Кейс Нетологии и Rick.ai: высвободили 500 000 р. рекламного бюджета в месяц, на +94% приросли по продажам из ретаргетинга, и не только. Рассказывает CMO

Пообщались с нашим клиентом Ириной Семенок, CMO Нетологии. Узнали, как и для каких задач в команде используют сквозную аналитику и как в этом помогает Rick.ai.

Статья, в первую очередь, будет полезна тем, кто думает о внедрении сквозной аналитики, либо уже активно использует сквозную аналитику и хочет подсмотреть опыт коллег.

С Ириной пообщалась Ксюша Максимова, CMO Rick.ai, и Таня Зорина, управляющий директор и со-основатель Rick.ai.

Быстрая навигация:

• Краткая выжимка кейса с результатами клиента
• Подробное интервью
• О продукте, воронке привлечения, и какую метрику важно оптимизировать
• В какой момент стало понятно, что нужна сквозная аналитика?
• 5 примеров, где помогла сквозная аналитика
• Кто и как в команде использует Rick.ai?
• Подытожим: как сквозная аналитика помогает в достижении целей по ключевым метрикам?

За какие направления ты отвечаешь в Нетологии?

За весь маркетинг. В маркетинг у нас входит три больших направления:

• Продуктовый маркетинг — это все, что мы знаем о пользователе и о нашем продукте.
• Лидогенерация — это performance, партнерские программы, SEO, управление базой и все бесплатные воронки.
• Бренд — сюда входит контент-маркетинг, бренд-активности, охватные кампании, PR, спецпроекты, influence-маркетинг, и пр.

Расскажи о продукте и воронке привлечения в общих чертах

Наши основные продукты — это дополнительное профессиональное образование, курсы по профессиям для переквалификации, навыковые курсы, МВА, бизнес-образование. Есть еще продукты с ВУЗами, например, магистратуры с ВШЭ и РАНХиГС. Также все продукты делятся по уровням: для новичков, для pro, для топов и отдельно для бизнеса.

Как выглядит воронка привлечения:

Есть две основные воронки. Одна воронка — когда мы привлекаем пользователей сразу на платные продукты. И вторая воронка — через бесплатные продукты: открытые тематические занятия, бесплатные курсы из 4-5 вводных занятий, профессиональное тестирование с дальнейшими рекомендациями по обучению и т.д.

Какую метрику тебе важно оптимизировать?

Если верхнеуровнево — то расти по продажам, выручке и занимать долю рынка. Если мы говорим про оптимизацию, то это работа с конверсиями: растить конверсии, понимать, как мы можем масштабировать закупку трафика, при этом сохраняя закупку не ниже порогового ROMI, который нам, как бизнесу, важен.

В какой момент вы поняли, что нужна сквозная аналитика?

До того, как мы решили внедрять Rick.ai и в целом сквозную аналитику, у нас был ряд внутренних самописных сервисов. Мы пытались следить за эффективностью каналов, смотрели, какие каналы приводят заявки. Но у нас не было какого-то единого пространства, где мы можем все корректно посмотреть — от трафика до оплаты и с разными видами атрибуции.

Поэтому нам было важно что-то внедрить, чтобы начать все это отслеживать — иначе, как мы можем масштабировать бюджет или подключать новые каналы, если мы не можем их корректно отследить? Выбрали Рик по соотношению: цена-качество, рекомендации и экспертиза команды.

У нас есть много нюансов — разные воронки, наборы внутри курсов и пр. — много деталей, которые важно учесть, из-за чего интеграция была непростая. Но постепенно мы внедрили Рика и приучили основных людей пользоваться Риком, в частности команду маркетинга.

Можешь привести примеры, где вам помогла сквозная аналитика и Рик?

Пример 1. Когда делали бюджетирование на этот год и составляли план продаж

Мы сделали план уже не только по «кэшу» — когда в этом месяце надо заработать столько-то денег. Мы еще разложили все это по когортам: условно, откуда эти деньги придут? Например, 70% продаж придет в такой-то месяц — и нам нужно столько-то трафика, такие-то конверсии. А остальное дойдет от этой когорты через 2-3 месяца в таких-то долях.

Туда же фильтрами мы добавляем каналы и смотрим продажи в разрезе по каналам.

Когда у нас идет невыполнение плана продаж — мы начинаем смотреть, а сколько пользователей у нас вообще конвертируется в первый месяц? И когда видим, например, что упала доля новых пользователей, кто пришел и купил сразу — то здесь или такой сезон, или привлекли супер-холодных и они потенциально могут раскрыться чуть позже, а, значит, нам надо целенаправленно с ними еще поработать. Тут мы смотрим сначала понедельную динамику по всей кампании. Далее по каждой метрике смотрим в разрезе юнитов.

Там, где видим проблемы — падение конверсий, снижение трафика — идем глубже в отдельные папки по юнитам и продуктам.

Пример 2. Когда еженедельно отслеживаем конверсии на сайте

Каждую неделю мы смотрим, как у нас выглядит общая воронка. Например, мы видим, что у нас сильно просела конверсия в оплату на момент начала недели. На предыдущих неделях она была 30%-33% — а тут мы видим 25-28%.

Мы начинаем проваливаться в конкретный бизнес-юнит и смотреть, как раскладывается конверсия в оплату.

Видим, что у нас начал западать один из флагманских юнитов — средняя конверсия стала ниже на 10-15%, чем была.

Мы проваливаемся по продуктам и видим, что западают как раз флагманские продукты. Идем в отдел продаж, а там частично сменилась команда менеджеров. Те, кто остался, не успевали обработать заявки по флагманским продуктам, а те, кто новый — еще не были достаточно погружены в продукт. В итоге, проблема оказалась стандартной — просто отчет подсветил то, что не обсуждали голосом между отделами.

Такие вещи раньше было сложно сделать без Рика, поскольку у нас продажи — это отдельная горизонталь.

Пример 3. Когда тестировали programmatic, убедились, что канал не приносит продажи, и высвободили около 500 000 р. бюджета

Мы запускали источник programmatic, но было непонятно, на какую метрику он работает. Вроде трафик генерирует, но этот трафик не конвертируется. При этом, мы видели по каким-то конкретным юнитам, по которым мы его запускали, что как будто бы конверсия в заявку подросла.

И думали, может, он так работает? Ведь конверсия в заявку вроде подросла, но в сумме мы не видели роста продаж. Мы выключили канал один раз — неделя прошла и конверсия упала, мы его вернули. Но потом решили сделать супер ухудшающий тест и выключили канал на месяц. У нас все выровнялось, без programmatic все хорошо — а мы тратили на него дополнительный бюджет. Высвободили около 500 000 р. в месяц.

Пример 4. Атрибуция для оценки «пограничных» каналов

Важной является возможность оценить эффективность каждого канала с точки зрения разных атрибуций. Рик помогает оценить вклад каналов в общие результаты, найти пересечения между каналами и отсеять нерентабельные связки. Также крайне важно, что можно за счет сквозной аналитики найти точки роста для масштабирования продаж в performance-каналах.

Есть, например, пограничные каналы — скажем, таргетированная реклама. По атрибуции last click у нас ROMI даже иногда отрицательный. При этом, мы понимаем, что все закупают в таргете, и это важный канал привлечения аудитории.

Смотрим по атрибуции top score и ситуация уже получше — видим больше оплат, которые атрибутируются к этому каналу, и в которых он участвует.

Top score — модель атрибуции в Rick.ai для оценки максимально возможного вклада канала в продажу. Позволяет не занизить вклад кампании и убедиться, что кампания неэффективна. Подробнее о моделях атрибуции Рика можно почитать в этой статье.

Начинаем смотреть по атрибуции first click — там тоже пограничная история.

Далее смотрим по конкретной воронке — сначала мы привлекаем на какой-то бесплатный продукт и потом догреваем до платного. Из-за этого оказывается, что по last click все заявки атрибутировались, например, в email, потому что мы их довели до продажи через email, но пришли эти заявки из таргета.

Вот если смотреть в таких кусочках, то уже у таргета картинка гораздо лучше.

Пример 5. Оптимизировали ретаргетинговые связки в performance-каналах и на 94% приросли по продажам в ретаргетинговых кампаниях контекста

Есть еще один пример, где помогла возможность оценки канала с точки зрения разных атрибуций и его вклада в общие результаты. С помощью Рика удалось обнаружить источники трафика, которые увеличивают затраты на привлечение платящих пользователей. При этом, эти источники трафика не являются решающими при принятии решений о покупке со стороны пользователей.

Мы отключили эти неэффективные каналы и перенесли бюджет на масштабирование рентабельных ретаргетинговых кампаний в контекстной рекламе. Прирост по продажам в ретаргетинговых кампаниях контекста по сравнению с прошлым кварталом составил 94%, стоимость платящего пользователя снизилась на 7%. Отличный результат с учетом масштабирования таких кампаний.

Кто и как в команде использует Рика?

Используют все, кто в направлении лидогенерации — ребята, которые занимаются закупкой платного трафика, партнерской программой.

Продуктовые маркетологи также постоянно используют Рика — у них есть конкретные виджеты по продуктам, которыми они управляют. Они постоянно смотрят, какая динамика у того или иного продукта. И если у продуктовых маркетологов есть какие-то вопросы по каналам, исходя из данных, то они уже общаются с ребятами, которые занимаются закупкой трафика.

Кто-то пользуется ситуативно. Например, когда идет процесс бюджетирования, финансовые аналитики выгружают данные по когортам.

Лично у меня всегда закреплены в браузере 3 вкладки с отчетами Рика:

• общая динамика по месяцам и по неделям от дохода до ROI
• основные ежедневные метрики: заявки, оплаты, деньги по всем кампаниям, и в целом — сколько пришло трафика, какие конверсии, какой ARPU и т.д.
• и третья вкладка — это динамика по всем нашим каналам, со всеми основными метриками от трафика до ROMI

Если подытожить, то как Рик помогает в достижении твоих целей по ключевым метрикам?

Цели можно разделить по-разному. Есть цели, которые про управление непосредственно маркетингом — то есть мы хотим растить конверсию, привлекать качественный трафик, или снижать и сдерживать стоимость платящего пользователя. Мы хотим понимать, как этот трафик, за который мы заплатили, окупается, например. Это один пул задач, в котором мы обращаемся к Рику, в том числе ребята, которые занимаются performance.

Вторая задача — это ретроспектива и коммуникация внутри бизнеса на основе данных. Допустим, я могу прийти и сказать: «Смотри, у тебя проблема с продуктом, он не продается», — и это один вид коммуникации. А когда я прихожу и показываю выгрузку: «Смотри, вот последние наши три набора, у нас стоимость платящего пользователя выросла на 40%, а конверсии падают, у тебя экономика перестает сходиться. Кажется, есть проблема либо с лендингом, либо со спросом, либо что-то еще. По трафику мы все оптимизировали, что могли — не получается». И это уже другой уровень коммуникации — гораздо быстрее получается договариваться до каких-то изменений.

Ну и третье — это упрощение управления данными внутри компании, когда есть задача понять динамику за какой-то период. Тебе не надо это собирать ручками со всех источников, как мы это собирали раньше. А ты просто, собрал виджет, выгрузил нужные данные, подписал или еще что то подкорректировал — это займет, условно, в 3 раза меньше времени.

Как стать клиентом Rick.ai

Начните пробовать Рика самостоятельно на сайте. Чтобы узнать больше о возможностях продукта — смотрите демо-видео.

Полезные статьи по темам, которые упоминались в статье

• О моделях атрибуции в Рике и модели атрибуции top score, которая помогает оценить максимальный вклад кампании
• Быстрый способ следить за планом продаж и изменением целевых метрик. Или как пользоваться виджетом «в динамике»

Автор статьи Ксюша Максимова, CMO Rick.ai. В подготовке материала помогли:

• Ирина Платунова, контент-маркетолог Rick.ai
• Оля Герасимова, продуктовый дизайнер Rick.ai
• С версткой помог Вадим Курнаков, frontend-разработчик Rick.ai

Подписывайтесь на наш телеграм-канал 👋