Как сквозная аналитика повышает продажи с сайта

Какие данные объединяет сквозная аналитика

Сквозная аналитика — это объединение данных из двух основных источников:

• веб-аналитики (сайт и всё, что происходит на нём: клики, переходы, онлайн-конверсии и т. д.);
• аналитики продаж (посетители, которые позвонили и пришли в офис/магазин, заключили сделку, заплатили деньги, совершили повторный визит или воспользовались дополнительными услугами или товарами).

Например:

И это вся информация, которую можно получить при отсутствии сквозной аналитики. Вывод на основании имеющихся данных хоть и верный, но для бизнеса не очень полезный.

А теперь дополним данные информацией из офлайна: от кол-центра и отдела продаж. Качественных лидов (завершились продажами) по «выгодному» источнику может оказаться меньше:

Выводы об истинной ценности приведённых лидов и полученного с них дохода возможны только при настройке сквозной аналитики. И воронку можно углубить ещё, используя, например, данные о маржинальности товаров, дополнительных затратах и т. п.

Интегрируя всю необходимую информацию по всем источникам, рекламным кампаниям, лидам, вы получаете мощный инструмент для принятия решений.

Таким образом, цель сквозной аналитики — предоставить максимально полные данные о поведении аудитории, чтобы сделать ей наиболее релевантное предложение и получить как можно больше клиентов за минимально возможный бюджет. Она необходима для понимания, что на самом деле приносит доход: какие рекламные каналы эффективны, что даёт отдачу, а что — нет. Это актуально для бизнеса любого масштаба.

Где поможет сквозная аналитика

1. Выбор рекламных источников: с какой рекламной активности приходит большее количество целевых обращений, что работает лучше и хуже, что можно сделать, чтобы конкретный источник приносил больше лидов/обращений/продаж за меньшую стоимость или имел большую отдачу; соответственно, в какие источники вкладывать деньги.
2. Управление рекламным бюджетом: отключение неэффективных источников, перераспределение бюджета между эффективными и, как результат, сокращение затрат на рекламу.
3. Увеличение конверсии сайта за счёт его оптимизации, например улучшения юзабилити.
4. Контроль качества обращений: насколько полезные для бизнеса обращения привлекает реклама, какие этапы проходят эти обращения, как их обрабатывает отдел продаж.
5. Связка рекламы с бизнесом: выявление проблем и поиск решений и возможностей на каждом этапе воронки.

Существует прямая взаимосвязь между размером компании и её запросами к сквозной аналитике.

Например, владельцам малого бизнеса она нужна, чтобы быстро принять решение, на какую рекламу выгодно расходовать деньги — есть отдача / нет отдачи. Видеть, как работает каждый канал, для небольших компаний может быть не так критично. Особенно если источников привлечения клиентов всего два-три.

Для крупного бизнеса актуальна аналитика по всему объёму и многообразию рекламных каналов. Среднестатистический покупатель, перед тем как сделать заказ, может касаться бренда более 10 раз: на сайте, в соцсетях, кликнув по таргетированной рекламе, позвонив и т. д. Большим компаниям важно видеть такое взаимопроникновение рекламных каналов и понимать конверсию на этапе перехода обращения в клиента.

Для компаний с длинным циклом сделки этот процесс может занимать не один месяц. На конверсию влияет много факторов: как продавцы/менеджеры ведут коммуникации, как контролируют процесс, как эту сделку закрывают. Конверсия каждого этапа — показатель, который необходимо отслеживать.

Например, если цикл принятия решения в маркетинге — месяц, то и для анализа следует выбирать показатели, которые можно отследить за это время: собрать, связать с рекламой и посмотреть конверсию. Идеально, если в этот месяц входят продажи, и тогда сквозную аналитику нужно строить до продаж. Если цикл сделки больше, надо выбирать показатель, который можно отследить и подсчитать за месяц, опираясь в сквозной аналитике на него.

Три способа построения сквозной аналитики

Разберём оптимальные способы интеграции данных веб-аналитики и данных о продажах от простого к более сложному.

Например, CoMagic, Roistat и др. Допустим, в качестве основного аналитического инструмента используется CoMagic. Сбор и обработка информации происходит в нём как в единой системе, к которой подключены все источники данных (CRM, системы статистики), телефония, коллтрекинг, инструменты коммуникаций (онлайн-чат, обратный звонок, лидогенератор).

Например, SaaS-инструмент + Google Analytics. Или Яндекс.Метрика + Google Analytics и Power BI. В этом случае первичная информация генерируется в нескольких источниках, но с помощью интеграций передаётся в единый сервис. Допустим, клиент использует CallbackHunter, CoMagiс, телефонию Mango Office и Google Analytics, с помощью которого отслеживаются конверсии на сайте. В этом случае в CoMagic можно настроить интеграции со всеми перечисленными сервисами, и они начнуть поставлять данные в него. Если нативная интеграция с каким-либо источником не предусмотрена, её можно выполнить кастомным способом через API. Или настроить передачу некоторых данных сначала в Google Analytics, а уже оттуда — в CoMagic.

В таком случае данные собираются с помощью сервисов (например, Google Analytics и CoMagic), а их склеивание проводится в собственной системе аналитики. В этом случае SaaS-системы используются просто как источники данных, а анализ информации проводится в Power BI, Excel или напрямую из базы данных, в которой можно обра­батывать запросы с помощью языка программирования R5. Подробнее о языке программирования R читайте здесь.

Разница в особенностях каждого способа построения сквозной аналитики приведена в сравнительной таблице.

Ещё больше полезной информации о возможностях SaaS-сервисов и выборе систем для отслеживания звонков читайте в совместной книге Ingate и Comagic «Алё! Коллтрекинг».