Тендеры и лиды
Информация
Когда маркетолог впервые оказывается внутри настроенного процесса аналитики, начинает пользоваться дашбордами, а не просто отчётами в Метрике или сводными таблицами в Excel, и видит данные, которые действительно помогают принимать решения, — реакция почти всегда одинаковая:
«А что, так можно было?»
Я слышу это третий год подряд. На каждом проекте, где мы наконец начинаем считать нормально.
Проблема в том, что большинство компаний считают: если есть Метрика, рекламный кабинет и ежемесячный отчёт — значит аналитика уже есть. Но на практике решения часто принимаются на данных, которым нельзя доверять.
Отключили кампанию с высоким CPA — и внезапно просел весь поток заявок.
Отчёты не сходятся — и никто не знает почему.
И проблема тут не в конкретном инструменте, а в отсутствии процесса.
Когда говорят «аналитика», многие представляют дашборд с красивыми графиками. Но сам по себе график ничего не решает.
На практике аналитический процесс выглядит гораздо проще и одновременно сложнее:
появляется вопрос или гипотеза;
мы ищем данные, которые помогут ответить;
проверяем, можно ли этим данным доверять;
приводим их в понятный вид;
принимаем решение;
повторяем цикл заново.
Именно так постепенно появляется понимание:
как работает маркетинг;
как ведут себя пользователи;
где растёт спрос;
что реально влияет на результат.
Проблема в том, что у большинства компаний этот цикл либо не выстроен совсем, либо работает фрагментарно.
Ниже — четыре ситуации, которые мы встречаем чаще всего.
Представьте: вы открываете Метрику, чтобы собрать отчёт. И видите цели с похожими названиями:
«заявка_хедер»
«заявка_футер»
«заявка_перезвон»
«заявка_квиз»
еще десяток похожих целей.
Нужно понять, сколько всего заявок за месяц, — и начинается.
Сложить напрямую нельзя: один и тот же пользователь мог попасть сразу в несколько целей.
Данные разъезжаются. Отчеты собираются руками. Никто не уверен, какая цифра правильная.
А дальше обычно выясняется ещё что-нибудь:
UTM-разметка у разных подрядчиков своя;
релизы сайта ломают события;
BI и Метрика показывают разные цифры;
часть событий вообще задваивается.
И снова — это все не проблема Метрики как инструмента. Проблема в том, что никто не договорился: что именно компания считает, как собираются и как устроены данные.
Любая аналитика начинается с фундамента:
единая структура событий;
понятные правила UTM-разметки;
описание всех сущностей;
ответственный за качество данных.
Звучит скучно, но без этого всё остальное превращается в декорацию из цифр.
Например, на одном из проектов мы пересобирали систему аналитики заново — выяснилось, что сайт работает как SPA-приложение (прим. SPA (Single Page Application, или одностраничное приложение) — это веб-приложение или сайт, который загружает весь необходимый код (HTML, JavaScript, CSS) всего один раз при первом открытии), а события просмотра страниц просто не отправлялись. Вся постраничная аналитика была искажена с самого начала.
После нормализации событий вместо хаоса из целей появляются отчеты, которым можно верить.
Читать подробнее о том, как мы распутывали клубок неопределенности и разношерстных UTM для одного из наших клиентов.
Следующий уровень боли знаком почти всем SEO- и performance-командам.
Нужно понять:
как меняется спрос;
что происходит с конкурентами;
растёт ли бренд;
какие интенты есть у пользователей.
И начинается:
Wordstat;
Excel;
ручные выгрузки;
сведение таблиц;
очистка данных;
повторение этого процесса каждую неделю.
Мы столкнулись с этим, когда начали исследовать рынок китайских автомобилей. Хотелось не просто смотреть отдельные запросы, а понимать общую динамику:
как меняется интерес к брендам;
какие интенты ищут пользователи;
где растёт спрос;
как меняется конкурентная ситуация.
Взяли все бренды — с разными вариантами написания (Changan, Чанган — и это не шутка),
Разметили интенты: человек ищет кредит, официальный сайт или просто смотрит что это такое.
Сложили в базу, подключили визуализацию.
Вместо ручного анализа отдельных выгрузок появился дашборд, где можно:
смотреть динамику спроса
сравнивать бренды
отслеживать тренды
быстро находить аномалии.
Именно в этот момент чаще всего и возникает реакция: «А что, так можно было?»
Особенно в бизнесах, где спрос и конкурентная ситуация меняются постоянно.
Кстати, наш дашборд про китайские автомобили открытый, он лежит в Yandex DataLens Gallery в разделе «Лучшие работы».
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13590 тендеров
проведено за восемь лет работы нашего сайта.
Чем больше проект, тем сложнее становится аналитика. Особенно это заметно в SEO- и контентных проектах, когда у вас:
десятки разделов
разные языковые версии
разные устройства
большие объёмы трафика.
Если пытаться анализировать всё это только через интерфейс Метрики — начинается боль:
сэмплирование за длинный период
бесконечные фильтры вручную
невозможность быстро найти аномалию.
А иногда Метрика просто не открывается, потому что вся страна в понедельник утром строит отчеты одновременно, и Яндекс лимитирует нагрузку. Было у вас такое?
В какой-то момент мы перестали работать с интерфейсом Метрики как с основным инструментом. И вместо этого начали забирать сырые данные через Logs API:
складывать их в базу;
сегментировать;
строить собственные витрины данных и дашборды.
После этого даже большой SEO-проект становится гораздо прозрачнее. За несколько кликов видно:
где просел трафик
какой раздел растёт
где появилась аномалия
какие изменения повлияли на динамику
И главное — перестать тратить часы на ручное накликивание. Настроить автообновление, и актуальный отчет будет каждое утро.
Посмотреть кейс о том, как мы строили seo-аналитику и визуализацию на больших данных для Rusprofile.
Это уже классика performance-маркетинга.
Ситуация:
Откручиваете рекламу. В миксе — брендовые и услуговые кампании, сети. Смотрите отчет: услуговые дают CPA в разы выше нормы. Логичное решение — отключить. Отключаете. Через неделю заявки падают по всему кабинету.
Почему?
Потому что пользовательский путь почти никогда не состоит из одного касания.
Одни кампании знакомят с брендом.
Другие — подогревают интерес.
Третьи — становятся последним шагом перед заявкой.
Метрика по умолчанию показывает атрибуцию «последний значимый источник».
То есть: пользователь увидел услуговую рекламу неделю назад, ушёл, потом нашёл через поиск, потом вернулся по брендовому запросу — и тогда оставил заявку. В last-click — брендовая кампания молодец, услуговая ни при чём. В реальности — услуговая привела его первой.
Сравнение разных моделей атрибуции:
first-click — засчитываем тому, кто привёл пользователя первым,
last-click — засчитываем последнему касанию перед заявкой (как Метрика по умолчанию),
time-decay — чем ближе касание к конверсии, тем выше его вклад,
U-shape — по 40% первому и последнему касанию, остаток делим на всех посередине,
ассоциированные конверсии — смотрим все кампании, которые участвовали в пути клиента.
Это позволяет увидеть реальный вклад кампаний в путь пользователя, а не только последнее касание перед заявкой. Иногда именно «дорогая» кампания оказывается той, которая вообще приводит человека в воронку.
Например, мы настраивали аналитику, performance-маркетинг и контекст для Уральских авиалиний и в кейсе показали, как сравнивали один рекламный канал в разных моделях атрибуции — один период, один бюджет:
Количество засчитанных конверсий расходилось в разы.
CPA менялся пропорционально.
Одни и те же данные, совершенно разные управленческие решения.
Еще несколько лет назад подобные вещи действительно были доступны в основном BigTech-компаниям. Там есть полноценные команды — дата-инженер, аналитик данных, BI-инженер и ещё пара ролей. Каждая по 200–300 тысяч в месяц после налогов. Итого — команда на полтора миллиона.
Сейчас ситуация изменилась. Появились доступные для малого и среднего бизнеса BI-системы, облачные базы данных и LLM-инструменты, которые помогают писать запросы и автоматизировать рутину в разы быстрее.
То, что раньше требовало целой команды инженеров, которую мог позволить себе только BigTech, сегодня можно собрать небольшой командой — если понимать, как устроен процесс.
У вас появляются:
Цифры, которым можно верить. Не три таблицы, которые надо сшивать в Excel.
Решения по кампаниям с пониманием полного пути клиента, а не только последнего клика.
Картина спроса и конкурентов — регулярно, без ручного труда.
Плюс разговор маркетинга и бизнеса меняется с «кажется, что работает» на «вот данные, проверяем».
Главный эффект — не красивые графики, а уверенность в решениях: где резать бюджет, где усилить, куда развивать продукт.
Самое важное — не пытаться построить идеальную систему сразу.
Я начинал вообще со сводных таблиц.
Потом появилась автоматизация. Потом визуализация. Потом базы данных. Потом более сложная аналитика.
Все это росло постепенно.
Однажды мы случайно загрузили новую CSV вместо обновления старой — и у нас рассыпался весь дашборд. После этого мы окончательно переехали на базы данных.
Сейчас мы в топ-7 Ruward по веб-аналитике. Ровно потому, что для агентства такой подход и экспертиза – довольно редкое явление, и оно много дает.
Главный барьер — не технологии. Главный барьер — отсутствие процесса и человека, который умеет соединять бизнес-задачи, данные и инструменты в работающую систему.
Зрелая аналитика начинается с вопроса, а не с инструмента. Выберите 3–5 вопросов, на которые маркетинг хочет уверенно отвечать в ближайший год — стек и процесс соберутся под них.
Обычно все начинается с очень простого вопроса: «А тем ли данным мы вообще сейчас верим?»
Если хотите разобраться конкретно в вашей ситуации — напишите в бота в телеграме или на почту promo@jetstyle.ru. Покажем, как это выглядит на реальных данных.
