Когда-то давно, работая в отделе маркетинга в недвижке (2015-2016 год), у нас появился руководитель маркетинга, который стал делать сквозную аналитику. Для меня это было что-то на космическом, я не понимала как это работает и мечтала разобраться, так как видела в этом будущее и навык, который позволит мне на рынке труда выглядеть привлекательнее.

Но я так и не разобралась😂 Пока не пришла в Сбер.

Помню, что на приглашении на работу я тогда ещё сомневалась стоит ли принимать предложение о работе, так как выглядело это как работа веб-аналитика, а я хотела быть даааата😁 Господи, хорошо, что хватило ума согласиться🤣 если бы мне тогда сказали, что я буду заниматься сквозной аналитикой, то я бы даже не раздумывала (хотя может говорили и я прослушала).

Ладно, хватит прелюдий, перейдём к делу.

Сквозная аналитика – это инструмент, с помощью которого маркетологи пытаются понять и посчитать эффективность маркетинговых инвестиций.

Вот заплатили вы 1 ярд рублей из своего кармана за продвижение пирожков и что? Как понять, что оно все было не зря?

Без сквозной аналитики вы бы пошли смотреть график продаж. В худшем случае искали бы бугорки глазами, в лучшем – использовали бы регрессионную прогнозную модель как было бы с рекламой, а как без неё и разницу записали бы на маркетинг. Последний вариант, кстати, не так уж плох, если у вас смесь рекламных активностей, есть тв/радио/баннеры и другие поверхности либо плохооцифрованные, либо без доступа к сырым данным.

В случа простроенной сквозной аналитики становится относительно понятен пользовательский путь до конверсии и появляются ответы на многие вопросы: • На сколько эффективен ваш маркетинг? • Где и какие касания были у пользователя с вашей рекламой? • Сколько стоит новый пользователь для вас? • На каких площадках ваша целевая аудитория живёт? • Как в следующий раз распределять бюджет между площадками? • Когда дальнейшее инвестирование в площадку уже бессмысленно? •  и др. подобные вопросы

Звучит классно, но почему же я тогда пишу про «относительно понятен» и «пытаются понять» и как будто нет никакой уверенности в этой аналитике.

Потому что пока есть много вопросов к данным в маркетинге: начиная с того, что часть поверхностей мы никак не можем учесть напрямую (то есть мы не знаем, что Брунгильда вчера вечером смотрела камеди клаб и видела нашу рекламу), заканчивая тем, что разметка рекламных ссылок ведётся вручную и человек часто ошибается при их разметке.

Но тем не менее, даже наличие несовершенной сквозной аналитики позволяет улучшать маркетинговые показатели и показатели продаж. Лучше с ней, чем быть совсем слепым котёнком в мире жестокой рекламы😸

Глобально маркетинговые данные деляться на 3 составляющих:

1. Данные о рекламе Яндекс Директ, VK, медийные площадки и сети и пр. – информация о расходах, показах, охватах, кликах по объявлениям

2. Цифровые следы 👣 на сайте и приложениии Яндекс Метрика и AppMetrica, G.Analytics, AppsFlyer и др. – информация об устройстве, гео, пользовательском взаимодействии с цифровым продуктом

3. CRM Amo, Bitrix и др. – информация о продажах, клиентах, звонках и других взаимодействиях

Вот сквозная аналитика связывает все это воедино. И хорошо, если у вас продукт полностью имеет цифровой путь (например, все взаимодействие пользователя происходит в приложении или на сайте), хотя даже в этом случае возникают не менее важные вопросы про атрибуции, распределение бюджета и расчёт эффективности маркетинга. А если у пользователя путь по продукту неоднородный и сделки совершают оффлайн (дошли вы таки на массаж😁 или спортзал), то это все несколько усложняет построение аналитики и встают дополнительные задачи создания устойчивых связок между цифровыми следами и клиентами)

➖➖➖➖ Давно вам ничего «умного» не писала, у меня этот месяц оказался драматически тяжёлым как в профессиональном плане, так и личном.

Попишу вам немного о знакомом, старом и понятном, чтобы почувствовать в этом опору и постоянство)