Блог Data Lab

Продвижение услуг по оформлению документов на недвижимость с использованием сквозной аналитики.

Клиент:
Сервисная компания по оказанию услуг комплексной подготовки документов для объектов недвижимости.
Сегмент:
b2c, b2b
Задача:
Внедрить сквозную аналитику, увеличить эффективность контекстной рекламы.
Что было на старте:
Контекстная реклама Яндекс Директ, SEO-продвижение. Отсутствие информации о точной стоимости лида/сделки, рентабельности рекламы, невозможность проводить оптимизацию на основе объективных данных.

CRM


На момент запуска проекта в компании уже была внедрена популярная CRM-система, менеджеры аккуратно работали с информацией по сделкам, вели их по воронке, меняли статусы, вносили суммы.

Внедряем сквозную аналитику


Сквозную аналитику строили на базе экосистемы сервисов Google: Tag manager, Analytics, BigQuery, Data Studio. На первом этапе перед нами стояла задача интегрировать CRM-систему с Google Analytics для автоматической передачи данных о доходах по сделкам. Готовые коннекторы, имеющиеся на рынке, нас и ранее не устраивали по различным причинам, в данном случае мы также приняли решение использовать собственный обработчик событий.

Интеграция заняла буквально несколько дней, при этом наш коннектор учитывал все особенности логики обмена данными этого конкретного проекта, включая функционал возвратов (исключение из аналитики ранее отправленных сумм доходов по сделкам).

Интеграция внешних сервисов


Вторым важным шагом интеграции являлась настройка автоматической передачи в CRM-систему идентификаторов пользователей, отправивших заявки через формы на сайте, написавших в онлайн-чат или позвонивших на номера коллтрекинга.

Наша попытка начать использовать для этой задачи один из самых популярных в России сервисов интеграций по api, оказалась неудачной. Сервис не передавал заявленный в документации критически важный для нас параметр. Наличие этой ошибки подтвердила в переписке техподдержка сервиса. Нам пообещали все починить в ближайшее (но точно не известное) время, выдали номер тикета доработки и поставили в оповещение. С тех пор мы больше не получали от техподдержки этого сервиса никакой информации о тикете и судьбе обнаруженной нами ошибки.

Ждать решения проблемы от сервиса мы, конечно, не стали, а за два дня написали собственный коннектор, который без проблем передавал все необходимые нам параметры и логировал события удобным способом.

С передачей в систему аналитики данных о расходах на рекламу, как и всегда, никаких трудностей не возникло.

Визуализация данных


Визуализацию мы строили с использованием сервиса Google Data Studio, данные в который подтягивались из Google Analytics и Google BigQuery (статистика по Яндекс Директ).

Позднее третьим источником данных для визуализации стал сервис коллтрекинга, использовавшийся на проекте. Но эта интеграция не имела прямого отношения к анализу рекламы, а позволяла клиенту в удобной форме отслеживать соотношение принятых и потерянных звонков по дням, неделям и месяцам. Впоследствии информация о доле потерянных звонков в компанию, стала откровением для руководителя, и по этому вопросу принимались соответствующие меры.

Графики и отчёты


Как правило, на большинстве подобных проектов более чем достаточно нашего выверенного типового набора отчётов и визуализаций. В данном случае мы разработали несколько дополнительных кастомных дашбордов для руководителя, удобно визуализировали всю воронку продаж и основные метрики с привязкой к KPI.

Традиционно мы формируем отдельный дополнительный набор отчётов, визуально перегруженный информацией, но особенно удобный для ежедневной работы специалистов по трафику, занимающихся оптимизацией рекламных кампаний.

Клиент был доволен удобством и лаконичностью отчётов для руководителя, с помощью которых он мог оперативно считывать ключевые показатели. Несколько раз со стороны клиента к нам обращались с просьбой добавить в отчёты какие-либо дополнительные метрики и визуализации. Срок реализации по подобным заявкам у нас, как правило, составлял 1-2 рабочих дня.

Результат


Внедрение сквозной аналитики позволило получить точные данные по стоимости лида, качественного лида, стоимости сделки и ROI во множестве срезов, начиная с рекламных источников и заканчивая ключевыми фразами.

На данные сквозной аналитики опираются как сотрудники компании клиента, принимая решения о выделении и распределении рекламных бюджетов, так и наши специалисты, оптимизируя рекламные кампании.

Нам удалось значительно увеличить эффективность Яндекс Директ, благодаря оптимизации проблемных рекламных кампаний с низкими показателями и распределению основной доли бюджета на максимально эффективные ключевые фразы, дни недели, регионы.

Это стало возможным также благодаря полноценной интеграции CRM с Яндекс Метрикой (настройка передачи данных о доходах), позволило начать использовать автоматические стратегии Яндекс Директа с оптимизацией по прибыли, а также применять условия ретаргетинга на похожие сегменты Яндекс Метрики.

Далее мы запустили поисковую рекламу в Google Ads. Благодаря наличию с самого начала сквозной аналитики и оперативной обратной связи о влиянии на продажи каждой новой рекламной кампании, мы получили итоговую эффективность в Google выше, чем в Яндексе.

Понимание истинного распределения дохода по всем источникам рекламного трафика, а не только контекстного, подтвердило важную роль SEO в продвижении данного проекта и соответствующим образом отразилось на финансировании этого канала.

Система сквозной аналитики отображает динамику ROI во времени по всем рекламным источникам, позволяет руководителю видеть объективный результат нашей работы в каждом месяце и принимать взвешенные решения при распределении рекламного бюджета.

Мы не можем публиковать развёрнутые статистические данные проекта по соглашению с клиентом.
Кейсы