Битрикс24: как оценить эффективность рекламы в разрезе когорт пользователей

120
5201
Материалы для скачивания
978.32 Kb

Мы работаем с Битрикс24 сравнительно недавно. Все началось с задачи автоматизировать отчеты, которые до этого делались вручную — приходилось выгружать данные по дням из GA и API рекламных сервисов. Один из отчетов был по когортному анализу. Сейчас расскажем, как мы его строили и что из этого вышло.

О клиенте

Битрикс24 — это система для организации работы компании. В нее входят инструменты для постановки и контроля задач, работы с документами, CRM-система, телефония, календарь. В последнем релизе были выпущены онлайн-конструктор сайтов, а также инструмент автоматизации маркетинга.

Редакцией Битрикс24 для компании до 12 человек можно пользоваться бесплатно. Сейчас система насчитывает более 3 млн зарегистрированных порталов в 13 доменных зонах. Посмотреть активность использования Битрикс24 можно на этой карте.

Цель

Раньше маркетологи компании работали на охват пользователей — чем больше регистраций в сервисе, тем лучше. Теперь, когда накопилась большая база активных клиентов, они решили, что можно действовать тоньше и тратить рекламный бюджет только на целевую аудиторию, которая готова покупать продукт.

Кроме того, вместе с конкуренцией растет и стоимость привлечения новых клиентов. Поэтому расходы Битрикс24 на рекламу окупаются не сразу, а только во второй или следующие месяцы после сделки (компания принимает оплату помесячно).

Чтобы грамотно использовать рекламный бюджет, маркетологи компании решили провести когортный анализ Пользователей делят на когорты и исследуют поведение когорт в определенные промежутки времени (подробнее про когортный анализ читайте в нашей статье ). Он поможет узнать, как ведут себя клиенты после регистрации, и правильно рассчитать доход с каждой когорты Группа пользователей, которые совершили определенное действие в одно время. Например, впервые посетили сайт 1 июня или совершили первую транзакцию в сентябре . Зная это, можно понять, сколько тратить на привлечение.

Сравнив поведение когорт в разрезе разных источников, каналов и кампаний, можно определить — какие из кампаний работают лучше на привлечение, а какие на удержание клиентов и повторные регистрации (один пользователь может регистрировать несколько порталов).

‘‘

Мы эволюционируем, не только как продукт, но и как команда, которая обладает определенным опытом и компетенциями. Количество переходит в качество.

Я думаю, любой бизнес со временем понимает, что показывать рекламу можно точнее, платить за это меньше, а зарабатывать больше. И мы идем к этому.

Дмитрий Кудрявский,
Руководитель отдела интернет-маркетинга Битрикс24
Дмитрий Кудрявский

Проблема

Для проведения когортного анализа нужно объединить данные из разных систем. Кроме того, работая с бесплатной версией Google Analytics, компания постоянно сталкивалась с семплированием данных.

Чтобы избежать этой проблемы или хотя бы минимизировать, аналитикам Битрикс24 приходилось выгружать из GA данные по дням.

Также в Google Analytics нет отчета по когортному анализу, который содержал бы все метрики. Компании необходимы:

  • Количество регистраций — один пользователь может регистрировать несколько порталов.
  • MAU — ежемесячные активные пользователи.
  • CR to MAU — конверсия из регистрации в активного пользователя.
  • Retention 2nd day — количество пользователей, вернувшихся на 2-й день после регистрации портала.
  • СR to retention 2nd day — доля клиентов, которые вернулись на 2-й день, от всех зарегистрировавшихся пользователей.
  • Paying Users — количество платящих пользователей.
  • CR to Paying — конверсия из регистрации в платящего пользователя.
  • Revenue SUM — доход, сгенерированный когортой.
  • Churn Rate — показатель оттока клиентов.
  • ROMI (Return on marketing investment) — коэффициент доходности маркетинговых инвестиций. ROMI = прибыль / расходы × 100%.

Решение

Аналитики Битрикс24 решили проблему, связанную с ограничениями Google Analytics, с помощью облачной базы данных Google BigQuery:

  1. Настроили импорт данных с сайта и рекламных расходов в Google BigQuery с помощью OWOX BI Pipeline.
  2. Выгрузили данные о пользователях и транзакциях из 1С в Google BigQuery с помощью Measurement Protocol.
  3. В Google BigQuery распределили пользователей по когортам и рассчитали для каждой когорты все показатели, перечисленные выше в разделе «Проблема».
  4. Передали данные из Google BigQuery в Google Sheets, где построили отчеты по когортному анализу.

Схематично движение данных можно изобразить так:

схема объединения данных с помощью OWOX BI

Теперь детальнее распишем каждый шаг компании.

Шаг 1. Передать в Google BigQuery действия пользователей на сайте и рекламные расходы

Рассмотрев все альтернативные платформы, компания выбрала для объединения данных Google BigQuery.

‘‘

Мы уже давно работаем с продуктами Google и хорошо изучили Google Analytics. Нам нравится как реализованы методы работы с данными и как все хорошо задокументировано.

Дмитрий Кудрявский,
Руководитель отдела интернет-маркетинга Битрикс24
Дмитрий Кудрявский

Специалисты Битрикс24 передают данные о действиях пользователей на сайте в Google BigQuery с помощью OWOX BI Pipeline.

Благодаря такому решению, компания:

  • Избавилась от семплирования данных и ограничений на количество параметров и показателей в отчетах Google Analytics. Подробнее об этих ограничениях можно почитать в статье.
  • Передает данные с сайта в GBQ практически в режиме реального времени — они доступны для анализа уже через 5 минут.
  • Может сравнить доходы и расходы на рекламу в разрезе сессий и пользователей и посчитать рентабельность когорт. OWOX BI Pipeline помогает распределить рекламные расходы по сессиям, благодаря этому можно увидеть во сколько вам обошлась каждая сессия пользователя.

Также с помощью OWOX BI Pipeline компания передает данные из рекламных сервисов сначала в Google Analytics (кроме AdWords — с ним у GA нативная интеграция), а затем в Google BigQuery.

Шаг 2. Передать в Google BigQuery данные о пользователях и транзакциях

Компания собирает информацию о клиентах в CRM и выгружает данные о пользователях, вернувшихся на 2-й день, активных пользователях и транзакциях в Google BigQuery с помощью Measurement Protocol.

Шаг 3. Создать когорты и рассчитать показатели

Собрав данные в Google BigQuery, аналитики Битрикс24 создали когорты и рассчитали для каждой из них необходимые метрики. Напомним, что когорта — это группа пользователей, сформированная по временному признаку или общему действию.

Например, все пользователи, которые зарегистрировались или совершили покупку в один день.

В качестве временного интервала аналитики взяли месяц, так как клиенты оплачивают продукты компании ежемесячно. А общим действием для участников когорты стала первая регистрация. То есть в одну когорту попали пользователи, которые впервые зарегистрировались, например, в июле.

После расчета метрик в Google BigQuery компания получила таблицу с данными такой структуры:

структура таблицы в Google BigQuery

Шаг 4. Построить отчеты по когортному анализу

Чтобы визуализировать отчеты, аналитики Битрикс24 передали данные из Google BigQuery в Google Sheets с помощью OWOX BI BigQuery Reports add-on.

В результате у компании получился отчет, который автоматически обновляется каждый день. В нем можно фильтровать результаты по каналам, источникам, кампаниям и параметру adContent.

отчет по когортному анализу

В целях конфиденциальности цифры на этом скриншоте изменены. Из отчета мы видим, что рекламный бюджет компании тратится не только на первые регистрации пользователей, но и на последующие. Затраты начинают окупаться только с 3-го месяца.

‘‘

Построение отчета оказалось несколько сложнее, чем мы предполагали.

Пришлось многое осмыслить, понять что мы хотим увидеть и на какие вопросы найти ответы, чтобы грамотно поставить задачу. Но оно того стоило!

Нам удалось автоматизировать ряд регулярной отчетности в отделе маркетинга. Раньше эти отчеты приходилось собирать руками, перепроверять, тратить кучу времени и сил сотрудников. Были интересные открытия. Например, что наша реклама работает не только на первичное привлечение, но и на повторные регистрации, на ретеншн.

Нет, мы догадывались об этом, но чтобы в таких объемах...

Дмитрий Кудрявский,
Руководитель отдела интернет-маркетинга Битрикс24
Дмитрий Кудрявский

Результаты

  • У Битрикс24 появился полностью автоматизированный отчет, с помощью которого можно оценить эффективность рекламных каналов, источников и кампаний в разрезе когорт пользователей, построенных по месяцам.
  • Оценив эффективность рекламы, маркетологи компании могут оптимизировать затраты, чтобы увеличить Revenue SUM (общий доход) с каждой когорты и снизить Churn Rate (отток пользователей).
  • C помощью когортного анализа компания может определить, какие источники приводят самых лояльных клиентов, и использовать это для ремаркетинга.

Если у вас остались вопросы, или вы знаете способы проще строить отчеты по когортному анализу, ждем ваших комментариев.

Использованные инструменты

Вас также могут заинтересовать