Data-drive маркетинг, как основа аналитической культуры компании

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