Кейс: Как создать сквозную аналитику для e-com на коленке
Привет, на связи Таня. Я занимаюсь аналитикой более 6 лет. Сегодня хочу поделиться кейсом, как я со своей командой реализовала схему подсчета дохода с выкупом для крупной e-com компании. Получилось свести расхождение между CRM и сквозным отчетом, ориентирующимся на Яндекс Метрику до приемлемых 5-7%.
В идеальной картине мира в компании есть классные разработчики, которые выгружают данные и собственник видит всю аналитику до копеечки. По каждому товару, заказу. Легко считает свою прибыль.
В реальности существует очень мало компаний, которые могут себе такое позволить. У вас только данные по целям и доход в Яндекс Метрике, а хочется видеть доход с учетом отмененных и возвращенных заказов.
Итак, мой клиент — ecommerce-проект с 150000+ товарными позициями и географией присутствия по всей РФ. Компания столкнулась с проблемой оценки работы рекламных кампаний по CRM.Задача: Мы работаем с 15 городами. Ситуация может быстро меняться и отслеживать аналитику сложно. Хочется выстроить ее по маржинальности.
Евгений, маркетолог компании-заказчика: Нам сложно получать информацию о доходе из CRM — у нас самописная система, поэтому не можем сами выгружать данные через API.
Нюансов, с которыми я столкнулась при выполнении этого кейса, был вагон и маленькая тележка:
Статистику для оптимизации клиент получает в лучшем случае раз в неделю, так как требуется сводить все вручную;
Настроить передачу выкупа из CRM в системы аналитики или облачное хранилище невозможно, так как система авторская, а разработчики клиента перегружены;
150+ тысяч товаров, много рекламных кампаний, много городов, нам сложно управлять таким объемом данных;
Клиент хочет управлять рекламой от ROI, но у него нет конкретной цифры. По всем городам проценты выкупа сильно разнятся. Из-за этого у компании отсутствует средняя цифра по выкупу, на которую она может ориентироваться;
У всех товаров разная маржинальность;
Нужно отслеживать данные в динамике и по разным срезам максимально быстро, просто выгрузки таблиц не подходят;
Сложности в доступе к данным — в целом высокие требования к безопасности, сложно получить доступ к маркетинговой информации;
Только в рамках ppc на проект подключено 3 специалиста. Нужно было обеспечить автономность и скорость принятия решений, выработать единую логику оптимизации;
Любые попытки оптимизации от CPA и среднего чека нам не подходят, так как у заказов очень разный средний чек.
Так как у клиента высокая нагрузка на разработчиков, то это отрезало нам очевидные пути решения:
Реализация передачи оффлайн конверсий в системы аналитики (Яндекс Метрика, Google Analytics)
Получение данных от клиента на постоянной основе в некое хранилище данных (GBQ, Postgre, ClickHouse, Google Sheets)
Мы пришли к решению этого вопроса путем домножения дохода по целям в Яндекс Метрике на проценты выкупа товара и наценку. Клиент прогнозирует проценты выкупа на месяц по городам, заполняет файл в Google Sheets. Скрипт на Python подбирает эти данные, и они встраиваются в расчет всех KPI в сквозной аналитике. В итоге у клиента появилась возможность эффективно отслеживать данные. Вот пример отчета, который видит заказчик:
В итоге был найден гибкий путь решения для этой задачи, которое не зависело от разработки. С помощью скрипта мы стали получать ежедневную статистику по большому количеству срезов и регионов.
Удалось наладить систему по расчету KPI с учетом данных из CRM по выкупу заказов. Таким образом, мы свели расхождение между CRM и нашим сквозным отчетом, ориентирующимся на Яндекс Метрику до приемлемых 5-7%. Такая погрешность происходит из-за проблемы сверки заказов.
Работать с таким клиентом было сложно и интересно. Этим кейсом я хочу вам показать, что не нужно падать духом где попало.
Знайте, всегда есть запасной вариант. У вас могут быть перегружены разработчики. Вы можете не дотягивать по уровню технического или технологического стека. Но, чтобы дойти до цели — нужно к ней идти, а не просто хотеть. Сделайте что-то попроще. Постепенно можно будет дорабатывать это решение и прийти к идеалу. Через выгрузку и более глубокие подсчеты.
Подводя итоги, хочется дать пару рекомендаций:
Взвесьте все плюсы, минусы нужного вам решения и свои возможности.
Найдите грамотного партнера, который поможет вам прийти к нужному результату. Вместе вы найдете простой, гибкий и элегантный вариант выхода. Он определенно даст результат с довольно высокой точностью.
Такой вот интересный случай произошел в моей практике.