×
Россия +7 (909) 261-97-71

Энциклопедия интернет-маркетинга: сквозная аналитика и ее возможности

Россия +7 (909) 261-97-71
Шрифт:
1 15976
Подпишитесь на нас в MAX

Лого.jpg

SEOnews запустил проект для специалистов и клиентов «Энциклопедия интернет-маркетинга», в рамках которого редакция публикует обучающие материалы от ведущих агентств на рынке. В итоге мы планируем выпустить полное, практически полезное и актуальное электронное руководство.

***

В международной маркетинговой практике сквозная аналитика существует уже давно и получила название BI (business intelligence) систем для маркетинга.

Суть BI-систем или систем сквозной аналитики заключается в том, что они собирают данные из разных каналов, источников, сервисов для последующего анализа, визуализации маркетинговых процессов, выявления точек роста.

Проблематика

Самые распространенные задачи, которые решаются благодаря внедрению ВI-систем:

  • Автоматизация отчетности отдела маркетинга;
  • Сбор и сопоставление данных из различного рода saas-решений (выгрузки прайс-листов, кредитные калькуляторы и др.);
  • Сопоставление данных коллтрекинга с данными колл-центра;
  • Интеграция маркетинговой активности с CRM и 1С;
  • Построение отчетов по всем маркетинговым процессам, построение и визуализация “воронок продаж”;
  • Выявление точек роста бизнеса на основании построенной отчетности.

Разумеется, любой маркетолог может обойтись и без дополнительного программного обеспечения, самостоятельно составляя, сопоставляя и анализируя отчетность из различных отделов в компании.

Однако на практике это связано с большими временными затратами и погрешностями полученных данных.

Современный маркетолог может тратить до 40% своего рабочего времени на сведение отчетности по разным аспектам цикла продаж. На этот факт отреагировал рынок. И в последние годы в России начали появляться специальные сервисы для автоматизации отчетности.

Как подключаются BI-cистемы

Шаг 1. Подключаемся к коллтрекингу, Яндекс.Метрике и Google Analytics

На этом уровне мы решаем одну простую задачу – сбор данных отделом маркетинга по всем проводимым активностям. Это верхний уровень будущей “воронки продаж”. Здесь сервис подключается к коллтрекингу, Яндекс.Метрике и Google Analytics. Полученные данные позволят построить клиентские метрики по звонкам, заявкам, переходам на сайт, времени пребывания на сайте, кликам и т.д. Точно также BI собирает данные всего медиа-плана (seo, медийная реклама, rtb-сети и т.д.) и подключается к сторонним сервисам (чаты, онлайн-помощники, callback-и и тд.).

сквозная аналитика.jpg

Шаг 2. Подключаемся к данным колл-центра

Одна из важнейших задач здесь – это автоматизация отчетности и определение KPI колл-центра с привязкой к деятельности отдела маркетинга. В данном случае BI-система подключается к АТС колл-центра через АPI, Excel или CSV. На выходе маркетолог имеет индивидуальную отчетность по каждому сотруднику, которая помогает оценить: сколько звонков в месяц теряет колл-центр, сколько тратится денег из рекламного бюджета на каждого сотрудника отдела и как можно улучшить показатели колл-центра (считается процент целевых звонков, звонки распределяются по группам, отделам, операторам и др). Исходя из полученных данных в BI-cистеме, можно понять насколько эффективен тот или иной сотрудник.

Если говорить проще, то существует, например, оператор колл-центра Анна, на которую маркетинг тратит 72 420 рублей. Однако на выходе оператор Анна не дает продаж. Далее прослушиваются телефонные звонки, делается вывод, почему в финале не происходит продажи и принимаются ряд решений, чтобы изменить эту ситуацию (перераспределяется нагрузка, проводятся тренинги, увольняют сотрудника и др.)

подключение сквозной аналитики.png

Рис.1 Распределение бюджета рекламных кампаний на каждого сотрудника колл-центра

На этом этапе работ маркетолог получит следующую “воронку продаж”

настройка аналитики.png


Шаг 3. Cинхронизируем данные с показателями CRM отдела продаж

Сквозная аналитика помогает повысить прозрачность работы отдела продаж и синхронизировать его работу с другими отделами (маркетинг, колл-центр и др). На этом уровне BI интегрируется с CRM и 1C, и соединяет их в цепочку “рекламный бюджет (маркетинг) – CRM (отдел продаж) – 1C (касса)”. Это позволяет оценить способности каждого продавца, исходя из затрачиваемого на него маркетингового бюджета. Иными словами, сумма из рекламного бюджета на конкретного менеджера позднее сопоставляется с результатами его продаж, чтобы оценить процент выполнения KPI. Впоследствии эти данные помогут эффективнее корректировать рекламные кампании в зависимости от возможностей продавцов и принимать ряд решений на уровне отдела продаж и маркетинга (изменять распределение нагрузки, выявлять растущий спрос на тот или иной товар/марку и др).

настройка сквозной аналитики.png

Рис 2. Распределение бюджета рекламных кампаний по операторам колл-центра и менеджерам отдела продаж

Шаг 4. Формируем финальную “воронку продаж”

Полученные данные в сервисе в финале представляются в итоговой “воронке продаж” с показателями ROMI. Таким образом, маркетолог может увидеть общее движение денег и показатели эффективности работы компании.

воронка продаж.png

Рис.3. Финальная “воронка продаж”

Благодаря тому, что мы получаем всю отчетность, начиная с медиа-плана и заканчивая статистикой по продажам, маркетолог и владелец бизнеса максимально упрощают себе задачу по сбору аналитики и построению “воронок продаж”, сосредотачиваясь на показателе ROMI (return of marketing investments) и принятии конкретных решений. Внедрение BI-систем позволяет оценить, как каждый вложенный в рекламу рубль повлияет на конечные продажи.

Итоги

Сегодня у каждого процесса в бизнесе компании уже есть системы, которые тем или иным способом считают показатели эффективности. Так, например, коллтрекинг определяет эффективность звонков, Google Analytics и Яндекс.Метрика являются источником данных о посещаемости сайтов и качестве их аудитории, отчетность колл-центра фиксирует показатель количества целевых звонков или First Call Resolution (FCR), sales-менеджеры используют 1С и другие CRM-системы, чтобы фиксировать каждое взаимодействие с клиентом и финальные продажи.

Главная задача в том, как связать разрозненные данные в единую цепочку. Этим и занимается сквозная аналитика (BI), которая помогает проанализировать эффективность рекламных кампаний на основе данных о продажах. Так, весь маркетинг внутри компании складывается в единую цепочку, и можно увидеть влияние звеньев друг на друга и отрегулировать неисправное звено.

Сквозная аналитика потенциально полезна на рынке недвижимости, автомобильном рынке, медицине, eсommerce. Для всех остальных – это предмет для изучения новых реалий в маркетинге. Исторически так сложилось, что выигрывает тот, кто умеет быстро приспосабливаться к новым тенденциям на рынке и технологиям в маркетинге.

Есть о чем рассказать? Тогда присылайте свои материалы Марине Ибушевой


Новые 
Новые
Лучшие
Старые
Сообщество
Подписаться 
Подписаться на дискуссию:
E-mail:
ОК
Вы подписаны на комментарии
Ошибка. Пожалуйста, попробуйте ещё раз.
Отправить отзыв
  • Гость77
    больше года назад
    Здравствуйте!, какие посоветуете  ВI-системы ?
    -
    0
    +
    Ответить
ПОПУЛЯРНЫЕ ОБСУЖДЕНИЯ НА SEONEWS
Как ChatGPT выбирает компании для рекомендаций: что уже известно и как бизнесу подготовиться к эпохе AI Search
Игорь Антонов
1
комментарий
0
читателей
Полный профиль
Игорь Антонов - Для молодых сайтов в YMYL-тематиках я бы добавил отдельный блок про согласованность сущности: одинаковые название, телефон, адрес и перечень услуг на сайте, в картах, каталогах и профильных публикациях. Мы сейчас проверяем это на новом медицинском проекте narkologmsk.ru — без массовых анкорных ссылок, через подтверждённые карточки и содержательные материалы. Было бы полезно увидеть в продолжении сравнение источников, которые чаще цитируют Google AI Overviews и ChatGPT именно для локальных запросов.
Рынок безалкогольных напитков в 2026 году: как категория продает через доверие к бренду
Алексей
1
комментарий
0
читателей
Полный профиль
Алексей - Все бы хорошо, но это в прошлом. В 2026 г. о росте 2020-2025 гг. остается только мечтать. Рынок БАН перешел к снижению. К серьезному снижению.
Яндекс открыл продажи через Алису и Поиск для продавцов без сайтов
Дмитрий Орлов
1
комментарий
0
читателей
Полный профиль
Дмитрий Орлов - Прикольно, покупать через колонку-))
Яндекс выложил в опенсорс языковую модель, которая лежит в основе быстрых ИИ-ответов в Поиске
Роман Каржонков
1
комментарий
0
читателей
Полный профиль
Роман Каржонков - Молодцы! Такие AI-модели могут широко используется в корпоративных, обучающих и научных АI-enabled платформах.
Сервисы для создания квизов: сравнение по конверсии, гибкости сценариев и интеграциям
Виктор
1
комментарий
0
читателей
Полный профиль
Виктор - Без сервиса FormDesigner.ru эта подборка будет не полной. Удивлен, почему вы его не включили в список?
Поисковые роботы Яндекса резко сократили обход сайтов после атак на дата-центры
дмитрий Беляков
1
комментарий
0
читателей
Полный профиль
дмитрий Беляков - К сожалению не только этим всё ограничилось..
5 полезных сервисов для работы с учебными текстами
Anna B.
2
комментария
0
читателей
Полный профиль
Anna B. - Отличный разбор, очень своевременно!
Блоки AI Overviews появляются для более чем 80% брендовых запросов Google в США
Galina Zarhi (Rabinovich) Zarhi (Rabinovich)
2
комментария
0
читателей
Полный профиль
Galina Zarhi (Rabinovich) Zarhi (Rabinovich) - Расширение AI Overviews меняет единицу репутационного мониторинга: вместо одной позиции в выдаче приходится проверять связку «утверждение о бренде - источник - дата». По каждому важному запросу стоит фиксировать, что именно говорит модель, совпадают ли контакты, услуги и ограничения с официальными данными и повторяется ли ошибка при другой формулировке вопроса. Так видны источники, которые действительно распространяют неверный факт, а не просто присутствуют рядом с брендом.
Сайт компании в 2026 году: что проверяет Роскомнадзор и как не получить штраф
Олег Черников
1
комментарий
0
читателей
Полный профиль
Олег Черников - Дима спасибо, отличный обзор! За ГОСТ Р 52872-2019 спасибо! Давно около него ходил.
Выручка VK увеличилась на 21% до 47 млрд рублей за III квартал 2026 года
Galina Zarhi (Rabinovich) Zarhi (Rabinovich)
2
комментария
0
читателей
Полный профиль
Galina Zarhi (Rabinovich) Zarhi (Rabinovich) - Расширение AI Overviews меняет единицу репутационного мониторинга: вместо одной позиции в выдаче приходится проверять связку «утверждение о бренде - источник - дата». По каждому важному запросу стоит фиксировать, что именно говорит модель, совпадают ли контакты, услуги и ограничения с официальными данными и повторяется ли ошибка при другой формулировке вопроса. Так видны источники, которые действительно распространяют неверный факт, а не просто присутствуют рядом с брендом.
ТОП КОММЕНТАТОРОВ
Комментариев
910
Комментариев
834
Комментариев
554
Комментариев
540
Комментариев
483
Комментариев
393
Комментариев
373
Комментариев
262
Комментариев
249
Комментариев
171
Комментариев
156
Комментариев
142
Комментариев
130
Комментариев
121
Комментариев
100
Комментариев
97
Комментариев
97
Комментариев
96
Комментариев
80
Комментариев
77
Комментариев
74
Комментариев
67
Комментариев
66
Комментариев
60
Комментариев
59

Отправьте отзыв!
Отправьте отзыв!