Конспект доклада Алены Артемьевой, работа.ру на конференции Матемаркетинг
Каждая третья компания говорит, что они data-driven. На деле это не так.
Data-driven маркетинг основан на данных:
⁃ мы посчитали эффективность будущей кампании и предполагаем, что в период рекламы трафик на сайт вырастет на 20%, это позволит получить прирост регистраций в 19%, что при нашей конверсии из регистрации в покупку даст 15% новых клиентов
⁃ планируем увеличить процент реактивации с 5% до 8%
⁃ с учетом нашего LTV затраты на рекламу окупаются со вторым заказом.
Data driven компания – это data driven все, а не только маркетинг
Заблуждения о data-driven маркетинге
Миф 1 Это только для крупных компаний.
Даже не большой компании интересно как идут дела. Масштаб компании ничего не говорит о том, когда пора считать.
Рано или поздно вы вырастите и можете упустить момент, когда уже пора думать о цифрах.
Чтобы анализировать данные их нужно собирать. Собирать все подряд не выход.
Залог успеха – связка стратегий развития аналитики, маркетинга и продаж.
В перспективе построение цифрового портрета клиента для глубоких исследований.
Расчет unit-экономики и отслеживание KPI важно для бизнеса любого размера.
Измеряем хорошие метрики и не гонимся за «плохими». Метрики тщеславия и метрики качества.
Метрики тщестлавия — имеют количественное выражение: трафик, подписчики, шеринги, инсталы.
Метрики качества — LTV, средний чек, отношение инсталов к анинсталам.
Миф 2. Это очень сложно
• Не все формулы одинаково сложны
• Не всегда самый сложный путь самый верный
• Хороший аналитик расправится с любыми задачами
• Хороший маркетолог умеет считать
Зачем бизнесу аналитик?
• Знает, где искать потери
• Скажет куда и почему утекают деньги
• Покажет новые возможности заработать больше
Может иногда заменить штатного психолога 🙂
Основная задача аналитика – превращать данные в ценность и извлекать из них доход
Плюсы выделенного департамента аналитики:
• Независимость, отсутствие давления и заинтересованности в искажении информации.
• Единый центр методологии расчета показателей
• Единая точка выхода отчетности (стандартизация)
• Единая точка компетенций в части методологий и особеноостей баз данных
• Обучение в команде
• Обеспечение преемственности знаний
Must-have компетенции аналитика
Hard-skills:
• Моделирование, прогнозирование
• Статистика
• SQL
• Tableu, Power BI, Qlik view
• English
• Google Analytics, Яндекс Метрика, AppsFlyer
Soft Skills:
• Умение отстаивать свою точку зрения
• Отличные навыки визуализации
• Коммуникационные навыки
• Стратегическое мышление
• Умение искать инстайты в данных
Хороший аналитик (шпаргалка):
• обращается к базам данных сам
• делает понятные выводы и предлагает решения
• хорошо визуальизирует данные
• имеет свобю точку зрения и способен обосновать ее цифрами
• проактивен, способен предложить лучшее решение задачи, а не просто следовать некорректному ТЗ
• самостоятелен, работает не только по ТЗ и внешним задачам, так как знает куда нужно копать
• может анализировать не только узкую область
• постоянно развивается
ТЗ аналитику от бизнеса это боль:
• проанализируйте мне продажи
• проанализируйте акцию
• мне нужны все данные
• сделай отчет, чтобы там были все показатели
• давайте посмотрим во всех разрезах
Принимаем это и коучим бизнес.
Часто сложность построения в построении аналитики это следствие проблем в IT:
• есть множество не связанных между собой источников данных
• данные в разных системах между собой расходятся
• методика расчета показателей различается в разных отчетах
• за качеством и полнотой никто не следит
• описание баз данных отсутствует
• архитектурой никто не занимается
• вся разработка внешния и невозможно найти концы
• основная база данных и перегружена и не позволяет строить отчеты напрямую
• it и бизнес принимают решения по данным без участия аналитиков
Как решать такие проблемы:
• «Завели» собственного разработчика в команде аналитики
• Создали свою базу данных на ClickHouse
• Создали свою систему alarms при загрузке данных
• Своими силами ответили на вопрос бизнеса «почему данные не совпадают?»
• Уговорили IT включить аналитиков в процессы, связанные с изменениями архитектуры данных и добавлением таблиц
• Перед проведением любой акции договорились закреплять конкретные метрики и отслеживать их изменение
• Начали вести динамические ряды и фиксировать эффекты от маркетинговых акций
• Избавились от неиспользуемых отчетов
Чтобы делать правильные выводы необходимо опираться на максимально полный объем информации.
Не усложняйте себе жизнь – доверяте профессионалам.
60% организаций не доверяют инсайтам от своих аналитикам (KPMG, Bulding trust in analytics, 2016)
Миф 3 Это очень дорого
Хороший аналитик может ответить на сложные вопросы без дополнительных затрат в дорогой софт.
Дорогая BI-ситема – не залог успешной отчетности
Бесплатные инструменты дают множество возможностей
Не совершайте ошибку:
много дашбордов != контроль
100500 отчетов != data driven
Миф 4 Это не приносит доход
• Данные – сами по себе ресурс, который имеет стоимость
• Правильная обработка данных экономит время на принятие решений и деньги на маркетинг
• Анализ данных помогает найти точки кратного роста
• С данными на руках вероятность ошибки снижается, снижается риск потери денег
• Некоторые данные можно продавать.
Условия построения data driven маркетинга
• Есть единое хранилище данных
• Маркетинг, аналитик, финансы и IT действуют согласованно
• Все ключевые показатели в различных источниках сходятся
• Существует понятная структура в аналитической отчетности с описанием взаимосвязей основных метрик
• Есть описание таблиц базы данных с картой связей
• Есть описание отчетов и отсутствуют проблемы преемственности
• Ведутся динамические ряды показателей
• Есть зафиксированные результаты всех прошлых акцией
• Основной ориентир – метрики качества, а не тщеславия
Главное: никто никого не пытается обмануть с помощью данных
Добавить комментарий