Мы используем файлы cookie. Продолжая просмотр сайта, вы разрешаете их использование.
Все понятно
Оптимизация расходов на рекламу с помощью сквозной аналитики


Клиент:
Сервисы:
Разобрались с каналами продаж и настроили аналитику для клиента. Один из инструментов, который мы интегрировали в систему – сервис Albato.
Денис Липка
Сооснователь и технический директор digital-агентства ORWO
Привет, меня зовут Денис Липка, я сооснователь и технический директор digital-агентства ORWO. Мы помогаем клиентам увеличивать продажи с помощью инструментов performance-маркетинга и сквозной аналитики.

Я расскажу о том, как наша команда разбиралась с каналами продаж и настраивала аналитику для регионального производства строительных блоков. Один из инструментов, который мы интегрировали в систему – сервис Albato.

Весной 2020 года в наше агентство обратился руководитель небольшого бизнеса по производству строительных блоков. Компания работает на региональном рынке совсем недавно.

Проблема, которая привела заказчика к нам, была следующая – реклама работает, клиенты есть, но появились свободные производственные мощности, которые нужно задействовать. Также заказчик не понимал, через какие каналы продаж приходят клиенты, а какие - не эффективны.

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).

Бизнес молодой и небольшой, поэтому бюджет на настройку и поддержание системы был ограниченным. С учетом условия экономии и исходных данных компании мы поставили перед собой две ключевые задачи:

Задача 1.
Определить, какие из используемых каналов приносят покупателей.

Так как тестировать все возможные рекламные каналы достаточно дорого и нерационально для небольшого бизнеса, то эффективность каждого канала крайне важна. В данном случае настройка сквозной аналитики поможет оценить отдачу от каждого канала и определить, какие каналы можно убрать из-за их малой эффективности.

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

На каждом этапе взаимодействия с клиентами можно найти узкие места и улучшить процесс так, чтобы он приносил больше денег. На выполнение задач и тестирования системы мы заложили примерно 2 месяца работы. После постановки задач мы выявили проблемы и нестыковки в системе получения и обработки клиентов:

1. Множество точек лидогенерации и отсутствие идентификации каждого лида

Чем больше точек контакта, тем больше шанс 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.

Данные о лидах из всех источников передавались в CRM либо не полностью (например, из чата лиды заводились в CRM без ClientID и Utm-меток), либо дублировали записи, внесенные в CRM менеджером вручную. По этой причине некоторые сделки могли оставаться на этапе «новый лид», хотя работа по ним уже велась в других записях.

2. 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.

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.


3. Проблемы в учете статистики по сайтам

Все действующие сайты клиента размещены на разные доменах, но для полной картины статистика по ним должна быть объединена. Изначально 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

Чтобы получить полную картину по всем каналам, нам нужно было привести к единому виду всю получаемую о клиенте или лиде информацию и представить все данные в виде сводных таблиц, графиков и диаграмм.

Общая схема решения:
Инструменты и сервисы, которые были использованы:

Сервис Albato. Он был нужен для интеграции:

  1. amoCrm и Google Analytics – создание событий
  2. Яндекс Директ и Google Analytics – общие затраты на рекламные кампании
  3. История сделок и их статусов и Google Sheets.
Google Analytics: для сбора и хранения данных о посетителях и лидах.

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

Google Apps Script. В нем делали скрипты, которые:

  1. сводят разрозненные UTM и CID параметры к унифицированному виду

  2. чистят дубликаты лидов/сделок

  3. объединяют лиды по телефонным номерам и CID

  4. импортируют статистику звонков из Манго

  5. формируют сводную таблицу сделок
Google Data Studio: для создания и визуализации отчетности.

  1. На первом уровне воронки считали конверсию в лид только по данным Google Analytics.

  2. На втором уровне считали ROI уже с учетом всех данных из сводной таблицы.
Примеры отчётов, построенных на основе данных только из Google Analytics, и выводы на их основе
1) Соотношение между заявками с сайта и остальными обращениями.

На основании сравнения количества обращений по разным каналам можно будет перераспределить бюджеты на офлайн и онлайн-рекламу.

2) Предпочтения пользователей по каналам коммуникации.

Увидели, что один из наиболее популярных каналов общения — чат JivoSite на сайте. Стало понятно, что нужно обратить внимание на этот канал и развивать его: оценить время ответа и качество общения менеджеров в чате, написать скрипты для стандартных ситуаций.
3) Конверсия разных источников трафика.

Оценили динамику входящего трафика и сопоставили конверсию для разных его типов, чтобы понять, в каком направлении двигаться и как её увеличивать.


Примеры отчётов, построенных на основе сводных данных из Google Spreadsheets

1) Воронка обращений по Авито.

Получили полную информацию по каналу: от показов объявлений до конечных оплат. С помощью этих данных можно будет определить наиболее эффективные объявления, а зная ROI — учесть эти данные при разработке медиаплана.
2) Полные воронки c ROI по Яндекс.Директу и Google Ads.

По этим данным можно будет сравнить между собой рекламные источники на каждом уровне воронки и принять решения по их оптимизации.
3) Сводка продаж по каналам и источникам.

Сформировали полную картину, чтобы сравнить каналы между собой и оценить, какие эффективны, а какие — нет. На основе этих данных можно будет скорректировать медиаплан и поставить чёткие KPI по рекламе.
Результаты и выводы

В результате всех проведенных работ мы получили автоматическую систему аналитики, ядро которой собрали из бесплатных компонентов. Платные сервисы и инструменты использовали по минимуму, чтобы бюджет клиента сильно не пострадал. Весь процесс занял 2 месяца, как мы и думали.

Также мы показали клиенту все слабые и лишние звенья в цепочках взаимодействия с потенциальными покупателями. Теперь руководитель компании может принимать бизнес-решения, опираясь на автоматизированные отчеты на основе данных из CRM, web-аналитики и гугл-таблиц.


Выводы по кейсу:

− обращений с сайта в 2 раза больше, чем из офлайн-рекламы;

− потенциальные клиенты любят общаться в чате на сайте, а звонки и обращения через онлайн-формы – не приветствуют;

− при текущих настройках реклама в Яндексе работает в разы эффективнее, чем в Google;

− вложения в бизнес-аккаунты Авито окупаются;

− рентабельность SEO сопоставима с контекстной рекламой, несмотря на то, что работы начались два с лишним месяца назад.


Сейчас мы работаем над формулированием и проверкой гипотез, чтобы помочь клиенту увеличить продажи в 2 раза. О результатах внедрения системы сквозной аналитики в небольшой региональной производственной компании мы расскажем в следующий раз.
ЕЩЕ КЕЙСЫ
Расскажите нам свою историю
Если вы хотите рассказать про ваш опыт использования Albato, оставьте заявку и мы свяжемся с вами. Мы с удовольствием поделимся вашей историей