Как увеличить продажи с помощью сквозной аналитики?

Я желал бы поведать вам историю. Историю о том, как очень сильно заблуждаются владельцы и маркетологи бизнеса, думая, что знают показатели эффективности собственных рекламных кампаний.

Борьба за кошелёк и внимание клиента в сети все увеличивается. Вместе с ней растет значение качественной, глубокой аналитики рекламных кампаний. Из-за чего?

Потому что именно аналитика — инструмент, что окажет помощь расширить поток клиентов и поднять прибыль в разы без дополнительных вложений в рекламу.

Эта статья содержит кейс о том, как мы сделали аналитику опытного уровня для отечественных клиентов: посчитали прибыль и ROI по ключевым словам и каналам, применяя лишь бесплатные аналитические инструменты.

Содержание

Что такое сквозная бизнес аналитика и из-за чего она ответственна?
Как трудится колл-трекинг?
Как настроить сквозную аналитику вручную?
Автоматизированная сквозная аналитика
Как трудится сквозная аналитика?

Что такое сквозная бизнес аналитика и из-за чего она серьёзна?

Для начала разберем весьма показательный кейс. Вы осознаете важность как раз «сквозной» веб аналитики, т. е. аналитики не только заявок и кликов, в частности рентабельности и прибыли инвестиций в интернет-маркетинг.

И давайте сходу договоримся. Посчитать ROI (рентабельность вложений в бизнес, в целом) — очень сложно.Как увеличить продажи с помощью сквозной аналитики? Исходя из этого в статье обращение отправится о ROMI — рентабельности инвестиций в маркетинг.

Он считается по формуле: прибыль от маркетинга / (прибыль от маркетинга — вложения в маркетинг) * 100%

На картине выше — расширенный отчет об эффективности рекламы. Вы видите 3 различных рекламных канала с однообразным бюджетом (для простоты примера) и 3 рамки: красную, оранжевую, зеленую. Рамки — это 3 уровня аналитики.

Первый, красный — базисный, без которого не существует и развиваться ни один бизнес. Знать цена привлечения лида, целевого действия на сайте (CPA) — нужный минимум для любого бизнеса, стремящегося к росту.

Второй уровень — оранжевая рамка. Тут вы приобретаете познание, сколько клиентов вам принес любой канал каких денег и рекламы стоило привлечение клиента в разрезе канала. Если вы интересуетесь этими цифрами, это уже хорошо.

Но имеется и третий уровень. На изображении он обозначен зеленым. Спросите себя: на месте хозяина бизнеса, что видит отчет, ограничивающийся рамками 1 либо 2, вы бы приняли верные ответы о том, как направляться распределить маркетинговый бюджет?

Так как Гугл AdWords на данном примере не был в фаворитах, пока обращение не зашла о прибыли и ROI. А в следствии как раз AdWords был самым действенным маркетинговым каналом.

Важность совокупности сквозной бизнес аналитики для прибыли и ROMI (возврат инвестиций в маркетинг) очевидна. И нужно подчернуть, что в online посчитать это в полной мере реально. Но что делать, в случае если в вашем бизнесе много обращений через звонки?

Вы уверены, что совершенно верно понимаете, ключевое слово и какой канал приносят вам звонки, заканчивающиеся продажами?

А что по поводу online-чатов на сайте? Так как через них также возможно приобретать контактные эти потенциальных клиентов. Вы делаете это?

А вдруг делаете, то вычисляете ли вы конверсии в онлайн-чатах?

Уверен, что в случае если до этого момента вы не считали ничего, не считая CTR, стоимости и конверсии клиента, то сейчас вам понятна важность таких показателей как прибыль и ROMI в разрезе каждого, повторюсь — каждого главного слова.

К чему такая точность?

Весьма легко. Закон Парето: 20% упрочнений дают 80% результатов. Совершенно верно так же 20% вложений в рекламу дают 80% прибыли.

Желаете определить, какие конкретно как раз 20% дают вам главную прибыль?

Тогда эта статья для вас.

Столкнувшись с обрисованными выше проблемами, мы осознали, что отечественные клиенты делают выводы о результативности рекламы по ограниченным данным. Соответственно, принимают заведомо неверные ответа о корректировке и трансформациях.

Как говорится, слона нужно имеется по кускам. Первыми были оптимизированы звонки.

В числе клиентов была компания, которая реализовывала офисную мебель, кабинеты для начальников. У них приблизительно 80% обращений (соответственно, и потенциальных продаж) происходило по телефону. Это означало, что не знать, какие конкретно каналы, объявления и главные слова приносят эти звонки, означало делать аналитику с погрешностью в 80%.

Как раз исходя из этого первое, что было сделано для данного клиента, — настройка динамической подмены телефонных номеров по главному слову.

Предугадывая ваш вопрос, отвечу: нет, для этого не требуется количество номеров, равное количеству главных слов. Хватит создать столько номеров, сколько человек в один момент не редкость у вас на сайте онлайн + еще 1 номер. На всякий случай.

Как трудится колл-трекинг?

Покупаем виртуальные номера, и посредством скрипта (существует последовательность готовых ответов динамической подмены номеров) каждому новому визитёру показываем личный номер телефона. Пользователь ушел с сайта — номер спрыгнул и опять свободен для показа следующему визитёру.

В случае если пользователь совершает звонок, он поступает в совокупность аналитики и в CRM с указанием источника, ключевого слова и кампании, по которому перешел на сайт позвонивший клиент.

В следствии был взят вот таковой отчет:

Уже хорошо: мы знаем конверсию в звонки по каждому главному слову и количество звонков с каждого ключевика.

Больше никакого десятков часов и ручного труда на аналитику: все происходит мгновенно и машинально, но давайте копнем глубже и определим цена звонка.

Как? Импортировать эти из Яндекс Директ и Гугл AdWords о расходах в Universal Analytics и создать персонализированный отчет, в котором цена звонка по каждому главному слову считалась машинально.

Уже лучше. Сейчас не требуется сводить нескончаемые excel таблицы с данными. Все считается машинально и в одном несложном отчете.

И казалось бы: вот хороший предлог порадоваться за себя и клиентов. Но нет.

Так как самый главный момент не был учтен: ROMI. Одно дело — осознать, сколько стоит звонок либо заявка с каждого ключевика. Совсем другое дело — знать, сколько они принесли прибыли и каков ROMI.

Как настроить сквозную аналитику вручную?

Было решено вычислять все вручную.

Как? Были внедрены так именуемые «реферальные хвосты» либо UTM-метки. Сейчас, в то время, когда заявка с сайта падала в CRM клиента, в ней был указан не только имя и номер телефона, но и источник, ключевое слово и кампания.

Потом опять: нескончаемые отчеты в excel, обмен таблицами с клиентом и попытки посчитать-таки прибыль и ROMI в ручном режиме. Но все было тщетно.

Эти терялись и не сходились. Клиенты медлили с отчетами, а сотрудники ночевали в офисе, пробуя свести все сведенья воедино. Сейчас мы поразмыслили об e-commerce.

Как же здорово, в то время, когда оплата происходит на сайте и ROMI без неприятностей возможно посчитать прямо в стандартном отчете e-commerce в Гугл Analytics.

И как сложно, практически невозможно, делать аналитику по прибыли и ROMI, в случае если между заявкой с сайта либо звонком — нескончаемый путь из колл-центров, операторов, писем, коммерческих предложений, доставок, отгрузок, оплат и бронирований. Посчитать прибыль и ROMI по каждому ключевику казалось несбыточной мечтой.

Автоматизированная сквозная аналитика

Яндекс.Директ и другие подобные системы посоветовали нам ответ. Мы поразмыслили: а чем мы хуже e-commerce сегмента? Из-за чего бы не импортировать эти из CRM клиента об оплатах и связать их с данными, каковые уже имеется, и настроить сквозную аналитику срм CRM?

Так как известно, откуда приходят как заявки, так и звонки.

Значит, все лиды, каковые имеется в CRM и с которыми трудятся менеджеры клиентов, доводя до оплаты, привязаны к какому-то конкретному источнику и ключевому слову.

Более того: мы знаем, сколько денег израсходовано на данный конкретный ключевик, т. к. затраты из GA и ЯД уже импортированы. Настройка сквозной аналитики Гугл Analytics значительно несложнее написания нескончаемых составления и отчётов таблиц вручную.

Все, что оставалось, — свести эти сведенья воедино. А правильнее, сделать так, дабы они сводились в один отчет машинально. Сквозная аналитика Google Analytics разрешает это делать.

Как трудится сквозная аналитика?

При переходе пользователя на сайт с рекламы он поучает неповторимый идентификатор — GAID. Потом, если он совершает звонок либо отправляет заявку, эти попадают в CRM уже с этим самым неповторимым идентификатором. По окончании чего менеджеры ведут лид через неповторимый для каждого бизнеса sales process и доводят до оплаты.

оплаты и Счёта также фиксируются в CRM.

По окончании того как продажа зафиксирована, посредством скрипта машинально забираем информацию об оплатах из CRM, по окончании чего при помощи GAID «склеиваем» их с информацией об источнике перехода, принесшего оплаченную заявку. Что известно об этом переходе? Да фактически все: показы, клики, CTR, расход и все остальные эти, с которыми разрешает трудиться сквозная аналитика Google аналитикс.

Потом, в UA конверсии из CRM приравниваем к транзакциям электронной торговли (попросту — настраиваем модуль e-commerce) и приобретаем отчет, что машинально вычисляет все, что нам нужно.

Мы взяли воронку продаж, которая считается машинально.

Без участия человека. Без таблиц и бесконечных отчётов. Все данные в одном месте.

Все обновляется машинально. Наряду с этим глубина этих разрешённых может быть любой: рекламный источник, рекламная кампания, объявление, главное слово и т. д.

Все сведенья, в одном месте, в произвольных аналитических срезах.

Согласитесь, это уже больше похоже на точную картину эффективности рекламы. Как раз такая углубленная, сквозная аналитика окажет помощь вам принимать верные ответы, оптимизировать бюджет на рекламу и повышать прибыль бизнеса!

P.S.

О том, что делать с взятыми в аналогичных отчетах данными и как оптимизировать рекламные кампании, просматривайте в моих следующих статьях.

Удач!

Создатель этого поста:

Павел Некрасов, маркетолог, эксперт по контекстной рекламе direktorinterneta.com

  • сертифицированный эксперт Яндекс Директ и Гугл AdWords
  • создатель обучающих направлений по контекстной рекламе
  • спикер отраслевых конференций RIW, РИФ+КИБ, eTarget

» Все статьи автора

Случайные статьи:

Сквозная аналитика в маркетинге и продажах


Подборка похожих статей:

admin