Сквозная аналитика для медицинского ритейла — кейс Первой профессиональной сети ортопедических салонов ОРТЕКА

Большинство наших клиентов собирают и агрегируют данные в облачном хранилище Google BigQuery. Там их обрабатывают, строят необходимые таблицы, которые впоследствии используют для отчетности в том же Google Data Studio.

Команда Первой профессиональной сети ортопедических салонов ОРТЕКА пошла по другому пути — настроила сквозную аналитику на базе своей внутренней системы вместо облачного хранилища. Почему выбрали такое решение, с какими проблемами столкнулись в процессе реализации и как их удалось решить, коллеги рассказали в этом кейсе.

Наши клиенты
растут на 22% быстрее

Растите быстрее, анализируя, что лучше сработает в вашем маркетинге

Измеряйте KPI, находите зоны роста и увеличивайте свой ROI

Записаться на демо

О компании

ОРТЕКА — это крупнейшая в России сеть ортопедических салонов. В ОРТЕКЕ можно приобрести ортопедические стельки и обувь, ортезы и бандажи, подушки и матрасы, компрессионный трикотаж, а также другие изделия для здорового и активного образа жизни. Салоны ОРТЕКА оборудованы лицензированными медицинскими кабинетами, в которых ведут прием врачи — Семейные ортопеды.

Задача

ОРТЕКА присутствует в 10 крупных регионах страны. Уже открыто более 200 салонов, и мы продолжаем расширять географию присутствия. Офлайн-продажи остаются ключевым направлением компании. Кроме того, мы оказываем медицинские услуги (что отличает нашу компанию от привычной розницы или медицинского центра), поэтому часть трафика приходится на пациентов, которые обращаются за консультацией к Семейному ортопеду ОРТЕКИ. При этом сайт ОРТЕКИ — крупнейший интернет-магазин в России, предлагающий ортопедические изделия для заботы о здоровье. 

Соответственно, у нас есть два огромных пласта данных (онлайн и офлайн), которые нужно было связать между собой. Нам важно знать: в какой момент, после какой точки касания пользователь становится нашим клиентом; кто из них новый клиент, а кто покупает повторно; где пересекаются наши онлайн- и офлайн-клиенты, на каком этапе принимается решение.

‘‘

Основная задача, которую решала команда ОРТЕКИ в этом кейсе, — консолидация всех данных в единой системе. Нужно было настроить сквозную аналитику от первого касания до последующих чеков с детализацией до ключевого слова (если мы говорим о контекстной рекламе). Можно сделать тысячу Excel-таблиц, но так и не ответить на вопрос, к примеру, сколько стоило привлечение конкретного клиента с конкретного канала. А когда все данные собраны и консолидированы в единой системе — они понятны и прозрачны.

Для чего это необходимо? Для обогащения знания о паттерне поведения нашей ЦА, оптимизации расходов, оптимизации сплит-каналов и понимания того, сколько стоит тот или иной клиент, идентификации клиентов для построения ROPO-отчета. Его финальная реализация планируется в феврале 2022 г.

Марина Новикова,
руководитель отдела трейд-маркетинга и рекламы ,
ОРТЕКА

Проблема

Все маркетинговые данные ОРТЕКИ собираются и хранятся в разных системах:

  • расходы на рекламу — в рекламных сервисах;
  • источники трафика и поведение пользователей на сайте — в Google Analytics;
  • продажи — в 1С Розница;
  • данные о клиентах — в 1С Медицина, в которой наши врачи ведут полноценный прием пациентов.

Не все онлайн-воронки завершаются покупками на сайте. Пользователи могут выбрать товар или услугу онлайн, а затем оплатить его в нашем салоне. Чтобы узнать реальное влияние онлайн-рекламы и посещений сайта на офлайн-покупки, нужно построить ROPO-отчет. А для этого нужно связать онлайн-посетителей с офлайн-покупками по общим идентификаторам.

‘‘

В качестве единого аналитического окна мы используем QlikView, куда и собираем данные из всех этих источников. Раньше мы делали это вручную. Сложность заключалась в том, чтобы соотносить эти данные между собой. К примеру, данные по рекламным кампаниям связывались вручную по номеру заказа. Потом добавлялся номер телефона пользователя, который зарегистрировался на сайте. Сбор данных и их последующая аналитика занимали почти целый рабочий день, поэтому остро возникла потребность автоматизировать процесс.

Дмитрий Дутлов,
руководитель направления performance-маркетинга ,
ОРТЕКА

Решение

Почему мы решили объединить данные во внутреннем хранилище, а не в облаке? При поиске оптимального решения по построению хранилища данных мы руководствовались инструментами, которые уже имеем, требованиями к системе, а также целями бизнеса.

‘‘

Мы поставили перед собой 2 большие задачи: первая — внедрить большой объем данных BQ, вторая — связать данные с текущей архитектурой информации. Согласно нашей концепции работы, любой сотрудник компании, независимо от уровня компетенции в технических вопросах, может получить нужные данные с помощью централизованной системы аналитики. 

Также в компании мы придерживаемся системы сбалансированных показателей, основная идея которой – это влияние множества показателей (финансовых/нефинансовых) на достижение целей компании. Это становится возможным только при централизации аналитики в одном окне.

Ксения Данилина,
руководитель аналитического отдела ,
ОРТЕКА

Также хочется отметить, что одним из наших приоритетов является безопасность персональных данных клиентов. Выбранное решение соответствует требованиями политики database security, ведь QlikView работает на физическом сервере, принадлежащем компании.

Все данные из BQ проходят ETL – процесс, во время которого мы загружаем данные с BQ, адаптируем их под нашу архитектуру. Происходит маппинг по заложенным правилам, и данные загружаются в BI.

Ниже схематично показано внедрение блока BQ в текущую архитектуру ОРТЕКИ. Для построения сквозной аналитики мы объединили данные из различных источников, где:

  • Google Analytics – сбор данных с сайта ОРТЕКИ;
  • потоки OWOX BI – уже настроенные каналы передачи данных/метрик из GA в облачное хранилище Google Cloud Platform, в раздел BigQuery;
  • BigQuery – облачное хранилище данных/метрик, настроенное подрядчиком OWOX;
  • CRM система + дополнительные БД – 1C. Часть данных получаем из 1С. Данные по продажам в рознице, информация по СМС-рассылкам и ЕОС тянутся с FTP-сервера, с СМС и SIP через колл-центр;
  • система коллтрекинга – К50;
  • BI-система QLIK VIEW – место связи всей информации из внешних источников и внутренней CRM-системы.

На момент старта проекта в QlikView уже собирались данные о взаимодействии ОРТЕКИ с клиентами, например о результатах звонков и SMS-рассылок. Для полной картины оставалось добавить информацию о расходах на рекламу и источниках трафика. С этой задачей помог OWOX BI. OWOX BI автоматически собирает сырые данные о поведении пользователей на сайте, а также информацию о расходах из рекламных сервисов и передает их в BigQuery.

OWOX BI в автономном режиме загружает расходы в Google Analytics и Google BigQuery, распределяя их по сессиям согласно UTM-меткам. Благодаря этому, можно узнать, сколько потрачено на привлечение конкретного сегмента пользователей, рассчитать ROI и ДРР для разных когорт, товарных групп и посадочных страниц. 

Сервис также проверяет UTM-метки в кампаниях и сообщает о возможных ошибках, распознает динамические параметры, конвертирует расходы в единую валюту и ретроспективно обновляет данные, если они изменились в рекламных сервисах. После обработки данных в BigQuery информация передается в QlikView.

Результат

В итоге мы получили конструктор отчетов (готовых и часто используемых), который помогает команде маркетинга не только быстро выполнять свою ежедневную работу, но и оперативно давать ответы на вопросы топ-менеджеров.

‘‘

Если сейчас на встрече с финансовым и исполнительным директорами компании меня спросят: «Сколько компания получила продаж из Instagram на дату?», я смогу тут же открыть нужный отчет, выбрать источник Instagram, посмотреть в разрезе канала (cpc, direct и т.д.), показать текущую выручку/расход/статус клиента. Условно говоря, это аналитика в три клика.

Марина Новикова,
руководитель отдела трейд-маркетинга и рекламы ,
ОРТЕКА

Визуальная составляющая такого большого проекта очень важна. Максимально наглядные и простые в использовании инструменты помогают оперативно найти нужные данные. Вся информация формируется в виде отчета, который мы называем «Конструктор». В нем можно посмотреть количество оформленных заказов (броней) по каждому источнику трафика и отфильтровать нужный.

Также появились дашборды, с помощью которых удобно отслеживать основные KPI-показатели работы операционного маркетинга, своего рода маркеры, показывающие эффективность. Это все соответствует критериям системы сбалансированных показателей, которую мы уже упоминали.

Как повлияло реализованное решение на достижение наших KPI?

Стало намного меньше операционной работы — вместо пяти окон все данные теперь доступны в едином окне. Если ранее сотрудник тратил почти один рабочий день на анализ информации и подготовку отчетов, то теперь этот процесс занимает буквально пару минут в системе QlikView. При этом вероятность возникновения ошибок в данных сведена до минимума.

Также мы стали отслеживать ключевой показатель CAC (стоимость одного клиента) в разрезе эффективности рекламных кампаний. Уже сейчас мы видим успешные результаты внедрения OWOX на примере управления рекламными кампаниями. Сквозная аналитика позволяет нам снижать ДРР, в ближайшее время планируем уменьшить показатель с 13% до 8-9%.

Ближайшие планы

Мы продолжаем развивать проект дальше. Например, сделали интеграцию с К50 в нашу BI систему, что позволяет нам отслеживать путь клиента от звонка в нашу Единую Ортопедическую Справочную, т.е. мы охватываем все каналы взаимодействия с клиентом, максимально стараемся наладить омниканальное поведение.

Также мы продолжаем работать над post-view аналитикой. Многих компаний, как и нас, интересует, нужно ли давать рекламу и тратить деньги на брендовые запросы. Сейчас, имея такие данные, можно уже точнее ответить на этот вопрос. Понимая, какие рекламные каналы лучше работают, мы распределяем клиентов по когортам, анализируя потребительское поведение. У нас появляются паттерны, на которые можно сделать фокус.

В планах нам хотелось бы настроить аналитику на real-time данных, чтобы была возможность смотреть основные KPI в реальном времени, ведь специфика нашего бизнеса требует немедленного реагирования.

‘‘

Проект «Сквозная аналитика» в ОРТЕКЕ – это несколько больше, чем анализ данных в классическом понимании. Это развитие омниканального метода оценки потребительского поведения, значительное увеличение глубины анализа. По сути, мы видим каждое взаимодействие клиента с ОРТЕКОЙ вне зависимости от того, происходит оно онлайн или офлайн. Уверена, что наши клиенты также почувствуют точность и привлекательность предложений, выстроенных в результате нашей работы.

Ксения Данилина,
руководитель аналитического отдела ,
ОРТЕКА