Оцінка ефективності рекламних каналів в розрізі когорт користувачів - кейс Бітрікс24 і OWOX BI

1. Про клієнта
2. мета
3. проблема
4. Рішення
5. Крок 1. Передати в Google BigQuery дії користувачів на сайті і рекламні витрати
6. Крок 2. Передати в Google BigQuery дані про користувачів і транзакції
7. Крок 3. Створити когорти і розрахувати показники
8. Крок 4. Побудувати звіти по когортного аналізу
9. результати

Матеріали для скачування

Кейси по маркетинг-аналітиці

978.32 Kb

Ми працюємо з Бітрікс24 порівняно недавно. Все почалося з завдання автоматизувати звіти, які до цього робилися вручну - доводилося вивантажувати дані по днях з GA і API рекламних сервісів. Один зі звітів був по когортного аналізу. Зараз розповімо, як ми його будували і що з цього вийшло.

Про клієнта

Бітрікс24 - це система для організації роботи компанії. У неї входять інструменти для постановки і контролю завдань, роботи з документами, CRM-система, телефонія, календар. В останньому релізі були випущені онлайн-конструктор сайтів, а також інструмент автоматизації маркетингу.

Редакцією Бітрікс24 для компанії до 12 осіб можна користуватися безкоштовно. Зараз система налічує понад 3 млн зареєстрованих порталів в 13 доменних зонах. Подивитися активність використання Бітрікс24 можна на цій мапі .

мета

Раніше маркетологи компанії працювали на охоплення користувачів - чим більше реєстрацій в сервісі, тим краще. Тепер, коли накопичилася велика база активних клієнтів, вони вирішили, що можна діяти тонше і витрачати рекламний бюджет тільки на цільову аудиторію, яка готова купувати продукт.

Крім того, разом з конкуренцією зростає і вартість залучення нових клієнтів. Тому витрати Бітрікс24 на рекламу окупаються не відразу, а тільки в другій або наступні місяці після операції (компанія приймає оплату помісячно).

Щоб грамотно використовувати рекламний бюджет, маркетологи компанії вирішили провести когортний аналіз користувачів ділять на когорти і досліджують поведінку когорт в певні проміжки часу (докладніше про когортний аналіз читайте в нашій статті ). Він допоможе дізнатися, як поводяться клієнти після реєстрації, і правильно розрахувати дохід з кожної когорти Група користувачів, які здійснили певну дію в один час. Наприклад, вперше відвідали сайт 1 червня або зробили першу транзакцію в вересні. Знаючи це, можна зрозуміти, скільки витрачати на залучення.

Порівнявши поведінку когорт в розрізі різних джерел, каналів і кампаній, можна визначити - які з кампаній працюють краще на залучення, а які на утримання клієнтів і повторні реєстрації (один користувач може реєструвати кілька порталів).

проблема

Для проведення когортного аналізу потрібно об'єднати дані з різних систем. Крім того, працюючи з безкоштовною версією Google Analytics, компанія постійно стикалася з семплірованіє даних.

Щоб уникнути цієї проблеми або хоча б мінімізувати, аналітикам Бітрікс24 доводилося вивантажувати з GA дані по днях.

Також в Google Analytics немає звіту по когортного аналізу, який містив би всі метрики. Компанії необхідні:

• Кількість реєстрацій - один користувач може реєструвати кілька порталів.
• MAU - щомісячні активні користувачі.
• CR to MAU - конверсія з реєстрації в активного користувача.
• Retention 2nd day - кількість користувачів, які повернулися на 2-й день після реєстрації порталу.
• СR to retention 2nd day - частка клієнтів, які повернулися на 2-й день, від усіх зареєстрованих користувачів.
• Paying Users - кількість платять користувачів.
• CR to Paying - конверсія з реєстрації в платить користувача.
• Revenue SUM - дохід, згенерований когортою.
• Churn Rate - показник відтоку клієнтів.
• ROMI (Return on marketing investment) - коефіцієнт прибутковості маркетингових інвестицій. ROMI = прибуток / витрати × 100%.

Рішення

Аналітики Бітрікс24 вирішили проблему, пов'язану з обмеженнями Google Analytics, за допомогою хмарної бази даних Google BigQuery :

1. Налаштували імпорт даних з сайту і рекламних витрат в Google BigQuery за допомогою OWOX BI Pipeline .
2. Вивантажили дані про користувачів і транзакції з 1С в Google BigQuery за допомогою Measurement Protocol.
3. В Google BigQuery розподілили користувачів по когортам і розрахували для кожної когорти всі показники, перераховані вище в розділі "Ознаки".
4. Передали дані з Google BigQuery в Google Sheets, де побудували звіти по когортного аналізу.

Схематично рух даних можна зобразити так:

Тепер детальніше розпишемо кожен крок компанії.

Крок 1. Передати в Google BigQuery дії користувачів на сайті і рекламні витрати

Розглянувши всі альтернативні платформи, компанія вибрала для об'єднання даних Google BigQuery.

Фахівці Бітрікс24 передають дані про дії користувачів на сайті в Google BigQuery за допомогою OWOX BI Pipeline .

Завдяки такому рішенню, компанія:

• Позбулася семплірованія даних і обмежень на кількість параметрів і показників в звітах Google Analytics. Детальніше про ці обмеження можна почитати в статті .
• Передає дані з сайту в GBQ практично в режимі реального часу - вони доступні для аналізу вже через 5 хвилин.
• Може порівняти доходи і витрати на рекламу в розрізі сесій і користувачів і порахувати рентабельність когорт. OWOX BI Pipeline допомагає розподілити рекламні витрати по сесіях, завдяки цьому можна побачити у скільки вам обійшлася кожна сесія користувача.

Також за допомогою OWOX BI Pipeline компанія передає дані з рекламних сервісів спочатку в Google Analytics (крім AdWords - з ним у GA нативная інтеграція), а потім в Google BigQuery.

Крок 2. Передати в Google BigQuery дані про користувачів і транзакції

Компанія збирає інформацію про клієнтів в CRM і вивантажує дані про користувачів, які повернулися на 2-й день, активних користувачів і транзакції в Google BigQuery за допомогою Measurement Protocol.

Крок 3. Створити когорти і розрахувати показники

Зібравши дані в Google BigQuery, аналітики Бітрікс24 створили когорти і розрахували для кожної з них необхідні метрики. Нагадаємо, що когорта - це група користувачів, сформована за часовою ознакою або загальним дії.

Наприклад, всі користувачі, які зареєструвалися або зробили покупку в один день.

В якості тимчасового інтервалу аналітики взяли місяць, так як клієнти оплачують продукти компанії щомісяця. А загальним дією для учасників когорти стала перша реєстрація. Тобто в одну когорту потрапили користувачі, які вперше зареєструвалися, наприклад, в липні.

Після розрахунку метрик в Google BigQuery компанія отримала таблицю з даними такої структури:

Крок 4. Побудувати звіти по когортного аналізу

Щоб візуалізувати звіти, аналітики Бітрікс24 передали дані з Google BigQuery в Google Sheets за допомогою OWOX BI BigQuery Reports add-on .

В результаті у компанії вийшов звіт, який автоматично оновлюється щодня. У ньому можна фільтрувати результати по каналах, джерел, кампаніям і параметру adContent.

З метою конфіденційності цифри на цьому скріншоті змінені. Із звіту ми бачимо, що рекламний бюджет компанії витрачається не тільки на перші реєстрації користувачів, а й на наступні. Витрати починають окупатися тільки з 3-го місяця.

результати

• У Бітрікс24 з'явився повністю автоматизований звіт, за допомогою якого можна оцінити ефективність рекламних каналів, джерел і кампаній в розрізі когорт користувачів, побудованих по місяцях.
• Оцінивши ефективність реклами, маркетологи компанії можуть оптимізувати витрати, щоб збільшити Revenue SUM (загальний дохід) з кожної когорти і знизити Churn Rate (відтік користувачів).
• C допомогою когортного аналізу компанія може визначити, які джерела наводять найбільш лояльних клієнтів, і використовувати це для ремаркетингу.

Якщо у вас залишилися питання, або ви знаєте способи простіше будувати звіти по когортного аналізу, чекаємо ваших коментарів.

використані інструменти