HackerU Analitics

КОМПАНИЯ

Международная школа IT и кибербезопасности со штаб-квартирой в Израиле

16 точек

Международная сеть школ охватывает все континетны, за исключением Южной Америки, Африки и Австралии.

80 000+

Общее количество выпускников школы за более чем 20-ти летнюю историю.

20+ лет

Более чем двадцатилетняя история школы, занимающая лидирующую позиции среди школ по кибербезопасности.

2000+

Количество партнеров, среди которых такие компании, как Microsoft, Adobe, CISCO, IBM, Maya, SUSE, Google.

ЗАДАЧИ

Глобальная задача — построить аналитическую систему, на которую будут опираться маркетинговые активности

Сокращение
времени

Система, которая сокращает время принятия решения об использовании рекламного инструмента, а также время сотрудников на подготовку отчетов.

Сокращение
затрат

Создать наглядный и информативный отчет, показывающий в «реальном» времени затраты и доходность с канала, рекламного объявления.

Видеть данные
в разрезе этапов воронки

Собирать историческую динамику эффективности канала в разрезе всех этапов воронки. От рекламного объявления до заключения Договора и повторной продажи.

Продуктовая
аналитика и маркетинг

Показывать динамику покупок продуктов, их популярность. Связать действия пользователя во вне и внутри системы. Видеть изменения показателей после «выкатки» гипотезы.

РЕЗУЛЬТАТЫ

28+ показателей

Дашборд формирует исторические данные по 28+ показателям работы компании и маркетинга.

10 направлений

Дашборд включает в себя информацию по основным показателям, SMM, продуктам, рекламным компаниям.

Затраты и LTV

Система связывает воедино затраты и доходность рекламных инструментов загружая их в автоматическом и ручном режиме.

7 показателей конверсии

Дашборд позволяет отследить показатели конверсии от рекламного объявления до повторных покупок.

29 показателей на одном дашборде

LTV.
Средний чек (поканально).
Конверсия рекламного объявления (Facebook, ВКонтакте, Yandex.Директ, Google Ads, партнерское размещение, YouTube).
Конверсия страницы (поканально).
Конверсия заявки в установление контакта (поканально).
Конверсия пользователя в оплату (поканально).
Конверсия в оплату интенсива (поканально).
Конверсия в оплату профессии (поканально).
Конверсия в оплату курса (поканально).
Конверсия Upsell (поканально).
Стоимость лида (поканально).
Стоимость заявки (поканально).
Стоимость студента интенсива (поканально).
Стоимость студента профессии (поканально).
Стоимость студента курса (поканально).
Затраты/Доходность с одного пользователя (поканально).
Стоимость заявки (поканально).
Прохождение сделки по этапам воронки (поканально).
Динамика органического трафика (затраты, прохождение этапов воронки, доходность).
Динамика реферального трафика (затраты, прохождение этапов воронки, доходность).
Динамика рекламного трафика+доходность (затраты, прохождение этапов воронки, доходность).
Динамика трафика из социальных сетей (затраты, прохождение этапов воронки, доходность).
Показатели YouTube-канала.
Динамика покупок продуктов.
Показатели взаимодействия пользователя с сайтом.
SMM (вовлечение, хар-ка аудитории, динамика подписчиков — ВКонтакте, Facebook, Instagram.
Стоимость пользователя.
Выручка с пользователя.
Сводная таблица зависимости конверсии C1 от дня недели по каналам.

Дашборд в Google Data Studio

Дашборд в автоматическом режиме, используя данные Google Analitics, рекламных кабинетов (затраты, взаимодействие), AmoCRM сводит все в единый дашборд, совмещая показатели рекламных объявлений, конверсию C1 (страниц) и далее конверсию этапов воронки в CRM-системе.

Дашборд разделен по следующи направлениям (листам):

Основные показатели.
Динамика покупок продуктов.
SMM юнит-экономика.
SMM ВКонтакте.
SMM Instagram.
SMM Facebook.
SMM YouTube.
Рекламные кампании.
Органический трафик.
Реферальный трафик.
Вебинарная воронка.
Взаимодействие с сайтом.

«Точка начала»

АmoCRM для анализа продаж.
Таблица Excel с затратами на маркетинговые инструменты и ручной сбор показателей из CRM.
Значительная доля трафика приносящего доход была не определена из за особенностей работы CRM. Видны были только те каналы, которые промечены UTM-метками, остально - noname-источники.
Значительное время уходило на подготовку аналитической информации, которая имела большую погрешность и имелся риск предоставления искаженной информации.
Эффективность рекламных кампаний оценивалась путем деления рекламного расхода на суммарное количество обращение за день, неделю, месяц.
Невозможность оценить динамика каждого показателя на продолжительном периоде, так как это влечет еще большую нагрузку на сотрудников.

«Точка завершения»

Дашборд с автоматически обновляемыми данными в разрезе всех этапов воронки с привязкой к каждому рекламному источнику.
Сокращение времени принятия решения об использовании маркетингового инструмента, а также на подготовку необходимой отчетности специалистами.
28+ показателей, отражающих динамику основных показателей и выполнений KPI трафик-менеджером, SMM-менеджером, отделом продаж.
Наглядна представлена динамика стоимости клика, конверсия страниц, количествово лидов, квалифицированных лидов — поканально, конверсия в покупку продуктов по уровням.

2. Технический стек системы

Суть данной «сквозной аналитики» сводится к тому, что мы связываем действия пользователей на сайте со статусами сделок в CRM-системе по полю Client ID.

И на каждом из этапов мы можем построить воронку и увидеть сколько и на каком шаге отвалилось потенциальных клиентов, привязав его к конкретному источнику и рекламному каналу.

АmoCRM – в CRM-систему поступают все обращения и автоматически создаются сделки. В дополнительные поля передаются: Client ID, Источник, Канал, Кампания, Содержимое и Ключевая фраза.
Ядро - инстумент агригирующий все заявки со всех площадок и направляющий их с CRM-систему с необходимыми данными.
Google Tag Manager – диспетчер тегов для корректной настройки Client ID и передачи его в Google Analytics.
Google Analytics – центр сил. Туда поступает вся информация по заявкам. Также в Analytics с помощью сервиса Albato передаются события о смене статуса сделки из AmoCRM + расходы по рекламным кампаниям из Яндекс.Директ, Google Ads, ВКонтакте, Facebook с помощью pipeline сервиса OWOX, Garpun, ADplanner.
Albato – сервис для интеграций. С его помощью передаются изменения статусов сделок в Google Analytics, когда менеджер меняет его в AmoCRM. Не требуются услуги программистов.
Google Data Studio – отчетность по всем основным бизнес-показателям в разрезе источников и статусов сделок.
Специальные параметры и показатели в Google Analitics, передающие value-доход по каждому пользователю с Client ID.
Sensei — процессы внутри AmoCRM.

3. Команда проекта

Артем Ильенков — управление командой, логика работы, координация и настройка Google Analitisc и Google Data Studio, Albato. Составление актуального flow-проекта, внесение изменений для получения акуальных данных.
IT-интегратор (2 человека) — настройка ядра передачи Client ID со всех площадок HackerU, подключение новых страниц, настройка AmoCRM для предоставления данных Albato.
Технический специалист HackerU — построение процессов и тестирование flow внутри CRM.

4. Этапы реализации

1. Настройка передачи Clietn ID через GTM в систему аналитики Google Analitics — проверяем в отчетах корректность.
2. Настройка передачи ядром обработки параметров utm-метки, Client ID в AmoCRM.
3. Создание тестового представления на этапе построения системы, чтобы не портить продуктив.
4. Создание отдельных представлений в Google Analitics, в которых натроим необходимые цели, это обусловено тем, что одно представление позволяет создать порядка 20 целей, поэтому принял решение разбить представления по направлениям - этапы воронки и оплата, продуктовое направление 1, продуктовое направление 2, продуктовое направление 3.
5. Подключение pipeline-сервисов для передачи затрат в Google Analitics - ВКонтакте, Facebook, Instagram, Яндекс.Директ.
6. Связка Google Ads c Google Analitics.
7. Подключение сервиса Albato и настройка передачи данных по представлениям.
8. Проверка передачи данных на тестовом представлении - доход, изменение статусов сделки, покупка по уровню продукта, покупка определенного продукта в линейке.
9. Связка Google Ads c Google Analitics.
10. Создание Дашборда в Google Data Studio, подключение сторонних сервисов.

Выглядит относительно просто, но на реализацию ушло около 2 месяцев с учетом других задач. В процессе внедрения важно было понаблюдать за работой тестового решения - все ли прокидывается, корректность данных, а для этого нужно время.

Шаг 1

Настройка Google Analitics

Создал кастомный параметр. Шаг 1. Шаг 2. Это необходимо сделать, чтобы присваеваемый Client ID возвращался в систему, но уже с привязкой к источнику.
Настроил импорт данных — ручной и автоматический. Эти два способа лучше разделить. Шаг 1. Создал поток импорта — Шаг 2. Важно отметить способ импорта - суммирование. Так при каждой загрузке новые данные будут загружаться, без перезаписи существующих. Данные по загрузкам расходов можно в любое время удалить. Автоматический — к нему подключаем pipeline-сервисы. В ручном — выгружаем схему загрузки - его создаем на Google Disk и даем доступ ответственным по каналам трафика, для заполнения. Вот как выглядит шаблон. Для построения процесса сделал правила загрузки — правила. Несколько раз провел загрузку совместно с менеджерами, далее — процесс был налажен.
Создаем специальный показатель для передачи суммы дохода. Шаг 1. Шаг 2. Запоминаем показатели — ga('set', 'metric1', metricValue). Они потребуются при создании цели, подсчета количества оплат.
Client ID — ключевое звено системы, которое является «ключом» для всех данных.

Шаг 2

Настройка Google Tag Manager

Ключевое, что нужно реализовать — передачу присвоенного Client ID в систему Google Analitics, так как CID без доп.настройки доступен только в отчете «Статистика пользователей». Идентификатор пользователя нельзя сгруппировать с другими параметрами, оперативно посмотреть в разрезе устройств, источников или каналов.
Настраиваем передачу Client ID через GTM и получаем привязку его к данным — источнику, каналу и другим параметрам. Шаг 1. Пример.

Шаг 3

Настройка передачи Client ID в AmoCRM

Этот шаг можно вести параллельно с предыдущими, но я решил не запускать эти работы, пока не будет уверенность, что все корректно присваивается.
Распространенное решение — встраивать в каждую форму на сайте специальное поле, в которое будет подставляться Client ID. Такое решение требует больших временных затрат и постоянно нужно под каждую форму или инструмент привлекать программиста. К этому я пришел после реализации подобной системы в производственной компании.
Здесь было собрано ядро, в которую скидывались заявки со всех площадок HackerU суммарно, а из него уже в AmoCRM. Это сложнее на этапе реализации, но в дальнейшем очень упрощает поддержку системы.
В итоге это выглядит следующим образом, в каждой заявке мы имеем: Пример. Самое сложное и ключевое — реализовано.

Шаг 4

Передача данных из CRM в Google Analitics

Создал тестовое представление, чтобы не испортить «чистовую» статистику.
В дальнейшем создал несколько представлений, так как в Google Analitics кол-во целей ограничено двумя десятками — по этапам воронки, по направлениям продукта. В дальнейшем я подключил эти представление к Google Data Studio.
Для передачи данных по изменению статусов сделки был выбран сервис Albato. Этот сервис значительно упрощает задачу, и не привязывает разработчика. Процесс настройки подробно рассмотрен на самом сервисе.
Создал в представлении необходимые цели, стандартизировал их параметры, чтобы в дальнейшем не запутаться и сформировал отдельную таблицу. Параметры целей нужны для Albato, на основе их будут передаваться данные. Пример 1. Пример 2.

Шаг 5

Стандартизация utm-разметки

Распространена практика, что каждый трафик-менеджер руководствуется своими правилами разметки ссылок, в этом случае, при смене менеджера меняется логика разметки и разобраться в исторических данных часто невозможно.
Для этого создал конструктор меток, который имеет статичные показатели utm-source, medium, campaign. Это позволяет легко отследить статистику по каждому параметру. Ключевое — utm-campaign, он всегда один в зависимости от продукта. Так мы получаем статистику в разрезе одного продукта. Все это удобно реализовать в Google Sheets на разных листах.

Шаг 6

Создание дашборда в Google Data Studio

Этот инструмент был выбран ввиду того, что он бесплатен, позволяет сделать кастомные отчеты, есть вычисляемые поля.
Отчет разбил по следующим направлениям:
Основные показатели (Затраты, Выручка, Средний чек, Количество покупок, лидов, Стоимость лида, Стоимость квалифицированного лида, Стоимость пользователя, Затрат на пользователя, Выручка на пользователя, Суммарный уровень конверсии C1, C2, C3, Визуализация воронки, Сводная таблица конверсии по каналам в зависимости от дня недели).
Продукты CSR, CSB, SCH (Покупок продуктов по направлениям).
SMM экономика (Аналогично по вкладке «Основные показатели», только с фильтром по каналу).
SMM-Instagram (Подписчиков и их динамика, Охват, Отписок, Комментариев, Количество постов, Динамика показателей, Характеристика пользователей - страна, город, социально-демографические характеристики).
SMM-ВКонтакте (Аналогично по вкладке «SMM-Instagram»).
SMM-YouTube (Среднее время просмотра, Просмотров видео, Количество подписок, комментариев, лайков, отписок).
Рекламные кампании (Затраты, Выручка, Средний чек, Количество покупок, лидов, Стоимость лида, Стоимость квалифицированного лида, Стоимость пользователя, Затрат на пользователя, Выручка на пользователя, Суммарный уровень конверсии C1, C2, C3).
Органический трафик (Выручка, Средний чек, Количество покупок, лидов, Выручка на пользователя, Суммарный уровень конверсии C1, C2, C3).
Реферальный трафик (Выручка, Средний чек, Количество покупок, лидов, Выручка на пользователя, Суммарный уровень конверсии C1, C2, C3).
Вебинары (Регистраций, Покупок).
Взаимодействие с сайтом (Длительность сеанса, Социально-демографические характеристики, Устройства, Сводная таблица зависимости количества пользователей от дня недели).

HackerU