Отзывы и кейсы
Кейсы

Как мы собрали всю аналитику в единую систему и увеличили активные подписки в 2 раза

Кейсы justfood
justfood — сервис доставки здорового питания на каждый день. Компания работает восемь лет, доставляет питание в Москве и Подмосковье.

Задача: создать автоматизированную систему аналитики для клиента и избавить его от ручной обработки данных

Когда justfood обратилась к нам в 2020 году, бизнес находился в стадии масштабирования и активного роста, уже были найдены Product-Market Fit, Product-Channel Fit и привлечены инвестиции.
Product-Market Fit — степень соответствия продукта интересу и потребностям клиента.
Product-Channel Fit — степень соответствия атрибутов продукта требованиям конкретного канала продвижения.
Клиент пришёл с проблемой: сбор аналитики был сложным и долгим. Специалисты вручную вытаскивали всю информацию из разных каналов, а потом формировали отчёт по каждому каналу отдельно. Это занимало много времени и данные быстро теряли актуальность. Нас попросили собрать всю аналитику в одном месте, автоматизировать этот процесс и увеличить количество активных подписок в два раза.

Результат: сделали систему аналитики, которая помогла быстро отсеять ненужные рекламные каналы

Внедрили новую систему отчётности: все цифры, которые раньше собирали в сервисах вручную и размещали в Google Sheets, теперь находятся в одной большой маркетинговой базе данных. Сейчас каждое утро компания получает актуальный отчёт по каналам. Это сильно упростило аналитическую работу и принятие решения, например какой канал эффективнее на данный момент.
Спустя год после внедрения сквозной аналитики, активных подписок стало в 2 раза больше.
Сергей Королев, СЕО justfood:

Внедрение единой системы добавило не только управляемости, но и прозрачности для всей команды. Благодаря корректным отчётам, мы все стали лучше понимать, куда расходуются средства, и с какой эффективностью: что происходит с привлечением новых клиентов, какая у нас конверсия. Появился общий контекст для всей команды.

Как мы это сделали

Провели этап проектирования: наша команда детально изучила все бизнес-процессы, историю и всё, что поможет понять маркетинговую ситуацию клиента на момент обращения. На этом этапе мы определили проблемы в аналитике. Это важный момент, потому что так мы сразу видим, куда направить ресурсы в первую очередь, а что отпадёт само собой после решения ключевых задач.

Какие проблемы мы обнаружили у клиента

Валовые отчёты оценивались в разрезах LastClick. Что с точки зрения финансовой отчетности было верно, но со стороны маркетинга — нет. При этом в рамках существующей аналитики в Exсel строить когортные отчеты было трудозатратно.
Last Click-атрибуция показывает, какой маркетинговый канал привёл клиента к покупке, то есть, был последним перед целевым действием.
First Click-атрибуция показывает первый канал, который затронул клиент, но не учитывает все последующие касания перед покупкой.
Неподходящие атрибуции. Использовались атрибуции LastClick и FirstClick. Эти модели неэффективны, если речь идёт о нескольких каналах продвижения. LastClick не покажет, как клиент принимал решение о покупке до ключевого перехода. А FirstClick показывает только первое касание, которое почти не играло роли в принятии решения о покупке. Каналы, которым присвоят конверсию эти модели атрибуции, могут быть слабыми, и при попытке их масштабировать, компания потеряет деньги.
Ошибочные выводы из-за атрибуций. Каждая покупка отслеживалась по атрибуции LastClick, поэтому покупка приписывалась последнему источнику. Хотя на окончательное решение о покупке могло повлиять что угодно из следующих касаний.
Некорректно оценивалась эффективность рекламных каналов. Основное продвижение шло через таргетированную рекламу в Инстаграм* и Facebook*. Кроме этого использовался канал блогеров, но в аналитике эффективности инфлюенс-маркетинга факт участия блогера терялся. Так происходило, потому что кроме этого канала было ещё множество источников перехода к покупке. А эффективность оценивали по LastClick и FirstClick атрибуциям без участия промокода.
Компания Meta Platforms Inc., которой принадлежит Facebook, признана экстремистской, а её деятельность запрещена на территории РФ.
Расхождения с подрядчиками. В сервисе, где закупили рекламу всё выглядит отлично, а в отчёте компании результаты сильно хуже. Это мешало принимать решения.
Стандартные расчёты. Аналитику каналов собирали двухнедельными периодами, а итоговые цифры — каждый месяц. Такой подход не показывает, какие каналы приносят прибыль, а какие бесполезны.
Отсутствие профилактики. Не было регулярных проверок здоровья данных: не проводилась проверка сделок и трафика, для которых не был определен источник, разбор не привязанного, отслеживания корректного прокидывания параметров в СRM-систему.
Кроме проблем, которые я описал выше, была еще одна сложность — бизнес клиента отличается от стандартных моделей. Чтобы понимать всю ситуацию с рекламными кампаниями важно учитывать: количество новых подписок и LTV на одного клиента, эффективность каналов продаж и всю воронку в целом.
Андрей Щербаков, СМО justfood:

Мы хотели максимально оперативно получать от IT-Agency данные по каналам и заказам. И ожидали, что агентство поможет нам эффективно расходовать бюджет на маркетинг.

Как решали эти проблемы

Начали с того, что внедрили настраиваемые модели атрибуции, которые учитывают все точки касания клиента. Конверсии теперь присваиваются не только поиску по бренду и каналам коммуникации, но и другим источникам, которые можно масштабировать: партнёркам, блогерам, соцсетям.
Из-за ошибок в аналитике данных в отчётах неверно определялись и присваивались конверсии различным точкам контакта с клиентом. Мы нашли эту ошибку и исправили.
Для сотрудничества с блогерами внедрили систему уникальных промокодов. В отчётах настроили атрибуцию с приоритетом промокода. Это прояснило эффективность канала — кто из блогеров больше приводит клиентов. В итоге канал удалось успешно масштабировать.
Для соцсетей вывели на дашборд сразу три атрибуции: как видит результат рекламы подрядчик и как видит СМО, с учётом новой модели, где собраны все точки касания клиента.
Дашборд — аналитическая панель, на которую выведены все ключевые метрики, показатели и цели процессов.
Принимать решение о масштабировании стало проще, и рекламный канал в соцсети вырос в шесть раз без потери эффективности.
Андрей Щербаков, СМО justfood:

Удобно, что в новом отчёте мы можем сгруппировать источники по разным признакам, например, отделить экспериментальные кампании от стабильно работающих.
Далее мы сделали клиенту систему аналитики, и атрибуцию для основных этапов воронки на основе регистраций. Это упростило оценку эффективности: каналы привлечения новых клиентов оцениваются по тому, как они приводят новых клиентов. А каналы коммуникации — по тому как они дожимают привлеченных клиентов до покупки.
Триал — пробный период использования продукта с подключением платной подписки.
Андрей Щербаков, СМО justfood:

Факт: через шесть месяцев количество клиентов удвоилось, стоимость привлечения клиента выросла на допустимые 20%.

Здорово, что наиболее важные источники трафика можно выделить в отдельные отчеты со своими настройками и группировками. Для поисковой рекламы мы разделили брендовый и небрендовый трафик. В отчете по SEO — коммерческие и информационные запросы. А в сводке по блогерам создали группы по тематикам.
Мы углубили ежемесячную аналитику до ключевых слов, групп объявлений, креативов и привязали её к когортам, а не к месяцам, как было раньше. Сразу стало видно, какие каналы для привлечения работают лучше, а что можно отключить. Внедрение такого анализа помогло прогнозировать доход от клиентов на ранних этапах.
Андрей Щербаков, СМО justfood:

Когортный анализ позволил ежедневно снимать данные об эффективности каждого канала и быстрее принимать правильные решения. До внедрения новой системы мы собирали отчёт по когортам руками, раз в пару недель.

Глубокая аналитика до LTV на уровне кампаний, адсетов, объявлений и ключевых слов позволяет качественнее управлять каждым каналом.
Когорта — сегмент целевой аудитории или группа людей, объединённая общими характеристиками.
LTV — Lifetime Value или жизненный цикл клиента.
После работы с аналитикой каналов, мы разобрали взаимодействие с клиентами. Оказалось, что клиенты на рынке доставки рационов имеют свои особенности поведения: после небольшого периода, стандартные схемы работы реактивации перестают работать. Поэтому было принято решение: после определенного периода менеджеры считают таких уснувших клиентов новыми и соответственно с ними и работать.
В рамках прежней аналитики это было невозможно. Сейчас — вопрос секундного переключения модели атрибуции.
Андрей Щербаков, СМО Justfood:

Круто, что мы можем работать с разными моделями атрибуции, заводить кастомные. Например, с помощью атрибуции «Last Click 60 дней» мы начинаем считать новых пользователей, которые не были активны более 60 дней. Это помогает работать над реактивацией.

Бонусы от внедрения сквозной аналитики

Новая модель атрибуции для каждого из этапов воронки и правильный когортный анализ подтвердили гипотезу: пробный продукт с большой скидкой хорошо работает на конверсию в подписку.
Андрей Щербаков, СМО justfood:

Мы настолько привыкли и срослись с новой системой, что сейчас, сложно представить работу без IT-Agency. Помню, что на том этапе, когда мы работали сами, часть показателей мы смотрели в недельных разрезах, а иногда и с задержкой в месяц или даже больше. Сейчас это ежедневная активность, и представить себе, что аналитику и отчёты можно делать иначе, сложно.

Ребята из IT-Agency помогли нам сконцентрироваться на самом главном показателе бизнеса — продажах, а не на кликах и показах.
Сергей Королев, СЕО Justfood:

Благодаря IT-Agency наш маркетинг стал более управляемым. Мы стали лучше понимать откуда именно приходят клиенты — с точностью до кампаний и объявлений. Увидели, где деньги тратятся эффективно, а где нет. Это позволило нам решительнее инвестировать в рост и быстрее проводить эксперименты. Мы поняли, где и как привлекать новых клиентов, научились отсеивать нерезультативные каналы и перераспределять бюджеты в пользу эффективных.