Оптимизация расходов на рекламу с помощью сквозной аналитики

Оптимизация продаж стройматериалов

К нам обратился руководитель бизнеса по производству строительных блоков. Первичная задача была сформулирована так: реклама работает, клиенты идут, но есть свободные производственные мощности и хорошо было бы начать их использовать. Кроме того, клиент хотел понять, какие из каналов продаж приносят клиентов, а какие можно смело удалять.

Производство стройматериалов – относительно консервативная отрасль в плане использования digital-инструментов: чаще всего продажи там прямые. Однако интернет-продвижение проникает и туда: основатели и директора компаний молодеют и уже имеют базовые знания и понимание того, как этот тип рекламы работает. И это существенно облегчает нашу работу, потому что мы можем говорить с клиентами на одном языке воронок, конверсий и интеграций.

Что было у клиента

К началу нашей работы для организации и учета продаж в компании использовались следующие инструменты и каналы продаж:

• основной одностраничный сайт на Тильде;
• два лендинга на Платформе LP: были сделаны давно и использовались по принципу «есть – и ладно»;
• два бизнес-аккаунта на Авито;
• онлайн-чат JivoSite на основном сайте;
• офлайн-реклама: брендированный транспорт и реклама на строящихся домах;
• контекстная реклама: Яндекс, Google;
• отдел холодных продаж – два менеджера;
• amoCRM;
• виртуальная АТС Манго:
  • распределение звонков между менеджерами для наименьшего времени ожидания на линии;
  • ведение статистики звонков;
  • передача записи звонков в AmoCRM.
• коллтрекинг Манго:
  • учет звонков, приходящих с контекстной рекламы (используется динамический коллтрекинг);
  • учет звонков по «прямому» номеру, размещенному на офлайн-носителях (используется статический коллтрекинг).

Задача максимальной конверсии

После общения с руководителем компании и его командой и первичного анализа всех активностей мы сформулировали задачи, которые нужно решить с помощью настройки сквозной аналитики. Общей вводной для этих задач была экономия: так как бизнес молодой и маленький, бюджет на настройку и поддержание системы должен был быть небольшим.

1. Определить, какие из используемых каналов приносят покупателей

Эффективность рекламных каналов критически важна для небольшого бизнеса, потому что денег на бездумное тестирование всех каналов просто нет. Настройка сквозной аналитики помогает, во-первых, оценить отдачу от каждого канала, и, во-вторых, понять, какие каналы не нужны из-за их убыточности.

2. Построить максимально подробные конверсионные воронки по каждому каналу от первого контакта до продажи

Каждый посетитель сайта или звонок – это потенциальная продажа. Поэтому, определив все этапы взаимодействия с клиентами, можно выявить узкие места и оптимизировать процесс так, чтобы он приносил больше денег.

Анализ текущей ситуации и выявленные проблемы

После выяснения глобальных задач мы проанализировали существующую систему получения и обработки клиентов и выявили проблемы и нестыковки. Ниже – подробное описание каждого блока.

Множество точек лидогенерации и отсутствие идентификации каждого лида

Проблема с точками контакта в том, что чем их больше, тем выше вероятность потерять данные об источнике пользователя и не учесть его в общей картине.

К началу работ у клиента были такие точки контакта:

• формы на сайтах;
• чат JivoSite на основном сайте;
• прямые звонки в компанию, в том числе с Авито;
• коллтрекинг;
• холодные звонки.

Из всех этих источников данные о лидах передавались в CRM либо не полностью (например, из чата лиды заводились в CRM без ClientID и Utm-меток), либо дублировали записи, созданные в CRM менеджером вручную. Из-за этого некоторые сделки оставались на этапе «новый лид», хотя работа по ним уже велась в других записях.

Проблемы во взаимодействии используемых сервисов и инструментов

Из-за того, что каждое используемое решение передает данные в CRM в своей форме, отдельные поля по каждому лиду дублируются, а некоторые – не попадают в CRM вовсе. Ниже перечислили проблемы, обнаруженные нами во взаимодействии всех используемых клиентом инструментов и сервисов.

Платформа LP:

• при интеграции с amoCRM нет поля Google ClientID;
• при интеграции с Google Analytics при установки кода Google Analytics через Google Tag Manager не работает передача событий с форм.

amoCRM:

• при интеграции с Tilda нет поля Google ClientID;
• при интеграции с Манго данные записываются только в стандартные для Манго поля сделки, без возможности редактирования, а также не передается источник обращения со статического коллтрекинга;
• при интеграции с Google Analytics отправка событий возможна только по amo-формам;
• отсутствует возможность выгрузки сделок в файл с «техническими» полями: id сделки, id контакта и т.п.

Авито:

• в объявлениях можно указывать только мобильные номера, которые нельзя купить для коллтрекинга в Манго;
• используемые номера Билайн не отслеживаются в коллтрекинге, так как нет интеграции с рабочим кабинетом Манго АТС.

Проблемы в учете статистики по сайтам

Так как все действующие сайты размещены на разные доменах, для адекватной общей картины статистика по ним должна быть объединена. У клиента сбор статистики происходил только с основного сайта на Tilda.

Кроме того, в Google Analytics:

• не было настроено междоменное отслеживание;
• не было кодов счетчика на вспомогательных лендингах;
• не были настроены передачи событий-конверсий с сайтов и систем коллтрекинга;
• не были настроены цели;
• не было интеграции web-аналитики и рекламных кабинетов;
• информация о расходах на рекламные кампании не импортировалась;
• не были настроены фильтры;
• в аккаунте было создано только одно общее представление.

Процесс настройки сквозной аналитики

Для того, чтобы получить полную картину по всем каналам, нам нужно было, во-первых, привести к одному виду всю получаемую о клиенте или лиде информацию, и, во-вторых, собственно получить эту полную картину в виде сводных таблиц, графиков и диаграмм.

Инструменты и сервисы, которые мы использовали

01. Сервис Albato. Он был нужен для интеграции:

• amoCrm и Google Analytics – создание событий;
• Яндекс Директ и Google Analytics – общие затраты на рекламные кампании;
• история сделок и их статусов и Google Data Sheets.

02. Google Analytics: для сбора и хранения данных о посетителях и лидах.

03. Google Data Sheets: для хранения логов сделок, звонков АТС и колл-трекинга, и сводных отчетов.

04. Google Apps Script. В нем делали скрипты, которые:

• сводят разрозненные UTM и CID параметры к унифицированному виду;
• чистят дубликаты лидов/сделок;
• объединяют лиды по телефонным номерам и CID;
• импортируют статистику звонков из Манго;
• формируют сводную таблицу сделок.

05. Google Data Studio: для создания и визуализации отчетности.

• На первом уровне воронки считали конверсию в лид только по данным Google Analytics.
• На втором уровне считали ROI уже с учетом всех данных из сводной таблицы.

Ежемесячные затраты на работу системы

Отдельная задача, которую пришлось решить – это интеграция Манго со сторонними номерами для учета звонков в компанию с Авито. Это будет интересно тем компаниям, которые активно пользуются Авито как каналом продаж, но не знают, как их учитывать в аналитике.

В случае с Авито мы решали следующие задачи:

• Нужно было учесть звонки с Авито в статистике. Проблема была в том, что в аккаунтах клиента на Авито использовались мобильные номера Билайн, а коллтрекинге Манго по умолчанию отслеживаются только городские или федеральные (8 800) номера.

  Что сделали: подключили для использующихся на Авито номеров функцию SIP-телефонии, настроили в личном кабинете Билайн SIP-аккаунты для каждого номера и уже их прикрутили к коллтрекингу Манго. А для того, чтобы статистика передавалась в Google Spreadsheets автоматически, без копирования информации вручную из личного кабинета Манго, написали отдельный скрипт.

• Подрядчик, который ведет аккаунты на Авито, предоставляет только понедельную статистику по просмотрам и сообщениям, без разбивки по дням.

  Что сделали: так как каналы продаж разные и данные из них приходят в разном формате, единственный параметр, по которому их можно увязать между собой – это дата. Поэтому мы написали скрипт, который усредненно распределял данные за неделю по дням. То есть общая статистика и динамика оставались верными, но за счет появления конкретной даты мы смогли объединить данные по Авито с остальными каналами.

Результаты

После проектирования и настройки мы получили полностью автоматическую систему аналитики, ядро которой собрано из бесплатных компонентов, а платные сервисы и инструменты использованы по минимуму. Весь процесс занял два месяца.

Общая схема решения выглядит так:

В результате всей работы по созданию и настройке системы сквозной аналитики мы – и наш клиент – увидели все слабые или ненужные звенья в цепочках взаимодействия с потенциальными покупателями. Теперь руководитель компании получает автоматизированные отчеты на основе данных из CRM, web-аналитики и гугл-таблиц, с помощью которых можно принимать бизнес-решения.

В приложениях 1 и 2* можно посмотреть подробные отчеты по параметрам аналитики и ознакомиться с процессом настройки сквозной аналитики.

Приложение 1

Приложение 2. Процесс настройки сквозной аналитики