Регистрация

Веб-аналитика для b2b

9
0
1 466 0
Аудио Текст
18 декабря 2013

Генеральный директор компании WebProfiters Александр Кузьмин рассматривает ключевые особенности продаж в b2b, которые отличают их от продаж в b2c. Вы узнаете, как не допустить типичных ошибок расчета ROI, а также познакомитесь с самыми полезными инструментами веб-аналитики для b2b.

Из передачи вы узнаете:
— в чем особенности продаж в b2b;
— из каких основных этапов состоит продажа в b2b;
— как правильно вычислить ROI по источникам трафика с учетом всех платежей клиента;
— почему лучшим инструментом для веб-аналитики в b2b является Universal Analytics;
— и многое другое.

Андрей Гавриков: Друзья, и снова здравствуйте! Парадирую нашего знаменитого телеведущего. Продолжаю нашу конференцию «Электронный маркетинг в b2b». Текущий блок будет посвящен таким непопулярным в b2b инструментам интернет-маркетинга, как веб-аналитика, маркетинг в социальных сетях и разработка правильных сайтов. Первый спикер-практик — Александр Кузьмин, генеральный директор компании WebProfiters, постоянный спикер отраслевых конференций РИФ, КИБ, СПИК, «Сайт» и прочих, преподаватель по интернет-маркетингу, консультант по веб-аналитике. Могу еще очень долго описывать его жизненный опыт, практику, действительно интересный человек и профессионал своего дела. Доклад его будет посвящен веб-аналитике для b2b. Напоминаю всем, что за самые интересные вопросы мы дарим книги от издательства «Манн, Иванов и Фербер», посвященные интернет-маркетингу. Александр, передаю тебе слово, хорошего выступления!
Александр Кузьмин: Андрей, спасибо большое, что представил. Ты очень верно подметил, что веб-аналитика — непопулярное направление в сфере интернет-маркетинга, особенно когда речь идет о b2b, но я сегодня постараюсь это немножко исправить. Я являюсь генеральным директором агентства WebProfiters. Мы примерно с 2009 года оказываем профессиональные консультации, касающиеся веб-аналитики, помогаем компаниям строить интернет-маркетинг, разрабатываем стратегии, настраиваем Google Analytics, проводим обучение и т. д., и т. п. Наверное, именно поэтому сегодня я и рассказываю вам про веб-аналитику для b2b. Однако прежде чем мы перейдем непосредственно к веб-аналитике для b2b, давайте поговорим о том, каковы ключевые особенности b2b-продаж в отличие от сферы b2c.
Первая ключевая особенность — это достаточно ограниченное число потенциальных клиентов. Есть некоторое большое множество потенциальных подрядчиков, и есть некоторое множество их потенциальных клиентов. Эти подрядчики хотят продать свои услуги клиентам. Естественно, конкуренция за одного клиента достаточно высока. Вы конкурируете с другими компаниями в контекстной рекламе, конкурируете в SEO, в медийке и в любых других инициативах интернет-маркетинга. И для того чтобы ваш рекламный бюджет не раздувался, для того чтобы вы на каждый рекламный рубль получали максимальную отдачу, вы, соответственно, должны распределять свой рекламный бюджет максимально эффективно.
Следующая ключевая особенность, про которую стоит сказать, — это длительный цикл продажи. Как происходит продажа в сфере b2c? Допустим, вы хотите купить мобильный телефон. Вы находите его в «Яндекс.Маркете», смотрите, какие интернет-магазины предлагают этот мобильный телефон. Далее в вашем браузере открываете несколько вкладок, смотрите, какой интернет-магазин предлагает лучшую цену, смотрите, какой интерфейс интернет-магазина нравится вам больше всего. Тут еще, конечно же, встает вопрос доверия к интернет-магазину. Вам важно, чтобы телефон доставили вовремя, чтобы он был рабочим, чтобы к нему дали гарантию и т. д., и т. п. Как бы то ни было, оценка альтернатив в случае b2c проходит достаточно быстро. Вам достаточно изучить всего несколько интернет-магазинов, для того чтобы принять решение о покупке. Обычно в тот же день или на следующий день эта покупка происходит.
В b2b все происходит немножко по-другому. Сначала происходит некоторый анализ рынка. Вы не всегда знакомы с тем рынком, услуги которого или продукты которого вы хотите приобрести. Существует огромное количество компаний, которые на этом рынке работают, и вы, например, пользуясь поиском «Яндекса» или поиском Google, сначала составляете список компаний, у которых хотите запросить коммерческое предложение. Вы сначала обращаетесь в компанию либо посредством сайта, либо посредством звонка. Дальше происходит первичная коммуникация, вам рассказывают особенности компании. И вы после этого, скорее всего, в большинстве случаев, назначаете встречу, для того чтобы лично познакомиться с представителем компании, для того чтобы быть уверенным в том, что они вам окажут именно ту услугу, которую вы хотите. Далее вам выставляется коммерческое предложение, вы над ним размышляете. Далее, соответственно, происходит долгий процесс подписания договора. И, наконец, вы совершаете первую оплату.
Для того чтобы эффективно продавать на рынке b2b, вам необходимо отслеживать весь цикл продаж с момента обращения в вашу компанию и до момента получения первых денег, до момента получения первой оплаты. Вам важно понимать, на каком этапе воронки продаж вы теряете наибольшее число потенциальных клиентов. И, соответственно, вам необходимо это место залатать. Вам необходимо, чтобы те потенциальные клиенты, те лиды, которые обращаются к вам и попадают в вашу воронку продаж с самого верха, как можно чаще добирались до самого низа воронки и становились вашими клиентами. Поэтому важно отслеживать и анализировать вашу воронку продаж от самого начала до самого конца.
Ну и, наконец, еще одна ключевая особенность b2b-продаж, в отличие от b2c, — высокая стоимость приобретения клиента. Ни для кого не секрет, что для b2b-бизнеса одной из значительных статей дохода является прибыль, которую вы получаете либо от продаж текущему клиенту, либо от оказания ему ежемесячных услуг.
Естественно, каждая компания, которая работает на рынке b2b, заинтересована в том, чтобы клиент оставался с ней как можно дольше, чтобы клиент платил ей как можно чаще и чтобы клиент был в целом удовлетворен оказываемыми услугами или продуктом, который компания поддерживает, например, и как можно дольше с ней сотрудничал.
Мы приходим к еще одному следствию: для того чтобы правильно принимать решения о том, в какие каналы рекламы инвестировать, необходимо отслеживать показатель, который называется LTV, или lifetime value, то есть всю прибыль, которую вы получаете от клиента на протяжении всей «жизни» этого клиента. С момента, когда вы получили от него первый платеж, и до момента, когда вы получили от него самый-самый последний платеж, то есть вся сумма денег, которую вы от этого клиента получаете.
Давайте же посмотрим, как происходит оценка эффективности этой самой конверсионной воронки, оценка эффективности b2b-продаж, наверное, в 90% случаев. Значит, у вас есть некоторое количество каналов, по которым к вам приходят потенциальные клиенты. Это и контекстная реклама, — ну, мы сейчас в основном говорим про интернет, конечно же, — это SEO, это медийная реклама, это в некоторых случаях «сарафанное радио», прямые обращения, письмо на почту и т. д., и т. п. Дальше происходит, соответственно, обращение в некотором ключе. Это либо звонок, либо обращение через сайт, ну и существуют другие способы.
Как, например, сейчас считается ROI по вложениям в рекламный канал? Сейчас мы говорим в основном про продажу услуг, потому что с продажей продуктов все чуть более точно: мы устанавливаем код электронной торговли Google Analytics или «Яндекс.Метрики» на сайте и более или менее видим те деньги, которые мы получаем от обращения, которое сделано через сайт.
Что происходит в случае продажи услуг? У каждой компании есть понимание среднего чека, то есть того, сколько в среднем платит клиент, когда обращается в компанию. У нас есть количество лидов. Мы настраиваем цели, настраиваем отслеживание конверсии в том же Google Analytics или «Яндекс.Метрике», умножаем средний чек на количество лидов, делим все это дело на расход и якобы считаем ROI. Нам кажется, что мы считаем ROI, но на самом деле это не так. Почему это не так? Потому что воронка отслеживается только в самом-самом начале. А существует еще другие этапы, которые могут кардинально изменить тот показатель ROI, который мы считаем на начальном этапе. Дальше происходят встречи, брифы, коммерческие предложения, тендеры, подписание договоров, продажи, доп. продажи, повторные платежи и т. д. и т. п. И, естественно, от одного клиента мы получаем не только первый платеж, который он делает. Мы должны, мы обязаны считать всю воронку продаж, все повторные платежи от одного клиента. А ROI правильно считать с учетом, как я уже сказал, всей жизни клиента, с учетом LTV. Надо понимать, например, сколько приносит тот или иной клиент, который пришел по определенному каналу трафика, а еще, что более важно, который пришел, например, по определенному ключевому слову, сколько это ключевое слово принесло денег нашей компании, сколько мы на него потратили. Соответственно, вот это и будет являться верным, правильным показателем ROI.
А теперь давайте подумаем, почему так происходит. Перед вами на слайде схемка, которую условно можем назвать IT-инфраструктурой компании в связке с веб-аналитикой. Причем это IT-инфраструктура as is. В терминах бизнес-моделирования это обозначает модель «Как есть», то есть это то, что мы имеем сейчас. Значит, мы имеем некоторый входящий поток лидов, который обращается в нашу компанию посредством нескольких каналов. Это либо звонки, либо прямые обращения, либо, например, форма заявки на продукт или на услугу на сайте. Звонки обрабатываются колл-центром, и дальше эти обращения попадают в CRM-систему. Я условно назвал ее ERP-системой предприятия, потому что, конечно же, все это должно быть интегрировано и должен происходить обмен данных между CRM, бухгалтерией и т. д. Единственный канал, который в данной схеме отслеживается, как вы можете обратить внимание, — это форма на сайте. Мы настраиваем в Google Analytics или в «Яндекс.Метрике» отслеживание конверсий. И когда, соответственно, потенциальный клиент оформляет заявку на сайте, мы видим в Google Analytics плюс одну конверсию. И далее эти данные мы обычно ручным способом, — ну, кто-то уже это автоматизировал, — консолидируем с данными рекламных систем. Здесь, для того чтобы было более понятно, я обозначил две рекламные системы. Это «Яндекс.Директ» и Google AdWords. Дальше данные «Яндекс.Директ» и Google AdWords, данные по расходам, данные по стоимости клика мы консолидируем с данными Google Analytics, с количеством конверсий и считаем якобы стоимость за конверсию. И исходя их этого всего мы считаем дальше «ROI», который у меня стоит в кавычках.
Давайте теперь посмотрим на то, как это на самом деле должно выглядеть. Схемка немножко изменилась, если вы обратили внимание. Теперь эту модель можно условно назвать моделью as to be, «Как должно быть». Что изменилось? Звонки теперь отслеживаются специальной системой отслеживания звонков. В данном случае на слайде у меня обозначена система отслеживания звонков CallTouch. Я чуть попозже расскажу, почему именно эта система. Кроме этого, что изменилось? Смотрите, Google Analytics теперь заменился на новую версию, на Universal Analytics. Она теперь находится не между формой на сайте и не между CRM-системой, а она немножко в стороне. То есть мы сначала все данные консолидируем внутри нашей ERP, внутри нашей CRM-системы, а потом происходит обмен данных CRM-системы с Universal Analytics. Мы чуть попозже подробнее рассмотрим, как все это можно сделать. Также данные из рекламных систем «Яндекс.Директ», Google AdWords с помощью API Universal Analytics загружаются в Universal Analytics, в отчет, который называется Cost Data Upload. Соответственно, автоматически подсчитывается ROI. Кроме того, эти данные потом выгружаются в некоторое хранилище данных. Я условно обозначил его как Excel. И дальше на основе этих данных мы имеем возможность эффективно управлять рекламой, такой круговорот данных получается.
Почему эта система гораздо лучше, гораздо правильнее, чем та, которую мы видели на прошлом слайде? Дело в том, что, естественно, в CRM-системе и вообще в ERP-системе предприятия мы видим абсолютно все платежи, которые поступают от клиента. Мы также в CRM-системе следим за всеми этапами, которые лид проходит с момента обращения в компанию и до момента получения последнего платежа. Некоторые CRM-системы, конечно же, представляют прямо эту воронку, визуализируют ее, и можно изучать, где мы теряем клиентов. Некоторые этого не делают, но как минимум эти данные в некотором виде в CRM-системе хранятся. Соответственно, мы эти данные можем в специальном виде загрузить в Universal Analytics и дальше изучать их и пользоваться ими, для того чтобы эффективно управлять рекламой в «Яндекс.Директе», в Google AdWords, эффективно управлять SEO. Всяческие биржи ссылок, такие как Sape и Miralinks, также имеют свой API, к которому можно обращаться, на основе их данных можно также понимать, как эффективно управлять поисковым продвижением.
Что даст построение такой IT-инфраструктуры? На самом деле ее можно условно назвать IT-веб-инфраструктурой, потому что теперь веб-аналитика плотно интегрируется в IT-инфраструктуру компании и управление интернет-маркетингом происходит на основе данных. Такой data-driven marketing. Что это нам даст? Это даст определенную аналитику в разрезе способов получения заказа и источников трафика.

Мы будем понимать реальный return of investments, то есть возврат инвестиций от вложения в рекламные каналы, от вложения в определенные сегменты этих рекламных каналов. Мы будем понимать, например, какой возврат инвестиций мы получаем от каждого ключевого слова. Причем этот возврат инвестиций будет считаться не только с учетом первого обращения клиента, а с учетом всей его жизни. Этот ROI будет регулярно автоматически пересчитываться в зависимости от того, как клиент взаимодействует с нашей компанией.

Если он платит постоянно, если клиент находится, например, на ежемесячном абонентском обслуживании, ROI будет каждый раз пересчитываться. И этому ключевому слову, которое привело данного клиента, будет отдаваться больший приоритет, это ключевое слово будет для нас важным. Это будет нужное ключевое слово, в которое стоит инвестировать.
Следующий пункт, про который стоит сказать, — это продуктовая аналитика и аналитика услуг. Этот пункт на самом деле, наверное, не для каждого случая применим, однако он тоже крайне важен. Мы будем понимать прибыль по каждой отдельной услуге, будем понимать прибыль по каждой товарной категории с учетом затрат. Если мы говорим про товары, то это затраты на товары. Если мы говорим про услуги, то это, например, человеко-часы, которые требуются на то, чтобы эту услугу оказать. Как бы то ни было, мы будем видеть рентабельность каждого продукта или услуги, которую мы оказываем клиенту.
Следующий пункт — это аналитика сайта. Мы можем, например, считать такой показатель, как количество просмотров определенного раздела сайта, например страницы описания услуги или страницы описания продукта, по отношению к тем деньгам, которые этот продукт или услуга нашей компании приносит. Это также даст понимание того, как необходимо оптимизировать страничку. Это даст понимание того, нужно ли над ней работать, достаточно ли она успешна, достаточно ли она хорошо конвертирует посетителей в клиентов по сравнению с другими страницами сайта. Опять же напоминаю, это все мы считаем на основе всей цепочки жизни клиента в нашей компании, на основе LTV.
И наконец, самое, наверное, полезное, самое важное — это аналитика воронки продаж. Мы будем видеть, как клиенты с того момента, как они обратились в нашу компанию, как они даже перешли к нам на сайт, перемещаются по каждому этапу воронки продаж вплоть до самого последнего. Наверное, самым последним здесь можно условно назвать получение самого последнего платежа. И это нам позволит понимать, как эту воронку продаж стоит оптимизировать, на каком этапе стоит сконцентрироваться, для того чтобы наши продажи стали более эффективными. Для того чтобы мы получали с каждого обращения, с каждого вложенного рекламного рубля как можно больший возврат инвестиций.
Как реализовать эту as to be IT-инфраструктуру, которую мы видели с вами несколько слайдов назад? Существует пять пунктов. Они все не очень сложные, но в то же время требуют определенных усилий, знаний и вложений.
Первое, что стоит сделать, — это начать использовать Universal Analytics. Мы чуть попозже посмотрим, почему именно Universal Analytics, какие функции, какие нововведения появились в Universal Analytics, почему стоит переходить с Google Analytics на следующую версию.
Второй шаг — это интегрировать CallTouch и Universal Analytics. Или даже, можно сказать, интегрировать CallTouch в ERP-систему предприятия.
Следующий шаг — интегрировать непосредственно ERP или CRM с Universal Analytics.
Затем — научиться загружать данные по рекламным кампаниям, по маркетинговым кампаниям в интернете, через API в Universal Analytics.
И наконец, последний шаг — эффективно управлять маркетингом в интернете, рекламой в интернете, на основе ROI с учетом всего времени жизни клиентов в нашей компании.
Прежде чем мы чуть-чуть подробнее рассмотрим каждый шаг, давайте поговорим о том, почему именно выход следующей версии Google Analytics позволяет нам построить эту самую as to be IT-инфраструктуру, которая должна быть на самом деле абсолютно в каждой компании. Сегодня у нас речь в основном про b2b-продажи, но b2c это касается не меньше.
Первый пункт — это использования пользовательских параметров и показателей. Так как мы хотим передавать в Universal Analytics некоторые данные, использование которых изначально система веб-аналитики не предполагает, нам необходимо подготовить для этого почву. Например, мы хотим передавать прибыль на одного клиента. Такого показателя в Google Analytics, как вы знаете, не существует. Поэтому Universal Analytics, в свою очередь, позволяет этот показатель создать и передавать в него определенные данные.
Следующий момент, который кардинально отличает Google Analytics от Universal Analytics. Те слушатели, которым хорошо знакома система Google Analytics, знают и, наверное, помнят, как выглядели Google Analytics cookies — cookies, на которых работал Google Analytics. Их там было пять или шесть штук. Это достаточно большой массив данных, который содержал различную информацию, вплоть до того, новый или вернувшийся посетитель пришел на сайт, откуда он пришел, из какого источника трафика, по какому ключевому слову, по какой кампании и т. д., и т. п. Сейчас в Universal Analytics используется совсем другой вид cookie, это cookie _ga. Она в себе содержит так называемый clientID посетителя, который пришел на сайт. Каждому новому посетителю, который заходит на сайт, присваивается этот clientID. И, что здорово, мы имеем возможность абсолютно несложно, стандартными методами получить доступ к этому clientID. Посетитель заходит к нам на сайт, мы в этот момент выполняем некоторый JavaScript-код и узнаем тот самый clientID, который присвоен этому, и только этому посетителю. Дальше мы имеем возможность, используя этот самый ClientID, передавать данные из абсолютно любой системы, из абсолютно любого устройства, которое имеет доступ к интернету, которое способно генерировать обычные HTTP-запросы. Мы имеем возможность передавать так называемые хиты, используя этот самый clientID.
Самый простой пример хита вы можете увидеть на слайде. Здесь указывается три необходимых параметра, которые нужно указать в этом запросе. Это версия, которая всегда сейчас пока равна 1. Это номер аккаунта в Universal Analytics, в который осуществляется передача данных. И это тот самый clientID посетителя. Далее, соответственно, идет еще ряд параметров. Мы можем передавать туда информацию о совершенной транзакции, используя ряд стандартных параметров электронной торговли. Либо мы можем передавать информацию о произошедшем событии. Либо мы можем передавать информацию о посещении определенной страницы сайта. Все те хиты, которые автоматически или полуавтоматически отслеживались раньше в Google Analytics на сайте, мы теперь имеем возможность генерировать из абсолютно любой системы, из абсолютно любого устройства посредством такого HTTP-запроса.
Итак, давайте теперь чуть-чуть подробнее рассмотрим то, как по пунктам реализовать эту IT-веб-инфраструктуру, которая должна быть абсолютно, на мой взгляд, у любого бизнеса — и b2b и b2c — и на основе которой можно эффективно управлять воронкой продаж, эффективно управлять рекламой в интернете.
Первое — это начать использовать Universal Analytics.

Как начать использовать Universal Analytics? Очень просто: приходим на сайт Google Analytics, заходим под своим логином и паролем, под которыми мы обычно заходим в Google Analytics, создаем новый веб-ресурс и получаем код Universal Analytics, который нужно установить точно так же, как код Google Analytics, на всех страницах сайта. Важно заметить, что Google Analytics и Universal Analytics абсолютно корректно работают на одном сайте вместе.

У вас нет необходимости одномоментно создавать Universal Analytics и удалять Google Analytics. Вы можете получать данные параллельно, они будут прекрасно уживаться.
Наверное, у слушателей может возникнуть вопрос, чем непосредственно в интерфейсе отличается Google Analytics от Universal Analytics. Universal Analytics — это просто следующая версия, обновление Google Analytics. Но их интерфейс абсолютно идентичен. Меняется процесс сбора данных, меняется подход к данным, к тому, как они собираются, к тому, как они передаются. Плюс появляется возможность создания пользовательских показателей и пользовательских параметров. Но в целом никаких отличий в отчетах, к которым мы все привыкли в Google Analytics, вы не увидите.
Следующий шаг — это интеграция CallTouch и Universal Analytics. Почему именно систему CallTouch я рекомендую? Дело в том, что мы совместно с компанией CallTouch сделали интеграцию CallTouch и Universal Analytics. Теперь вы с помощью API CallTouch имеете возможность получать тот самый ClientID посетителя, который хранится в cookie, а дальше этот ClientID вместе с номером телефона позвонившего человека сохранять в CRM-системе. Это крайне важно. Почему? Потому что следующий шаг, который нам нужно пройти, — это интеграция CRM-системы или в целом ERP-системы предприятия и Universal Analytics.
Что необходимо сделать, для того чтобы выполнить это шаг? Первое, что необходимо сделать, — это создать необходимое количество пользовательских параметров и показателей. Какие могут быть примеры пользовательских параметров? Это канал получения заявки. Это название продукта или услуги. Это имя клиента. Это тип клиента, это новый или вернувшийся клиент. Это стоимость продукта или стоимость оказания услуги для компании и т. д., и т. п. Любой набор параметров, любой набор характеристик, которые вы хотите присваивать, которыми вы хотите, чтобы ваш лид, ваш потенциальный клиент характеризовался, вы имеете возможность создать и далее передавать информацию по этим параметрам внутрь Google Universal Analytics. Кроме того, какие могут быть примеры показателей? Это прибыль, это затраты. При желании вы можете, соответственно, расширить показатели теми, которые вам необходимы.
Что делаем дальше? Каждый раз, когда мы заводим в CRM-системе нового потенциального клиента, новый лид, мы вместе с остальными параметрами, такими как имя, фамилия, компания, телефон, e-mail клиента, сохраняем также его clientID. Далее что происходит? При прохождении всех этапов воронки продаж на каждом этапе мы в CRM-системе генерируем хит, который я вам показывал, генерируем HTTP-запрос, содержащий определенный набор параметров, в том числе наших пользовательских параметров и наших пользовательских показателей, которые мы передаем внутрь системы Google Universal Analytics.
Следующее, пункт №4: нам необходимо научиться загружать данные по затратам, по рекламным кампаниям внутрь Universal Analytics. Тут я особо подробно про это говорить не буду. Нам необходимо научиться выгружать эти данные через API тех рекламных систем, у которых в принципе есть API: «Яндекс.Директ» или Google AdWords. Нам необходимо программно формировать CSV-файл определенного формата, определенной структуры. Эта структура приведена в справке Google Analytics. И дальше через API Google Universal Analytics или Google Analytics загружать этот самый файл в систему. Дальше эти данные будут попадать в отчет, который называется Cost Data Upload, и вы сможете автоматически считать ROI, возврат инвестиций в рекламные кампании, а также ROI по любым сегментам этих рекламных кампаний. Например, если вы запускаете медийку, вы увидите ROI по каждому баннеру, вы увидите ROI по каждой площадке, на которой размещаетесь, вы увидите ROI по ключевому слову, по городам и т. д., по всему набору параметров, которые в изобилии доступны в Google Analytics.
И наконец, последнее действие, которое нам необходимо сделать, для того чтобы реализовать эту IT-веб-инфраструктуру, — это управлять рекламой на основе ROI с учетом LTV и некоторых других бизнес-показателей, которые мы можем подключить к этой системе. Что необходимо для этого сделать? Нам необходимо выгружать данные из Google Universal Analytics по необходимым нам сегментам трафика. Это могут быть большие сегменты трафика рекламной кампании, это могут быть более узкие сегменты: ключевые слова, баннеры, определенный кампании, определенные объявления, города и т. д., — абсолютно по всему набору параметров.
И следующий этап, который необходимо выполнить, — это обучить систему управления рекламой. Многие из слушателей наверняка пользуются различными системами управления рекламой. Кто-то, например, размещает свою контекстную рекламу с помощью агентства. Агентства очень часто пользуются различными системами, например, Efficient Frontier или Marin, которые управляют ставками в контекстной рекламе на основе ROI. Но на самом деле они как раз управляют ставками того самого «ROI», которое считается как отношение первых полученных денег к первым вложенным средствам. Это ROI не считается на основе LTV. Мы же можем создать для этих рекламных систем почву, которая позволит управлять рекламой на основе реального ROI по ключевым словам и на основе реального ROI по нужным нам сегментам трафика. Соответственно, в этом случае управление контекстной рекламой или управление другими видами рекламы будет гораздо более эффективным, гораздо более правильным.
Всем советую построить такую систему у себя на предприятии. Я вас уверяю, полученная выгода на каждый рекламный рубль, который вы вкладываете в интернет-маркетинг, вырастет. И, соответственно, это позволит вам сэкономить рекламный бюджет, получать больше клиентов, оптимизировать воронку продаж и т. д. Спасибо за внимание!
А. Г.: Александр, огромное спасибо тебе за доклад! Я думаю, после твоего доклада стало понятно, почему веб-аналитика такая непопулярная тема. Потому что здесь, к удивлению многих, надо думать, надо делать что-то руками, нужно анализировать, нужно устраивать полноценную систему. И далеко не всегда штатный маркетолог в компании в состоянии сделать это один. Перед руководством тяжело признаваться в том, что ты этого сделать не можешь. Давай задам тебе вопросы, которые поступили от наших слушателей. Первый я задам от себя. Нарушу, наверное, немного регламент, но хотелось бы твое профессиональное мнение узнать. Насколько вообще рынок труда у нас, в России, скажем так, обладает хорошими специалистами по веб-аналитике. Есть ли уже, на твой взгляд, хорошие специалисты по Universal Analytics? В своей практике мы очень часто сталкиваемся с тем, что достаточно тяжело найти адекватных специалистов. Каково твое мнение?
А. К.: Спасибо за вопрос, Андрей. По опыту могу сказать, что найти хорошего специалиста по веб-аналитике сейчас крайне, крайне, крайне сложно. Я знаю, что у конкурентов и у коллег вакансии на HeadHunter висят чуть ли не годами, прежде чем появляется достойный кандидат, который подходит под те требования, которые эта компания предоставляет. Мы с такой ситуацией начали сталкиваться еще достаточно давно, так как мы буквально первые начали вообще говорить про веб-аналитику в России. И у нас свой подход: мы стараемся обучать консультантов, которых берем в веб-аналитики самостоятельно. У нас в бизнес-процессе есть некоторые методологии обучения веб-аналитике, уже отработанные за годы. Поэтому мы стараемся не ждать, пока кто-нибудь из соискателей решит к нам постучаться. Я знаю, что хорошие специалисты работают на крупных клиентов, особенно это касается e-commerce-проектов. Периодически эти люди выступают на конференциях со мной в соседних секциях. В частности, Андрей, недавно прошла очередная iMetrics. Соответственно, прекрасные докладчики из компаний-клиентов рассказывали интересные вещи про Google Universal Analytics. В общем-то, Universal Analytics потихоньку проникает в наш рынок. Если буквально пару месяцев назад вообще никто ничего про это не знал, только слышали, что эта система появилась, то сейчас уже, в общем-то, такие начальные интеграции, первые шаги, которые необходимо сделать, крупные компании уже делают. Следующий шаг, соответственно, за средними и не очень большими.
А. Г.: Хорошо, спасибо за подробный ответ. Тут даже, наверное, не вопрос, но комментарий одного из тех самых немногих профессионалов, отличных специалистов по интернет-маркетингу, которые работают на стороне клиента, Николая Федянина. Он говорит: «Гораздо интереснее было бы сделать обратный процесс: завели лид, присвоили ID, передали Google Universal Analytics и начали отслеживать это». Был ли какой-то такой опыт, такой кейс в России или за рубежом?
А. К.: Обмен данными между ERP-системой и Google Universal Analytics происходит как в одну сторону, так и в другую. Поэтому нам ничего не мешает это сделать, хотя я с Николаем, в общем-то, согласен. То, что он предлагает, тоже достаточно интересно. Вы можете самостоятельно сгенерировать некоторый clientID, а потом по нему передавать информацию в Google Universal Analytics. В общем-то, моя IT-веб-инфраструктура as to be, которую я показал, этого не исключает. Я про это не сказал, но она это совсем не исключает. Поэтому я с Николаем тут соглашусь. Это интересно, это нужно. Но также, естественно, нужно отслеживать те лиды, которые пришли непосредственно на сайт, у которых автоматически сформировалось clientID, которое мы можем потом использовать для управления всего и всем.
А. Г.: Хорошо, спасибо. Следующий вопрос от Игоря: «Александр, вы не говорили о „Яндекс.Метрике“. „Вебвизор“, „Карту кликов“ вы не считаете эффективными инструментами?»
А. К.: Конечно считаю.

Очень часто приходится слышать вопрос о том, какую систему веб-аналитики стоит использовать — Google Analytics или «Яндекс.Метрику». У меня ответ всегда один: Google Analytics — более профессиональный, более мощный инструмент. Особенно сейчас, когда появился Google Universal Analytics, который позволяет делать одну очень важную вещь, которую не позволяет делать «Яндекс.Метрика». Google Analytics позволяет сегментировать посетителей, используя функционал пользовательских сегментов, по абсолютно любому набору параметров. Вы можете создать сегмент посетителей, которые пришли из Москвы, с Facebook, по браузеру Opera и при этом пользуются операционной системой Windows, и сравнить его с другим схожим сегментом.

В «Яндекс.Метрике» вы этого пока не сделаете. Почему я говорю «пока»? Потому что сам буквально на прошлой неделе, присутствуя на конференции iMetrics, от разработчиков «Яндекс.Метрики» узнал, что у «Яндекса» есть в планах реализация такой системы. Они тоже вводят пользовательские сегменты, которые, соответственно, вы можете сами настраивать. И это уже достаточно важный шаг для «Яндекс.Метрики». Однако, точных сроков реализации этого функционала в «Яндекс.Метрике», к сожалению, коллега, который трудится над «Яндекс.Метрикой», не назвал. В общем-то, никогда «Яндекс» этого не делает, каждый раз это для нас большая приятная неожиданность.
А. Г.: Да, тут я с вами согласен, «Яндекс» умеет делать хорошие сюрпризы. Александр, смотри, коллеги уже начали задавать профессиональные вопросы с суровой терминологией. Первый вопрос от Анны: «Александр, предполагаю, что clientID, который вы берете из кэша, при входе клиента с разных устройств и браузеров будут разными. Так ли это? И есть ли возможность в предложенной вами интерактивной системе сращивать эти разные аккаунты, clientID?»
А. К.: Тоже хороший вопрос, спасибо Анне. Безусловно, clientID для разных устройств и разных браузеров будет свой. И проблема того, что уникальный посетитель, как пока по умолчанию сделано в Google Universal Analytics, отслеживается на уровне одного браузера, в моей IT-инфраструктуре не решается. Однако если вы следили за тем, что происходит в Google Universal Analytics, какие обновления система предлагает, то вы, наверное, слышали про такой параметр, как userID. UserID — это показатель, который позволяет отслеживать посетителя, который взаимодействует с вашей компанией, взаимодействует с вашим сайтом с разных устройств и с разных браузеров. Дело в том, что, прежде чем мы можем, например, узнать, что посетитель сначала зашел на сайт с мобильного телефона, а потом с десктопного компьютера и потом уже, например, оформил заявку, нам необходимо, чтобы этот посетитель на первом устройстве оставил о себе какую-то информацию, фактически зарегистрировался. И только потом, когда в следующий раз он авторизуется на следующем устройстве, введет те регистрационные данные, которые оставил на первом устройстве, мы узнаем, что это тот самый посетитель, который приходил раньше с другого устройства. В моей инфраструктуре пока userID не предусмотрен. Но дело в том, что, на мой взгляд, в b2b достаточно редко посетители сначала оставляют свои регистрационные данные, а потом уже оформляют заявку на сайте. Обычно, конечно, момент, когда посетитель оставляет свои данные, примерно совпадает с моментом оформления заявки. Поэтому интегрировать userID в эту систему не так-то просто. Еще стоит сказать, что userID еще находится в режиме бета-тестирования. И буквально месяц назад я видел презентацию Стаса Видяева из Google, который показывал использование userID буквально в отчетах, которые рисовал карандашом от руки. Момент использования userID еще не наступил. Это будет следующий этап развития и интеграции в IT-инфраструктуру.
А. Г.: Александр, огромное-огромное спасибо за такой развернутый ответ. Вопрос опять же от Анны: «Как вы получаете данные по LTV, в случае когда клиент пришел на одну услугу, а в перспективе перешел на другую услугу и последующий доход приносит именно она? Каковы возможности аналитики в предложенном вами варианте и где точки разъединения LTV по одному клиенту, но по разным услугам?»
А. К.: Смотрите, в CRM-системе объектом обычно являются либо контактное лицо, либо предприятие. И когда по клиенту приходят повторные платежи, соответственно, мы в первую очередь их видим в некоторой бухгалтерии, например в 1С. Естественно, эти данные нужно каким-то образом консолидировать с данными, которые находятся в CRM-системе. Мы к одному лиду, к одному клиенту, который у нас заведен в CRM-системе, должны подсоединять информацию о тех платежах, которые по нему поступают. Соответственно, это и будет подсчетом LTV. Что касается того, как разделять LTV по разным услугам, то CRM-системы бывают разные, но некоторые CRM-системы подразумевают, что существует, как я уже сказал, объект «Клиент» или «Лид». И, соответственно, по этому клиенту существует некоторое количество deals, или сделок, или договоров, которые с этим клиентом заключают. Соответственно, мы получаем некоторую иерархическую структуру: есть клиент, из него идут веточки — разные договоры, и по каждому договору мы получаем свой набор платежей. Дальше нам необходимо просто придумать пользовательский параметр, который будет отличать один договор от другого. А дальше все то же самое: в тот момент, когда статус этого договора меняется или приходит новый платеж, мы просто генерируем хит с определенным параметром, который эту информацию передает в ту же самую Google Universal Analytics.
А. Г.: Александр, еще раз спасибо! От Анны продолжают сыпаться вопросы, но мы уже зададим их в рамках отдельного инте рвью после выступления. От себя лично и от всех партнеров, организаторов конференции, хочу поблагодарить тебя и компанию WebProfiters за великолепный доклад, пожелать успеха и развития! Спасибо, Александр!
А. К.: Спасибо большое, Андрей!

Развернуть текстовую версию
Комментарии
Похожие видео