Автор кейсу: Олена Березовська, керівник відділу веб-аналітики в агентстві.
Клієнт. Омніканальний рітейл. Мережа HOLZ – інноваційний формат магазинів підлогового покриття, дверей та клієнтського сервісу.
Завдання. Отримати відповідь на питання: ЯК інтернет-маркетинг впливає на продаж на рівні всього бізнесу. У результаті – використовувати отримані дані, наприклад, для оптимізації рекламних кампаній за фактичним продажем.
Що було зроблено. Було вирішено побудувати Data WareHouse (база даних, яка зберігає в собі інформацію з різних сервісів і має зв’язки між цими даними).
Результат:
Використання інформації щодо фактичного продажу дозволило бізнесу:
- На 10% збільшити конвертацію із заявок в продаж.
- На 25% збільшити окупність маркетингових вкладень.
- На 50% збільшити точність інформації, якою володіють фахівці для оптимізації рекламних кампаній.
Підключити послугу «НАСКРІЗНА АНАЛІТИКА» від ADINDEX →
Повний текст кейсу ↓
Коли ви починаєте будувати систему зберігання даних, важливо відповісти на головне питання «Яка окупність створення БЗ і за рахунок чого вона відбувається?». Для бізнесу важливим є зростання прибутку, тому будь-які дії під час роботи з даними повинні призвести до того, що це дозволить в певних місцях економити бюджет, а в інших – рости за рахунок використання додаткових даних.
Проблема
Бізнес має ряд особливостей, які суттєво впливають на відстеження ефективності різних маркетингових комунікацій. А саме:
- Період прийняття рішення щодо покупки – до 6-ти місяців.
- Період виконання замовлення – до 3-х місяців.
- Користувачі вибирають товар на сайті, але в 90% випадків для здійснення покупки дзвонять або приходять в магазин.
- Різні системи зберігання даних, які використовує бізнес.
З огляду на ці особливості бізнесу, недостатньо використовувати тільки Google Analytics для аналізу ефективності маркетингу. Тут необхідний комплексний підхід.
Завдання
Бізнес використовує омніканальну стратегію розвитку (стратегія, у якій маркетингові комунікації мережі салонів та інтернет-магазину працюють в комплексі для збільшення прибутку і зростання бізнесу в цілому, а не в конкретному напрямку).
В інтернет-маркетинг вкладено багато ресурсів. Внаслідок цього виникає одне велике питання, на яке бізнес хоче знати відповідь: ЯК інтернет-маркетинг впливає на продаж на рівні всього бізнесу?
Для того, щоб отримати відповідь на це питання, необхідно:
- Мати доступ до всієї наявної інформації про взаємодії компанії з клієнтами і продажем в одному місці.
- Оцінити вплив інтернет-маркетингу на продаж в цілому.
У результаті – використовувати отримані дані, наприклад, для оптимізації рекламних кампаній за фактичним продажем.
Рішення
Було вирішено побудувати Data WareHouse (база даних, яка зберігає в собі інформацію з різних сервісів і має зв’язки між цими даними).
Рішення прийнято на підставі трьох головних чинників:
- Омніканальность бізнесу.
- Великий період прийняття рішення щодо покупки.
- Використання різних систем збору і зберігання даних.
Інструменти і сервіси, які використовуються під час створення: Google BigQuery, Google App Script, Google Sheets, Google Analytics, Bitrix API, Binotel.
Створення Data WareHouse складається з наступних етапів:
Discovery (дослідження)
Вивчення бізнес-процесів клієнта.
Дозволяє побудувати сховище даних і інфраструктуру, яка буде корисна бізнесу на різних етапах.
Цей етап передбачає такі види робіт:
- Виявлення потреб бізнесу – визначаємо, його цілі і потреби.
- Вивчення бізнес-процесів.
- Вивчення звітності, яку використовує бізнес.
- Бізнес-сценарій використання майбутнього Data WareHouse (use cases).
- Моделювання бізнес-процесів.
- Бізнес-опис системи зберігання даних.
Нижче наведено фрагмент підсхеми процесу роботи з клієнтом і продажем через інтернет:
Результат. Розуміння концепції сховища даних на високому рівні (без технічних подробиць):
- Що повинно зберігатися в базі.
- Хто, як і на якому етапі отримує доступ до даних.
- Рекомендації з доопрацювання бізнес-процесів.
Аналіз
Глибоке опрацювання даних, отриманих на попередньому етапі.
На цьому етапі створюється модель даних і узгоджується функціонал з клієнтом:
- Підбір метрик, параметрів, ключів для зв’язування даних з різних систем. Наприклад, CallTracker і СRM можна зв’язати за номером телефону. А Google Analytics і СallTracker можна зв’язати за допомогою clientID.
- Створення концептуальної моделі даних – зрозуміла для нетехнічних фахівців схема даних і їх взаємозв’язків.
Нижче наведено підсхему зв’язків різних суттєвостей в базі даних:
- Підбір інструментів для реалізації.
- Створення технічного завдання.
- Узгодження проекту.
На цьому етапі важливо оцінювати економічну складову, адже можна побудувати базу даних, яка буде зберігати в собі всі дані (навіть ті, що не використовує бізнес), бути ідеальною з погляду теорії, але якщо ціна її обслуговування більша, ніж внесок для бізнесу, це неефективно.
Результат. Узгодження проекту.
Проектування
Етап глибокого технічного опрацювання та створення архітектури сховища даних:
- Створення трирівневої архітектури бази даних:
- концептуальна схема даних – серце Data WareHouse, є сполучною ланкою між зовнішньою і внутрішньою схемою БД.
- зовнішні схеми даних – створюються під кожну групу користувачів для обмеження і перетворення даних в необхідний вид. Наприклад:
- Відділ продажу – отримує доступ до даних про клієнта і звідки він прийшов, але не бачить маркетингові бюджети.
- Відділ маркетингу – бачить число продажу, дохід від нього в межах джерел трафіку. Має доступ до LTV користувачів, але не бачить їхні контактні і персональні дані.
- Внутрішня схема даних – містить важливі для реалізації технічні аспекти, які не важливі кінцевим користувачам.
- Підбір алгоритмів для реалізації.
- Реєстрація та налаштування проекту BigQuery.
Результат. Готова інформаційна база та опис робіт і процесів для наступного етапу – реалізації.
Реалізація
На цьому етапі створюється Data WareHouse:
- Інтеграція з різними сервісами (Google analytics, Binotel, Bitrix тощо):
- Перетворення даних – в різних системах дані можуть бути в різному форматі, простий приклад – дата, десь буде у форматі «рік-місяць-день», десь «день-місяць-рік». В одних системах дробові числа вживають через крапку, а в інших через кому (наприклад, 1.01 або 1,01). Все це може зарахувати до помилок підрахунку.
- Створення скриптів і механізму надсилання даних до BigQuery – багато сервісів можуть брати програмно дані з них, але спосіб цей у кожного відрізняється один від одного, тому під кожен сервіс створюється окремий скрипт.
- Автоматизація процесу.
- Створення скриптів і механізму відправки даних про фактичний продаж в Google Analytics.
- Створення запитів для отримання відповідей на питання бізнесу.
- Візуалізація даних.
- Тестування коректності роботи налаштованих процесів.
Результат. Бета-версія Data WareHouse, оскільки до моменту початку впровадження складно оцінити всі підводні камені, які можуть виникнути в процесі експлуатації.
Впровадження
На цьому етапі створена база даних починає інтегруватися в бізнес-процеси компанії. Проводяться наступні роботи:
- Інструкція з використання.
- Коригування бізнес-процесів на підставі більш оптимального та ефективного використання ресурсів.
- Супровід під час освоєння роботи з побудованою системою.
- Виявлення і виправлення дефектів.
- Виявлення додаткових потреб.
- Доопрацювання, оновлення і створення додаткового функціоналу.
Результат. Стабільна система зберігання даних, впровадження системи в бізнес.
Експлуатація
На цьому етапі, за необхідності, ведеться підтримка налагоджених процесів роботи сховища даних і прикладних програм.
Тут в основному впроваджуються додаткові функції.
Результат:
- База даних в BigQuery з інтегрованими і пов’язаними даними.
- Можливість робити SQL з пов’язаним даними з різних систем одночасно.
- Автоматичне оновлення бази даних. Мінімізація задіяння людей у створенні звітності.
- Технічна документація. Опис архітектури та процесів.
- Google Analytics з новими цілями в прив’язці до реального продажу.
- Візуалізація даних за допомогою дашборду, таблиць.
- Створення цілей в Google Analytics, що зображують фактичний продаж.
- Рекламні кампанії Google Ads, які оптимізуються за фактичним продажем.
Приклад візуалізації даних:
Питання, на які відповідає дашборд:
- Як відрізняється для інтернету, залежно від типу відстеження?
- Які канали сприяють лідогенераціі?
- Розподіл лідів за регіонами?
- Воронка продажу
Загальні результати проекту
Використання інформації про фактичний продаж дозволило бізнесу:
- На 10% збільшити конвертацію із заявок в продаж.
- На 25% збільшити окупність маркетингових вкладень.
- На 50% збільшити точність інформації, якою володіють фахівці для оптимізації рекламних кампаній.
Для цього було зроблено наступне:
- Відстеження всіх етапів воронки продажу.
- Відстеження ROPO-ефекту.
- Можливість створювати рекламні кампанії, які оптимізуються за даними про фактичний продаж.
- Глибокий аналіз поведінки користувачів.
- Аналіз ефективності роботи менеджерів.
- Впровадження процесу наскрізної аналітики.
Висновок
Ознаки того, що бізнесу необхідний Data WareHouse:
- Купівля відбувається не на сайті.
- Період прийняття рішення щодо покупки – більше 90 днів.
- Великий обсяг даних.
- Велика кількість систем обліку і комунікації, які використовує бізнес.
- Велика кількість типів маркетингової комунікації.
Підключити послугу «НАСКРІЗНА АНАЛІТИКА» від ADINDEX →
Коли ви починаєте будувати систему зберігання даних важливо відповісти на головне питання «Яка окупність створення БЗ і за рахунок чого вона відбувається?». Для бізнесу важливим є зростання прибутку, тому будь-які дії під час роботи з даними повинні привести до того, що це дозволить в якихось місцях економити бюджет, а в якихось – рости за рахунок використання додаткових даних.
Створення сховища даних вимагає зміни і доопрацювання бізнес-процесів. Також необхідно залучати власників бізнесу або їх довірених осіб. В іншому випадку, побудований інструмент буде припадати пилом на просторах хмарних сервісів.
Під час створення сховища даних важливо знайти баланс між повнотою вживаних даних, вартістю створення / обслуговування системи та її користю для бізнесу.
