Чем больше бизнес и обширней реклама товаров, тем важней для него углубленная аналитика. В таком случае стандартными инструментами и решениями не обойтись - приходится внедрять новые сервисы и настраивать их “под себя”. На примере совместного кейса MixData BI и Ringostat мы покажем, как построить сквозную аналитику для сайта крупного предприятия, большинство заказов у которого поступает на телефон и e-mail.

Вводные данные

Полтора года назад у нас появился новый клиент - ООО “ТИС”. Предприятие производит и поставляет промышленное оборудование. Сеть представительств компании охватывает всю страну - от Новороссийска до Владивостока.

В интернете компания представлена сайтом remen.ru , на котором продаются комплектующие для конвеерных линий, приводные ремни, рукава высокого давления и многое другое - всего 17 категорий товаров.

Для рекламы такого широкого ассортимента компания не жалела средств. Так, в ноябре 2016 года в Яндекс.Директ было одновременно запущено 300 кампаний. Главная причина “болей” заказчика звучала так: “Не понимаем, откуда к нам приходят покупатели”. Учитывая масштаб компании и размер вложений в рекламу, этот вопрос стоял очень остро. Из-за специфики отрасли посетители remen.ru предпочитают звонить или отправлять запросы на электронную почту. Поэтому заказчик хотел знать рекламные источники, которые генерируют звонки и заявки на e-mail. На момент обращения к нам клиент использовал для аналитики только Google Analytics, а также пытался внедрить коллтрекинг - но этих инструментов ему было недостаточно. Заказчик поставил перед MixData BI следующие задачи:

• настроить инструменты аналитики;
• отследить рекламные источники обращений и выявить самые эффективные из них;
• систематизировать информацию о расходах на рекламу и доходах с нее.

Проанализировав проект, мы выделили ряд подзадач:

1. установка Google Tag Manager;
2. настройка отслеживания звонков;
3. отслеживание обращений на e-mail;
4. импорт информации о доходах и расходах в Google Analytics;
5. визуализация данных.

На примере их решения мы покажем, как можно настроить сквозную аналитику, и какие инструменты для этого лучше использовать.

ЗАДАЧА №1: УСТАНОВКА GOOGLE TAG MANAGER

Практически все компании анализируют онлайн-конверсии в Google Analytics. Далеко не каждый проект может похвастаться тем, что над ним работал один разработчик от начала до конца. Когда сайт переходит “из рук в руки” с кодом может случится путаница - и тогда о правильной аналитике можно забыть. Так и произошло с сайтом remen.ru. Изначально над проектом работало много не связанных между собой разработчиков, в том числе фрилансеры. Код Google Analytics на сайте все время менялся, а иногда исчезал. Данные передавались некорректно или не передавались вообще.

Решение

Чтобы решить такую проблему, нужно перенести коды отслеживания Google Analytics в диспетчер тегов Google Tag Manager. Что мы и сделали. После этого управлять всеми скриптами и настраивать их можно прямо из панели GTM.

ЗАДАЧА №2: НАСТРОЙКА ОТСЛЕЖИВАНИЯ ЗВОНКОВ

Существует много бизнес-тематик, где покупатели чаще всего звонят перед покупкой. В этом случае важно знать, какие рекламные источники приводят к звонкам и заявкам. Для этого существует отслеживание звонков - коллтрекинг. Однако, у некоторых проектов бывают потребности, которые может удовлетворить не каждый сервис отслеживания звонков. Тут важно выбирать, исходя из особенностей проекта.

В случае remen.ru такая особенность - это необходимость отслеживать звонки с собственных номеров компании в формате 8-800. Они нужны для региональных офисов - ведь покупателям из разных регионов удобней звонить на бесплатный национальный номер.

Сервис, которым пользовался заказчик изначально, так и не смог установить динамический коллтрекинг для номеров 8-800. Статический коллтрекинг для проекта не подходил - потребовалось бы более 1000 номеров для нескольких сотен рекламных кампаний.

Решение

Для настройки отслеживания звонков мы обратились в Ringostat. Они смогли подключить динамический коллтрекинг на номера клиента за 2 дня. Рекомендуем устанавливать именно этот вид отслеживания звонков. В отличие от статического он дает углубленную информацию о рекламных источниках обращений по телефону - вплоть до ключевого слова. Подробней о том, чем отличаются виды коллтрекинга можно почитать и посмотреть на примере схем .

Ниже схема, которая иллюстрирует, как работает динамический коллтрекинг:

Благодаря коллтрекингу, доступна детальная информация об обращениях по телефону. Если говорить о Ringostat - это более 30 параметров и событий. Они передаются мгновенно, это преимущество Webhook - технологии для оперативной передачи данных из одного сервиса в другой. Такая скорость играет решающую роль для проекта, по которому поступает большое количество звонков, а также используется несколько аналитических инструментов.

Рекомендуем устанавливать форму обратного звонка - наши партнеры делились кейсами, в которых callback увеличивал количество обращений на 48% . До перехода на новый коллтрекинг у remen.ru была установлена форма обратного звонка от стороннего сервиса. Потом проект перешел на callback от Ringostat, который предоставляется пользователям сервиса бесплатно. Детальная статистика по обращениям через него дополняет аналитику обращений по телефону.

Также была настроена переадресация звонков на мобильные номера сотрудников. Это помогает решить проблему пропущенных обращений - даже если никого нет в офисе, менеджер сможет принять заявку.

ЗАДАЧА №3: ОПРЕДЕЛИТЬ, КАКАЯ РЕКЛАМА ПРИВОДИТ К ЗАЯВКАМ НА E-MAIL

У компаний, которые торгуют промышленными или специфическими товарами, большой процент обращений поступает на e-mail - у remen.ru они составляют 40%. Так происходит по следующим причинам:

• запрос товара с артикулом и перечнем характеристик удобней прислать в текстовом виде, а не диктовать по телефону;

приглашения на участие в тендере обычно присылают на e-mail;

• среди покупателей продукции большой процент людей старше 30-40 лет - им привычней написать на электронную почту, чем заказать обратный звонок или заполнить форму на сайте.

Решение

Заявки на электронную почту можно и нужно отслеживать, как и звонки, если их процент велик. Мы написали специально для заказчика e-mail-трекер. По аналогии с динамическим коллтрекингом, он демонстрирует каждому посетителю сайта уникальный e-mail, который закрепляется за ним на 1 месяц на основе Client ID.

Суть в том, что у Яндекс и Google есть возможность доставлять почту на домене, даже если перед @ стоят лишние символы:

Поэтому для e-mail-трекинга не нужно генерировать много почтовых ящиков - достаточно добавить рандомные буквы и цифры. Трекер работает следующим образом:

клиент заходит на сайт и видит электронную почту;

после отправки письма становится доступен Client ID Google Analytics;

по нему сопоставляется, какая почта закреплена за конкретной сессией пользователя;

данные передаются в Google Analytics.

Благодаря информации о сессии пользователя становится известен рекламный источник, вплоть до ключевого слова и кампании. Так можно узнать, какая реклама приводит к заявкам на e-mail.

После установки коллтрекинга и e-mail-трекера были настроены цели для отслеживания таких конверсий:

• e-mail обращения;

  обращения через онлайн-чат JivoSite;

  заполнение онлайн-форм;

  обратный звонок (callback).

Так можно охватить все каналы коммуникации, из которых поступают заявки.

ЗАДАЧА №4: ИМПОРТ ДАННЫХ О РАСХОДАХ В GOOGLE ANALYTICS

Для полноценной аналитики необходимо знать стоимость каждого звонка, обращения на e-mail, форму обратной связи или в онлайн-чат. Только так можно корректно рассчитать, окупаются ли инвестиции в рекламу. Важно, чтобы по проекту были доступны все параметры, показывающие, откуда пользователь перешел на сайт.

В случае с remen.ru изначально для загрузки данных о расходах в Google Analytics из Яндекс.Директ использовалось стороннее решение. Но оно не предоставляло статистику в разрезе всех динамических параметров. Было известно количество переходов - но не было ясно, сколько на них потрачено денег. Для полноценной аналитики не хватало таких данных:

• {source} - площадка РСЯ;

{position_type} - тип блока;

{region_id} - ID региона;

{region_name} - название региона.

По этим параметрам в Google Analytics необходимо было загрузить расход.

Решение

Сейчас импорт данных о расходах из Яндекс.Директ в Google Analytics настроен с помощью сервиса MixData Import. Это решило проблему с загрузкой по динамическим параметрам. После этого мы вывели простые дашборды в Google Analytics и построили кастомные отчеты для удобства сотрудников компании.

ЗАДАЧА №5: ИМПОРТ ДАННЫХ О ДОХОДАХ В GOOGLE ANALYTICS

Для получения объективной картины эффективности рекламных каналов необходимо отслеживать не только расходы на рекламу, но и доход, который она приносит, а если точнее - фактические продажи. С помощью только Google Analytics сделать это невозможно - здесь нужна его связка с CRM и коллтрекингом.

Решение

Чтобы анализировать не только заявки, но и фактические продажи, необходимо настроить импорт доходов в Google Analytics. Остановимся подробней на том, как это было реализовано для проекта.

У клиента установлена 1С:CRM. Наш программист в сотрудничестве с программистом 1С разработали такую схему:

Когда кто-то оставлял заявку, данные отправлялись с помощью Webhook на файл обработки, а оттуда на FTP. Так специалисты получали информацию о Client ID. К ней добавлялись данные о номере телефона (в случае звонка) и e-mail (если было отправлено письмо). Данные о посетителе, полученные через онлайн-консультант, также складировались на FTP.

Далее специалист 1С раз в 15 минут извлекал эту информацию, сопоставлял ее и присваивал определенным контактам и сделкам идентификатор Google Analytics. Ежедневно в 23.00 данные о факте продажи централизованно отправлялись в Google Analytics.

Так можно регулярно отслеживать, сколько было продаж из конкретных рекламных источников.

ЗАДАЧА №6: ВИЗУАЛИЗАЦИЯ ДАННЫХ

Для сквозной аналитики необходим удобный инструмент для компоновки графиков и визуализации отчетов. Google Analytics не всем кажется user-friendly в этом плане - но это не повод совсем отказываться от визуализации.

Рядовым сотрудникам заказчика было сложно строить сегменты и делать сравнения. Поэтому первоначально для этих функций мы использовали Qlik Sence. Несмотря на преимущества этого инструмента, работа с ним требовала затрат времени. Сначала нужно выгружать туда данные, объяснять визуализатору, какую информацию нужно получить в графическом виде и т. д. Это привело к тому, что клиент со временем перестал пользоваться Qlik Sence.

Решение

Google Data Studio Google предназначен для работы с массивами данных, и благодаря связи между ним и Google Analytics необходимая информация передается буквально одним кликом. Основное преимущество этой системы визуализации в том, что она понятна любому пользователю. Концентрируясь на нужных показателях, можно принять правильное решение даже без доскональных знаний в сфере аналитики.

КАКОГО РЕЗУЛЬТАТА УДАЛОСЬ ДОСТИЧЬ:

теперь известно, во сколько обходится каждый звонок, обращение клиента на e-mail, через онлайн-чат, коллбек и форму обратной связи;

можно проследить всю цепочку - от количества обращений, их стоимости до дохода по каждому из них;

маркетинговые данные сводятся, анализируются и визуализируются в Google Data Studio - там же можно отслеживать KPI;

Благодаря разработке схемы обмена данными между платформами можно построить комплексную и глубокую аналитику. Следующий шаг - анализ больших объемов информации, полученной из различных источников.

В этом году мы собираемся вывести аналитику для проекта на новый уровень. Для этого планируем подключить Google BigQuery - инструмент для обработки больших объемов данных. Если вам будет интересно узнать об этом - оставляйте комментарии, и мы напишем продолжение кейса, когда решение будет реализовано.

Сегодня мы будем говорить о сквозной аналитике и способе реализации этого инструмента внутри Google Analytics.

О чем будем говорить:

Зачем нужна сквозная аналитика?

Как реализовать ее на практике?

Какие ошибки могут быть и как их решить?

Что такое сквозная аналитика?

Какая у может быть ситуация - большое количество разнообразных рекламных каналов, с помощью которых пользователи находят ваш сайт. Это могут быть каналы, которыми мы управляем, например платная реклама, контекстная реклама или специальные каналы коммуникации. Это может быть реклама, которой мы управляем не совсем напрямую - например, поисковый маркетинг в результатах выдачи поисковых систем. Это могут быть любые рекламные каналы.

Проще говоря, вкладываем мы какие-то деньги, например 1000 у.е., в наш маркетинг. Эти 1000 долларов расходятся по каким-то долям в разные каналы коммуникации:

300 долларов на поисковую оптимизацию,

100 долларов на прайс-площадки.

Т.е мы можем равномерно или неравномерно распределять эти суммы. И нам нужно понимать, насколько наши вложения эффективны, и какие « отрабатывают» лучше. Например, куда лучше вложить - в SEO, Яндекс Директ или в Google Adwords. Или все закрыть и работать только с прайс-площадками или какими-то агрегаторами. Только после анализа мы поймем, когда будет больше отдача от этих денег, которые мы вкладываем.

Как считать отдачу и эффективность этих вложений в разные рекламные каналы?

На данный момент большинство бизнеса или маркетологов, кто работает с Google Analytics считают эффективность затрат исключительно по каким-то коммуникативным действиям пользователя. Т.е. пользователь может позвонить или оставить заявку или даже, если это случай e-commerce, полностью пройти процедуру заказа и на последнем шаге нажать “Оформить заказ”. Очень здорово, если у нас есть возможность принять платеж от пользователя на этом шаге или на одном из последних шагов. Когда у пользователя есть возможность ввести данные своей кредитной карты или оплатить через PayPal. В таком случае мы четко понимаем, что это те люди, которые оформили заказ, это как раз те люди, которые у нас купили.

Это в идеале. А в реальности? Количество транзакций в интернете с использованием карт или других платежных инструментов относительно небольшое. У меня статистика за прошлый год или позапрошлый, что-то в районе 3-5%,это даже не доминирующий процент, т.е. это не 50%. Мы понимаем, что большое количество аудитории платит как угодно.

И факт того, что пользователь коммуницировал (оформил заявку на покупку товара или письмо нам отправил или воспользовался онлайн-чатом) не говорит нам о факте покупки. Это скорее некое желание купить, некий шаг перед реальной покупкой. И если мы внимательно посмотрим, и для ваших реальных бизнесов возьмем количество этих коммуникаций (т.е. количество раз, где отдельный каждый пользователь связался с бизнесом с желанием купить) и количество покупок мы увидим: — количество коммуникаций у нас гораздо больше, чем количество покупок.

Например, 100 пользователей прошли полностью процедуру, воронку оформления заказа и только 50 из них, действительно, заплатило.

Пользователи могут не платить по разным причинам - им может что-то не понравиться в последний момент, может быть миллион каких-то ситуаций почему пользователь не купил, но, тем не менее, такая ситуация достаточно часто возникает.

Что у нас отображается в Google Analytics?

В Google Analytics у нас отображается (если корректно настроены цели или блок электронной торговли) информация про транзакции, продукты, которые пользователь выбрал . В таком случае мы видим, вроде как продажи. Но вот эти суммы продаж или количество транзакций, которые у нас есть внутри Google Analytics, могут не совпадать с тем, что у нас есть в CRM. Раз так, то у нас фактически могут быть неверно приняты решения в эффективности этих каналов .

Например, мы видим, что у нас очень много людей оставляют заявку или оформляют корзину бесплатного поиска с Яндекса, Гугла, но при этом количество людей, которые заплатили сильно меньше. В таком случае, когда мы рассчитываем эффективность этого канала, если мы учитываем только те действия, только заявки а не реальные платы, мы можем сильно ошибиться в эффективности этого конкретного источника трафика.

Может быть у нас, допустим другого источника Google Adwords меньшее количество оформленных заявок на покупку, но при этом конверсия в реальную оплату там достаточно высокая (100 человек проходят полностью в корзину оформления покупки с Google Adwords 95 из них платят). И мы понимаем, что в таком случае этот канал будет для нас явно более эффективным, нежели чем бесплатный поиск в Google, если мы работаем с инструментом

Второй момент - момент учета всех коммуникаций. Пользователи могут связываться с нами разными способами. Мы можем достаточно легко и просто отслеживать факт коммуникации, т.е. то что у нас происходит непосредственно на сайте. Если пользователь оставил, заполнил форму обратной связи или полностью прошел процедуру оформления заказа, мы обязательно увидим, что именно этот человек что-то полезное для нас сделал.

Но если пользователь позвонил нам, отправил письмо на наш обычный ящик, если пришел в магазин, если он воспользовался онлайн-чатом, то по умолчанию вся эта информация не собирается. И для очень большого количества бизнесов у нас может быть такая ситуация, что количество этих коммуникаций через звонок, письмо, оффлайн и онлайн-чат будет больше чем 50-60-70%, и количество людей, которые оформляют форму может быть не очень большим, но фактически только их мы и фиксируем, только тех людей, кто у нас оформил форму.

Сформулируем три большие проблемы:

1. мы не видим реальных оплат с тех привязанных к рекламным или не рекламным каналам, которые мы используем.

2. не учитываем по умолчанию все коммуникации. Т.е. таким образом мы не можем сопоставить те данные, которые у нас есть в CRM - что именно этот заказ пришел, именно с этого источника трафика и пользователь при этом воспользовался, скажем, звонком, письмом или чем-нибудь другим. А раз так, внутри Google Analytics принимать решение о эффективности рекламных каналов достаточно сложно. И как тогда принимать решения об эффективности того или иного канала, рекламной кампании внутри Яндекс Директ. и вообще любых сущностей, которые у нас передаются в Google Analytics (регионы, соцдем, любая другая информация) — сложно. Мы фактически ничего этого не знаем. Фактически тем данным, которые у нас есть внутри Google Analytics, напрямую верить нельзя.

3. не учитываем возвраты

По закону, в разных странах в районе 14 дней пользователь без объяснения причин может вернуть товар, если он сохраняет товарный вид. Если у вас бизнес, связанный с одеждой, если у вас бизнес, связанный с какими-то вещами, которые пользователю могут потенциально не подойти, то количество возвратов может быть большим. И по умолчанию они также не отображаются, если это не реализовать дополнительно.

1. пользователь не понял как с нами связался, точнее мы понимаем, но не можем связать это с рекламным каналом

2. мы не видим точной оплаты

3. мы не учитываем возвраты

Процесс аналитики работает следующим образом - у нас есть какая-то реклама, эта реклама генерирует какой-то трафик, пользователей, которые заходят на сайт и собственно какая-то часть из этих пользователей становится лидами и она уходит в отдел продаж.

Но фактически, для того, чтобы корректно собирать данные и корректно учитывать эффективность источников трафика нам нужна другая схема. У нас есть трафик, который генерируют посетители. Эти посетители у нас могут использовать разнообразные инструменты для коммуникации с бизнесом, и каждый из этих инструментов мы должны учитывать внутри CRM . Но вместе с ним мы должны и понимать внутри CRM, что этот пользователь, который воспользовался онлайн-чатом, пришел именно с конкретной рекламной кампании, например, Google Adwords по какому-то ключевому запросу. И вот как только вот здесь, в CRM будет принято решение, т.е. по сути менеджер, который ведет этот заказ поставит статус, что этот клиент проплатил, мы сразу же передаем информацию об этой успешной оплате в систему аналитики. Мы также можем передавать всякие коммуникативные штуки для того, чтобы строить воронки и видеть эффективность не только рекламных инструментов, но и других способов коммуникации.

Как новая система аналитики выглядит на практике?

У нас может быть такая ситуация - мы вот внедрили callbackhunter, которая дает нам определенное количество лидов и заявок. И мы думаем - ой, как классно, здорово, хороший инструмент, будем платить, но, если мы увидим общую картину перераспределения способов связаться c нами, мы увидим, что этот callbackhunter может просто откусывать кусок из других каналов - телефонов, форм, онлайн-чата

Таким образом до внедрения callbackhunter у нас было 100 звонков в месяц и после внедрения callbackhunter те же самые 100 звонков в месяц. Т.е. он никакой дополнительной ценности для бизнеса не принес

Соответственно, с сайта, по умолчанию данные тоже должны передаваться в системы аналитики, но здесь больше информация о том, как пользователь взаимодействовал с самим сайтом, как он смотрел различные разделы, как смотрел карточку товаров, как он нажимал на какие-то важные для нас кнопки и так далее.

И после того, как мы возьмем и реализуем такую схему

Если мы будем учитывать каждый канал коммуникации, если мы будем учитывать возвраты, если мы будем только с момента реальной оплаты пользователем (только в этот момент передавать данные из CRM в Google Analytics) - только тогда мы можем строить вот такие красивые воронки. И тогда у нас будет видна полностью ситуация по эффективности нашего маркетинга. У нас могут быть разные рекламные каналы, которые переходят в заявки, т.е. пользователи совершают какую-то коммуникацию, тогда мы видим на этом этапе ситуацию по эффективности рекламных каналов с точки зрения заявок. Мы видим сколько нам стоит одна заявка с Яндекс Директа или одна заявка с ВКонтакте или одна заявка еще откуда-нибудь. Мы видим количество заявок, мы видим коэффициент конверсии (т.е. отношение тех людей, кто оставил заявку, к тому трафику, который пришел вообще на сайт) .

Собственно, мы можем видеть и глубже, мы можем видеть сделку. Это не просто заявка, а скажем уже сделка, где прошла уже какая-то коммуникация менеджера с пользователем, они оформляют какие-то детали, т.е. не просто заявка, а сделка, и, соответственно, мы также можем эту информацию передавать Google Analytics.

У нас есть также информация об оплаченных сделках, т.е. когда пользователь реально купил. И тогда, вот здесь, мы можем видеть эффективность цены продажи. Эффективность с точки зрения ROI, эффективность с точки зрения прибыли по каждому из рекламных каналов, кампаний и любой другой сущности.

Например, мы можем четко понимать, что тут Яндекс Директ привел нам 100 лидов, но было 2 продажи, и ROI, у нас скажем там, 103%. А вот Гугл Эдвордс принес нам 50 лидов, меньше чем Яндекс Директ, но при этом у нас было не 2 продажи, а 48 продаж. Конверсия из заявок в продажи предположим у Гугл Эдворсд гораздо выше и тогда ROI у нас 500%. Вывод: несмотря на то, что Яндекс Директ приносит нам больше заявок для нас. но с точки зрения бизнеса, денег, прибыли, эффективен Гугл Эдвордс.

Но без такой воронки мы этого никогда не скажем, если мы не настроим в аналитике все нюансы, тогда мы будем слепы.

Очень важно видеть не только ситуацию, связанную с одной продажей. Много бизнесов, где продажи у нас могут быть на одного пользователя сильно больше чем одна и еще чаще возникает ситуация, когда может быть окупаемость нашего маркетинга не с первой продажи, а со второй,с третьей, с пятой.

Необходимо учитывать все продажи, которые сделал этот конкретные пользователь, который пришел через этот конкретный рекламный канал Яндекс Директ, Гугл Эдвордс или что-то там еще. В таком случае, если мы эту схему внедрим, у нас есть полная картина по тому как это дело реализовывать.

Решаем задачи сквозной аналитики

Есть много всяких разных сервисов, которые эту задачу решают автоматически. Т.е. там какая-то настройка нужна, какие-то из сервисов больше с уклоном в CRM, какие-то больше с уклоном в управление контекстной рекламой, какие-то больше с уклоном в отслеживание звонков, какие-то чисто системы сквозной аналитики. Я привел три примера, но их больше. Мы можем реализовать систему сквозной аналитики с помощью этих сервисов и они более-менее заточены решать задачи, которые стоят с тем, чтобы мы видели полностью воронки, но у этих сервисов есть много разных минусов, у каждого свой.

Основной, наверное, минус у всех этих сервисов в том, что они достаточно закрытые системы заточенные под одну узкую задачу, то ли качественно отслеживают звонки и сквозная аналитика, то ли управлять контекстной рекламой и где-то сквозная аналитика. И минус еще в том, что их сложно модифицировать - если у нас появляются новые задачи. Поэтому сегодня мы и говорим о том, как реализовать эту задачу с помощью Google Analytics, а именно - чтобы у нас внутри аналитики был виден полностью вот такой отчет, где у нас есть рекламный источник, любой - платный или бесплатный, где у нас есть полностью информация по этапу взаимодействия, наши затраты, эффективность наших объявлений, где у нас есть информация по рентабельности.

Мы можем в такие таблицы вводить коммуникативные цели, и, фактически, мы можем внутри Google Analytics мерять каждый из этапов метриками, которые лучше всего показывают нам эффективность того или иного шага. У нас может быть несколько отчетов, каждый из отчетов у нас будет показывать разные метрики. Тогда мы будем видеть картину в целом, фактически видеть всю нашу воронку.

Как правильно настроить Google Analytics?

Во-первых, нужно использовать функционал расширенной электронной торговли.

Плюс расширенной электронной торговли в том, что мы можем брать не все, что там реализовано, а только какую-то часть, а именно часть о конкретной оплате и фактически не брать весь остальной функционал. То есть реализовывать ее частями. Но в таком случае у нас поменяется схема реализации. И на последнем шаге, на странице thank you page у нас будет не тот код, который передает Google Analytics, информацию о транзакции, а будет предпоследний шаг воронки. Грубо говоря на последнем шаге (транзакции) у нас на сайте мы будем просто передавать информацию о том, что пользователь прошел этот шаг, что он как-то с нами прокоммуницировал.

Причем мы можем передавать эту информацию с помощью такого функционала как check out options не только для форм на сайте, каких-то процедур оформления заказа, кроме check out, но и для других любых способов связаться пользователю с нами. Можем увидеть, что пользователь зашел на check out или позвонил - и для нас это будет равнозначно. А вот как раз последний шаг - информацию о транзакции мы будем передавать из CRM.

Для того, чтобы реализовать всю эту систему нам необходимо три шага:

1) запомнить id пользователя с любого канала коммуникации. Т.е. неважно как пользователь с нами связался - он может позвонить, он может написать нам на почту, он может пойти в оффлайн или сделать что-угодно. Нам нужно с каждого канала записывать его уникальный идентификатор. Скажу чуть больше - это уникальный идентификатор, который Google Analytics дает каждому пользователю.

2) Второе, что нам необходимо сделать - это загружать расходы по рекламным инструментам. Это, наверное, менее обязательный шаг, но он важный с точки зрения расчетов разных показателей типа ROI и так далее. Т.е. без этого все будет работать, но с этим данных у нас будет гораздо больше.

3) Третий шаг - мы передаем успешные оплаты из CRM в Гугл Аналитикс только по факту реальной оплаты. Причем мы передаем как оплаты (факт оплат), так и возвраты (в случае, если они у нас есть).

Настройка. Шаг первый

Если вы у себя допустим в браузере Хром зайдете на какой-нибудь сайт, где стоит Google Analytics (в общем-то, это почти любой сайт), не считая может каких-то социальных сетей, кликните правой кнопкой, нажмете “посмотреть код”, то у вас появится дополнительный блок, который может быть справа или снизу.

Сейчас это называется application, раньше resources, где у нас есть такая вкладочка и подпункт Куки, если мы туда зайдем, то увидим куку, которая называется GA и этот уникальный номер и есть clientID.

Т.е. это и есть уникальный идентификатор, который пользователю (каждому браузеру) выдается от Google Analytics. Если пользователь зайдет, например, второй раз на тот же самый сайт, то его уникальный идентификатор будет точно таким же. Но если впервые придет на сайт, то этот идентификатор будет другим.

Наша задача:

— взять этот clientID. С помощью JavaScript, PHP или любых технологий мы можем этот clientID получить.

— мы можем его передавать вместе с какой-то коммуникацией. Например, если это процедура оформления заказов через сайт. Вот у нас есть стандартные поля: имя, фамилия, телефон, что пользователь хочет купить и т.д., т.е. много разной информации. Мы можем добавить еще одно поле, которое назовем clientID и, взяв этот уникальный идентификатор, передать в нашу CRM, расширив ее таким образом на одно дополнительное поле.

Если пользователь нам позвонил, мы также можем взять и получить этот идентификатор.clientID - это уникальный идентификатор, к которому у нас привязывается вся информация внутри Google Analytics о посещениях этого пользователя. Например, начальный источник трафика, через который он пришел и т.д.

Если мы этот clientID видим у себя в CRM, то можем его потом передать, расширить знания Google Analytics о том, что именно этот пользователь купил. Соответственно, у нас есть разные каналы коммуникации - звонок, письмо, онлайн-форма, онлайн-чат. Каждый из этих каналов коммуникации можно учитывать.

Звонок - здесь нам необходим динамический call tracking, с помощью которого мы можем подменять номер телефона для каждого клиента, пользователя, который зафиксирован в Гугл Аналитикс. Соответственно, по звонку пользователя мы сможем получить у колтрэкинговой системы уникальный идентификатор clientID.

Письмо мы можем отправить на адрес [email protected]. Письмо попадет на [email protected], но при этом у нас будет сохранен наш идентификатор. Т.е. мы для каждого пользователя будем показывать свой уникальный почтовый адрес, но при этом вся почта будет приходить на наш основной почтовый адрес [email protected].

Если это форма ,то здесь все очень просто. В случае, если пользователь у нас оформляет заказ через сайт или отправляет форму, то вместе с его контактными данными мы берем также clientID, уникальный идентификатор и передаем.

Если это оффлайн , то мы можем вывести на сайте баннер с QR-кодом, в котором будет закодирован этот clientID и обяжем наших менеджеров спрашивать наличие этого QR-кода, если он есть, то считываем его обычным мобильным телефоном с камерой. Таким образом, этот код будет у нас сохранен.

Если это онлайн-чат , то тут у нас есть возможность передавать какое-то кастомное поле в административную панель, с которым работает менеджер по продажам - там будет имя, переписка, телефон и, в том числе, clientID.

Настройка. Шаг второй

Есть много сервисов, которые позволяют это сделать. Большинство из них платные. К примеру, OWOX BI - у них есть возможность импортировать данные о рекламных расходах.

Настройка. Шаг третий

Третий шаг (самый важный) - передача данных из CRM в Google Analytics. Этот шаг реализуется с помощью технологии Measure Protocol. Это один из API, который есть внутри у Google Analytics. С помощью этого API мы можем расширять данные, которые у нас есть. Т.е. данные, с одной стороны, у нас собираются с помощью обычного кода, который мы размещаем на сайте. И еще один способ - передать данные из любого места, где у нас есть интернет. Это может быть CRM, любой сайт или устройство, подключенное к интернету. Оттуда мы можем с помощью Measure Protocol в Google Analytics передать какую-то информацию. В частности, решая нашу задачу, мы можем передать информацию об успешной транзакции, которую сделал пользователь.

Шаг последний. Анализируем готовые данные

В таком случае мы получаем готовые данные - у нас есть источник, каналы, сессии, затраты, прибыль, цена за транзакцию, количество транзакций, количество конверсий и ROI (уже ROAS). Мы можем добавлять какие-то другие нужные и важные нам данные в такие отчеты, но, в любом случае, здесь мы можем полностью видеть ситуацию, которая у нас есть. И тогда мы уже можем четко сказать, какой из рекламных каналов для нас более эффективен или менее эффективен.

Мы можем наши отчеты визуализировать. Например, мы можем использовать Google DataStudio для того, чтобы вывести всю эту информацию визуально и работать с этой информацией и удобно анализировать рекламные кампании.

При передаче данных по measure protocol создается новая сессия внутри Google Analytics у этого пользователя и эта сессия с direct/none.

Периодически здесь возникают проблемы, потому что та модель атрибуции, которая есть внутри Google Analytics последний непрямой клик, и, если пользователь зашел уже один раз через direct, если у нас достаточно длительная процедура продажи, он мог после начального рекламного канала приходить еще на сайт и, соответственно, последний непрямой клик будет у нас не наш начальный источник, через который он совершил конверсию, а, скажем, другой канал или тот же самый direct.

Что же мы можем сделать?

Мы можем побороть это следующим образом - мы можем вместе с clientID передавать и значение этой метрики, если это платный рекламный канал, или значение источника и канала трафика, который пользователь использовал тогда, когда он совершает коммуникацию.

Атрибуция работает только для источников канала, но не для регионов и других сессионных переменных.

Если нам нужны такие дополнительные характеристики, к примеру, откуда пользователь к нам пришел и что он купил, с точки зрения до города, то эту информацию мы также можем передавать в CRM, у нас будут связываться эти данные, и тогда наша транзакция будет записываться именно на тот регион, где пользователь был, когда он оставил заявку.

Measure protocol может не всегда корректно отрабатывать и это надо контролировать. Периодически возникают проблемы с передачей данных по этому протоколу, если мы используем POST запросы, чаще меньше проблем, если мы используем GET запросы. Опыт подсказывает, что желательно при реализации этой схемы иметь лог-файл, в который каждый запрос записывать, который был отправлен Google Analytics, потому что Google Analytics может просто ответить, что все хорошо, а по-настоящему может быть не все хорошо. Если у нас есть лог-файл мы можем быстро найти какие-то ошибки.

Если в CRM бардак, то Google Analytics не поможет.

Например, если у нас валюты внутри CRM записываются по-разному - где-то у нас рубли, где-то доллары, где-то гривны, где-то евро. И, если мы не приводим эти данные к одному виду или вообще не учитываем при реализации всей схемы, то данные Google Analytics у нас будут неточные.

Так же с самим процессом учета оплаты - если у нас много разных статусов, которые у нас есть или могут быть при успешной оплате, то тут тоже нужно очень внимательно следить при реализации всей этой схемы, чтобы не было моментов, когда оплата зафиксирована, а, фактически, деньги не пришли и не придут.

Тема сквозной аналитики в последнее время напоминает тёмную материю: все о ней знают, много раз слышали, некоторые даже имеют представление, что это такое, но когда пытаешься узнать подробности – уходят в абстрактное рассуждение о создании вселенной и user ID.

На самом же деле, в сквозной аналитике нет ничего сложного – это самая обычная аналитика, которая прослеживает весь путь пользователя от первого контакта (будь то поисковый запрос или звонок по визитке) до повторной продажи. Именно благодаря этому «пронизыванию» всего процесса закрепилось название «сквозной». Но, положа руку на сердце, я считаю, что любая аналитика должна быть сквозной, иначе это не аналитика, а допущения на конкретном участке маркетингового взаимодействия.

Почему не всякая аналитика – сквозная?

Итак, представьте ситуацию: у вас небольшой интернет-магазин, вы запускаете рекламу только в Google.Ads (бывший AdWords), на сайте стоит Google.Analytics с настроенной расширенной (это важно) электронной коммерцией. Все продажи совершаются исключительно через сайт, оплата проходит онлайн (в том числе и возвраты). В этом случае для работы достаточно функционала Google.Analytics. Он является тем самым инструментом сквозной аналитики, поскольку фиксирует заходы на сайт, процесс выбора товара, как клиент положил что-то в корзину, удалил из неё, какой промокод использовал. Если через месяц этот пользователь вернулся и совершил повторную покупку – это тоже можно отловить стандартными методами Google.

Но, увы, на практике всё немного не так:

— магазины используют множество каналов привлечения пользователей;
— часто задействована оффлайн реклама;
— коммуникации проходят не только в рамках сайта, но и по телефону (иногда клиенты приходят в офис!);
— далеко не все «заявки» (или лиды) являются продажами;
— даже если продажа состоялась, клиент может вернуть товар в течение 14 дней (или позже, в соответствии с договором).

В итоге практически невозможно посчитать ROI по каждому отдельному каналу. А на практике, увы, люди даже не сводят расходы из разных источников, не говоря уже о том, чтобы сводить данные разных этапов и процессов. В результате получают разрозненную информацию, которая никак не связана между собой:

Поэтому зачастую принимаются неверные решения, основанные на мифах, слухах и интуиции (которая основана на мифах и слухах).

Что же с этим делать?

И вот, когда казалось, что всё пропало, на помощь пришла сквозная аналитика, которая с высокой точностью (вплоть до каждого отдельного пользователя) помогла связать разрозненные данные в единую цепочку.

Существует три основных подхода к решению проблемы.

Сводим все данные в Google.Analytics

Первый подход состоит в следующем: сводим всё в Google.Analytics, передавая различными способами все последующие этапы. Например, практически все системы CallTracking, хантеры и онлайн-чаты отправляют в Google стандартные события, на которые можно настроить цель и прикрепить ценность. CRM-системы также могут передавать нужные параметры при правильной настройке. Всё это связывается по идентификатору пользователя. В результате мы можем отследить каждого отдельного покупателя.

Аналогичным образом добавляем в Google.Analytics и данные о расходах (например, о ).

В результате зафиксированы все точки контакта, ну а продажа идёт стандартными средствами расширенного Е-коммерс.

Использование специализированных сервисов

Второй способ менее изобретателен и намного проще: покупаете подписку у специализированного сервиса (например, Roistat или Alytics), которые сводят все данные воедино в своём интерфейсе.

Не возникает сложностей с настройками и подключением. В системе также заложены наиболее востребованные стандартные отчёты и воронки по продажам, вам даже не нужно будет придумывать свои.

Самостоятельное сведение всех данных в таблицах

Третий способ наиболее ресурсоёмкий вначале, но простой и удобный в дальнейшем. Выгружаете все данные из разных источников в единую базу (это может быть как любое облачное решение, так и собственная база данных на сервере или же обычные таблицы Excel/Google.Sheets) и строите любые отчёты, которые нужны (например, с помощью Google Data Studio или Power BI).

Преимущества и недостатки каждого способа кратко приведены в таблице:

Что получим в итоге?

В результате использования одного из указанных способов можем получить такой результат:

Сразу хочу отметить, что в этом случае мы использовали упрощённую модель расчёта, постоянные расходы равномерно распределили между всеми источниками.

Отдельно хочу обратить внимание на многоканальные продажи. Рекомендую использовать линейную модель, если доход равномерно распределяется между всеми каналами, участвующими в продаже.

В этом случае сразу видим результаты с каждого конкретного канала. Представьте всё это в динамике… (хочу отметить, что «Рекомендации» – это результат затрат на рекламу в предыдущих месяцах. Не стоит считать, что он полностью бесплатный. В этом случае, снова же, хотели показать общую картину).

Что нужно для начала?

Чтобы начать пользоваться всеми удобствами сквозной аналитики, нужно быть готовым и морально, и технически. Дело в том, что, во-первых, у вас появится довольно большой объём новых данных для анализа, многих это пугает. Во-вторых, по опыту могу сказать, что многие не делают даже такие простые вещи, как UTM-метки, что делает дальнейший анализ невозможным.

Обращаю внимание на то, что если аккаунты AdWords связаны с Google.Analytics, а Яндекс.Директ связан с Метрикой, данные передаются и без меток, автоматически (метки, конечно, есть – Google и Яндекс ставят их сами, но свои, специфические). Сторонние же системы (коллтрекинг и CRM) не могут прочесть эти метки, поэтому обязательно нужно ставить стандартные UTM.

Кроме того, убедитесь, что все системы корректно считывают и записывают эти данные. Только тогда можно будет связать их воедино.

Вместо заключения

Независимо от того, каким способом будете анализировать данные, помните, что аналитика нужна не сама по себе, а для принятия решений. Даже самый красивый дашбор – это просто картинка, если она не отвечает на поставленный вами вопрос.

Следует помнить, что аналитика – это не надстройка над процессом продаж, а неотъемлемая часть каждого звена в цепочке:

И это всё не разные аналитики, а одна, соединяющаяся цепочка.

А построить отчёт по собранным данным – не так уж и сложно:

В одной из следующих статей рассмотрим конкретный кейс по настройке сквозной аналитики и покажем результаты её внедрения.

Прокачай свои навыки в SEO на максимум! Авторские курсы SEO-Кокшарова (Devaka)

Курс для продвинутых:
17 октября начнётся курс Hard SEO «От специалиста до профи» .
Длительность курса: 6 недель.
Вы научитесь глубокому анализу сайта, понимать алгоритмы поисковых систем, применению продвинутых SEO-инструментов.

Курс для продвижения проекта:
22 октября – авторский курс SEO Pro , созданный совместно с WebPromoExperts.
Длительность курса: 4 недели.
Вы научитесь проводить SEO-аудит сайтов, анализировать семантику, наращивать ссылочную массу сайта и анализировать эффективность продвижения в поиске.

Без сквозной аналитики все ваши усилия по заработку в интернете могут превратиться в один бесконечный кошмар. Реклама не работает — а вы не знаете почему. Люди не покупают — а вы не понимаете, как исправить. Сайт не продает — а вы ничего не можете с этим поделать.

Чтобы такого не случилось — вам нужен «рентген», который точно покажет — что происходит в ваших воронках, и как их улучшить. Таким рентгеном и станет сквозная аналитика.

В этой статье мы рассмотрим самую простую и эффективную схему настройки сквозной аналитики за 5 шагов. И вы сможете это сделать бесплатно, своими руками, буквально за один вечер.

В качестве небольшого вступления, давайте рассмотрим на примере моего сайта, как работают системы сквозной аналитики, и для чего они нужны.

Что такое сквозная аналитика и как она работает

Сквозная аналитика — это система, которая позволяет отслеживать все, что происходит внутри вашей воронки продаж. Начиная с того момента, как потенциальный клиент впервые увидел ваше объявление — вплоть до того, как он оформит заказ и заплатит деньги.

Иногда все эти действия можно отследить в одном месте, а иногда для этого надо настраивать несколько программ. Но главное — что все ваши показатели находятся у вас перед глазами. и вы можете их контролировать. А когда мы что-то контролируем — значит мы можем этим управлять (повышать и улучшать).

Вот, например, как может выглядеть воронка продаж с настроенной сквозной аналитикой.

Пример сквозной аналитики «в действии»

Чтобы далеко не ходить — давайте рассмотрим вот этот сайт. на котором вы находитесь прямо сейчас. Со стороны это может быть и незаметно, но у меня тут тоже есть своя воронка продаж с настроенной сквозной аналитикой.

Сразу предупреждаю, что моя воронка продаж построено немного необычно, потому что это блоггинг, инфобизнес, и прочее «мракобесие». В более традиционном бизнесе она будет выглядеть немного иначе.

Но традиционную воронку мы рассмотрим и построим чуть ниже, а тут у нас хотя бы есть возможность посмотреть на конкретные цифры.

Итак, вот из каких шагов состоит моя воронка продаж:

1. Человек переходит на мой сайт
2. Человек переходят на страницу подписки на мою рассылку «Бесконтактные продажи»
3. Человек подписывается на мою рассылку
4. Человек изучает мои бесплатные материалы и приобретает платный пакет

Вот так все просто и понятно. Но для отслеживания всех показателей, мне приходится использовать целые две различные системы аналитики.

Первая система — это отслеживание человек от момента попадания на сайт до момента подписки (шаг 1 — 3). Здесь я использую Яндекс-Метрику. Вторая система — это отслеживание человека от момента подписки до момента покупки (шаги 3 — 4). Здесь я использую сервис JustClick .

Как я нахожу слабые места в своей воронке

Чтобы понять, почему я еще не стал миллиардером, я открываю показатели своей воронки продаж, и смотрю — где в ней «дырки», через которые утекают деньги.

Первым делом я захожу в свой магазин Джастклик и смотрю, сколько оплат я получил за отчетный период. В нашем случае отчетные период — это одна неделя.

Тут я вижу следующую картину:

За неделю на рассылку «Бесконтактные продажи» подписалось 39 человек, и заработал я 8 460 рублей. Много это или мало? Прямо скажем, не предел мечтаний. Хотелось бы раз в 10-20 больше. Значит надо искать слабые звенья в воронке и укреплять их.

По показателям джастклика я вижу, что после подписки все идет довольно неплохо. 4 оплаченных счета из 39 подписавшихся — это конверсия 10,2% в оплату. Средний чек составляет 2115 рублей (8460р. разделить на 4 оплаты). Это очень приличные показатели для автоматической воронки продаж.

Больше всего клиентов за неделю я получил из источника «Прямые заходы». Это как раз мой блог, на котором вы сейчас и находитесь. Конверсия в покупку у людей с блога самая высокая. Вопрос — почему их так мало? Если бы за неделю ко мне в воронку с блога пришло не 29 человек а 290, то тогда и доход мой был бы в 10 раз больше.

Может быть у меня плохая страница подписки, и люди не хотят подписываться ко мне в рассылку? А может быть у меня слишком мало посетителей на блоге, и взять 290 подписчиков в неделю просто неоткуда? Ответы на эти вопросы нам даст уже Яндекс-Метрика.

Анализ показателей в Яндекс-Метрике

По инструкции, которую вы найдете ниже, я настроил на своем сайте учет показателей конверсий. Это как раз первые четыре шага в моей воронке:

1. Человек пришел
2. Человек перешел на страницу подписки
3. Человек подписался

Я открываю соответствующий раздел Яндекс-Метрики, и наблюдаю следующую картину конверсий за неделю.

За отчетный период (неделю) ко мне на сайт пришли 3 422 человека. Из них только 56 перешли на страницу подписки SQ (1,64%). И подписалось на рассылку 23 человека (41,1%).

Таким образом я вижу, что моя страница подписки работает очень неплохо. 41,1% — это высокий показатель. И да, пусть вас не смущает, что одна система мне показывает 26 подписчиков, а другая только 23. Такое случается по разным причинам. Главное, чтобы показатели сильно не отличались.

А вот и наша «дырка» — очень маленький процент посетителей сайта добирается до этой самой страницы регистрации. Всего 1,64% от общего числа посетителей.

Это очень мало. Вот здесь и надо работать — делать более убедительные призывы, делать более яркий и цепляющий баннер, и все такое прочее. Ну и конечно, надо работать над повышением посещаемости сайта. Если бы у меня была посещалка 3422 человека не в неделю, а в сутки, то это сильно повысило бы конечный результат.

Теперь вы видите, как сквозная аналитика помогает принимать решения на практике. Если бы у меня не было всех этих показателей, то я мог бы подумать, что у меня плохая серия писем, и люди поэтому ничего не хотят покупать.

Или что у меня плохая страница подписки — и надо её целиком переделывать, или даже менять бесплатный продукт, который я предлагаю за подписку (а вслед за этим и всю концепцию проекта).

Но аналитика показывает, что надо просто баннер сделать поярче, и все будет отлично. Вот этим я и займусь сразу после того, как покажу вам, как самостоятельно настроить такую же систему сквозной аналитики.

Настройка сквозной аналитики за 3 шага

Как и договаривались, давайте рассмотрим более «традиционный» вариант интернет бизнеса и аналитики.

Допустим, вы решили создать небольшой бизнес для того, чтобы наконец-то уйти с наемной работы и стать свободным человеком. В качестве ниши вы выбрали продажу мягких игрушку, сшитых умелыми китайскими руками. Нормальная ниша, ничуть не лучше и не хуже других.

Вы прошли парочку тренингов по «успешному успеху» и знаете, что прежде всего вам нужна конкретная цель, к которой вы будете идти. И такой целью вы поставили себе доход в 300 тысяч рублей в месяц. По вашим подсчетам, этого должно хватить на первое время.

Для того, чтобы зарабатывать 300 тысяч чистыми, вам надо делать 600 тысяч оборота в месяц. Потому что половину дохода съедят налоги, накладные расходы и себестоимость товара. И еще остается вопрос с рекламой. Потому что совершенно непонятно, сколько она будет вам стоить.

Но прикинув, мы решаем, что 1,5 миллиона оборота точно должны дать нам желанные 300 тысяч рублей чистой прибыли в месяц. Мы продаем китайских мишек по цене 2000 рублей за штуку. Стало быть, нам нужно каждый месяц продавать по 750 мишек (по 25 мишек в день).

Вот такие у нас исходные данные, и теперь нам надо настроить всю воронку продаж, сразу «вживляя» в неё сквозную аналитику. Потому что потом это будет сделать уже гораздо сложнее. И начинаем мы с первого шага — выбора показателей для контроля.

Шаг #1 — выбор показателей для контроля

С самого начала нам надо определить контрольные точки, которые мы с вами будем отслеживать с помощью сквозной аналитики. Тут очень важно избежать загромождения отчетов цифрами, но при этом сохранить понимание общей картины.

То есть не надо пытаться отслеживать абсолютно все показатели. Иначе вы рискуете в них запутаться, и так ничего и не поймете.

Наша с вами воронка будет выглядеть примерно вот так:

1. Человек видит объявление (Директ, КМС Гугл, таргет вконтакте, баннеры и пр.);
2. Человек переходит по нашему объявлению на лендинг;
3. Человек оформляет заказ;
4. Человек оплачивает заказ.

Соответственно, у нас получается всего 3 основных показателя, которые нам надо отслеживать с помощью метрики:

1. CTR объявлений (отношение количества показов объявления к количеству кликов);
2. Количество оформленных заказов;
3. Количество оплаченных заказов.

И в итоге мы получим два главных показателя, к которым ведут все остальные:

1. Сколько денег нам стоил один клиент (по рекламе);
2. Сколько денег нам принес один клиент (средний чек покупки).

Соотношение этих двух показателей дает нам самый важный показатель в сквозной аналитике.

Самый важный показатель

Этот показатель называется ROI (Return On Investment — «Возврат инвестиций»). Если мы потратили 1000 рублей на привлечение одного клиента, и получили с него ту же самую 1000 рублей оплаты, то наш ROI составляет 100%. На каждый потраченный рубль мы заработали один рубль и вернули себе 100% потраченных денег.

Вот именно к показателю ROI и будет сводиться вся ваша сквозная аналитика. Все эти 5-10-100 более мелких показателей должны вести именно к расчету ROI. Так, чтобы в конце отчетного периода вы смогли бы сказать — «Итак, мы имеем ROI 350% с рекламы в Яндекс-Директе, ROI 230% с рекламы в Гугл Адвордс, и ROI 50% с таргетированной рекламы вконтакте. Стало быть, мы отказываемся от таргета, чтобы не кормить этих дармоедов, а весь рекламный бюджет по максимуму переносим в Директ».

Вот если вы сможете так сказать — значит вы правильно настроили сквозную аналитику, и с её помощью отследили — какой источник рекламы дает вам прибыль, а какой её забирает.

Хорошо, мы выбрали показатели для контроля. Напомню, что это:

1. Конверсия в заказ
2. Конверсия в оплату

И из этих показателей мы в итоге высчитываем ROI. Давайте теперь посмотрим, куда и какой код надо вставить, чтобы правильно контролировать воронку.

Шаг #2 — Техническая настройка аналитики

Настройка utm-меток

Первым делом нам надо сформировать правильные ссылки для наших будущих рекламных источников. Чтобы отслеживать, откуда к нам пришли посетители, нам надо вставить в сслыки специальные метки. Они называются UTM-метки.

Если интересно, то UTM расшифровывается как Urchin Tracking Module, и означает «Отслеживающий модуль Urchin». Была такая компания Urchin Software, которая и придумала эти метки, а потом её поглотил Гугл.

Сейчас utm метки используются как универсальный инструмент для отслеживая источников посетителей на ваши площадки. Сгенерировать ссылку с utm метками вы можете например вот здесь .

Просто придумайте названия для ваших источников трафика и впишите их в соответствующие поля. Я обычно использую только три обязательных поля — источник кампании (utm_source), тип трафика (utm_medium) и название источника (utm_campaign).

• yandex &utm_medium=cpc &utm_campaign=yandex-direkt (источник трафик — яндекс, тип — оплата за клик, название — яндекс-директ)
• http://yoursite.ru/?utm_source=google &utm_medium=cpc &utm_campaign=kms (источник трафика — гугл, тип трафика — оплата за клик. название — кмс).
• и так далее

Так вы получите отдельные ссылки на все свои источники трафика. которые собираетесь настраивать. Далее вы сможете отслеживать их с помощью Яндекс-Метрики (я покажу как), или любой другой системы сквозной аналитики. Но Яндекс-Метрика бесплатная, поэтому будем пока рассматривать именно её.

Настройка целей в Яндекс-Метрике

Теперь мы переходим в кабинет Яндекс-Метрики . Если ваш сайт еще не подключен к этой системе, то обязательно подключите. Для этого вам надо будет просто указать адрес сайта и с помощью простой проверки подтвердить, что вы действительно являетесь его владельцем.

Теперь вам надо вставить этот код на все страницы, через которые будут проходит ваши посетители. Самый простой вариант обычно выглядит вот так:

1. Страница вашего предложения (продающий лендинг)
2. Страница «Спасибо за оформление заказа»
3. Страница «Оплата прошла успешно» («Спасибо за покупку»)

Вот на эти ваши страницы вам и надо вставить полученный от Яндекса код счетчика. А после этого можно переходить к настройке целей. Я предпочитаю настраивать составные цели. Так мне кажется нагляднее.

Для этого в том же самом разделе «Настройки» выбираем пункт «Цели».

Затем нажимаем «Добавить цель» и выбираем типа цели — составная.

Теперь вам надо задать три шага, через которые будут проходить ваши посетители. Это три страницы, про которые мы говорили выше.

Теперь вам надо только сохранить эту воронку и начать получать данные для анализа. После того как вы запустите рекламу со всех источников, получите какое-то количество заказов и оплат — можно будет посмотреть, откуда именно пришли к вам клиенты.

Шаг #3 — Отслеживание показателей воронки

Напоминаю, что мы специально задали utm метки для того, чтобы отследить, откуда пришли именно покупатели, а не просто посетители. Количество кликов и посетителей, в конце концов, мы можем посмотреть и в самом кабинете рекламной системы.

Для того, чтобы увидеть, откуда пришли клиенты, мы переходим в раздел Отчеты — Стандартные отчеты — Источники — Метки UTM

Там вы увидите список всех utm меток, по которым к вам приходили люди за отчетный период. Выглядеть это будет примерно так.

Как вы видите, у меня было больше всего переходов по utm метке из янекс-директа, и еще по мелочи от партнеров.

Чтобы увидеть, из какого источника пришли именно покупатели — выбираем третий шаг нашей составной цели «Покупка» в списке целей. У меня это будет цель «Подписка».

На скриншоте ниже вы можете увидеть, что за сегодняшний день у меня больше всего конверсий принес источник «fixed» (это баннер на моем сайте). Конверсия составила 41%, как мы и видели выше. Еще были конверсии от партнеров, но немного.

Таким образом вы сможете увидеть, сколько посетителей к вам пришло, и из какого именно источника рекламы. Далее вы занесете все эти показатели в свою CRM или просто в файл excel, и там увидите наш самый главный показатель — ROI.

И на основании этого показателя вы будете принимать дальнейшие решения о том, в какой источник рекламы инвестировать больше денег, а в какой не надо инвестировать вообще (или надо его сильно улучшить перед инвестированием).

Заключение

Сквозная аналитика нужна для того, чтобы понимать, где в вашей воронке продаж «дыры», через которые утекают деньги. Слишком многие бизнесы проваливаются из-за того, что принимают неверные решения, потому что не видят ситуацию целиком.

Они вкладывают деньги в рекламу, которая не работает. Они переделывают лендинги, которые на самом деле давали отличную конверсию. Или вообще закрывают проекты, которые приносили бы отличный доход, даже после минимальных изменений воронки.

Надеюсь, что эта инструкция поможет вам обрести «рентгеновское зрение» и принимать только правильные решения.

Сохраняйте статью в избранное и делитесь с друзьями. Не забудьте скачать мою книгу . Там я показываю вам самый быстрый путь с нуля до первого миллиона в интернете (выжимка из личного опыта за 10 лет =)

До скорого!

Ваш Дмитрий Новосёлов

Узнаем цену лида в Google analytics.

В предыдущих статьях мы описывали теорию и некоторые возможности в гугл аналитиксе. Теперь пришло время показать настройку на реальном примере.

Перед нами стояла задача вывести «Цену лида» (обращения)

Итак, приступим:

1. Собираем все обращения. Настраиваем цель «Заявки принятые + целевые звонки + callback»

Так, как нам могут поступать обращения с форм заявок на сайте, обратного звонка и по телефону, нужно будет настроить все 3 цели. А потом сделать общую «Все лиды»

а. Цель «Принятая заявка» будет включать в себя все обращения с форм, которые есть на сайте.

Настройка: Цели /// Собственная /// Название цели «Принятые заявки» /// События /// Категория равно «Принятая заявка»

б. Цель «Callback» будет включать в себя обращения с виджета обратного звонка.
Мы использовали сервис коллтрекинга «Стартон» , который передает события в гугл аналитикс. Когда пользователь заполнил форму обратного звонка и нажал кнопку «Перезвонить мне» в гугл аналитиксе будет срабатывать событие категории «callback»
Его мы и пропишем в цель.

Настройка: Цели /// Собственная /// Название цели «Callback» /// События /// Категория регулярное выражение «callback»

в. Цели «Целевые звонки» будет включать в себя звонки, в которых разговор продлился определенное время.
В нашем примере разговор, который продлился более 60 сек, будет являться целевым звонком. Настраивать будем также через коллтрекинг «Стартон» , который при целевом звонке передает событие «target»

Настройка: Цели /// Собственная /// Название цели «Целевые звонки» /// События /// Категория равно «target»

г. Теперь настроим общую цель «Заявки принятые + целевые звонки + callback»
Настройка: Цели /// Собственная /// Название цели «Заявки принятые + целевые звонки + callback» /// События /// Категория регулярное выражение «Принята заявка|callback|target»

Важно! Если зайдя на сайт один пользователь оставит заявку через форму сайта, потом закажет обратный звонок и позвонит, то сработает 1 цель, а не 3.

2. Переходим к настройке передачи расходов.

Важно! Для более детальной статистики нужно обязательно прописывать основные метки

Настроим два импорта:
«Facebook» который будет передавать расходы с фейсбука и инстаграма.
«My target» который будет передавать расходы с mytarget и однокласников.

Импорт расходов будет передавать с помощью сервиса «Owox bi».
Подробная инструкция по передачи расходов с рекламных источников в google analytics смотрите

3. Настройка показателя «Цена лида».

Как только данные о расходах начнут поступать в Ga мы можем настроить показатель «Цена лида» через функцию «Вычисляемые показатели»:

Нам нужно задать формулу: Стоимость (расходы) * 1,18 (что бы учитывался ндс) / цель (принятая заявка + callback + целевой звонок)

Настройка: Имя: Цена лида /// внешнее имя calcMetric_LeadCost /// тип: Валюта (десятичный формат) /// фомула {{Стоимость}} * 1.18 / {{Заявки принятые+целевые звонки+callback (Достигнутые переходы к цели 3)}}

Также для отчета нужно настроить показатель «Стоимость с ндс» Настройка аналогичная.

4. Строим пользовательский отчет.

Переходим: Специальные отчеты /// Мои отчеты /// + отчет
Настройка: тип Анализ
Показатели:
- сеансы
- новые пользователи
- показатель отказов
- стоимость с ндс
- принятые заявки (достигнутые переходы к цели)
- целевые звонки (достигнутые переходы к цели)
- callback (достигнутые переходы к цели)
- принятые заявки + целевые звонки + callback (коэффициент конверсии для цели)
- принятые заявки + целевые звонки + callback (достигнутые переходы к цели)
- цена лида

Параметры:
- Источник или канал
- Кампания
- Ключевое слово