Как мы внедряли атрибуцию на основе воронки у себя в OWOX BI. Актуальный кейс для SaaS B2B проектов

23
1806
Материалы для скачивания
978.32 Kb

У SaaS B2B бизнесов воронки продаж зачастую сложнее, чем у Ecommerce-проектов, а многие взаимодействия с клиентом происходят в офлайне: демо, встречи, телефонные звонки. Если у вас как раз такой бизнес, то вы наверняка сталкивались с вопросом «Как оценить эффективность всех маркетинговых усилий?». Хотим поделиться, как мы решили эту задачу в OWOX BI.

В статье расскажем, как нашли ответы на три основных вопроса:

  1. Какой доход атрибутировать?
  2. На что его атрибутировать?
  3. По какой логике атрибутировать?

Задача

OWOX BI — это B2B сервис с подпиской. Львиная доля наших усилий, направленных на получение дохода, происходит вне сайта. Мы размещаем контекстную рекламу, проводим обучающие вебинары, встречи с потенциальными клиентами, организовываем конференции, которые помогают находить новые лиды и продвигать их по воронке и т.д. Всем этим занимаются разные отделы: Marketing, Events, Sales, Product, Customer success и Support.

Чтобы понять, какие действия приносят больше прибыли, а какие убыточные, нам нужно правильно оценить их эффективность.

Решение

Какой доход атрибутировать

Если у вас Ecommerce-проект, то тут все просто — вы атрибутируете доход с каждой покупки. Но что делать подписочным сервисам, у которых оплата не разовая, а регулярная? Решая этот вопрос, мы перебрали несколько вариантов, пока не нашли подходящий.

Проще всего было бы атрибутировать первый платеж. Но этот вариант нам не подходит, так как мы хотим учитывать все платежи клиента на протяжении пользования OWOX BI. Кроме того, привлечением и удержанием клиентов в нашей компании занимаются разные команды, и мы хотим оценивать их работу отдельно.

Можно было бы атрибутировать LTV Прибыль, которую компания получает от одного клиента за все время сотрудничества с ним или прогнозируемый LTV, но тут тоже есть свои нюансы:

  • Посчитать реальный LTV можно только после того, как клиент перестанет быть нашим клиентом.
  • Прогнозируемый LTV — недостоверный показатель, зависящий от размера компании и выбранного ею тарифа.

В итоге мы решили, что ценность клиента нужно измерять не первым платежом, а суммой всех ежемесячных платежей. Но при этом неправильно просто взять и атрибутировать прогнозируемый LTV, потому что мы этих денег фактически еще не получили. Поэтому ценность клиента (а точнее его первого платежа) мы считаем по формуле:

Ценность клиента = Прогнозируемый LTV — полученный за всё время доход с клиента.

Например, есть клиент с прогнозируемым LTV — $1200. Он платит по $100 в месяц и уже сделал 3 платежа. Ценность первого платежа этого клиента на текущий момент составит $900, то есть $1200 − (3×$100).

На что и по какой логике атрибутировать доход

Некоторые модели атрибуции имеют существенный недостаток: если оценить с их помощью разные рекламные каналы, а потом сложить получившиеся цифры, то атрибутированный доход может быть выше, чем реально заработанный. Такой результат показывают, к примеру, ассоциированные конверсии или одновременное использование моделей First Click и Last Click.

Поэтому для объективной оценки мы объединили усилия всех пяти команд. В итоге в нашей воронке получилось примерно 40 событий:

  1. Marketing: контент-маркетинг, вебинары, платная реклама, email-маркетинг.
  2. Events: визиты на сайт конференции, покупка билетов.
  3. Sales: демо, персональные письма, звонки, встречи, чаты.
  4. Product: Pipelines, Attribution, Smart Data, Trial, Freemium.
  5. Customer success и Support: индивидуальные письма, обращения в чат, встречи и другие.

Вопрос, какую модель атрибуции выбрать, мы решали недолго. Использовали собственную атрибуцию на основе воронки, потому что она учитывает вклад каждого канала в продажи и взаимное влияние каналов, а также отлично подходит для сложных, нелинейных воронок. Если вкратце, то модель рассчитывает вероятность перехода с любого шага воронки на любой другой шаг и распределяет ценность по принципу: чем меньше вероятность, тем больше ценности получают усилия, побудившие клиента пройти этот шаг.

воронка атрибуции по пользовательским событиям
Фрагмент нашей воронки

Что касается технической стороны вопроса, то все данные, необходимые для расчета атрибуции, мы объединяем в облачном хранилище Google BigQuery. Речь идет про события из Google Analytics, CRM, Gmail, Calendar, Intercom и т.д.

Кроме того, у нас есть дополнительный идентификатор пользователей OWOX User ID, который помогает анализировать пересечение аудиторий на разных доменах и сайтах, даже если не было прямого перехода.

Также у нас есть Project ID, который позволяет отслеживать события на уровне проектов, а не пользователей. Это удобно, потому что часто у корпоративных клиентов первые шаги воронки проходит один человек, середину — другой, а оплату совершает третий.

Результаты

Чтобы вычислить и сравнить ROI всех отделов, нам нужно было учесть не только доходы, но и расходы. К ним мы отнесли зарплаты сотрудников, а также сопутствующие траты на контекстную рекламу, техническую инфраструктуру и т.д.

В результате мы получили таблицы и дашборд, которые помогают оценить, как все наши усилия влияют на полученный доход. Все суммы на скриншотах приведены для примера.

1. Таблица с доходами и расходами команд:

В этом отчете мы можем увидеть, сколько потратила и заработала каждая из команд в определенном месяце. Также в таблице есть такие показатели, как запланированные расходы и прогнозируемый доход.

Мы учитываем их, потому что у нас длинный цикл продаж и от знакомства с клиентом до конверсии может пройти несколько месяцев. Например, если оценивать работу отдела маркетинга за последние три месяца, может показаться, что все очень грустно. А на самом деле эти усилия могут принести нам долгожданные конверсии, скажем, через полгода.

2. Таблица с ROI команд:

Этот отчет помогает нам анализировать доходы, расходы и ROI чуть глубже — в разрезе усилий, которые прилагает команда. Здесь же мы можем увидеть итоговый ROI каждой команды с учетом ее вклада в продвижение пользователя по воронке продаж. На нашем скриншоте показатель доходности отдела Sales −30,73% (цифра приведена для примера). О чем это говорит? Возможно, в текущем отчетном периоде сейлзы занимались лидами, которые еще не конвертировались в клиентов, но сделают это в ближайшее время. В противном случае это сигнал для того, чтобы пересмотреть бюджетирование отдела. Однако не стоит забывать, что есть активности, на которые нельзя выделять меньше денег — развитие продукта, например.

3. Дашборд с реальной и прогнозируемой ценностью усилий:

Этот отчет объединяет и иллюстрирует все ключевые показатели из предыдущих таблиц: ROI, фактический и прогнозируемый доход, реальные и запланированные расходы.

Столбчатая диаграмма в верхней части дашборда показывает, как распределены по месяцам все показатели, кроме ROI. Круговая диаграмма внизу дает понять, какую долю дохода принесла каждая из команд, а диаграмма в правом нижнем углу сравнивает ROI всех отделов.

Выводы

  • Теперь у нас есть единая модель атрибуции, которая считает эффективность всех команд. Благодаря этому наш общий атрибутированный доход совпадает с тем доходом, который мы реально получаем. При этом мы видим как картину в целом, так и детали по каждому из отделов.
  • Для справедливой оценки крайне важно измерять и отслеживать все усилия команды. В первых версиях нашей модели не учитывалась некоторая работа отдела продаж (письма клиентам, встречи, звонки). Теперь мы все это оцифровали и используем в расчетах атрибуции.
  • При оценке эффективности отделов мы учитываем прогнозируемый доход, так как наши усилия приводят к результату спустя некоторое время. Мы делаем больше для привлечения пользователей на первые шаги воронки, зато потом они остаются с нами надолго и приносят уже реальный доход.
  • Мало просто узнать эффективность отдела и перераспределить бюджет. Нужно учесть емкость канала. Если какая-то деятельность кажется рентабельной, перед тем, как вкладывать в нее ресурсы, нужно понять, насколько она масштабируется. Всегда есть точка невозврата, после которой дополнительные инвестиции в канал перестанут окупаться.

Если наша статья вдохновила вас настроить похожую модель атрибуции, но у вас остались вопросы — задавайте их в комментариях. С радостью поможем!

Использованные инструменты

Вас также могут заинтересовать