Data-driven-маркетинг

Маркетинг на основе данных, или data-driven-маркетинг, помогает бизнесу находить эффективные и неэффективные каналы продвижения и контролировать рост прибыли. Собирая и анализируя данные о клиентах, маркетологи отслеживают результаты своих действий и на их основе создают новые результативные стратегии.

Когда начинать работу с данными
Кажется, что сбор и анализ данных — это для крупного бизнеса. У небольшой компании, которая только начинает работу, данных еще мало, и увидеть какие-то серьезные закономерности сложно.

Но собирать данные стоит начать как можно раньше. Не обязательно с самого начала делать на их основе выводы и строить стратегии. Можно просто накапливать их и хранить с помощью бесплатных инструментов — например, доступной всем программы Microsoft Excel. Когда компания подрастет и придет время анализа, у нее уже будет накопленный массив данных, с которым получится быстрее и легче перейти на data-driven-модель работы.

Дополнительный плюс: если компания начала работу на деньги инвесторов, собранные данные помогут отчитаться перед ними, показав точные результаты в цифрах.

Какие специалисты потребуются, чтобы внедрить в компании data-driven-подход
В зависимости от размера бизнеса анализом данных в компании может заниматься один человек или несколько отделов. Для работы с данными нужны следующие специалисты:

1. Маркетолог. В небольшой компании или стартапе он сам выполняет простую работу по анализу данных: запрашивает у финансистов и менеджеров по продажам информацию о сделках и прибыли, на ее основе предлагает конкретные маркетинговые активности, прогнозирует и отслеживает их результаты. Если возможностей одного маркетолога не хватает, чтобы удовлетворять все потребности бизнеса, к работе подключаются аналитик и IT-специалист.
2. Аналитик. Он ставит задачи на получение нужных данных IT-специалисту, обрабатывает полученные данные и визуализирует результат, отслеживает связи между данными и предлагает решения проблем.
3. IT-специалист. Он отвечает за техническую сторону получения данных, например за интеграцию сервиса сквозной аналитики с рекламными кабинетами, сайтом и CRM, выгрузку данных программным способом (через API), или разрабатывает собственные технические решения.

В идеале все три специалиста должны работать в связке и хотя бы на поверхностном уровне понимать, какие данные нужны, зачем и откуда их получают. Иначе может оказаться так, что маркетолог не получит всей информации, которая нужна ему для увеличения прибыли компании. Или, наоборот, получит большой массив ненужных данных и потратит время, чтобы выбрать из них полезные.

Возможен вариант, при котором один человек может заменить двух или всех трех специалистов. Например, это может быть маркетолог с компетенциями аналитика или аналитик с техническими знаниями. В крупных компаниях каждого из этих специалистов заменяют целые подразделения: отделы маркетинга, аналитики и IT.

Какие бесплатные и недорогие инструменты использовать для сбора и анализа данных
Часто компании боятся внедрять работу с данными, потому что кажется, что это дорого. На самом деле есть много недорогих или бесплатных инструментов, которые подойдут для использования на начальных этапах.

Хранение и обработка больших объемов данных
Хранить и обрабатывать большие объемы информации помогают базы данных. С ними можно работать в бесплатных версиях MySQL и ClickHouse.

Анализ данных
На начальном этапе, пока данных немного, для анализа подойдет Microsoft Excel: ее статистических процедур и функций достаточно для решения простых задач. Но эта программа может работать с ограниченным количеством данных. По мере роста компании придется переходить на другие, более мощные и сложные инструменты.

Для обработки данных могут использоваться языки программирования Python и R. Они позволяют работать с большими объемами информации и создавать любые технические решения. Для их полноценного использования потребуется помощь IT-специалиста.

Частично обойтись без разработчика помогут аналитические low-code-платформы. Они не требуют писать код, а дают возможность собирать его из готовых блоков. Но по сравнению с языками программирования функциональность таких платформ ограничена. Бесплатная версия есть у платформы Loginom.

Веб-аналитика
«Яндекс Метрика» и Google Analytics — бесплатные инструменты, в которых есть базовые отчеты о поведении посетителей сайта и данные об электронной торговле.

Для A/B-тестов подойдет сервис LeadPlan. В его бесплатный тариф входит три А/В-теста в месяц.

Тарифные планы LeadPlan

Бизнес-аналитика

Собирать, хранить, визуализировать данные о продажах и автоматизировать работу с ними можно с помощью CRM — системы управления взаимоотношениями с клиентами. Бесплатные тарифы есть у «Битрикс24», «Аспро.Cloud» и «Мегаплана».

Системы сквозной бизнес-аналитики позволяют отследить источники появления клиентов и понять, окупаются ли вложения в рекламу. Примеры таких систем: Calltouch, Roistat, Mixpanel, Rick, Alytics и CoMagic. У Mixpanel есть бесплатный тариф, Calltouch предлагает тарифы от 990 рублей в месяц, у остальных — недорогие тарифы стоимостью 5 000–10 000 рублей в месяц или пробные версии на 14 дней.

Визуализация данных
Для самых простых действий по визуализации данных подойдет Microsoft Excel. Бесплатная версия для личного использования есть у сервиса ChartBlocks.

Более широкие функциональные возможности у систем Business Intelligence, или BI-систем. Они могут обрабатывать во много раз больше данных, собирать их из разных источников, создавать красивые отчеты и интерактивные дашборды. Одна из таких систем — Power BI от Microsoft.

По мере роста компании, когда возможностей бесплатных инструментов будет не хватать, стоит перейти на платные сервисы или более дорогие тарифы, работа с которыми будет эффективнее. К тому времени это вложение уже будет оправданным.

Как выбрать цели и метрики для оценки эффективности маркетинговых стратегий
Чтобы база данных не разрасталась до бесконечности, лучше работать только с той информацией, которая поможет отследить эффективность работы компании: с данными о клиентах и заказах, затратах на рекламу и маркетинг.

В первую очередь необходимо определить цели, которых хочет достичь ваша компания, и сроки их достижения. Например, бизнес-аналитика показывает, что увеличение конверсии из первой покупки во вторую позволит увеличить оборот на 5%. В этом случае компания может поставить перед собой цель увеличить число повторных покупок.

Другие возможные варианты целей: уменьшить отток клиентов, привлечь новых клиентов, увеличить конверсию, средний чек или пожизненную ценность клиента.

Бизнес-аналитика помогает сформулировать цели максимально конкретно: не просто «увеличить конверсию», а «увеличить конверсию из контакта в сделку с 2 до 5%». Достижение цели говорит о том, что компания движется в верном направлении, а маркетинговая стратегия работает.

Для каждой цели определяют несколько метрик — показателей, по которым можно отслеживать, движется ли компания к выбранной цели, и при необходимости скорректировать стратегию. В приведенном выше примере: если после проведения конкретных маркетинговых мероприятий конверсия из контакта в сделку упала ниже двух процентов, значит, что-то было сделано не так, и стратегию стоит пересмотреть.

Метрики выбирают по следующим критериям:

• Они должны быть выражены в относительных показателях. Пример относительного показателя — коэффициент конверсии: отношение числа пользователей, совершивших целевое действие, к общему количеству посетителей сайта.
• Данные, выраженные с их помощью, можно сравнить с данными предыдущих периодов.

На каждый анализируемый этап стратегии выбирают примерно 3–5 метрик.

Варианты метрик для отслеживания.
CPA (Cost Per Action) — стоимость целевого действия. Например, когда пользователь перешел по рекламе, а потом оформил заказ, просмотрел прайс-лист компании или оставил свои контакты. Метрика помогает оценить эффективность рекламной кампании. Этот показатель можно отследить в сервисе, где вы настраиваете рекламу. Например, в «Яндекс Директе» — для контекстной рекламы или в myTarget — для таргетированной.

CPC (Cost Per Click) — цена за клик на какой-либо рекламной платформе. Метрика позволяет оценить, насколько целесообразно вкладываться в этот канал привлечения клиентов. Важно также оценивать количество посетителей, которые приходят из определенных источников. Может оказаться, что цена за клик, например, при таргетированной рекламе низкая, но пользователи через нее почти не приходят — значит, вкладываться в этот канал не имеет смысла. Как и CPA, этот показатель можно увидеть в сервисе настройки рекламы.

CAC (Customer Acquisition Cost) — стоимость привлечения одного покупателя. Чтобы рассчитать стоимость, нужно сложить все затраты на рекламу и маркетинг за определенный период и разделить полученную сумму на количество новых клиентов. Сделать это автоматически можно с помощью сервисов сквозной аналитики.

Conversion Rate — коэффициент конверсии. Это процент пользователей, которые перешли на следующий этап воронки продаж. Зная среднюю конверсию на всех этапах, прогнозируют прибыль от рекламного канала. Конверсию рекламных объявлений можно увидеть в сервисе настройки рекламы, конверсию сайта — в «Яндекс Метрике» или в Google Analytics.

LTV (Lifetime Value) — пожизненная ценность клиента, или суммарный доход за весь период, в течение которого клиент что-то покупает у компании. Эта метрика помогает понять, какую сумму вы можете потратить на привлечение клиента, чтобы остаться в плюсе.

ROI (Return on Investment) — коэффициент окупаемости инвестиций. Помогает понять, получает ли компания прибыль после всех расходов на маркетинг.

CRR (Customer Retention Rate) — показатель удержания клиентов. Это процент пользователей, которых вы смогли превратить в постоянных клиентов.

Churn Rate — показатель оттока клиентов. Это количество клиентов, которые отказались от ваших услуг за определенный срок — например, за месяц. Показатель помогает прогнозировать и предотвращать убытки. Churn Rate до 3% считается хорошим показателем.

MRR (Monthly Recurring Revenue) — регулярная месячная выручка компании.

Shopping Cart Abandonment — «брошенная корзина». Это количество пользователей, которые на определенном этапе отказались от совершения покупки. Показатель помогает найти в воронке продаж узкие места, где компания теряет клиентов.

CSAT (Customer Satisfaction) — индекс удовлетворенности клиентов. Метрика показывает, насколько покупатели довольны товарами или услугами компании. Узнать его помогут опросы клиентов. Но, чтобы извлечь из этой метрики максимум пользы, нужно понять, что конкретно нравится или не нравится покупателям. Для этого придется собирать отзывы и работать с ними.

Некоторые показатели можно отследить в сервисах, где вы работаете непосредственно с рекламой или продажами. Например, CPA, CPC и конверсию рекламных объявлений можно увидеть в «Яндекс Директе» — для контекстной рекламы или в myTarget — для таргетированной. Конверсию в целевые действия на сайте (покупку, регистрацию, заказ обратного звонка и т. д.) можно узнать в сервисах веб-аналитики «Яндекс Метрика» или Google Analytics. Рассчитать показатели удержания оттока клиентов помогут CRM-системы.

Но со временем данных из разных источников появится много, собирать и анализировать их вручную будет трудно. На этом этапе будет удобнее воспользоваться одним из сервисов сквозной аналитики. Они собирают воедино информацию из CRM-систем, разных каналов коммуникации (мессенджеров, email-рассылок, онлайн-заказов через сайт, с помощью телефонии) и рекламных платформ. Например, сервис сквозной аналитики Roistat умеет отслеживать более 80 показателей, среди которых CPA, CPC, САС, выручка от разных рекламных каналов, LTV, ROI, выручка компании за определенный период, конверсия на разных этапах воронки продаж и повторные продажи.

Чек-лист: пошаговый план по внедрению работы с данными в компании

1. Убедитесь, что все сотрудники, работающие с данными, понимают, зачем это нужно.
2. Сформируйте команду из маркетолога, аналитика и технического специалиста.
3. Выберите инструменты для работы с данными.
4. Выберите цели и метрики, которые помогут оценить эффективность конкретных маркетинговых стратегий.
5. Соберите все необходимые данные из разных источников в одном месте: в базе или на платформе, к которой есть доступ у всех работающих с данными сотрудников.
6. Визуализируйте данные. После этого можно будет анализировать их, формулировать и проверять гипотезы на их основе.

Не переживайте, если не получится внедрить data-driven-подход сразу. Потребуется время, чтобы сотрудники научились работать с данными и привыкли делать это постоянно. Со временем вы можете понять, что не получаете какие-то нужные данные или, наоборот, собираете лишние — это нормально. Невозможно сразу предсказать, какая информация потребуется в будущем. Оптимизируйте работу с данными и продолжайте применять этот подход на всех этапах. Постепенно вы придете к оптимальной системе работы с данными, которая поможет получать больше прибыли.