Сквозная аналитика для гипермаркета «Первый мебельный»

О компании «Первый мебельный»

«Первый мебельный» — это федеральная сеть мебельных магазинов. Первый магазин был открыт в 2015 году. Сейчас в сеть входят 11 магазинов по всей России, а доставка осуществляется по 150 городам.

Мы производим продукцию под собственными торговыми марками, что позволяет продавать товары по рыночным ценам с хорошей маржой. Товарный каталог содержит более 25 000 позиций. Каждый день мы продаём более 1500 предметов мебели. То, чего нет в торговом зале – можно заказать на сайте или через терминалы установленные в магазине. Наш сайт занимает 5 место по трафику среди мебельных сайтов России и входит в ТОП-100 интернет-магазинов России по отчету аналитиков Data Insight за 2020 год.

бонус для читателей

Лучшие маркетинг-кейсы от OWOX BI

Скачать материал

Задача

У нашего отдела маркетинга есть долгосрочная цель — растить базу постоянных покупателей и стимулировать их к повторным покупкам. Мы хотим перераспределять свой рекламный бюджет в пользу тех кампаний, которые привлекут покупателей, а не просто посетителей.

Отчеты в Google Analytics не подходят нам из-за семплирования данных. К тому же, стандартная модель атрибуции Last Non-Direct Click не учитывает все взаимодействия с пользователем в нашей воронке продаж. А привычная отчетность в Excel с ручным сведением всех расходов, доходов и т. д. отнимает слишком много времени.

Поэтому перед нами стояла задача — автоматизировать сбор данных и построение отчетов, а также выбрать модель атрибуции, которая бы позволяла корректно управлять рекламными кампаниями.

Решение

Для настройки сквозной аналитики и автоматизации отчетности мы использовали OWOX BI и Google BigQuery. Это продукт экосистемы Google. У него высокая скорость обработки данных и невысокий ценник. К тому же, данные из BigQuery можно подтянуть практически во все известные инструменты визуализации.

С помощью OWOX BI мы передаем в Google BigQuery расходы из рекламных сервисов и все хиты с сайта, которые объединяются в сессии. Также мы выгружаем в BigQuery онлайн-заказы из нашей CRM и заказы розничных магазинов из 1С.

Кроме того, мы создали справочники, которые связывают номенклатурные значения из 1С и наименования товаров на сайте.

Схема движения данных:

Схема движения данных OWOX BI

Данные, собранные и обработанные в Google BigQuery, мы используем для создания дашбордов в Power BI, с которыми работают маркетологи. Они анализируют данные за период и вносят необходимые изменения в рекламные кампании. Смотрят, как отрабатывают недавно запущенные кампании. Выгружают некоторые данные в Excel и работают с ними самостоятельно.

Также эти отчеты помогают понять, насколько растут наши онлайн-продажи в регионах, где открываются новые розничные магазины. Или, к примеру, насколько выше доля повторных заказов в городах, где нас уже знают (давно есть розничные магазины).

Результат

Теперь мы тратим существенно меньше времени на сведение данных для отчетности.

Мы понимаем, какие рекламные активности помогают привлекать новых клиентов, а какие — уже покупавших у нас (в том числе в рознице). И все это в разрезе устройств и регионов. Можем рассчитать стоимость привлечения, LTV и ценность клиента, а также во сколько нам обошелся каждый заказ. Видим полную картину по трафику: даже «большие» сессии, которые через Google Analytics «не доезжают».

В дальнейшем планируем использовать собранные данные для создания рекламных сегментов и аудиторий.

‘‘

Мы довольно быстро провели интеграцию OWOX BI и стали получать необходимые данные в GBQ. Сотрудники OWOX всегда оперативно помогают с возникающими вопросами. Нам был настроен отчет в Google Data Studio по биллингу расходов GBQ. На данный момент мы еще не реализовали весь потенциал от собранных с помощью OWOX данных в GBQ, но активно продолжаем строить новые отчеты, которые позволяют нам принимать верные решения по росту прибыли нашей компании.

Александр Дерябкин,
Веб-аналитик ,
«Первый мебельный»