тогда можно будет связать их воедино.

Вместо заключения

Независимо от того, каким способом будете анализировать данные, помните, что аналитика нужна не сама по себе, а для принятия решений. Даже самый красивый дашбор – это просто картинка, если она не отвечает на поставленный вами вопрос.

Следует помнить, что аналитика – это не надстройка над процессом продаж, а неотъемлемая часть каждого звена в цепочке:

— Запускаете рекламу? – Нужна аналитика.
— Обрабатываете звонки? – Нужна аналитика.
— Фиксируете все сделки? – Нужна аналитика.
— Учитываете повторные продажи? – Нужна аналитика…

И это всё не разные аналитики, а одна, соединяющаяся цепочка.

А построить отчёт по собранным данным – не так уж и сложно:

В одной из следующих статей рассмотрим конкретный кейс по настройке сквозной аналитики и покажем результаты её внедрения.

Прокачай свои навыки в SEO на максимум! Авторские курсы SEO-Кокшарова (Devaka)

Курс для продвинутых:
17 октября начнётся курс Hard SEO «От специалиста до профи».
Длительность курса: 6 недель.
Вы научитесь глубокому анализу сайта, понимать алгоритмы поисковых систем, применению продвинутых SEO-инструментов.

Курс для продвижения проекта:
22 октября – авторский курс SEO Pro, созданный совместно с WebPromoExperts.
Длительность курса: 4 недели.
Вы научитесь проводить SEO-аудит сайтов, анализировать семантику, наращивать ссылочную массу сайта и анализировать эффективность продвижения в поиске.

Еще по теме:

• Чего хотят пользователи? Настройка и анализ отчета «Поиск по сайту»
• Supervised Nested PageRank
• Отслеживаем конверсии правильно – 5 примеров целей для аналитики