LegionFarm — это онлайн-платформа, где геймеры учатся у pro-игроков. Компания пользуется Rick.ai уже больше 5 лет практически с основания. За это время платформа выросла из стартапа в международную компанию.

Мы пообщались с Эмином Алекперовым, директором по маркетингу. Под руководством Эмина в команде маркетинга 9 человек. На ежедневной основе Rick.ai используют маркетологи, контент-команда и менеджеры по продажам. Каждый смотрит свои отчеты: трафик на страницах, продажи в разрезе кампаний, категорий и не только.

Читайте и вы узнаете, как команда LegionFarm достигает планы по лидам, продажам и выручке с помощью сквозной аналитики.

Быстро находим убыточные каналы. Например, высвободили $4 000 в месяц на форумах

Чаще всего мы используем Rick.ai для оценки маркетинговых каналов: какой масштабировать, а какой отключить или переработать. В зависимости от того, какая стоит задача в конкретном месяце или квартале, мы по-разному оцениваем каналы.

Когда говорим про максимизацию ROI и прибыли, нам нужны каналы, которые привели к финальному решению купить продукт. Для этого мы используем оценку по модели атрибуции last click (прим. — оценка по последнему клику).

Когда оптимизируем выручку, а не прибыль, или наращиваем клиентскую базу, то оставляем каналы, которые слабо продают, но хорошо прогревают. Эти каналы вносят долгосрочный вклад в продажу. Их мы оцениваем по модели атрибуции top score.

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.

Также мы смотрим, какое количество продаж кампания принесла финально или косвенно. То же самое делаем по ключевым словам, по стране, по группе объявлений — со всех сторон смотрим на эффективность кампании.

Бывают кампании, которые ни сегодня, ни в долгосрочном периоде не принесут дохода: по top score и по last click недостаточно продаж. Тратить деньги на них бессмысленно.

Например, в первый квартал существования LegionFarm мы привлекали пользователей через форумы, где участие стоит дорого. Мы разметили каждую тему отдельной utm-меткой, чтобы потом в Rick.ai посмотреть: сколько получаем заказов по last click, а сколько по top score.

На старте кампании быстро поняли, что тратим на форумы по $1 000 в неделю, а продаж даже по максимальной оценке top score получаем на $200. Тогда мы отключили канал — продажи не упали. Этот бюджет перенесли на другие кампании, за счет чего приросли на 17% по выручке.

Однажды мы решили отключить убыточную кампанию, не проверяя ее по модели атрибуции top score. Ощутимо упало количество лидов

Когда мы оптимизируем бюджет, мы обычно проверяем кампании и по last click, и по top score. Однажды мы нарушили свое же правило: решили не проверять вклад в продажу по top score. По last click мы видели, что кампания слабая, поэтому отключили ее.

У нас упало количество лидов сильнее, чем мы ожидали. Когда перепроверили кампанию по top score, поняли, что нельзя было ее отключать — кампания приносила больше продаж, чем мы думали.

Включили канал обратно, и продажи вернулись на прежний уровень.

Когда меняем процессы в команде или на сайте, мы оцениваем результаты по показателю конверсии в Rick.ai

Изменения на сайте мы начинаем стандартно. Смотрим конверсию по страницам и находим, что нас не устраивает. Rick.ai подсвечивает, где самая пиковая разница. Дальше идем и смотрим, почему такая низкая конверсия? По веб-визору узнаем, что в этом месте делал пользователь. Если есть необходимость, то спрашиваем напрямую или через рассылку.

Иногда мы хотим не поднять конверсию, а сохранить ее при меньших действиях с нашей стороны. Например, у нас была гипотеза: детальные описания продуктов можно безболезненно заменить на простые, чтобы оптимизировать ресурсы команды.

Мы провели ряд A/B-тестов и увидели, что с короткими описаниями конверсия не падает. Сначала для получения статистически значимого результата мы использовали серверные тесты и Google Analytics. После этого мы смотрели уже страницы в динамике в Rick.ai из каналов с более-менее стабильной теплотой трафика (поисковые кампании/органика). Тогда мы освободили ресурсы контент-команды и направили их на seo-статьи и блог. Таким образом, с помощью Rick.ai окончательно принимаем решение о правильной интерпретации результатов эксперимента.

Мы знаем, какие каналы лучше конвертируются в продажу через сайт, а какие через отдел продаж. Так мы готовим менеджеров по продажам или посадочную страницу под определенные кампании

У каждого канала привлечения есть две воронки:

1. с продажей напрямую через корзину на сайте
2. с продажей через менеджеров

По этим воронкам мы сравниваем средние чеки, ROI, CAC и состав заказов. По метрикам мы понимаем, что один канал лучше конвертируется в продажу через корзину на сайте, другой — через отдел продаж. Чаще всего это вопрос сложности заказа. В нашей сфере у каждого клиента могут быть свои уникальные особенности, связанные с уровнем персонажа, его классом, амуницией, имеющимся инвентарем и т.д. Комбинация этих параметров и показателей влияет на цену как в большую, так и в меньшую сторону. Чем больше нюансов в заказе, тем выше вероятность обращения в чат.

Кроме того, понимание нюансов в заказе помогает оптимизировать таргет в рекламной кампании или изменить ответы отдела продаж:

• что нужно отвечать таким пользователям?
• где стандартный скрипт не работает?
• какой ответ давать по этой utm-метке этой кампании?
• или, может, изменить контент на посадочной?

Когда ввели регистрацию в корзине — конверсия выросла на 5%. Неожиданно и приятно

Мы ввели обязательную регистрацию в корзине. И это не уронило, а даже немного повысило конверсию на 5%. Я ставил на то, что конверсия упадет, но нет. Это было для нас большой неожиданностью.

Также обязательная регистрация в корзине помогла увеличить количество контактов для прогрева в ретаргетинговых маркетинговых цепочках. Прирост таких пользователей в рамках недели-месяца несущественный, но в рамках квартала увеличил оборот на ~1,5%.

Мы уже 5 лет пользуемся Rick.ai наравне с Google-документами

Мы один из самых первых клиентов и видели все стадии роста продукта — даже на самой ранней стадии, когда продукт был в бете. Цифры, которые мы получали, не только были корректнее, чем в Google Analytics, с точки зрения атрибуции, но и сходились с нашей базой данных по количеству, составу, чеку, CiD и т.д.

Параллельно с Rick.ai мы тестировали другие решения с рынка, в том числе и модные, красиво упакованные. Все оказывались или с багами, или давали такую же точность данных при в разы большей стоимости.

Поддержка Рика — это не саппорты с набором скриптов, а аналитики, которые умеют общаться. Они помогали нам как в случае проблем с Риком, так и в построении более сложных отчетов конкретно под наши нужды.

Если ваш продукт достаточно взрослый, чтобы видеть всё несовершенство и ограниченность Google Analytics, но вы недостаточно большие, чтобы написать своё кастомное решение — Рик вам идеально подойдет. Можете написать мне на @allidion в телеграм, повторю то, что написал тут :)

Как стать клиентом Rick.ai

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

Над материалом работали:

• Осман Биннатов, контент-маркетолог
• Ксюша Максимова, CMO
• Ксюша Саратовская, дизайнер
• Оля Герасимова, продуктовый дизайнер

Продолжаем общаться с нашими клиентами и узнавать, как маркетологи, директора по маркетингу, собственники используют сквозную аналитику и Rick.ai.

В прошлый раз мы пообщались с Ириной Семенок, CMO Нетологии. В этот раз поговорили с Вячеславом Митягиным — performance marketing manager VK. Вячеслав отвечает за продажи умной колонки Капсула с Марусей.

Узнали, как получилось посчитать конверсию рекламы у блогеров, увеличить продажи в конкретных городах на 100-300%, поднять конверсию в ретаргетинге в 2,5 раза. А также выяснили, как устроена команда, воронка привлечения, и не только.

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

С Вячеславом пообщались Ксюша Максимова, CMO Rick.ai, и Оля Стратанович, менеджер продукта в Product Heroes.

Быстрая навигация:

• Краткая выжимка кейса с результатами клиента
• Подробное интервью
• О продукте, воронке привлечения, и какие метрики важно оптимизировать
• Как стало понятно, что нужна сквозная аналитика: какие задачи хотели решать, почему выбрали Rick.ai
• Что самое важное в решении для сквозной аналитики
• 3 примера, где помогла сквозная аналитика
• Как сквозная аналитика помогает в коммуникациях с ЛПР-ами внутри компании
• Кто и как в команде использует сквозную аналитику

Расскажи о продукте и воронке привлечения в общих чертах

Продукт — умная колонка Капсула с Марусей.

На вопрос о воронке сложно ответить однозначно. Нас интересуют пользователи, которые в первый раз слышат о колонке; пользователи, которые интересуются умными устройствами; и пользователи, которые уже о нас что-то знают.

В какой-то момент появилась потребность в brandformance-маркетинге — когда компании необходимо понимать связку медиа-инвестиций с продажами во всех каналах, в том числе на сайте. Например, в performance-каналах не будет продаж, если не будет активности в медиа. Мне надо активно участвовать в медиа, чтобы в performance-каналах люди попадали в воронку, и я продавал. В двух словах, эта связка выглядит так:

За медиа отвечает команда бренд-маркетинга. Их задача — строить знание, привлекать внимание к новым функциям, повышать лояльность, создавать устойчивые ассоциации и обращаться к ярким эмоциям потребителя. Я предоставляю бренд-маркетингу экспертизу по настройке рекламных кабинетов, чтобы медиа-размещения были максимально эффективными. Начиная с того, в каком месте ролика лучше разместить логотип и произнести название бренда, заканчивая тем, в каком плейсменте и при каких настройках будет показана реклама.

В контексте использования Рика — а именно той части, которая относится к performance-маркетингу — воронка привлечения выглядит так:

Пользователь видит рекламу — например, в социальной сети у блогера. После первого посещения на сайт он попадает в коммуникационную воронку, которую мы формируем для этого сегмента целевой аудитории.

Для нас важно видеть первое посещение этого пользователя и его дальнейшие взаимодействия по другим рекламным источникам. После мы оцениваем эффективность как первой рекламной кампании, так и последующей коммуникационной цепочки.

За что ты отвечаешь в компании и какие метрики тебе важно оптимизировать?

Я отвечаю за продажи умных колонок на сайте и за brandformance-подход в продвижении бренда на рынке — когда необходимо понимание связки медиа-инвестиций с продажами во всех каналах.

Моя задача — это привлечение продаж. Если обобщить, то можно выделить такие основные метрики:

• стоимость привлечения продажи
• конверсия на сайте в продажу и в целом конверсии по сайту
• конверсии на сайте в разрезе по каналам

И самое главное — важно спрогнозировать, что будет, если мы протестируем гипотезу с таким-то каналом: получим Х кликов, эти клики перейдут на сайт, и мы получим такое-то количество пользователей, и т.д.

Соответственно, в рамках этого важны:

• анализ продаж и трафика week-to-week
• поиск закономерностей и аномалий при покупке на сайте
• проведение AB-тестов и гипотез в рамках сайта

Какая у тебя команда?

В команде есть 5 человек, каждый из которых отвечает за главные источники трафика. И также присоединяются коллеги из бренд-маркетинга, если мы тестируем какие-то гипотезы, например в TikTok. По другим гипотезам и задачам — коллеги из аналитики, разработки, инфлюенс-маркетинг и отдел продаж.

В какой момент вы поняли, что нужна сквозная аналитика?

То, что нужна сквозная аналитика, я понял с самого старта проекта. Из моего опыта работы в агентстве я уже понимал, что у брендов возникает вопрос эффективности относительно той или иной гипотезы или канала продаж — когда размещаешь рекламу по одному инструменту, а покупают из прямых переходов «direct none» источников или органики.

Какие задачи было важно решать с помощью сквозной аналитики?

Первое, что хотели — видеть путь пользователя до покупки и иметь сырые данные по конкретному пользователю, соединенные с CRM.

Это позволяет видеть, например, время от первого посещения до финального, среднее количество каналов до покупки. Так мы понимаем, сколько раз с человеком надо контактировать, чтобы он купил у нас на сайте. А также видим примерный набор каналов до покупки: видеоролик на Youtube, а потом контекстная реклама и продажи? Или это должен быть блогер, социальная сеть, ретаргетинг, контекст, еще какая-нибудь статья и потом продажи? И так далее.

Второе — нужно было анализировать канал в разных моделях атрибуции.

Как performance-маркетолог я хочу оценивать результат работы своих коллег: видеть, что эта гипотеза, например, направлена на привлечение внимания и первый контакт с аудиторией. Соответственно, она не должна привлекать сразу продажи. Но дальше мне нужно видеть: пользователь, пришедший с этой рекламной кампании, потом приходил к нам еще? Переходил ли он по другим источникам, или нет? Я хочу видеть продажу в разрезе всех рекламных кампаний, которые я запускаю. Вот для этого нужна была сквозная аналитика, и без нее никак.

Третий момент очень важный — это фиксировать события Google Analytics, которые для нас являются целевыми, и привязывать их к пользователю.

Это позволяет в дальнейшем строить сегменты пользователей по событиям и выявлять группы пользователей, которые, например, покупают с большей конверсией.

Предположим, мы увидели, что пользователи, которые проводили больше 30 секунд на сайте, в ретаргетинге проявляют конверсию выше, чем остальные пользователи. Что я делаю — проверяю сначала гипотезу через Google Analytics по тем данным, которые там есть на уровне выполненных целей. Мне важно увидеть, что между событиями есть стат. значимая разница.

Если есть отличия, то уже настраиваю событие в GTM — оно срабатывает через 30 секунд после посещения. И уже в Рике смотрю отдельно пользователей: конверсию по ним и сегмент пользователей с событием 30 секунд. Дальше я сегментирую ретаргетинг — возвращаю не всех пользователей, а только тех, кто был на сайте больше 30 секунд.

В результате, на уровне CTR у нас получились значимые различия. Пользователи из группы «30sec+» (провели на сайте больше 30 секунд) кликали чаще. CTR составил 1,30% против 1,06% у всех посетителей сайта. Это также отразилось и на финальной конверсии в лида. Пользователи из группы «30sec+» закрывались в заказ с конверсией в 3,8% против 1,5%:

Почему остановили свой выбор на Рике, что было критично при выборе сервиса?

Во-первых — это простота интеграции. Нет непонятной сквозной аналитики — есть четкий и очень понятный Google Analytics, который стоит у всех на сайте. И есть логичный принцип работы, который можно прочитать на сайте.

Во времена моей работы в агентстве, я сталкивался с одной проблемой. Мне приходилось настраивать расширенную электронную торговлю Google Analytics для одного из клиентов, чтобы посчитать нормальные показатели для электронной коммерции: ROMI и т.д. И тогда я столкнулся с тем, что я не могу объяснить некоторые задачи программистам, чтобы они внедрили на каком-то этапе код. Мне приходилось прибегать к помощи аналитиков с пониманием и опытом программирования — то есть возникали даже сложности в интеграции расширенной электронной торговли.

В этом смысле у Рика есть четкая понятная команда, которая не просто помогает настроить продукт, но и разобраться в том, как это сделать самостоятельно. В какой-то момент этот вопрос можно было делегировать и просто получить результат. Нравится, что у Рика есть доработка интеграции, и с разработчиками на нашей стороне можно найти контакт и верное решение ситуации.

Во время подключения и настроек у нашей команды разработки не возникло вопросов. Я в этом не участвовал, и это хорошо. Ведь я занимался тем, чем я должен заниматься — непосредственно каналами продаж. А Рик с разработчиками этот вопрос самостоятельно закрыл, что радует.

Вторая причина — внимательная поддержка со стороны сервиса и очень приветливая хорошая профессиональная команда. Можно задавать вопросы, если есть какие-то аномалии в статистике.

Что бы отметил важное для себя в решении сквозной аналитики?

1.
Видеть отдельно каждый канал по продажам в разрезе пользователей. Без Рика я бы не мог сказать, что, например, мы привлекли пользователей с помощью email-рассылки, а дальше они купили.

2.
Возможность сказать, что конкретная рекламная кампания помогла привлечь определенное количество новой аудитории. Дальше эта аудитория пришла в другие каналы и купила.

Буквально недавно мы тестировали историю с промокодами. И увидели, что по одному и тому же промокоду один пользователь купит через прямую ссылку от блогера, второй — пойдет в поиск и купит через контекст и т.д. Как мы это поняли: мы привязывали к каждому пользователю промокод при покупке, а в Рике делали разбивку промокод-канал. Получалось, что количество промокодов, которое было использовано, разбивалось на разные каналы:

В столбце «coupon» есть одинаковые промокоды, у которых разные каналы.

3.
Отдельно отмечу возможность анализировать эффективность рекламы у блогеров по промокодам — эта возможность появилась по нашему запросу, когда мы уже использовали Рика.

В чем была проблема:

Если, например, смотреть конверсию в лида по utm-метке блогера, то мы видим условно 0,17%. Нас эта цифра никогда не устраивала. Мы понимали, что рекламное размещение блогера влияет на многие каналы: пользователи могут не сразу купить, могут прийти по ссылке из шапки профиля I•••••••m, из контекстной рекламы, organic search и т.д.

Соответственно, когда у нас не было возможности анализировать метрики по промокодам, мы дополнительно анализировали такие каналы, как «Шапка профиля»: смотрели, как дальше люди видели рекламу F••••••k и покупали через нее и т.д. — хотя первый раз видели рекламу у блогера. Мы делали это всегда ручным способом. Тем самым удавалось выявлять, что конверсия с таким анализом точно не 0,17%, а уже ~0,19%.

И только после того, как совместно с командой Рика ввели переменную «промокод», смогли оценить ту часть продаж, которая обычно есть после рекламы блогера, но ее не видно. Это позволило оценить нам канал и посчитать приближенную к реальности конверсию — 0,24%. В масштабах большого количества трафика разница в продажах по таким каналам ощутима.

4.
Еще отметил бы возможность анализировать каналы в разных моделях атрибуции.

Иногда есть такие гипотетические фразы: «Вот этот канал влияет на привлечение пользователя на сайт. Поскольку он работает на привлечение — этот пользователь купит». Зная среднее время покупки по этому каналу (например, 3 недели), я с помощью Рика могу сказать, что прошел месяц с момента, как пришел пользователь по этому каналу, в течение 3 недель ничего не произошло. Соответственно, я могу сказать, что гипотезу с этим каналом пока можно не масштабировать или попробовать что-то изменить.

Каналы я оцениваю либо по атрибуции top score, либо по first click. Таким образом, я могу в любом разрезе посмотреть канал и ни по одному разрезу не увидеть продажи.

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.

5.
Если пользователей из канала не так много, я могу в Рике нажать на пользователя, и откроется таблица со всеми касаниями. Можно увидеть, было ли событие покупки purchase, было ли событие добавления в корзину basket. То есть было ли что-то с этими пользователями, возвращались ли они из каких-то каналов? Я в целом могу посмотреть всю информацию по пользователю.

Можешь еще поделиться примерами, в каких еще моментах тебе помог Рик?

Пример 1. Когда мы тестировали CPA-модель

Наблюдали примерно одну и ту же картину: мы привлекали сначала своими средствами пользователя, закупая трафик. Через некоторое время видели повторные посещения, а дальше человек в поисках более выгодного предложения приходил на агрегаторы купонов и скидок, и покупал со скидкой. Получается, на этапе привлечения мы заплатили за пользователя Х рублей, затем еще по другим каналам снова Х рублей, а дальше давали скидку пользователю, где тоже тратили Х рублей с товара, и плюс заплатили вознаграждение CPA-партнеру за «продажу».

Рик нам сэкономил большое количество денег, которые многие бренды инвестируют в CPA-каналы. Из CPA-каналов была, может, пара продаж, где пользователь пришел в первый раз, но это были считанные единицы. В основном это классическая воронка: пользователь пришел по нашей рекламе, походил — посмотрел, а через неделю решил купить, но нашел агрегатор со скидкой и купил:

То есть агрегатор здесь ничего не сделал, для того чтобы нам увеличить продажи, просто мы заплатили еще больше за продажу.

Рик помог связать реальные конверсии с продажами — на примере отчета видно, что канал привлек 96 заказов, из которых почти все были отменой:

То есть на первом этапе Рик позволил нам определить реальные продажи и отсеять все отмены по каналу за счет возможности видеть сквозную аналитику. Мы определили каналы, по которым мы уже заплатили за пользователя на этапе привлечения, но при этом этот пользователь купил через канал CPA. Такие продажи мы не засчитывали.

Пример 2. Когда мы увеличивали конверсии в продажу

Мы хотели понять, почему из 100 заказов подтверждено только 50? То есть я в F••••••k потратил деньги на привлечение этих 100 заказов, и только 50 стали продажей.

Соответственно, с помощью Рика у меня есть возможность проверить каждого пользователя. Поскольку у меня есть связка с CRM-системой, я могу зайти в конкретный заказ и посмотреть, почему пользователь не купил. Или я могу выгрузить данные этих пользователей и провести на них качественные или количественные исследования.

Например, удалось выяснить, что одной из проблем у потребителей была доставка. Многим колонка нужна была в ближайшее время. Тогда доставка у партнеров ничем не отличалась от доставки на сайте (1-2 дня). В каких-то городах-миллионниках, наоборот, на сайте доставка была даже дольше, чем у партнеров.

В результате, мы реализовали экспресс-доставку в ряде городов, сделали подсветку «Доставим сегодня» на главной странице и в корзине:

Это позволило нам увеличить продажи в конкретных городах. Заказы там выросли на 100%-300%. Конверсия подросла тогда на 0,1 п.п. к предыдущей неделе.

Пример 3. Увидели проблему с ошибкой атрибуции после релиза на сайте, когда появилась аномалия передачи данных в Рика.

На скриншоте видно, как в определенный момент событий purchase стало больше, чем заказов:

Это говорит о том, что либо идет какой-то аномальный трафик с канала, и мы видим тестовые или ботовые срабатывания события, при этом заказов никаких нет. Либо же заказы все-таки есть, но вот в CRM не попадают. Так и оказалось — с нашей стороны нарушилась в определенные моменты логика передачи данных после одного из релизов сайта. Мы это быстро поправили.

Помогает ли Рик в коммуникациях с ЛПР-ами внутри компании?

Да, помогает в бюджетировании — помогает объяснить, почему именно F••••••k принес 50% продаж, а не какой то другой канал. Я один раз показал всем, как работает Рик: как он объединяет продажи с каналами. Все один раз согласились, что это работает так, и это правильно. Дальше ни у кого не было вопросов, повлияла ли какая-то другая реклама на продажи? Это позволяет защитить бюджет на следующие свои активности и объяснить, почему нам нужен именно этот трафик, чтобы выполнить план продаж.

Рик еще хорошо помогает в том, что в нем есть агрегированные данные по месяцам, и в планировании продаж у меня есть понимание сезона. Мы понимаем, что в каком-то квартале сезон низкий, продажи низкие, или в какие-то месяца конверсия по сайту в целом низкая — и лучше, например, исключить большое инвестирование денег. Нам важно спланировать активности на следующий год, учитывая эту сезонность.

Один из способов подтверждения сезонности — это данные из Рика:

Рик здесь как вспомогательный инструмент. Из него можно тянуть уже сформированные данные, периодически обращаться и смотреть исторические данные.

Кто и как в команде использует Рика

Во-первых, мне очень удобно работать с коллегами, кто непосредственно работает в кабинетах. Очень удобно прислать отчет людям, и просить их оптимизировать рекламные кампании по Рику, а не по Google Analytics. Ко мне первое время восторженно приходили коллеги и делились, что вот эта кампания привлекла столько заказов, столько «purchase-ов». А по факту из 10 продаж подтвердилась только 1. Почему такое происходит — пользователи генерируют, например, рассрочку. Им рассрочку не одобряют, а заказ в системе у нас уже появляется.

Удобно коллегам, кто работает с конкретной рекламной площадкой, скинуть ссылочку на отчеты Рика, чтобы они посмотрели каналы уже непосредственно в разрезе заказов. Мне не приходится им ничего выгружать, поскольку каждый имеет отдельный доступ в свою папку: папка VK, папка myTarget, папка F••••••k и т.д. В этом смысле такая группировка мне очень помогает передавать информацию по разным специалистам. Рик позволяет дать отдельный доступ с нужными ограничениями к отдельному каналу без понимания, что происходит в других каналах. Особенно удобно передавать доступ с нужными ограничениями сторонним подрядчикам.

Как стать клиентом Rick.ai

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

Автор статьи — Ксюша Максимова, CMO Rick.ai.

В подготовке материала помогли:

• Оля Стратанович, менеджер продукта в Product Heroes
• Ирина Платунова, контент-маргетолог Rick.ai
• Оля Герасимова, продуктовый дизайнер Rick.ai
• Ксюша Саратовская, продуктовый дизайнер Rick.ai
• Саша Селиванова, помощник Rick.ai

Подписывайтесь на наш телеграм-канал @rick_ai 👋

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 👋

Rick.ai — это система сквозной аналитики для маркетологов, собственников и продактов. В Рике вы не только сможете оценить рекламные кампании, но и поймете, как первая сессия продукта или отдел продаж влияют на стоимость лида.

Рик автоматизирует для вас сбор данных из Google Analytics, рекламных кабинетов, и CRM, и покажет ваши ключевые метрики в готовых отчетах. Таким образом, вы сможете в пару кликов получить нужные срезы данных, понять какие кампании неэффективны и где ваши точки роста.

Мы провели десятки звонков с нашими клиентами, рассказывая о возможностях Рика, и собрали в одном демо-видео то, что больше всего интересовало наших клиентов. Под видео — таймкоды для удобной навигации.

Таймкоды о том, что умеет Рик:

0:43 Рик сразу показывает, какие кампании стоит отключить, какие переработать, а какие усилить — с помощью модели атрибуции top score, которая есть только в Рике.

1:40 История клиента, который за первые недели работы с Риком убедился, что подогревающие кампании не приносят доход и высвободил 150 тысяч бюджета в месяц.

2:36 Оценка кампаний по двум моделям атрибуции last click и top score. На основе работы с клиентами и сотнях кейсах мы пришли к методологии работы по двум моделям атрибуции — чтобы помочь вам окончательно убедиться, что кампании неэффективны, быть уверенным, в какую рекламу или агентство распределить бюджет.

4:25 Когда вы нашли неэффективные кампании — в Рике вы можете посмотреть, на каких именно срезах кампания неэффективна. Это позволит понять, что надо починить, чтобы снизить стоимость лида и кампания стала эффективной.

5:22 Кейс интернет-магазина, у которого резко упала конверсия на оформление заказа в корзине, а с помощью Рика удалось найти причину падения конверсии. Это дало +2 % конверсии и на масштабе плюс 2 миллиона рублей выручки в месяц.

7:08 Поиск точек роста по шагам сквозной воронки: Рик считает конверсии по пользователям, помогает вам убедиться в правильности решений и понять, на чьей стороне возникла проблема, если не выполнился план продаж — на стороне маркетинга или отдела продаж.

9:22 Когда у одной компании упали продажи, а маркетологи выяснили, что они ни при чем.

9:54 Настройте пошаговую воронку в Рике по любым событиям и страницам сайта, статусам CRM. Проанализируйте конверсию по разным срезам, чтобы локализовать проблему, которая мешает выполнить план продаж.

12:05 Анализируйте, как внесенные изменения в рекламные кампании, сайт, воронку продаж, первую сессию повлияли на рост целевых показателей: конверсии, число лидов, ключевые метрики, доход, прибыль и т.д.

13:35 Когортный отчет позволяет оценивать долговременную отдачу от рекламы — то, как у вас пользователи возвращаются, то, как у вас работают ремаркетинг, рассылки и прочие активности, которые помогают вернуть пользователя на сайт.

14:59 Смотрите все сессии и события пользователей, чтобы прозрачно видеть все касания и источники касаний пользователей с сайтом и перепроверить, как он делает заказ.

15:24 Одна из сильных сторон Рика — это проверка точности данных, чтобы вы могли принимать решения о перераспределении бюджета на надежных и достоверных данных сквозной аналитики. Мониторинг Рика проверяет ежедневно все данные на основе 37 алгоритмов.

17:15 В любой момент вы можете выгрузить из Рика данные по API или выгрузить отчет в Google-таблицу.

17:47 Приглашайте в Рика свою команду, подрядчиков, агентства и давайте разные уровни доступов — по числу инвайтов у вас ограничений нет.

18:00 В отчетах Рика у вас есть абсолютный простор для ваших потребностей. Каждый из этих отчетов вы можете использовать под те задачи, которые для вас важно решать.

Начать знакомство с Риком вы можете бесплатно в любое удобное время

Попробовать Рика на своих данных можно уже сейчас, начав с ввода домена на сайте Rick.ai — за пару минут вы подключите счетчик Google Analytics и перейдете в телеграм-чат, куда Рик пришлет инвайт и вы сможете посмотреть отчеты по анализу эффективности рекламных кампаний на ваших данных.

В чате будет команда Заботы, которая поможет разобраться с вопросами по сквозной аналитике, чтобы вы быстрее подключили Рика и начали его использовать.

В демо-видео упоминается социальная сеть Facebook. Соцсеть Facebook запрещена в РФ, она принадлежит корпорации Meta, которая признана в РФ экстремистской.

Менеджерам по рекламе, директорам по маркетингу и собственникам не нужны сухие цифры в отчетах. Rick.ai не просто собирает данные, он помогает решить настоящие задачи бизнеса и ответить на самые частые вопросы:

• Выполняется ли план продаж?
• Достигнем ли мы целевых показателей по CPL, CPO, ROMI, конверсии?
• Как увеличить прибыль? Какие гипотезы роста мы можем проверить?
• Как честно оценить влияние проверенной гипотезы или внедренных изменений?

Мы решили собрать серию обучающих видео, которые отвечают на эти вопросы.

Смотрите кейс из первого видео и узнайте, как вместе с Rick.ai директору по маркетингу удалось сохранить бюджет и выявить убыточные рекламные кампании, которые никогда не окупятся.

Кейс из видео: как неэффективные кампании скрываются от CMO за усредненными данными

Пользователь зашел на сайт компании, чтобы повторно приобрести необходимый ему товар. В корзине предлагалась возможность выбрать либо долгую доставку, которую придется ждать несколько дней, либо более дорогой аналог товара. Оба варианта пользователя не устроили, заказ так и не был оформлен.

А все потому что менеджер по закупкам из Екатеринбурга совершил ошибку — заказал недостаточно товара, хорошо продающегося в этом регионе. Продажи начали снижаться.

При этом рекламные кампании настраивает центральный офис в Москве. Они ничего не знают об ошибке менеджера из региона и видят только верхнеуровневые данные по каналу: стоимость заказа CPO немного выросла с 1 405 до 1 489 рублей, конверсия в лид снизилась с 0,34% до 0,31%.

Изменение метрик было не таким существенным и не вызывало паники, но усреднение всегда скрывает реальные проблемы.

Из-за усреднения ошибку не замечали 2 недели! Анализ по регионам показал, что за это время в Екатеринбурге стоимость заказа выросла на 104% с 1 268 до 2 590 рублей, а конверсия в лид упала с 0,61% до 0,39%.

Дальнейший анализ показал, что на проблемные рекламные кампании потратили за 2 недели свыше 200 000 рублей, но принесли они лишь 46 заказов. Стоимость одного заказа составила больше 4 000 рублей при том, что целевой CPO для этого продукта был 1 500 тысячи рублей — в 3 раза ниже 😭. Не факт, что на тот момент в рекламных кампаниях федерального масштаба была только 1 проблема.

В среднем кампании могут держаться в пределах целевых значений, но есть всегда 3..10 срезов, в которых расходы не окупятся никогда — менеджерам по рекламе и СМО нужно обращать внимание на такие срезы и оперативно латать дыры в бюджетах.

Еще из видео вы узнаете:

• «Настроить сквозную аналитику» — это пример технической постановки задачи, выполнение которой не принесет никакой пользы с точки зрения целей бизнеса. На ее решение уйдет много сил и времени у вашего аналитика из-за многочисленных сверок и настроек, но в результате вы вряд ли получите то, что ожидали.
• Примеры задач, которые сформулированы от целей бизнеса: «найти способы снизить расходы на 20% с сохранением целевых значений по лидам и доходу»; «увеличить число заказов, сохранив окупаемость юнит-экономики».
• Не нужно зацикливаться на 100% точности данных, как правило, расхождения в 1..5% не влияют на выводы. Более того, начать делать выводы в некоторых случаях можно до подключения CRM, до полной настройки сквозной аналитики.
• Усреднение и верхнеуровневые данные всегда скрывают реальные проблемы. В среднем рекламные кампании могут держаться в пределах целевых значений, но всегда есть 3..10 срезов, в которых расходы не окупятся никогда — менеджерам по рекламе и СМО нужно обращать внимание на такие срезы и латать дыры в бюджетах.
• Важно и нужно регулярно смотреть на детальные срезы по группировкам: по кампаниям, по устройствам, по регионам, по посадочным страницам и доменам и другим релевантным группировкам, в зависимости от специфики ваших проектов и продуктов. В Рике вышеперечисленные группировки можно найти по названиям: channel · campaign, ga:deviceCategory, ga:region, landing initial, ga:hostname.

Читайте также

• Как понять, что Rick.ai мне подойдет и я смогу получать пользу от сквозной аналитики
• Смотрите демо-видео и познакомьтесь с возможностями сквозной аналитики Rick.ai
• Как быстро подключить Rick.ai: от доступа к Google Analytics до проверки точности данных

В подготовке статьи участвовала команда Rick.ai: Игорь Новиков, Ирина Платунова.

Отчет «в динамике» в Рике позволяет директорам по маркетингу и маркетологам смотреть, как меняются целевые показатели от периода к периоду, отслеживать падение или рост ключевых метрик, а также следить за выполнением плана по целевым лидам и продажам.

Для удобства и наглядности мы подготовили короткое и понятное видео, в котором показываем, как в интерфейсе Rick.ai работает виджет «в динамике» и какие выводы можно делать с помощью этого отчета. Смотрите видео, пробуйте отследить изменение ключевых метрик на своих данных — чтобы вовремя понять, выполняется ли план продаж и успеть что-то предпринять.

В чем ключевая польза отчета «в динамике» для директоров по маркетингу и маркетологов

Отчет «в динамике» позволяет по месяцам, неделям и дням следить за такими ключевыми метриками как CPL, CPO, ROMI, трафик на сайте, выполнение плана по целевым лидам, продажам, доходу, прибыли, а также за ростом или падением конверсий на сайте, посадочных страницах, воронки продаж и т.д.

С помощью этого отчета можно увидеть, как внесенные изменения в рекламные кампании, сайт и посадочные страницы, воронку продаж, первую сессию повлияли на рост целевых показателей.

Для удобства клиентов отчет «в динамике» подсвечивает метрики зеленым и красным цветом и показывает, где изменились ключевые показатели: подросли или снизились. Это в том числе позволит акцентировать внимание на важных изменениях в случаях, когда вы показываете отчет команде на совещании.

С помощью этого отчета маркетологи отслеживают динамику по месяцам в случае с SEO-трафиком, так как там ощутимый эффект от изменений обычно происходит не так быстро.

Кроме того, в отчете всегда есть возможность выбрать собственные периоды, если вам надо, например, сравнить две недели одного месяца с двумя неделями другого.

Краткая выжимка из видео:

• Виджет «в динамике» — это наиболее подходящий инструмент для отслеживания выполнения плана по целевым лидам и продажам, а также роста или падения целевых метрик за выбранный период.
• Анализ динамики по неделям поможет выявить конкретный период, когда произошло изменение метрик, и связать этот период с произошедшими событиями: сокращение бюджета на рекламу, внесение правок на лендинге, отключение рекламной кампании или канала, изменения в отделе продаж и т.д.
• Виджет «в динамике» имеет все базовые возможности, которые реализованы во всех типах отчетов, и вы гибко можете настраивать этот отчет под задачи вашего анализа: анализ метрик в разрезе каналов и кампаний, посадочных страниц, устройств, когорт новых и старых пользователей и других срезах. Используйте 40+ фильтров и группировок, выводите любые статусы CRM.
• Отчет рассчитывает данные по столбцам, из-за этого один лид может быть учтен в обоих периодах, если заказ был сделан в каждом из них. При этом за весь период лид посчитается 1 раз.
• Выводы из виджета «в динамике» лучше подтверждать при помощи когортного отчета — когорты покажут, как долго пользователи принимают решение о покупке и укажут на длину цикла сделки. Отсюда вы сможете лучше планировать продажи: понимая, сколько новых целевых лидов купят у вас в текущем периоде, а сколько — в следующих.

Читайте также

• Ошибки на миллионы рублей: или 10 способов посчитать свои метрики, чтобы никогда не выйти на план продаж
• Смотрите демо-видео и познакомьтесь с возможностями сквозной аналитики Rick.ai
• Мультиканальная аналитика или как маркетологу быть уверенным, что кампания неэффективна

В подготовке статьи участвовала команда Rick.ai: Игорь Новиков, Ирина Платунова, Ксения Максимова, Ольга Герасимова.

‌‌‌‌

Эта статья будет для вас полезна, если вы собственник, директор по маркетингу или продукту, growth-менеджер — мы разбираем самые частые ошибки систем аналитики, чтобы вы могли перепроверять подрядчиков, аналитиков и не ошибались в планировании бюджета и расчетах плана продаж.

В этой статье мы расскажем, почему расчет конверсии по отчету расширенной электронной коммерции неверен — цифры на скриншоте выше нельзя использовать в работе — они все содержат случайную систематическую погрешность измерения.

И также мы покажем, как самостоятельно себя проверить, если вы используете только Google Analytics Universal без полноценной сквозной аналитики.

Статья будет полезна тем, кто хочет понять честную конверсию воронки сайта до лида или покупателя, чтобы понять, есть ли там точки роста. Даже если вы не пользуетесь отчетами расширенной электронной коммерции, вы также сможете посчитать честную конверсию по вашим событиям — будь то интернет-магазин, онлайн-курсы, saas-продукт и т.д.

Рекомендуем перед прочтением посмотреть кейс из телеграм-канала, на основе которого написана статья.

Удобная навигация:

• Почему расширенная эл. коммерция показывает неверную конверсию
• «Стоит ли заморачиваться?» 🙄
• Две причины ошибок конверсии в расширенной эл. торговле
• Что готовить перед проверкой и сколько времени это займет
• Проверка разницы конверсии происходит в два этапа
• Как посчитать честную конверсию через API-запрос Google Analytics Universal
• Как посчитать честную конверсию в интерфейсе Google Analytics Universal

Почему конверсия из расширенной эл. коммерции приводит к неверным управленческим решениям

Недавно в телеграм-канале мы разбирали кейс, где показали пример ошибок в управленческих решениях, которые можно совершить, используя один из популярных отчетов расширенной электронной коммерции в Google Analytics Universal:

В разборе кейса мы сравнили конверсии, посчитанные двумя способами на данных Google Analytics:

• с помощью расширенной электронной коммерции по сессиям
• с помощью закрытой воронки по пользователям

И только на одном срезе мы обнаружили 6 ошибок в расчетах, которые могут ввести команды в заблуждение, из-за чего команды сделают неверные выводы:

• Реальная конверсия из пользователя в покупателя оказалась в 2 раза ниже
• Конверсия из добавления товара в корзину в переход на шаг корзины на самом деле в 2 раза ниже
• Конверсия в оплату из корзины в 2 раза выше, и ее можно вырастить до 50-60%
• Старых пользователей на самом деле в 5 раз меньше, потому что Returning Visitor посчитан по сессиям. В этом видео мы рассказывали почему.
• У новых пользователей, возможно, возникают проблемы с поиском товара — отчет расширенной электронной коммерции это не показал
• Новые пользователи хуже конвертируются в клиентов: покупает всего 1% и 99% не покупает

Неверные выводы приводят к тому, что команды неверно рассчитывают свои точки роста: недооценивают стоимость пользователя и лида, не видят, что люди сталкиваются с проблемами на сайте и поэтому не покупают. В итоге, при росте бюджета план продаж не выполняется.

Расширенную электронную коммерцию не стоит использовать для расчета конверсии, когда вы считаете юнит-экономику, план продаж от бюджета на привлечение, оцениваете стоимость лида или хотите понять, на каком шаге воронки сайта и продаж вы теряете больше всего клиентов.

В этой статье хотим показать, как можно проверить себя самостоятельно, если вы используете пока только Google Analytics Universal без полноценной сквозной аналитики. Мы покажем, как рассчитать правильную конверсию воронки сайта, если у вас размечены события на ключевые действия пользователя.

«Стоит ли заморачиваться?»

Это один из частых вопросов, который мы встречаем, когда рассказываем о правильном расчете конверсии. И это логичный вопрос — потому что мы все хотим инвестировать свое время максимально эффективно.

Когда встает вопрос о расчете правильной конверсии, то экономия пары часов времени может превратиться в ошибки на миллионы рублей — изменение конверсии всего на 0,5...1 процентных пункта приносит компаниям 2-3 миллиона рублей прибыли или убытков:

Неверная конверсия приводит к неверным расчетам стоимости лида, заказа, клиента. Отсюда собственники, директора по маркетингу неверно оценивают план продаж от бюджета, часто недооценивая стоимость лида.

В этом гайде мы рассказывали о 10 самых частых ошибках в аналитике, которые стоят командам миллионы и почему директора по маркетингу, собственники не выходят на план продаж.

Если несколько лет назад на подобные ошибки можно было закрывать глаза, то сейчас рост стоимости привлечения пользователей на аукционах Яндекса, Гугла, Фейсбука привел к тому, что юнит-экономика 70-80% сервисов плохо сходится на платных каналах и точки роста смещаются в конверсию.

Конкуренты, которые работают с конверсией, будут только рады чужим ошибкам: правильно считая конверсию и работая над ней, конкуренты снижают CAC, CPL или CPO, а значит могу больше инвестировать в стоимость пользователя CPUser и повышать стоимость клика CPC на аукционах — обгоняя вас в выдаче и получая ваших пользователей и клиентов.

Ошибки в расчетах расширенной электронной торговли возникают по двум причинам:

1 - Конверсии расширенной электронной коммерции считаются по сессиям. Но если вы хотите понять, сколько людей у вас не покупает, это неверный способ посчитать конверсию, поскольку один человек часто генерирует несколько сессий на одном шаге воронки и число этих сессий случайно для каждого шага:

Это значит, что как числитель может быть больше и завышать конверсию, так и знаменатель может быть больше и занижать конверсию.

2 - В отчете расширенной электронной торговли мы видим открытую воронку. Это значит, что выполнение каждого шага не учитывает выполнение предыдущего шага. Например, пользователь мог зайти на шаг корзины напрямую из сохраненной вкладки или email-рассылки, или у пользователя обновилась сессия на этом шаге — это значит, что если вы хотите посчитать конверсии по воронке сайта до покупки, конверсия шага корзины, скорее всего, будет завышена.

Отметим, что в каждом случае порядок расхождений может меняться, и также может меняться место, где эти данные расходятся.

Что нужно подготовить перед проверкой и сколько времени займет проверка

У вас должен быть Google Analytics Universal.

У вас должны быть настроены события на ключевые шаги воронки, которые мы будем сравнивать с шагами отчета расширенной электронной коммерции. Эти события необязательно должны соответствовать шагам воронки отчета расширенной электронной коммерции — это зависит от настроек для конкретного сайта. В нашем случае мы рассмотрим ситуацию, когда для каждого шага расширенной электронной коммерции отправляется событие, которое соответствует ключевому шагу воронки.

Если события не размечены, вы можете их разметить сейчас и через неделю собрать первые данные по конверсии вашего сайта или посадочной страницы.

Чтобы сделать проверку, нужно установить расширение Google Analytics для google-таблиц. Как это сделать, мы рассказывали в этой статье, или можно сразу перейти в официальную справку. Это займет пару минут и не потребует разработчика или специальных навыков.

Проверка на отчетах с 1-2 срезами данных за один период приблизительно может занять 1-2 часа времени, если вы делаете это впервые. Мы рекомендуем сделать проверку за 2-3 разных периода, если вы оцениваете свои точки роста, считаете конверсию для юнит-экономики и хотите убедиться, что вы верно нашли узкие места и верно распределите ресурсы команды и бюджет.

Два этапа проверки разницы в конверсии между шагами воронки в отчете расширенной электронной коммерции и воронкой по пользователям

Проверка состоит из двух основных этапов:

1. ‌‌
Сначала нужно понять, какие события использовать, чтобы построить воронку с правильной конверсией по пользователям.

Если вы точно знаете, настроены ли события для шагов электронной коммерции и знаете уникальный набор параметров для этих событий — вы можете использовать их. Это может быть где-то задокументировано у аналитика или разработчика, кто занимался настройкой аналитики.

Если вы пришли в компанию, где кто-то что-то размечал до вас, а разбираться времени нет — можно взять те события, которые соответствуют шагам по логике вашей воронки.

В нашем случае мы рассматривали кейс, где шагу воронки в отчете электронной коммерции соответствует событие с параметром ga:eventAction. Чтобы выбрать нужные нам события и убедиться, что событие соответсвует шагу электронной коммерции — мы дополнительно делали проверку через API-запрос в google-таблице:

Таким образом, для каждого шага воронки мы используем такой набор событий:

• Все сеансы → все сеансы без события
• Сеансы с просмотром товаров → событие с параметром ga:eventAction=viewedItem
• Сеансы с добавлением товаров в корзину → событие с параметром ga:eventAction=addtoCart
• Сеансы с оформлением покупки → событие с параметром ga:eventAction=checkout
• Сеансы с транзакциями → событие с параметром ga:eventAction=payment

Это позволило нам сравнить шаги по идентичным событиям и явно показать разницу конверсии, посчитанную по сессиям с конверсией, посчитанной по пользователям.

Также рекомендуем изучить эту статью, если вы хотите глубже разобраться, как настраивается расширенная электронная коммерция и как она связана с событиями.

2.‌‌
Далее уже можем построить по этим событиям воронку с честной конверсией по пользователям:

Это можно сделать двумя способами: в интерфейсе Google Analytics Universal или через API-запрос в google-таблице. В статье мы покажем оба способа.

Подобный способ расчета конверсии мы уже показывали в статье «Цели Google Analytics устарели: как быстро проверить расхождения между целями, лидами и заказами, и что использовать вместо целей?». Способ похож, но в данной статье мы покажем проверку для нескольких шагов воронки и покажем, как получить данные для конверсии по новым и старым пользователям.

Построим по полученным событиям воронку по пользователям через API-запрос в google-таблице

Напомним, чтобы делать подобные запросы, нужно установить расширение Google Analytics SpreadSheet add-on. Установка занимает пару минут, разработчик для этого не требуется.

Здесь вы можете скачать шаблон запроса — вам нужно изменить номер представления ViewID, задать ваши параметры событий и выбрать любую дату.

Для наших событий запрос будет выглядеть так:

Выполняем запрос:

На отдельной вкладке получаем для каждого шага воронки число пользователей:

Удобнее собрать данные из каждой вкладки по шагам воронки в отдельной вкладке в единой таблице и там же рассчитать конверсии между шагами:

Это придется сделать вручную.

Важно отметить, что мы посчитали конверсии по так называемой «закрытой воронке». Это значит, что каждый следующий шаг учитывает выполнение всех предыдущих шагов. Таким образом, мы исключаем завышение конверсии, если пользователь зашел на шаг воронки напрямую — например, через рассылку брошенной корзины.

Чтобы получить разбивку по новым и старым пользователям и сравнить их с отчетом расширенной электронной коммерции, в параметр Segments нужно добавить users::condition::ga:session==1.

Здесь вы можете скачать шаблон запроса для новых пользователей — вам нужно изменить номер представления ViewID, задать ваши параметры событий и выбрать любую дату:

Таким образом, вы получите тот же отчет с воронкой, но только по новым пользователям:

Каждая вкладка — это отдельный шаг воронки. Нам нужно число пользователей Users. Эти данные так же будет удобно собрать в одну таблицу — можно добавить к уже существующей:

К сожалению, вывести старых пользователей напрямую ни в запросах, ни в интерфейсе Google Analytics Universal не получится — поэтому их нужно вычислить только вручную операцией вычитания в этой же таблице.

Построим правильную конверсию с помощью кастомных отчетов в интерфейсе Google Analytics Universal

Теперь рассмотрим способ попроще, через интерфейс Google Analytics Universal.

Сначала выведем нужные нам метрики через «Специальные отчеты». Для этого необходимо зайти во вкладку «Специальные отчеты» и начать создание нового отчета.

Выберем нужные нам показатели — Пользователи, Сеансы, Транзакции:

Откройте получившийся отчет. Теперь можно построить воронку по пользователям с помощью сегментов:

Для настройки воронки нужно выбрать «Последовательности»:

• выберите «Пользователи» вместо «Сессии»
• настройте шаги для событий «Категория события» и «Действия по событию» — это именно те события, которые соответствуют шагам отчета расширенной электронной коммерции
• задать название отчету и сохранить

Получится такой отчет:

Чтобы вывести такую же воронку, но по новым пользователям — добавьте в настройки сегмента Число сеансов ≤ 1:

В результате получается отчет по новым пользователям:

Как мы уже писали выше, старых пользователей напрямую получить в интерфейсе не получится — их так же придется рассчитывать вручную и переносить расчеты в отдельную таблицу.

Таким образом, мы получили те же данные по конверсиям, что рассчитали в кейсе:

На самом деле, Google Analytics — крутой инструмент

Но важно понимать, как считаются метрики в типовых готовых отчетах систем аналитики и показывать подобные разборы своим аналитикам, подрядчикам, если они считают ключевые метрики, опираясь на эти отчеты и неверно их интерпретируют.

Мы показали лишь часть ошибок, которые можно совершить, неверно интерпретируя готовые отчеты систем аналитики. Мы рассказываем о самых частых случаях, когда агентства, маркетологи, предприниматели ошибаются в расчете метрик — недооценивают стоимость лида, и получают убыточную юнит-экономику. В итоге, бюджет на рекламу растет, а оборот не увеличивается.

Когда вы считаете плечи метрик юнит-экономики, масштабируете бюджет на привлечение, хотите понять, куда направить усилия команды — проверяйте в системах аналитики, отчетах подрядчиков, что конверсия посчитана верно: по пользователям, лидам, покупателям, а не сессиям, целям, визитам, заявкам, заказам.

Помните, что конверсия — ваш шанс выигрывать на аукционах и привлекать больше целевых пользователей 🙌

Читайте также

• Как ошибиться на миллионы рублей: или 10 способов посчитать свои метрики, чтобы никогда не выйти на план продаж
• Цели Google Analytics устарели: как быстро проверить расхождения между целями, лидами и заказами, и что использовать вместо целей?
• «Хочу выбрать идеальную модель атрибуции» или как маркетологу быть уверенным, что кампания неэффективна
• Смотрите демо-видео и познакомьтесь с возможностями сквозной аналитики Rick.ai

Подписывайтесь на телеграм-канал @ilya_krasinsky, где разбираются ошибки аналитики и как они приводят к неверным управленческим решениям.

В подготовке статьи участвовала команда Rick.ai и Product Heroes: Ксения Максимова, Саша Селиванова, Георгий Сазонов, Ирина Платунова, Ольга Стратанович, Илья Красинский, Даниил Романов, Николай Березовский, Олег Товаров, Ольга Герасимова.

Не так давно мы выпустили большой гайд про ошибки в расчете метрик. Эти ошибки влияют на выводы команд — можно случайно отключить прибыльную кампанию, или масштабировать убытки так, что у платных рекламных каналов перестанет сходиться юнит-экономика.

Мы не обошли стороной цели Google Analytics — это один из самых распространенных способов оценить эффективность интернет-рекламы и сайта. И на нашей практике, цели Google Analytics — один из самых распространенных способов неверно посчитать количество лидов или заказов, и оценить конверсии посадочных страниц.

В этой статье разберем, почему цели дают ошибку при расчете стоимости лида и стоимости заказа. А также покажем, как за несколько минут проверить разницу между числом достигнутых целей, лидами и заказами: в интерфейсе Google Analytics Universal и с помощью API-запроса в гугл-таблице.

Быстрые ссылки ⚡️

• Лиды, заявки, CPO, CPL: разберемся с терминами
• Почему мы не рекомендуем использовать цели Google Analytics для расчета ключевых метрик?
• Как проверить расхождения между целями, лидами и заявками в интерфейсе Google Analytics Universal 🔥
• Как проверить расхождения между целями, лидами и заявками с помощью запроса в гугл-таблице 🔥
• Что использовать вместо целей Google Analytics?
• Ограничения проверки

Лиды, заявки, CPO, CPL: разберемся с терминами

В статьях о целевых метриках интернет-маркетинга часто смешиваются понятия лид, заказ, CPO и CPL. Лида называют заказом, а CPL определяют как стоимость заявки. И наоборот.

Поэтому, прежде чем делать проверку, разберемся с терминами:

• Лид — это пользователь, который оставил заказ или заявку.
• Заявка или заказ — это не то же самое, что лид. Один лид может оставить несколько заявок или заказов. Важно не спутать эти метрики.
• CPL — это стоимость лида. Часто путают с CPO — стоимостью заявки или заказа.
• CPO — это стоимость заявки или заказа. Часто путают с CPL — стоимостью лида.

Мы будем рассматривать сущности лид и заявка (заказ) для ситуации, когда лид или заявка определяются действиями пользователя на сайте. И не будем рассматривать эти метрики как сущности CRM.

Аналоги лида, заявки или заказа в Google Analytics:

• Лид — это пользователь с уникальным идентификатором ga:clientID, оставивший заявку или заказ.
• Заявка или заказ — это факт отправки формы на сайте, который отслеживается с помощью событий Google Analytics. Например, пользователь нажал на кнопку Отправить заявку.

Почему мы не рекомендуем использовать цели Google Analytics для расчета ключевых метрик?

Чтобы понять, почему цели дают ошибку, нужно учесть два момента:

• События Google Analytics — это действия, которые пользователь совершает на сайте: клик на кнопку, переход на страницу, скачивание контента и т.д. Владельцы сайта сами принимают решение, какие события важно отслеживать. События считаются вне зависимости от сеанса пользователя. Если за один сеанс пользователь 3 раза выполнил событие — то это событие засчитается 3 раза.
• Цели Google Analytics — это надстройка над событиями. Важно не путать цели с событиями: цель засчитывается только 1 раз в рамках одного сеанса. Если за один сеанс пользователь 3 раза выполнил цель — то эта цель будет засчитана 1 раз.

Что это означает:

• Один пользователь может сделать несколько заказов или заявок, и если он сделал это в разные сессии — у одного пользователя цель зачтется несколько раз.
• Если пользователь за один и тот же сеанс сделал 2 реальных заказа и достиг цель — цель сработает 1 раз и второй заказ не будет учтен.

Из-за этой логики стоимость достижения цели часто будет ниже реального CPL и выше реального CPO. Это приводит к двум последствиям:

1. Если CPL занижен → маркетолог усилит убыточные кампании. В этой статье мы проверяли расхождение между стоимостью достижения цели и реальной стоимостью лида, и получили реальный CPL на 20% выше.
2. Если CPO завышен → маркетолог не будет усиливать прибыльные кампании.

Как проверить расхождения между целями, лидами и заявками в интерфейсе Google Analytics Universal

Мы сравним три метрики:

• Количество достигнутых целей, которые настроены по срабатыванию определенного события
• Количество уникальных пользователей, которые совершили целевое действие на сайте. Это аналог лида.
• Количество событий, которые совершили пользователи на сайте. Это аналог заказа или заявки.

Сначала в Google Analytics выберите цель, которую хотите проверить:

Сохраните параметр события, по которому отслеживается цель, а также название и номер цели:

Параметры цели в нашем примере:

• Действие, или ga:eventAction, содержит user completed application form
• Номер цели: 5
• Название цели: Оставил заявку

Построим отчет, в котором получим:

• Количество уникальных пользователей, выполнивших событие user contact entered domain
• Количество выполненных событий по этому же действию ga:evenAction user contact entered domain
• Количество выполненных целей для цели 5 по событию ga:evenAction содержит user contact entered domain

Для этого откройте в меню слева Специальные отчеты → Мои отчеты:

В настройках отчета в группы показателей добавьте 3 показателя:

• Пользователи — уникальные пользователи с уникальным идентификатором ga:clientID
• Всего событий — общее количество событий, которые совершил пользователь
• Число достижений для цели 5 — общее количество достигнутой цели, в нашем примере цель называется Оставил заявку (Достигнутые переходы к цели 5)

В анализе параметров добавьте параметр:

• Действие по событию — аналог параметра действия ga:eventAction в событии, по которому мы отслеживаем цель 5.

Вот так должны выглядеть настройки:

Теперь можно сохранить настройки — при сохранении Google Analytics сразу выведет нужный отчет. Кликните на колонку Оставил заявку (Достигнутые переходы к цели 5) — тогда данные отсортируются от большего к меньшему, и в самом верху появится строка с нужными данными:

Очень часто расхождения получаются в 1,3...1,5 раз, но могут случайным образом колебаться от 1,1 до 1,7 раза.

Если нужна разбивка по каналам или кампаниям — в качестве дополнительного параметра можно выставить Кампания, или Источник или канал, или Канал.

Этой проверки достаточно, чтобы понять порядок расхождений для разных целей. Проверку лучше сделать несколько раз — за разные периоды, по разным целям и срезам. Даже если вы не нашли расхождения при первой проверке, это не гарантирует, что данные не расходятся где-то еще и не будут расходиться в будущем.

Как проверить расхождения между целями, лидами и заявками с помощью API-запроса в гугл-таблице

Аналогичные данные можно получить с помощью API-запроса в гугл-таблице:

Это не так сложно, как может показаться и занимает несколько минут.

Такие запросы более гибкие, чем отчеты в интерфейсе Google Analytics — они позволяют получить больше срезов и метрик. Например, вы можете дополнительно вывести метрики по каналу и кампании, и к ним добавить разбивку по устройствам.

Перед тем, как делать запрос, проверьте два момента:

• Аккаунт, на который у вас открыт доступ в Google Analytics, должен совпадать с аккаунтом, на котором вы будете делать запрос через гугл-таблицы.
• Должно быть установлено дополнение для гугл-таблиц Google Analytics Spreadsheet Add-on. Если не установлено — вот ссылка на инструкцию. Установка не должна вызвать сложностей.

Как пользоваться запросом:

• Скачайте шаблон, скопировав себе гугл-таблицу ↓

• Измените номер представления вместо 12345678
• Задайте период анализа
• Отредактируйте номер 5 цели в метрике ga:goal5Completions, если у вас другой номер цели
• В фильтре отредактируйте параметр события вместо user completed application form

Чтобы запустить запрос, нажмите Дополнения → Google Analytics → Run reports:

Результат откроется в отдельной вкладке:

В результате выполнения запроса должны получиться те же метрики, что мы получили в интерфейсе Google Analytics — при условии, что сравнивались идентичные периоды.

Таким же образом можно посмотреть данные в разбивке по кампаниям и устройствам:

Однако, чтобы сделать полноценный анализ эффективности кампаний и найти точки роста, нужно создать порядка 30-40 вкладок. Также у этого способа есть ряд ограничений — например, нельзя вывести когорты новых и старых пользователей. Можно вывести только число новых пользователей, а число старых пользователей получить операцией вычитания.

В Rick.ai отчеты по новым и старым пользователям строятся автоматически и проверяются на ошибки и расхождения. А данные по десяткам метрик, срезов и сегментов можно получить за пару минут в одном отчете.

Что использовать вместо целей Google Analytics?

Мы не советуем использовать цели Google Analytics:

• Для расчета количества лидов — лучше выводить количество уникальных пользователей, которые совершили событие или транзакцию по электронной коммерции.
• Для расчета количества заказов или заявок лучше использовать электронную коммерцию или просто события.

Один из инструментов рассчитать эти метрики в Google Analytics Universal — это специальные отчеты, либо можно использовать запросы через гугл-таблицу. Отметим, что это еще не самые точные способы расчета метрик, поскольку они не учитывают отмену заказа и смену статусов сделок. Но эти способы они дадут меньше погрешностей, чем цели.

Ограничения проверки

• Цели Google Analytics — это один из множества способов неверно посчитать метрики и ошибиться в выводах. Даже если вы не пользуетесь целями, ошибки в расчетах могут скрываться в других местах: в атрибуции кампаний, конверсиях и усреднении.
• К сожалению, специальные отчеты Google Analytics не позволят сделать полноценный анализ эффективности кампаний и точек роста. Они дают ограниченное количество срезов, а на большом объеме данных появится семплирование. Но специальные отчеты позволят увидеть, не завышается ли эффективность кампаний, если вы или ваш подрядчик считаете количество лидов или заказов по целям.
• В большинстве случаев точное число лидов и оплаченных заказов для каждой кампании можно учитывать только в случае подключения данных из CRM — это позволит учитывать смену статусов и отмену заказа. Связать данные CRM, рекламных кабинетов, Google Analytics и рассчитать ключевые метрики в пару кликов можно с помощью нашего продукта.

Читайте также

• «Хочу выбрать идеальную модель атрибуции» или как маркетологу быть уверенным, что кампания неэффективна
• Смотрите демо-видео и познакомьтесь с возможностями сквозной аналитики Rick.ai

В подготовке статьи участвовала команда Rick.ai и Product Heroes: Ксения Максимова, Георгий Сазонов, Игорь Новиков, Даниил Романов, Влад Корпусов, Ира Платунова, Ольга Герасимова.

Прежде чем детально познакомиться с Риком, рекомендуем проверить, что Рик будет вам максимально полезен для анализа эффективности рекламных кампаний по данным сквозной аналитики.

1. Бюджет на онлайн-рекламу от 100 000 рублей месяц

Максимально полезное использование Рика заключается в анализе уже запущенных рекламных кампаний с расходами от 100 000 рублей в месяц. Это могут быть кампании на платформах Google Ads, VK, F••••••k (+I•••••••m), Yandex Direct, myTarget.

Сразу после настройки Рика вы сможете увидеть, какие кампании можно масштабировать, а какие отключить или переработать. Также в Рике можно будет находить причины, почему кампании неэффективны — из-за низких конверсий лендинга, какого-то шага воронки или 1й сессии в продукте, или какой-то сегмент пользователя снижает эффективность всей кампании. Это позволит находить новые гипотезы на рост продаж с рекламы.

2. Для привлечения пользователей на сайт вы используете один или более рекламных кабинетов из списка:

• Google Ads
• Yandex Direct
• VK
• F••••••k (+I•••••••m)
• myTarget

Тарифы Рика не зависят от количества рекламных кабинетов и количества источников данных.

Если рекламная площадка не указана в списке, но вы работаете с ней со стандартной utm-разметкой, то в Рике можно будет учитывать расходы на социальные сети, блогеров и другие медийные кампании. В Рике также можно анализировать SEO-трафик.

В Рике вы сможете оценивать эффективность каналов и кампаний до ключевых слов и объявлений в разрезе новых и старых пользователей, устройств, посадочных страниц с учетом многоканальной атрибуции.

Читайте дополнительно: как Рик строит многоканальную атрибуцию и решает проблему занижения вклада кампаний и какие модели атрибуции есть в Рике.

3. Пользователи оставляют заявки или оформляют заказы на вашем веб-сайте

Пользователи должны оставлять заявки или совершать покупки только у вас на сайте. В случае если бОльшая часть заявок или заказов у вас приходит из звонков или сторонних мессенджеров (WhatsApp, Viber и пр.), то важно проконсультироваться с командой Рика.

4. Рик на сегодняшний день работает только с веб-сайтами, и не работает с мобильными приложениями

5. Для знакомства с Риком на сайте должен быть установлен счетчик Google Analytics

Рик подключается к вашему счетчику Google Analytics, обрабатывает данные по своим алгоритмам и методологии, в том числе проверяет корректность данных. После — в интерфейсе Рика вы увидите полезные отчеты по вашим данным.

Вы можете подключить к Рику уже существующий счетчик GA — тогда Рик подтянет исторические данные. Если у вас на сайте нет счетчика GA, то хотя бы за пару дней перед подключением к Рику нужно будет установить счетчик GA. Обычно эта установка не вызывает сложностей. Подробнее, как корректно поставить счетчик GA, читайте в инструкции Google Analytics.

Важно отметить, что для Рика ничего дополнительно настраивать в Google Analytics не нужно — ни электронную коммерцию, ни цели.

6. Есть одна CRM-система или платформа со всей информацией о сделках

Для сквозной аналитики до оплат и статусов в воронке продаж к Рику необходимо подключить одну CRM-систему или платформу, в которой вы собираете всю информацию о сделках от создания до перехода по статусам и повторным платежам.

Перед подключением CRM важно проверить технические возможности:

• Все заявки, сделки и доходы, которые вы хотите анализировать с помощью сквозной аналитики, должны храниться в одной CRM-системе
• В воронке CRM есть один transactionID, который проходит по всей воронке от создания сделки до финального изменения статуса
• Должна быть возможность создавать в сделке CRM кастомные поля и в момент создания сделки записывать ga:clientID
• Должна быть возможность отправки POST-запросов на создание и обновление сделок из CRM

Важно отметить, что для некоторых ситуаций в подключении CRM понадобится разработчик. Подробнее о подключении CRM читайте в этой статье.

7. Если вы используете коллтрекинг, чаты и мессенджеры, лидформы, имейл-трекинг

• Если используется коллтрекинг, то для корректного отслеживания источника привлечения пользователя должны использоваться динамические номера, поддерживаться запись ga:clientID и возможность передавать данные по вебхукам.
• Если вы используете онлайн-чаты, встроенные на сайт, Рик увидит, что пользователь пришел по ним и сможет построить сквозную аналитику, т.к. обычно из этих чатов сделка создается автоматически и в нее записывается ga:clientID.
• В Рике можно посчитать окупаемость лидформ из VK, F••••••k и myTarget — Рик импортирует лиды и расходы на объявления, связывая их с транзакциями из CRM.
• Рик умеет принимать вебхук от имейл-трекинга, создавать сделку в CRM и записывать туда ga:clientID, название сделки и комментарий к ней. Это нужно, чтобы определялись источники привлечения имейлов.

Подробнее о подключении к Рику сервисов повышения конверсии читайте в статье Как быстро подключить Рика: от доступа к Google Analytics до проверки точности данных.

Начать использовать Рика можно бесплатно и уже сейчас

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

Для настройки сквозной аналитики нужно подключить к Рику счетчик Google Analytics, рекламные кабинеты и CRM. Также Рик может получать данные из коллтрекинга, онлайн-чатов и email-трекинга и может строить сквозную аналитику по лидформам.

Вы можете подключить к Рику уже существующий счетчик GA — тогда Рик подтянет исторические данные.

Если у вас на сайте нет счетчика GA, то хотя бы за пару дней перед подключением к Рику нужно будет установить счетчик GA. Обычно эта установка не вызывает сложностей. Подробнее, как корректно поставить счетчик GA, читайте в инструкции Google Analytics.

Когда Рик получает доступ к аккаунту Google Analytics, он проверяет данные и формирует задачи для подключения, чтобы данные собирались корректно в отчеты, на основе которых можно уверенно принимать решения по оптимизации рекламных каналов.

Как правило, вы можете подключить Рика за 1-3 дня, реже за 1-2 недели.

Чтобы подключиться к Рику

1. Пройдите небольшой квиз и откройте доступ к счетчику Google Analytics, 1-2 минуты

Подключение можно начать самостоятельно на сайте. Важно отметить, что для Рика ничего дополнительно настраивать в Google Analytics не нужно — ни электронную коммерцию, ни цели.

2. Перейдите в телеграм-чат в конце квиза

После подключения Google Analytics вы попадете в телеграм-чат, в котором будет команда Заботы Рика. В чате вы получите инвайт в Рика и первые задачи для настройки сквозной аналитики.

3. Обновите счетчик Google Analytics, 10-15 минут

Одна из первых задачек — обновить счетчик Google Analytics (или код счетчика на сайте, или через GTM) для записи ga:clientID каждому пользователю.

В дальнейшем именно ga:clientID позволит связать данные из Google Analytics со статусами лида в CRM, так как в Рике сквозная аналитика строится на уникальном идентификаторе ga:clientID, собирая пути пользователей и агрегируя обработанные данные в отчеты не по сессиям, а по пользователям, в том числе по разным моделям атрибуции.

4. Подключите импорт расходов из рекламных кабинетов, 10-15 минут на 1 рекламный кабинет

Одновременно можно сразу настроить импорт расходов из рекламных кабинетов: F••••••k, VK, myTarget, Google Ads, Yandex Direct. Это совершенно не требует разработчика.

Если вдруг возникнут расхождения в данных, то Рик даст задачки с готовыми и понятными инструкциями, что нужно сделать, чтобы повысить точность данных по расходам до 95%+ для верного расчета стоимости лида или ROI и других ключевых метрик по платным кампаниям.

Если рекламная площадка не указана в списке, но вы работаете с ней со стандартной utm-разметкой, то в Рике можно будет учитывать расходы на социальные сети, блогеров и другие медийные кампании. В Рике также можно анализировать SEO-трафик.

5. Отправьте в Рика первые сделки из CRM

Для сквозной аналитики до оплат и статусов в воронке продаж к Рику необходимо подключить одну CRM-систему или платформу, в которой вы собираете всю информацию о сделках от создания до перехода по статусам и повторным платежам.

C Риком можно интегрировать одну из следующих CRM-систем:

• AmoCRM, Bitrix — в Рике есть готовый плагин интеграции. Если ga:clientID не записывается в сделку, то понадобятся 1-2 часа разработчика для настройки записи ga:clientID в поле сделки. Как записывать ga:clientID в сделку, читайте здесь.
• Самописная CRM или база данных, где можно записать ga:clientID в сделку. Для подключения нужны пара часов разработчика. Для самописных CRM есть простое API и 2 метода: /create и /update. Когда к вам приходит новый заказ, Рику нужно передать обезличенный идентификатор этой сделки. А когда сделка обновляется, нужно сообщить Рику новый статус, и если хотите, доходы и продукты. Это позволяет рассчитывать метрики по нужным статусам и доходам.

По аналогии с импортом расходов из рекламных кабинетов — как только вы настроите отправку сделок в Рика, Рик покажет уровень точности данных по сделкам и, если есть расхождения, создаст задачи с понятными инструкциями, как повысить точность до 95%+, чтобы корректно рассчитывать ROI, конверсии воронки и другие метрики по каналам.

После настройки импорта расходов из кабинетов и отправки первых сделок из CRM у вас начнет работать сквозная аналитика в Рике. Повышение уровня точности уже будет проходить в рамках ежедневной работы с сервисом. Это связано с тем, что аналитика требует ежедневного мониторинга и контроля точности, и любая ошибка в настройке и разметке или изменения на стороне рекламной системы, сайта или CRM может привести к новым расхождениям — на расхождения влияет большое количество внешних факторов, не зависящих от Рика.

В Рике вы сможете видеть, насколько у вас корректные данные, и при помощи автоматического Мониторинга локализовывать причины расхождений, чтобы точность ваших данных держалась на высоком уровне. Если самостоятельно разобраться не получится, то команда Заботы поможет с детальным разбором ситуации.

6. Подключите коллтрекинг

Если используется коллтрекинг, то для корректного отслеживания источника привлечения пользователя должны использоваться динамические номера, поддерживаться запись ga:clientID и возможность передавать данные по вебхукам.

Коллтрекинг должен быть динамический, чтобы определить канал привлечения пользователя и корректно связывать историю его действий. В таком случае в момент звонка и создания сделки получится корректно определить ga:clientID позвонившего пользователя.

Важно, чтобы в момент создания сделки коллтекинг передавал ga:clientID в вашу CRM. Также важно, чтобы ga:clientID пользователя для сделок с коллтрекинга записывался в то же поле сделки CRM, что и сейчас для всех остальных сделок.

7. Если вы используете чаты и мессенджеры

Если вы используете онлайн-чаты, встроенные на сайт, Рик увидит, что пользователь пришел по ним и сможет построить сквозную аналитику, т.к. обычно из этих чатов сделка создается автоматически и в нее записывается ga:clientID.

Обратите внимание, что если вы используете сторонние платформы с чатами, чат-ботами и мессенджерами (WhatsApp, Viber и пр.), которые не могут записывать ga:clientID — то важно проконсультироваться с командой Рика.

8. Если вы используете лидформы

Рик умеет строить сквозную аналитику по лидформам — импортирует лиды и расходы на объявления с лидформами из VK, F••••••k и myTarget, связывает их с транзакциями из CRM, рассчитывает окупаемость лидформ.

9. Если вы используете email-трекинг

Рик умеет принимать вебхук от имейл-трекинга, создавать сделку в CRM и записывать туда ga:clientID, название сделки и комментарий к ней. Это нужно, чтобы определялись источники привлечения имейлов.

Для подключения команда Заботы пришлет инструкцию.

Как Рик проверяет корректность данных и доставляет инструкции для исправлений

В Рике есть 37 алгоритмов, которые проверяют данные на точность. Если точность снижается — в разделе «Мониторинг» Рик показывает все задачи для настройки аналитики, статус этих задач и результат их выполнения:

Таким образом, вы видите общую картину и прогресс по каждой задаче на доске.

Рик каждый день проверяет точность метрик сквозной аналитики и показывает уровень точности в том же разделе «Мониторинга»:

Мониторинг данных от Рика позволяет быстро находить и исправлять ошибки в аналитике.

Узнайте, какие метрики в Google Analytics нельзя использовать и почему. Подключить сквозную аналитику с Риком вы можете самостоятельно на сайте Rick.ai.

Когда маркетологи запускают рекламу в Google Ads, F••••••k, Yandex Direct, или делают email-рассылки — они хотят понимать, какие кампании приоритетно дорабатывать или отключать.

Для более полной картины маркетологи часто смотрят метрики, используя как можно больше моделей атрибуций. На самом деле, вам достаточно двух моделей атрибуции last click и top score, чтобы увидеть неэффективные кампании.

Во всех известных атрибуциях — last click, first click, position based, ассоциированные конверсии, data-driven и пр. — вклад кампаний часто занижается. Это происходит, потому что часть кампаний подогревают аудиторию — то есть они встречаются где-то в середине пути пользователя, а не в начале или в конце. Именно эти кампании, как правило, самые недооцененные, то есть им не достается часть дохода.

В итоге, у подогревающих кампаний занижен ROI, т.к. вся ценность достается email-каналам или прямым заходам. И они кажутся кандидатами на отключение, хотя влияют на продажи. С этой проблемой особенно остро сталкиваются кампании со средним и длинным циклом сделки с большим количеством касаний — когда нужно честно оценить кампании в начале или в середине пути пользователя.

Некоторые используют ассоциированные конверсии, но в этом способе оценки есть нюансы

Маркетологи, которые глубже копнули аналитику, пользуются ассоциированными конверсиями в Google Analytics.

Ассоциированные конверсии и ценность ассоциированных конверсий — количество и денежное выражение продаж и конверсий, полученных с помощью канала. При расчете учитываются все вспомогательные каналы пути, за исключением последнего. Чем выше эти значения, тем больший вклад вносит канал. Из справки Google Analytics.

Распространенный способ посчитать эффективность каналов — сложить доход или пользователей на кампанию по last click и ассоциированным конверсиям. Но не так много маркетологов знают, что этот способ дает дубли.

В этом материале мы подробно разобрали, почему нельзя складывать данные по last click и ассоциированным конверсиям.

Основной момент: когда кампания участвует в цепочке 2 раза, ей присваивается 2 заказа — это и есть дубль. Вот так это выглядит на исходных данных Google Analytics:

То есть если просто использовать ассоциированные конверсии, то это занизит вклад канала. А если сложить с другими моделями атрибуции — это даст дубли. Но если ассоциированные конверсии не решают задачу найти неэффективную кампанию — что делать?

Что если применить модель атрибуции на основе данных

Еще одно из решений точно рассчитать вклад канала — оценить его по модели атрибуции на основе данных.

Атрибуция на основе данных (от англ. — data-driven) анализирует все клики по вашим поисковым объявлениям и выявляет закономерности, сравнивая действия клиентов, которые совершили и не совершили конверсии. При этом могут быть обнаружены определенные действия, повышающие вероятность конверсии. После такого анализа ценность взаимодействий распределяется в зависимости от их роли в достижении конверсии. Из справки Google Analytics.

Однако мы не умеем вживлять электроды в головы, поэтому задача рассчитать точную модель атрибуции пока физически неразрешима.

Представьте, что пользователь пришел по рекламе шарфика и не купил. А после вернулся по рекламе кед и купил. Вопрос: привела ли реклама шарфика к покупке кед? И честный ответ: мы не знаем. А значит, не можем рассчитать точный вклад рекламы шарфиков.

Поэтому модель атрибуции на основе данных тоже дает занижение вклада кампании и не дает уверенности в решении отключить кампанию.

У нас нет задачи считать точную модель атрибуции

На самом деле, наше время и внимание ограничено, и мы хотим понять, где 20% нашего времени дадут 80% результата. Все что нам нужно — принять одно из решений о кампании:

1. останавливать или перерабатывать, если кампания убыточна, при любых допущениях
2. дорабатывать, если кампания почти сходится
3. усиливать, если кампания прибыльна и есть возможность усиления
4. не трогать, если кампания прибыльна и не понятно, как усилить
5. подождать, если статистики не хватает и не сходятся доверительные интервалы

И желательно в пару кликов получить все нужные цифры. Для решения этой задачи мы разработали в Rick.ai методологию оценки кампании «сверху и снизу».

Оценка кампании сверху и снизу: как быстро увидеть, какие кампании «болеют»

Самый честный способ не занизить вклад кампании — это не умножать вклад кампании на какой-то вес, а присвоить ей 100% вклада вне зависимости от того, где она была в пути пользователя.

В Google Analytics есть неочевидный способ посмотреть 100% вклада кампании— это конверсии или total conversion rate:

Это и есть оценка «сверху»: кампания получает транзакцию, если в цепочке действий пользователя UserStory эта кампания была хотя бы 1 раз. Таким образом, мы получаем максимально возможный вклад кампании. В Rick.ai эту модель атрибуции мы назвали top score.

А на этом примере мы показывали, как ассоциированные конверсии и last click в сумме дают погрешность:

Они в сумме часто больше, чем total conversions. Но такого не может быть физически, т.к. по total conversion компания уже получает максимально возможный вклад. Это еще раз говорит о дублях при сложении данных по разным моделям атрибуции.

Оценка «снизу» — это оценка кампании по уже известной многим маркетологам модели атрибуции last click, то есть по последнему непрямому источнику. Здесь мы описывали эту модель атрибуции. Почему «снизу»: оценка по last click, как минимум, дает понять, что кампания была триггером к покупке, но мы пока не знаем, была ли эта кампания где-то раньше в касаниях с пользователем.

Если по last click кампания сходится, ее точно можно усиливать или оставлять как есть. А если не сходится — нужно проверить по top score.

В итоге, оценив кампанию «сверху» по top score и «снизу» по last click, мы получаем не точную оценку вклада кампании, а диапазон оценки:

На графике мы видим пример оценки кампании по стоимости заказа CPO: левая граница — это оценка снизу по last click, а правая — это оценка «сверху» по top score. Эта оценка помогает маркетологу увидеть, сколько он тратит на неэффективные кампании и понять, что делать первым приоритетом:

• Зеленые кампании здоровые — их стоит усилить, если это возможно, или оставить как есть
• Красные кампании болеют — их нужно отключать или сильно перерабатывать
• Желтые кампании почти сходятся — их стоит доработать вторым приоритетом

Или вот так это выглядит в виде отчета:

Мы видим, что три кампании не сходятся от слова совсем — по last click и top score у них CPO выше порога 1000 рублей. Такие кампании нужно или отключать или перерабатывать. А еще две кампании если и сходятся, то с натяжкой — по last click у этих кампаний CPO ниже целевого порога, а по top score выше. Такие кампании нужно дорабатывать.

В Rick.ai такой график и отчет можно построить по CPL и CPO сразу после подключения Google Analytics и импорта расходов из рекламных кабинетов. После подключения CRM можно увидеть неэффективные кампании по ROI и ДРР.

Часто нужно понять, какие кампании приводят новых пользователей на сайт. В таком же отчете можно вывести метрики с атрибуцией по первому касанию first click. Мы уже писали, что с этими кампаниями нужно быть аккуратнее — если их отключить, то продажи могут снизиться из-за снижения потока новых пользователей и лучше провести эксперимент.

Мы знакомы с проблемой, когда маркетологи строят много отчетов, чтобы сравнить метрики по разным моделям атрибуции. В Rick.ai есть возможность выводить метрики сразу по всем моделям атрибуции в одном отчете — это удобно, когда нужно быстро и наглядно сравнить показатели.

Оценка кампаний сверху и снизу не только дает честный ответ, какие кампании стоит отключать, но и решает проблему с длинным циклом сделки с большим количеством касаний, о которой мы говорили в самом начале.

Оценку «сверху и снизу» можно сделать самостоятельно и в Google Analytics. Но чтобы вывести только один отчет по нужным срезам и полноценно проанализировать эффективность кампании — по новым и старым пользователям, в разрезах по десктопным и мобильным девайсам, платному и бесплатному трафику — придется залезть в API Google Analytics.

Кроме того, Google Analytics допускает ошибки в присвоении источников доходу или событиям. Самые распространенные:

1. Google Analytics часто показывает платежные системы как источники — когда пользователь отправляется на страницу оплаты банка и после оплаты возвращается на сайт, Google Analytics видит источник referral и присваивает ему ценность по last click
2. Google Analytics не умеет перезаписывать канал в случае отмены транзакций
3. Когда у пользователя заканчивается сессия после 30 минут бездействия (если пользователь не закрыл вкладку), то в Google Analytics у новой сессии не запишется source / medium предыдущей сессии и тем самым по last click все заслуги уйдут каналу direct type in.

Подробнее об ошибках атрибуции в Google Analytics мы рассказывали в этом материале. Когда Rick.ai берет данные из Google Analytics, он эти ошибки поправляет.

О сервисе аналитики Rick.ai

Rick.ai — сквозная аналитика на стыке маркетинга и продукта для маркетологов, собственников и продактов. Сервис исправляет методологические ошибки аналитики, которые стоят компаниям миллионы, что позволяет нашим клиентам найти точки роста в рекламных каналах, продукте или в воронке продаж.

Методология, по которой работает Rick.ai, помогает не только увидеть эффективные и неэффективные кампании, но и понять, куда сместился рост: в каналы продвижения, конверсии сайта или конверсии отдела продаж.

Оценивайте не только рекламные кампании, но и влияние первой сессии продукта, воронки продаж на стоимость лида. Считайте, как рост бюджета на онлайн-рекламу меняет юнит-экономику и прибыль.

Rick.ai работает на счетчике Google Analytics — начать подключение и попробовать сервис на своих данных можно бесплатно и самостоятельно на сайте.

Мы записали видео, где подробно разобрали, почему ассоциированные конверсии в Google Analytics не спасают маркетологов — почему они приводят к ошибочным выводам и как с этим работать.

Местами хардкорно, советуем перед просмотром налить чай или кофе ☕️

Какие темы разбираем:

2:57 Как в Google Analytics работают last click, last interactions и ассоциированные конверсии

7:37 Какая ошибка возникает при сложении данных по last click с данными по ассоциированным конверсиям

11:22 Где в Google Analytics найти total conversions и посмотреть полный вклад кампании — вне зависимости от того, где эта кампания была в цепочке касаний на пути пользователя

12:03 Как сделать запрос в API Google Analytics, посмотреть историю пользователя и источники сессий

15:37 Разбираемся, в каких ситуациях в ассоциированных конверсиях возникают дубли

22:16 Теорема о шарфике: почему алгоритмические модели и попытка точно посчитать атрибуцию тоже не спасают

24:35 Метод оценки кампании «сверху» и «снизу» как способ понять, в каком диапазоне находится ключевая метрика и что делать с кампанией: отключать, усиливать, перерабатывать или не трогать

Ниже в этом же посте:

• Ссылки на справки гугла и шаблон запроса в API
• Презентация, где можно все разглядеть
• История разработки Рика: продукт, который мы разрабатываем, чтобы решать боли Google Analytics

Ссылки на справки гугла и шаблоны запроса в API

1. Как Google Analytics определяет источник

Отрыть схему — как GA определяет sourceMedium, campaign и т.д.

2. Как сделать запрос в API Google Analytics

Как установить Google Analytics add-on у себя в гугл-таблицах

Шаблон запроса в Google Analytics через add-on

Этот шаблон мы использовали в презентации. Создайте копию, чтобы настраивать шаблон под себя. В 3-й строке поменяйте номер представления View ID на свой.

Не бойтесь API-запросов — вы сами можете проверить свои данные, даже если вы не аналитик или разработчик.

Слайды презентации

История разработки Рика: продукт, который мы делаем, чтобы решать боли Google Analytics

Кроме разбора Google Analytics, будем делиться продуктовыми историями.

Изначально мы создавали Рика, чтобы исправить недочеты GA. Эти недочеты влияют на качество данных, и выводы основателей, аналитиков, маркетологов — что и беспокоит больше всего.

Во многих случаях, о которых говорим, вы можете смотреть данные без Рика через API-запросы, плагины гугл-таблиц или в интерфейсе самого Google Analytics. И мы будем рассказывать, как это делать. Но если что-то не рассказали, а вам интересно — задавайте вопрос.

Что реализовали в Рике для работы с моделями атрибуции:

1. Не надо самим забирать данные через API. Рик сам забирает сырые данные из Google Analytics. Это то же самое, если бы мы сделали десятки ручных API-запросов, как в примере из видео, и свели эти метрики в гугл-таблице.

2. Можно быстро сделать оценку кампании «сверху» и «снизу» по top score и last click. Такая оценка помогает принять одно из решений: отключать, усиливать, не трогать, подождать и накопить данные, переработать.

3. Сделали графики для выводов, эффективна кампания или нет. Пока в бете для ограниченного числа пользователей.

4. Исправлены ошибки атрибуции источников, которые все еще есть в Google Analytics: ошибка отмены транзакции, учет платежных шлюзов как каналов и пр. Эти ошибки будем разбирать уже в других материалах.

Попробовать Рика и посчитать свои метрики по разным моделям атрибуции вы можете сами — заходите на сайт и начинайте подключение.

Подписывайтесь на телеграм-канал

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

Отдельное спасибо всем, кто дал обратную связь и благодаря кому наши материалы становятся лучше:

• Алексей Никушин, организатор конференции Матемаркетинг и сообщества аналитиков
• Егор Извеков, Head of Digital, Sneakerhead / Streetball / Playground
• Мария Кожухова CMO, Frisbuy
• Ксения Спицына маркетолог «Акселератора ФРИИ»
• Сергей Моторный, образовательный проект Лектера
• Саша Радославов, co-founder Tattoo Mall
• Владислав Горошко, маркетолог, Zlato.ua
• Вячеслав Митягин, Senior Digital Manager, рекламное агентство MediaPlus Russia