Как прогнозировать зоны роста и риски в маркетинге на основе данных

146
5598

Недавно мы анонсировали наш новый продукт — OWOX BI Insights, который умеет прогнозировать выполнение маркетинг-плана на основе ваших данных, данных рынка и машинного обучения. Он помогает маркетологам получить ответы на важные вопросы:

  • Выполним ли мы план по продажам, лидам и другим показателям в текущем месяце?
  • Если ничего не менять, сколько продаж, лидов и т.д. мы получим до конца года?
  • В каких каналах, регионах, сегментах не выполняется план и какие есть ключевые точки роста?
  • Как мы идём относительно рынка? Он просел или мы плохо работаем?

    В этой статье мы расскажем, зачем строить прогнозы и как находить в них зоны роста и риски, чтобы всегда быть на шаг впереди конкурентов.

    Вы можете заказать свой прогноз уже сейчас!

    ХОЧУ ПРОГНОЗ

    Содержание

    Технологии и данные решают многое

    Хотим поделиться некоторыми цифрами и фактами, которые показывают важную роль маркетинг-аналитики в современном бизнесе.

    Например, в 2018 году доля расходов на маркетинговые технологии (29%) впервые превысила долю расходов на людей, которые этими технологиями пользуются (24%). Речь идет про доли всего маркетингового бюджета компаний.

    Если не выполняется план по росту, большинство руководителей в первую очередь увольняют маркетинг-директора. Поэтому CMO должны быть весьма заинтересованы в том, чтобы внедрять технологии и искать лучшие решения.

    При этом большинство маркетинг-директоров (78%) повысили ROI маркетинга благодаря тому, что использовали маркетинг-аналитику при формировании стратегии.

    Аппетит приходит во время атрибуции

    Небольшая история в лицах о том, с чего все начиналось несколько лет назад и как мы пришли к осознанию, что нашим клиентам нужны прогнозы и инсайты.

    OWOX BI: «Хотите мы вам настроим Google Analytics?».
    Клиенты: «Хотим, но в нем же нет ROI для всех наших рекламных кампаний, мы не можем сравнить их эффективность. Нет данных ни Яндекс.Директа, ни Facebook».

    OWOX BI: «Вот вам автоматический импорт. Просто добавьте доступ к личному кабинету рекламного сервиса — и все данные будут автоматически импортироваться в Google Analytics. Вы получите ROI для всех рекламных кампаний».
    Клиенты: «Здорово, но у нас данные с CRM не сходятся. Наше руководство верит данным в CRM, а в Google Analytics нет репроцессинга и нельзя добиться того, чтобы данные полностью совпадали.
    Кроме того,  нет возможности их объединять с внутренними данными ретроспективно, тем более без Query Time Import».

    OWOX BI: «Хорошо, вот все ваши данные в Google BigQuery. Мы собрали их из Google Analytics, рекламных сервисов, систем коллтрекинга и мобильных приложений. Теперь вы можете объединять их с данными из CRM и строить любые отчеты».
    Клиенты: «Классно, но нам-то нужно во всем этом найти недооцененные кампании. А с помощью простого SQL-запроса это не рассчитать, потому что пользователь совершает несколько кликов по пути к покупке. Надо как-то распределять ценность по всем его шагам, нужно программировать, нанимать разработчиков».

    OWOX BI: «Согласны. Вот вам атрибуция на основе воронки и готовые отчеты. Вам достаточно указать эти шаги — и вы увидите недооцененные кампании».
    Клиенты: «Окей, а можно, чтобы вы сами нашли во всех этих данных зоны роста? Вот просто сказали, куда нам посмотреть, чтобы выполнить план продаж».
    OWOX BI: «Таааак... Давайте обсудим, а чего же вы ждете от маркетинг-аналитика».

    Какие задачи решает маркетинг-аналитика от OWOX BI

    1. Показываем, где выполняется и не выполняется маркетинговый план.
    В начале каждого месяца на совещании руководитель спрашивает у директора по маркетингу: «А почему план не выполнен? В каком регионе или рекламном канале мы просели?». И слышит в ответ: «Пока не знаю. Мне надо пару дней — я все посмотрю, вернусь и расскажу». Знакомая ситуация?

    Мы решили, что хватит это терпеть весь этот процесс можно автоматизировать. Здесь все просто: берем ретроспективные данные, то есть факт, и сравниваем его с планом. Важно, что это делается по разным сегментам и автоматически.

    2. Показываем, насколько вы выполните годовой план, если будете идти дальше такими же темпами, как сейчас.
    Если заранее узнать, что команда маркетинга не дотягивает в какой-то категорийной группе или в каком-то регионе, можно быстрее это исправить и улучшить результаты. Чтобы у наших клиентов была такая возможность, мы берем их данные и строим модель прогнозирования в горизонте до года. Здесь сравнивается прогноз с планом.

    3. Находим зоны роста и риски на ближайший месяц.
    Для этого мы автоматически сравниваем план и прогноз на уровне регионов, каналов, параметров и в рамках зон ответственности каждого лица, принимающего решения в компании.

    4. Помогаем найти ответ на вопрос бизнеса: «Это мы не дорабатываем или рынок просел?».
    Это всегда открытый и актуальный вопрос в любой компании, потому что для ответа на него собственных данных недостаточно. Например, если план перевыполнен, интересно узнать: это маркетологи — молодцы или на рынке что-то случилось и все побежали тратить деньги. Или, допустим, план недовыполнили на 2%. Это хороший или плохой результат для команды маркетинга? Если рынок вырос, то плохой, а если просел на 15%, то хороший.

    Рыночные данные критически важны для ответа на эти вопросы. Поэтому мы строим модель машинного обучения с учетом данных десятков тысяч других проектов. Благодаря этому вы получаете более качественные прогнозы чем те, что построены только на собственных исторических данных.

    5. Делаем отчеты в привычных и удобных для вас сервисах.
    Наш опыт показывает, когда речь заходит о новом продукте, большинство компаний не хотят внедрять еще один сервис. Клиент говорит: «У меня есть Excel (или Google Sheets, Data Studio, Tableau, Power BI). Можно, мне туда добавить прогноз?». Конечно можно, ведь практически любой сервис визуализации умеет получать данные из Google BigQuery, куда мы сохраняем результаты расчетов.

    Как выглядят готовые отчеты

    Для начала давайте посмотрим на отчеты, которые получаются в итоге, а потом мы расскажем, как они были сделаны.

    Первое и самое простое — это получить для каждого месяца три колонки: «План», «Факт» и «Прогноз».

    План, факт и прогноз на месяц

    План — дело нехитрое. Его может сделать любой аналитик в Excel. Факт мы тоже можем подсчитать, потому что у бизнеса есть эти данные. Наша задача была — добавить прогноз.

    Обратите внимание: в отчете приведены данные по состоянию на начало апреля. Как видите, у нас есть небольшой факт (месяц только начался) и есть какой-то прогноз на оставшуюся часть апреля. Соответственно за текущий месяц план нужно сравнивать с суммой факта и прогноза.

    График с планом, фактом и прогнозом

    На графике выше желтая линия — это тот план, который поставил себе клиент, синие столбцы — это уже выполненный факт, а голубые столбцы — это прогноз.

    Как искать зоны роста и риски

    Когда мы знаем план, прогноз и факт в разрезе тех параметров, которые нужны для принятия решений, мы можем построить классическую сводную таблицу в Google Sheets.

    В этой таблице есть три параметра: отчетный месяц, группа каналов (например, органический поиск, маркетплейсы, email) и регион. Базовая группировка, с которой работает большинство бизнесов. Дальше мы показываем ключевые метрики, которые нужны для управления маркетинговым бюджетом:

    • Сессии
    • Расходы
    • Транзакции
    • Доход
    • Доля расходов на рекламу (ДРР)
    • Коэффициент конверсии

    Самое интересное, что в качестве цифр мы видим не только факт, который сравнительно несложно заполнить. Мы видим также факт с прогнозом. Это значит, что уже в первые дни месяца можно понять, в каких сегментах план будет, скорее всего, перевыполнен, а в каких он будет недовыполнен.

    К сожалению, мы не всегда знаем причины: забыли пополнить счет в рекламном кабинете или кто-то забыл добавить минус-слова. Но мы точно знаем, что стоит уже сейчас обратить внимание на тот тренд, который в нашем примере есть в платном поиске и партнерском трафике:

    Из отчета мы видим, что платный поиск в Регионе 1, скорее всего, принесет меньше дохода, чем планировалось. Еще, к примеру, мы видим, что канал email, может отставать по транзакциям. Эта информация позволяет принять решение до того, как бюджет будет расходован не оптимальным образом. Или до того, как зона роста окажется в прошлом и будет упущена.

    Ну и самое хорошее — у нас есть прогноз на будущее. Он показывает к чему мы придем, если все будет развиваться так, как это происходит сейчас.

    Давайте посмотрим в деталях на некоторые элементы этой таблицы. Отклонение в процентах, которое выделено красным и зеленым цветами, считается по простой формуле:

    Формула для расчета отклонения

    Берем факт с прогнозом, то есть то, что мы скорее всего получим на конец текущего месяца. Вычитаем из этого числа план по сегменту и делим результат на тот план, который у нас был в периоде. Получившиеся цифры — это ответ на вопрос, в какой мере тот или иной сегмент влияет на отклонение от плана.

    Например, давайте посмотрим на транзакции за апрель. Мы видим там цифру −4,8%:

    Это значит, что в апреле мы на 4,8% отстаем от плана по транзакциям. Если сложить значения по всем каналам, которые идут над этой цифрой, в сумме получится −4,8%.

    Зачем так сделано? Почему мы не смотрим на относительное отклонение? Например, у нас есть какой-нибудь маленький канал (Referral). По плану там должно быть, допустим, 50 транзакций. Отклонение даже в 20 транзакций даст нам 40%. Но это не то, на что нужно обращать внимание в первую очередь, потому что есть гораздо бОльшие каналы. И если более крупный канал покажет отклонение в 10%, это для бизнеса будет гораздо важнее. Поэтому красный и зеленый цвет в таблице отвечает на вопрос, насколько важно для бизнеса обратить внимание на этот сегмент.

    На скриншоте ниже мы выделили крупнее один месяц — апрель:

    Здесь мы видим, что данные можно разложить по каналам, регионам и выделить те сегменты, на которые хотим посмотреть в первую очередь. Красный цвет — это зоны риска, зеленый — зоны роста. Конверсия помечена голубым цветом, а внизу суммирующие цифры.

    От прошлого к будущему

    Дальше хотим показать, на наш взгляд, самый важный и интересный отчет. Это восемь временных периодов, которые используются для сравнения прогноза с планом.

    1. This Year Fact — фактические показатели с начала года до текущего момента. Здесь сравниваем факт с планом, чтобы понять, насколько мы сейчас вписываемся в план.
    2. Last Month Fact — факт за прошедший месяц. Мы закрыли предыдущий месяц и легко можем посмотреть в каждом разрезе и сегменте, совпадает ли факт с планом.
    3. Last Week Fact — это факт за прошедшую неделю.
    4. This Week Forecast — прогноз на текущую неделю. Началась неделя, и мы смотри, что у нас произойдет. Куда человеку ответственному, например, за платный поиск, обратить внимание прямо сейчас, чтобы в конце недели достичь лучшего результата. Для этого надо просто избежать рисков (выделены красным) и реализовать зоны роста (выделены зеленым).
    5. Next Week Forecast — это прогноз на следующую неделю.
    6. This Month Forecast — прогноз на текущий месяц.
    7. Next Month Forecast — прогноз на следующий месяц. По нашему опыту, такой прогноз лучше строить только по Primary Dimension. То есть дробить его на второй уровень (в нашем случае это регионы) уже нецелесообразно, потому что получается очень много шума и низкое качество прогнозирования.
    8. This Year Forecast — прогноз до конца года. Его мы строим только по ключевой метрике «Доход». Опыт показывает, что прогнозировать распределение трафика по регионам и каналам и другим сегментам до конца года — не увлекательное занятие, которое приводит к большой погрешности и потере доверия к прогнозам.

    Email-рассылки для людей, принимающих решения

    Понятно, что в любой момент можно открыть и посмотреть таблицу в Google Sheets. Однако лица, принимающие решения, чаще всего ожидают, что им принесут уже готовый отчет и скажут: «Посмотрите вот сюда. Кажется, у нас здесь зона роста (проблема)».

    Это непростая задача, над которой мы еще работаем. Хотим, чтобы в итоге наши клиенты получали понятные содержательные письма, написанные человеческим языком так, как это сделал бы аналитик.

    Email с инсайтами

    Тут две проблемы. Первая — очень много нюансов. Например, кричать «Волки!» на неуправляемые каналы типа Direct мало полезно. Что делать с тем, что Referral или Direct упал? Надо фокусироваться на том, что управляется, ну а для этого нужно больше знаний для программы при поиске инсайтов.

    Вторая проблема — на такие письма отвечают: «Распишите-ка вот это подробнее». А noreply@owox.com вступать в переписку не планировал... Но мы верим, что коммуникация со стороны аналитического сервиса должна быть максимально похожа на общение с маркетинг-аналитиком. Поэтому планируем в будущем отправлять инсайты о зонах роста и рисках в мессенджерах.

    В конце письма есть интересная таблица, в которой красным и зеленым выделены результаты по основным периодам. Она сразу показывает, надо ли открывать Google Sheets и смотреть подробнее данные за этот период или не надо, есть там проблемы или нет.

    Реализация: с чего начать и как строить прогнозы

    Прежде чем приступать к построению прогнозов, нужно ответить для себя на несколько важных вопросов:

    • Какие команды будут использовать данные: Marketing, PPC, SEO, Commerce? Обычно команды используют разный набор KPI, поэтому очень важно давать именно ту информацию, которая нужна человеку для принятия решений. Если сделать один большой отчет и одно общее письмо, то их ценность и эффективность будут намного ниже.
    • С какими количественными и качественными KPI работают люди, принимающие решения? Количественные KPI — это трафик, транзакции, доход, а качественные — ROAS, ДРР и т.д. У вас в любой зоне должны быть как минимум два таких показателя. Например, хотим выполнить план продаж на Х с CPA не больше, чем Y.
    • В каком интерфейсе ЛПР удобнее всего работать с данными? Google Data Studio, Tableau, Microsoft Power BI, Google Sheets, Excel. Как бы точно вы ни рассчитали прогнозы, если результаты не попали в понятный и удобный для ЛПР интерфейс, то ценности от такого отчета будет немного.
    • По каким KPI есть цели? Как часто контролируется их выполнение: еженедельно, ежемесячно? Если KPI считается только для того, чтобы получить какую-то дополнительную картинку «сбоку», он не должен быть в приоритете. Если нет цели — скорее всего не должно быть прогноза. Прогноз нужен тогда, когда его можно сравнить с планом. Сам по себе прогноз мало о чем скажет.

    В итоге у вас получится примерно такая таблица:

    Первая колонка — это зона ответственности. В нашем примере их три: маркетинг в целом, платные PPC-кампании и органика (SEO).

    Вторая колонка — это KPI, которые используются для целеполагания и оценки эффективности в каждой из зон ответственности. Для каких-то из этих показателей есть план. Мы рекомендуем, когда вы решите взяться за прогнозирование, не менять то, что у вас уже есть. Понятно, что в бизнесе всегда можно что-то улучшить, и вам, возможно, захочется добавить в отчеты новые показатели. Но на ходу такие вещи делать не стоит. Сначала лучше автоматизировать то, что есть, а потом уже развивать, добавляя новые метрики.

    В третьей и четвертой колонках отмечаем метрики, по которым есть план и для которых мы можем построить прогноз.

    В пятой колонке мы помечаем количественные и качественные метрики, потому что их нужно по-разному отображать и к ним нужно по-разному относиться.

    Шестая колонка — это критерий сегментации. В разных зонах ответственности одна и та же метрика сегментируется по разным параметрам. Например, сессии для маркетинга интереснее сегментировать по группам каналов, а для SEO, для тех кто отвечает за органику, их лучше сегментировать по поисковой системе.

    Седьмая колонка — это второй параметр. Их может быть и больше, но и требования к объему данных должны быть выше. Потому что, чем больше параметров сегментации, тем больше нужно данных для статистически значимых прогнозов

    Последняя колонка — это количество значений конкретного параметра, которое вы хотите видеть в отчете. Зачем это нужно? Например, если бы вы не указали лимит по регионам, при разворачивании списка у вас было бы не пять регионов, а пятьсот. Многие из них слишком маленькие и, скорее всего, не информативны. Мы рекомендуем добавить лимиты, чтобы вся эта табличка как-то помещалась в Google Sheets и с ней можно было работать.

    Итак, вы построили такую таблицу и собрали все свои данные (план и факт) в Google BigQuery (или другом облачном хранилище). Что делать дальше? Первое и самое простое — обратиться в OWOX BI. Наш AI-алгоритм проанализирует ваши данные, сравнит их с данными рынка, построит прогнозы и покажет, где зоны роста и риски.

    Если же вы хотите строить прогнозы самостоятельно, существует несколько способов. Мы поделимся теми из них, которые есть в Google Cloud, потому что эта платформа нам наиболее знакома. Понятно, что в вашей компании могут использоваться другие инструменты.

    Есть три базовых способа построения прогнозов в Google Cloud:

    1. TensorFlow и CloudML — способ, чаще всего используемый Data Scientists, ребятами, которым не лень потратить время на кастомизацию моделей. Это непростые инструменты, но они позволяют добиться хороших результатов.
    2. BigQuery ML — если вы никогда не работали с машинным обучением, но у вас уже есть данные в Google BigQuery, мы рекомендуем начать с этого способа. Если у вас есть данные из Google Analytics 360, вы уже можете обучить модель, например, для расчета вероятности конверсии, оттока, любого другого параметра. Очень легко выбирать предикторы, фичи, тестировать модели. Шикарный способ для аналитика, знакомого с SQL.
    3. AutoML и CloudML APIs — самый базовый способ для разработчиков. Он позволяет легче деплоить модели, проводить их сравнение, откатывать версионирование. Идеально подходит, если вы разработчик и ваша задача — раскатать модель, которую вы построили, на продакшене.

    В результате подготовки данных вы получите примерно такую таблицу:

    Это большая таблица с данными, из которых легко можно рассчитать отклонение, конверсию или ДРР, потому что у вас для этого есть все составляющие и они сгруппированы по трем блокам: план, факт и прогноз.

    Выводы, к которым мы пришли в процессе

    1. Если вам говорят: «У нас есть маркетинговый план» — в лучшем случае это таблица в Excel, которую раз в неделю вручную обновляет аналитик.
    2. Автоматизация прогнозирования не заменяет аналитика — это просто способ повысить его эффективность. По нашему опыту, всегда нужна возможность вносить ручные корректировки. Например, в октябре мы открываем большой магазин в городе Х. Модель прогнозирования никогда этого не покажет, потому что у нее нет этого знания.
    3. Качество прогнозов значительно повышается, если кроме собственных данных использовать еще и рыночные данные. Это то, чем качественно отличается подход OWOX BI к созданию прогнозов. Мы используем данные десятков тысяч проектов, чтобы обучить модель. В результате она гораздо точнее показывает тренды рынка. Например, мы знаем, как на рынке меняется доля органического поиска, платного поиска в проектах из такой же ниши, что и у клиента. Знаем, к чему это приводит. Обогащение модели этими данными позволяет лучше чувствовать тренд и отвечать на вопрос: «Это мы молодцы или рынок растет?».
    4. Необходимо отделять расчеты от визуализации данных. Когда у вас сформулированы ожидания по точности и глубине, построить прогноз и рассчитать данные можно в строго отведенное время. Что же касается визуализации данных — это бесконечная задача, и тут нет предела совершенству.
    5. Чтобы получить качественные прогнозы с грануляцией по двум параметрам, нужен трафик на сайте от 3 млн сессий в месяц. Построить прогноз на меньшем количестве можно без сегментации, но вопрос зачем. То есть будет видно, например, что план не выполняется. А в каком сегменте он не выполняется? По каким регионам? Ответить скорее всего не получится, потому что мало данных.

    Если у вас есть исторические данные за 2 года из Google Analytics, трафик от 3 млн сессий в месяц и вы хотите выполнять маркетинговый план и расти быстрее, благодаря инсайтам, напишите нам, заполнив форму на сайте. Мы обсудим с вами детали и построим прогноз.

    ПОЛУЧИТЬ ПРОГНОЗ

    Вас также могут заинтересовать