Для точной аналитики мультиканальной воронки необходимо точное отслеживание пути пользователя и мультиканальной атрибуции. Существующие инструменты веб-аналитики не всегда позволяют это сделать, поэтому бизнес готов платить за альтернативные аналитические системы.
Статья для маркетологов и веб-аналитиков, которые уже имеют представление о веб-аналитике и о том, как строится отслеживание действий пользователя в популярных системах типа Метрики и Google Analytics, но хотели бы узнать больше о деталях отслеживания эффективности мультиканальных цепочек, в которых участвуют сразу и контекстная реклама, и таргетированная реклама, и email-маркетинг.
В статье от Андаты, платформы ИИ-маркетинга, коллеги разобрали проблемы интеграции и примеры решения. В конце материала вас ждет кейс клиента, который благодаря сквозной мультиканальной аналитике смог определить оптимальный день для отправки email-рассылок.
Что мы понимаем под мультиканальной воронкой
Мультиканальная воронка – это модель маркетингового взаимодействия с клиентами, которая охватывает несколько каналов связи и взаимодействия.
Например, привлекаем клиентов с помощью контекстной рекламы, они проходят регистрацию на сайте и получают бесплатный пробный период, после чего мы подогреваем их письмами, чтобы клиенты перешли на один из платных тарифов. Покупка совершается после одного из писем. Получается, что на каждом этапе есть своя конверсия и ее не так сложно измерить стандартными средствами веб-аналитики.
Читайте также: Профиль клиента 360 – как он поможет маркетологу
Сложности начинаются тогда, когда бизнес пытается понять:
- с какой рекламной кампании приведенные клиенты более охотно покупают самый дорогой тариф?
- какие маркетинговые активности вносят вклад в итоговую конверсию?
То есть в тот момент, когда бизнес пытается соединить две крайних точки клиентского пути, начиная от первого канала привлечения и заканчивая оплатой тарифа, между которыми мы еще несколько раз взаимодействовали с клиентом в разных каналах.
Здесь возникает необходимость настроить сквозную аналитику. Любая сквозная аналитика – это не готовое решение, а довольно трудоемкие интеграции с большим количеством отдельных сервисов, не всегда бесшовно умеющих передавать данные друг другу. Но сквозная – еще не значит мультиканальная.
Для реализации мультиканальности нужна мультиканальная модель атрибуции. Это может быть модель, основанная на правилах. Например, всем каналам, участвовавшим в пользовательском пути конверсии даем равный вес, либо распределяем вес в зависимости от давности взаимодействии.
Но также это может быть data-driven модель, которая распределяет вес каналов в зависимости от того, насколько важную роль канал играет в конверсии исходя из всего массива данных. И чем больше у вас данных, тем точнее атрибутивная модель определяет роль каждого канала и источника в привлечении конверсии.
Читайте также: Как работать с данными аналитики и оптимизировать кампанию в Яндекс.Директ
Стандартные инструменты веб-аналитики и мультиканальные воронки
Чаще всего при построении первой веб-аналитики компании начинают работать с Яндекс Метрикой и Google Analytics.
Пока проект небольшой, не оброс большим количеством сложных сервисов, которые нужно интегрировать между собой, часто сквозная аналитика начинается именно с интеграций всех источников данных с Метрикой и GA.
Уже имея примитивную аналитику, бизнес сталкивается с необходимостью более точного отслеживания путей пользователя, более точных данных по воронке конверсии и в конце концов понимания каналов маркетинга и их роли в продажах.
Почему инструментов, уже ставших стандартом на рынке веб-аналитики, не хватает для анализа воронки с множеством каналов
Дело в том, что моделей атрибуции в Метрике мало и все они одноканальные. В Google Analytics ситуация с атрибутивными моделями гораздо лучше, там есть возможность построить пути конверсии и выбрать мультиканальную атрибуцию. Но и Google Analytics не решает всех проблем со сквозным и мультиканальным отслеживанием.
Например, у вас есть автоворонка: по сценарию, уже известный вам клиент приходит на страницу услуги и видит цену $299 и не совершает покупку. Через день вы отправляете на почту клиенту письмо и предлагаете купить услугу со скидкой — за $249, тогда клиент совершает переход из email на отдельный лендинг с новой ценой и там совершает покупку. Поскольку это уже новая сессия, покупка совершена через канал email и на этом наша аналитика «всё». А то, что до этого мы его прогревали, привлекали с помощью контекстной рекламы, не будет отображаться в истории.
Так же как и ситуация, в которой пользователь интернет-магазина перешел из email-рассылки с рекомендуемыми товарами, положил их в корзину и не оплатил. Затем вы вернули его ретаргетингом с рекламным блоком «ваши товары все еще в корзине» и он перешел с ретаргетинга и оплатил покупку. Какой канал присвоится этой покупке?
О том, как подключить рекомендуемые товары в email-рассылку, читайте в нашей Базе Знаний.
Это серьезное ограничение для бизнеса в понимании того, куда уходят деньги на маркетинг и одновременно бизнес-возможность для альтернативных аналитических систем и CDP / DMP платформ: бизнесу нужна точная и подробная аналитика по каналам и он готов платить за это свою цену.
Трудности отслеживания в мультиканальной воронке
Мы в Андата провели десятки интеграций в свою систему аналитики и накопили большой опыт в работе с данными. С удовольствием поделимся с вами своими наблюдениями по сложностям внедрения мультиканальной аналитики.
Самые часто встречающиеся проблемы всегда появляются на стыке сервисов и инструментов. Рассмотрим те места, где чаще всего встречаемся с проблемами интеграции и покажем, как можно их решить.
- Не передаются UTM-метки дальше первого канала при междоменном отслеживании.
- UTM-метки присвоены вручную, поэтому нет данных по каждой кампании / объявлению / ключевому слову (актуально для контекстной рекламы). А также метки не полные или не соответствуют стандартному шаблону. В итоге парсить их невозможно и это не дает нужной для аналитики информации об источнике.
- В системах email-рассылок аналитика только показателей самой рассылки, в системах веб-аналитики – только по поведению пользователей на сайте, а в CRM – данные о продажах. Все это трудно мэтчится между собой, нужен единый для всех систем id пользователя, чтобы склеивать данные и пробрасывать их в итоговую платформу сквозной аналитики.
Кейс настройки сквозной аналитики для мультиканальной воронки от Андата
К нам пришел бизнес — сервис доставки готовой еды на всю неделю. Большая доля продаж в бизнесе происходила после email-рассылки в которой были предложения о доставке здорового питания на 7 дней.
Бизнес-проблема: не понимали, когда и какие письма приводят больше новых заказов. Рассылка делалась по будним дням, в выходные ее не рассылали.
Мы собрали данные с сайта, рекламных кампаний, CRM, в том числе данные по почтовым рассылкам и сделали отчет.
Результат, который мы получили, был легко объясним и логичен. Но не имея на руках цифр, сделать единственное правильное предположение было невозможно.
С помощью аналитики заказов, мы получили ценный инсайт: большая доля заказов и доля первичных пользователей с самым быстрым циклом до оплаты находится в привлечениях в выходные дни.
Посмотрите на таблицу по дням недели ниже, по ней видно, что в пятницу количество заказов начинает нарастать, а в воскресенье доходит до максимума. Это прослеживается от недели к неделе, в таблице показаны данные по дням недели.
Но это не все, что нам удалось понять.
Нужно выяснить: что служит триггером к совершению заказа еды на неделю и можно ли вовремя напомнить пользователям о себе, чтобы получать больше заказов?
Мы построили когорты по дням до заказа от последнего взаимодействия. Выяснили, что есть большая доля пользователей, которые заказывают в течение 1-2 дней после касания.
Мы рассматривали отдельно каналы ретаргетинг/ремаркетинг в контекстной и таргетированной рекламе и email-рассылки новым и постоянным пользователям. Везде картина была похожая: большая доля заказов на 1-2 день после касания, небольшой процент на 3-5 дни и все остальные заказы через 6 и более дней.
Отсюда получили еще инсайт: email-рассылка работает и приносит быстрые заказы. Рассылку с напоминалкой выгодно делать и в пятницу, и субботу, и в воскресенье, чтобы в субботу и воскресенье клиенты выбирали и оплачивали свой заказ.
В итоге клиент скорректировал дни рассылки: теперь отправляют рассылки и в выходные дни тоже и с них в субботу и в воскресенье приходит большая часть оплат.
Чтобы реализовать такой проект, понадобилось:
- разметить события на сайте
- пробросить UTM-метки из писем кросс-доменно, чтобы отслеживать передвижения пользователя в основном домене и поддоменах вплоть до оплаты
- использовать мультиканальную модель атрибуции, чтобы учесть долю каждого канала в цепочке касаний и не потерять ценные данные о том, какие взаимодействия повлияли на принятие решения пользователем
Сквозная мультиканальная аналитика позволяет принимать правильные управленческие решения и дает ощутимый прирост в деньгах, поэтому окупает себя, даже когда кажется, что внедрять ее дорого и сложно.
