Как найти «утечку» продаж с помощью сквозной воронки в Power BI
Сеть онлайн-магазинов одежды использовала сквозную аналитику для повышения эффективности вложений в маркетинг.
Входные данные
Клиент: мультирегиональный интернет-магазин одежды.
Особенности: большой поток заказов и множество этапов, через которые заказ проходит на «внутренней кухне» компании.
Проблематика: невозможность в полной мере оценить реальную эффективность маркетинга и его участие в продажах. Клиент не видит, какие конечные продажи принёс маркетинг и сколько прибыли получено. Мы знаем путь заказов лишь в онлайне, а что происходит потом — нет.
Задачи, которые предстояло решить
-
Свести все данные в один инструмент, чтобы подрядчик и клиент могли видеть реальную эффективность вложений.
-
Снизить ДРР до 32%.
Решение
-
Собрать все данные изо всех источников в одном месте и наглядно их визуализировать в отчёте Power BI.
-
Построить сквозную воронку, которая может показываться в разрезе любых нужных параметров: рекламные каналы, кампании, демография и география клиентов, причины отмены заказов и множество других, в зависимости от целей.
Как должна работать воронка: теория
Каждый потенциальный клиент проходит этапы воронки до финальной сделки или же «отваливается» на одном из них:
В Google Analytics и Яндекс.Метрике есть все нужные инструменты отслеживания от посещения сайта до лида. Но лид — это ещё не продажа, так как не все обращения в компанию завершаются сделкой. Путь лида внутри компании уже смотрим при помощи CRM.
Для того, чтобы понять картину в целом, нужно увидеть рентабельность каждого рекламного канала и кампании, их точки роста, проблемные этапы в воронке, причины этих проблем и ответить ещё на множество вопросов.
Как строилась работа: этапы
Подключение ко всем нужным источникам данных
У клиента была CRM, где сотрудники компании ведут заказы, настроены Google Analytics, Яндекс.Метрика, call-трекинг и email-трекинг. Основная проблема — необходимость доставать данные из каждого сервиса отдельно или синхронизировать сервисы между собой, что не всегда давало корректный результат, а потом искать между этими данными взаимосвязи вручную.
Чтобы учесть все показатели и этапы продаж, необходимо получить данные из систем статистики (Google Analytics и Яндекс.Метрики), рекламных кабинетов (Яндекс.Директ, реклама VK), CRM, call-трекинга, email-трекинга. И позаботиться об их ежедневном обновлении. Одна из целей BI-отчёта, который мы создали для клиента, является актуальность данных для оценки ситуации в любой момент времени.
Настройка связей между таблицами
В каждом сервисе одни и те же поля могут называться по-разному. Чтобы избежать путаницы и додумываний, мы предпочли привести все ключевые поля к единому образцу.
Связи между разными таблицами должны быть по всем полям с параметрами, которые нас интересуют (кампании, каналы и так далее):
Визуализация воронки
В зависимости от поставленных KPI рекламы нужно получить недостающие показатели: ДРР, ROMI и так далее. Это делается также в Power BI путём новых полей с формулами. Цель клиента — снизить ДРР, так что будем оперировать именно им.
Также отдельное внимание нужно было уделить отменённым заказам, а именно — причинам отказа. С клиентом был оговорён формат заполнения причин отмены, чтобы их можно было легко кластеризовать: для этого был оговорён список ключевых слов, по которым будет автоматически определяться кластер причины, например, «объединён с другим заказом», «заказал по ошибке», «не устроила скорость доставки».
Развёрнутое описание причины отказа заполняется вручную, тем самым повышается значение человеческого фактора: важно было донести до менеджеров, что информация обязательно должна заполняться, причём вовремя и по определённому образцу.
Когда все данные, связи и показатели у нас собраны в одном проекте, можно приступить к визуализации сквозной воронки, которая теперь может включать в себя этапы как внутренней, так и внешней воронки:
Что получили на выходе
Прозрачный и наглядный инструмент для аналитики рекламы готов. Теперь можно оценить эффективность всех каналов и кампаний, а также обозначить точки роста в узких местах воронки.
Полученный отчёт помог выявить нам следующие точки роста:
-
нашли наиболее и наименее эффективные рекламные кампании. Некоторые рекламные кампании скорректировали, некоторые отключили, перебросив бюджет в масштабирование топовых кампаний;
-
нашли точки роста в отделе продаж клиента. Изучили причины отказов и заказы в разрезе ответственных сотрудников. Оказалось, что между подтверждением и оплатой заказа терялось ощутимое количество заказов.
Результаты
Общий ДРР по всей рекламе снизился на 7%.
Маркетологам с обеих сторон теперь доступен мощный и прозрачный инструмент сквозной аналитики, постоянно обновляемый и доступный в любое время, а не только в отчётную дату.
Рекомендуем:
- Сквозная аналитика для SMM: как распутать клубок из контента, конверсий и трафика
- Как отчётность в Power BI помогла добиться роста продаж на 76% за два года
- 4 сайта, 18 маркетинговых каналов: автоматизируем аналитику с помощью Power BI
- Что сквозная аналитика меняет в бизнесе застройщика
- Внедрили сквозную аналитику? Ответьте на 3 вопроса и проверьте, насколько она сквозная
- Кейс: нужна ли сквозная аналитика небольшому региональному бизнесу
Мнение редакции может не совпадать с мнением автора. Ваши статьи присылайте нам на 42@cossa.ru. А наши требования к ним — вот тут.