Как с помощью Power BI сократить трудозатраты в отделе рекламы на 30% и поднять аналитику на новый уровень.

Недавно Денис Соболев директор по рекламе и маркетингу Webit выступал на конференции Alytics. Для тех, кто пропустил или хочет освежить воспоминания и отметить для себя полезные вещи, мы перенесли выступление в кейс.

Задача

Перед нашим агентством встала задача развернуть простую, наглядную отчетность, которой могли бы пользоваться как клиенты, так и специалисты. Главное, когда мы говорим о кастомном решении под нужды конкретного агентства - важно не потратить миллионы бюджета и решить ее максимально простыми путями. Задача автоматизировать отчетность в отделе рекламы плотно переплетается со сквозной аналитикой. Поэтому мы выстроили базовую отчетность по контекстному трафику с помощью Power BI.

Power BI , контекстная реклама, аналитика, сквозная аналитика

Выбор решения

Существует два варианта выхода из этой ситуации: взять готовое решение или начать делать свое. У каждого решения имеются минусы. Если делать свое, то требуется: выделять на это ресурсы, знать программирование хотя бы на базовом уровне, а после - потребуются поддержка, мониторинг и доработка. У готового решения эти минусы отсутствуют. Простое внедрение, поддержка сторонними разработчиками - головная боль уходит на задний план. Но не все так идеально: ежемесячная абонентская плата, которая у некоторых сервисов бывает высокой, и не всегда поддерживаются нужные нам источники данных. Те, кто занимается созданием сервисов по сквозной аналитике знают эту боль. На рынке постоянно появляются новые коллтрекингы, онлайн-чаты и другие источники коммуникации, которые используют клиенты. Все эти данные нужно собрать, чтобы оптимизировать рекламу и учесть лиды из всех источников.

Power BI , контекстная реклама, аналитика, сквозная аналитика

Готовое решение

По поводу сервисов, на рынке существует несколько готовых решений:

  • Сервисы сквозной аналитики: Roistat, Alytics, Primegate и д.р.
  • Системы аналитики от коллтрекингов, которые позволяют подгружать в себя расходы из рекламных систем и делать из этого сводный отчет
  • Системы автоматизации рекламы с интеграцией расхода, которые также сводят все данные в единые отчеты
  • Система на базе Google Analytics, куда можно загрузить все данные и сделать из этого единый отчет

Нам не подошел ни один из вариантов. Часть решений мы откинули ввиду непрозрачности того, как сводятся данные. Мы не понимаем, почему в нашем отчете у нас 20 заявок, а в выбранной системе только 15. Куда делось еще 5? Отладка отсутствует, а коммуникация через поддержку не всегда удобна и быстра.

Самостоятельная разработка

Для того, чтобы развернуть систему, нужно было решить несколько задач: понять из каких источников и как нужно забирать данные, где их хранить (по некоторым клиентам объем данных это миллионы строк). Если говорить об источниках, с которых забираем данные: как правило, они следующего формата: системы контекстной рекламы, системы таргетированной рекламы, системы аналитики, коллтрекинги. На эту тему у нас имеется интересный кейс: клиент по “религиозным” соображениям не хотел ставить Analytics на сайт, потому что это зарубежная компания.

Хранение данных

Самые крупные облачные системы это BigQuery, ClickHouse, Azure. Мы протестировали все и остановились на ClickHouse - она быстрая, бесплатная разработана Яндексом. Остальные предложения либо стоили дороже, либо не устраивало, как работал с ними Power BI по скорости.

Power BI , контекстная реклама, аналитика, сквозная аналитика

Сбор данных

В ходе сбора данных пришлось столкнуться с тем, что у есть недействительные клики в рекламных кабинетах и в отчете им не место. В таком случае статистику нужно пересобирать. Информация может изменяться в течение 30 дней. Для актуального расхода нужно перезаписать данные, которые мы сохранили в облако. В Google в определенных тематиках бывает существенная возвратка, доходит до десятков тысяч рублей в месяц. В Яндексе тоже расход варьируется серьезно. Столкнулись с тем, что если использовать напрямую Power BI без хранилища, то он просто умирает при выгрузке большого объема строк. Выходит, что можно нажать кнопку “обновить”, уйти выпить кофе, пообедать, вернуться на следующий день и может быть у тебя что-то подгрузится.

Power BI , контекстная реклама, аналитика, сквозная аналитика

На рынке существуют разные ETL сервисы. Это сервисы, которые позволяют стримить данные. Мы дружим с ребятами из Renta.im. Наше агентство активно участвовало в разработке этого сервиса. Нет смысла рассуждать у кого плохой или хороший сервис - все выполняют одну и ту же функцию. Как это выглядит на самом деле: мы создаем поток для Яндекс.Директа, выбираем с какого логина выгружать в какую таблицу. Делаем кастомные отчеты, выбираем какие метрики выгружать: по дате, компании, ключевому слову, расходам и тд. Дальше перенастраиваем данные, которые мы перезаписываем течение 30 дней, они обновляются в табличке и складываются. Никакой головной боли. Аналогичных источников много, но некоторые из них недоступны, поэтому нам пришлось писать часть собственных коннекторов для коллтрекинга и crm-систем.

Что получилось

Остановились на связке Power BI + ClickHouse и на базе этого решения начали делать отчетность. Если брать схему, то это выглядит следующим образом. Есть ClickHouse хранилище, куда мы складываем данные из систем аналитики, рекламных систем и CMS. Плюс некоторые данные загружаем напрямую в Power Query, для которого сами написали функции (обновляются они через облако Microsoft). Есть ряд CRM-систем: amoCRM, retail CRM - из них мы собираем данные без проблем. И порядка 5 систем коллтрекинга: CallTouch, CoMagic, Alloka, Mango и др.

Power BI , контекстная реклама, аналитика, сквозная аналитика

Два вида отчетности

Пришли к тому, что нам потребуется два вида отчетности: базовый и расширенный. В базовой отчетности сводим данные из рекламных кабинетов и систем аналитики, т.е. данные по целям и по звонкам. В этих рамках мы можем измерить базовую эффективность рекламы даже для небольших компаний, где нет возможности внедрять CRM-систему. И делаем расширенный вариант, когда к этой базовой отчетности добавляются данные по заказам и доходам из CRM. Здесь начинаем считать те метрики, которые важны для бизнеса, если мы говорим о каком-то e-com проекте.

Power BI , контекстная реклама, аналитика, сквозная аналитика

Базовая отчетность

Базовая отчетность выглядит следующим образом: дэшборд, который показывает, что происходит с рекламными кампаниями в динамике. Наверху суммарные показатели за выбранный период: сколько было обращений, сколько потратили денег. Динамика показывает, что происходит с переходами, обращениями и стоимостью. Отчет в Power BI динамичный, кликабельный, с ним можно взаимодействовать. Допустим, если выбирать обращения, то перестраивается график и мы уже будем видеть текущую ситуацию по этому параметру. Здесь же показывается какое из направлений рекламной кампании сколько обращений принесло. Детализация дает данные по кампаниям на уровне Яндекс.Директа: сколько было переходов, сколько денег потрачено, какая стоимость и тд. Дополнительно добавили фильтр, в рамках которого открывается модальное окно. В нем есть возможность выбрать временной отрезок, источник, тип устройств, площадку и направление. Естественно, аналитика была бы неполной без ключевых фраз. Матрица (тип визуализации) у нас многоуровневая: первый уровень - источник рекламной системы, второй - кампания, третье - ключевое слово. Это - клиентская отчетность и ее достаточно для базового понимания. Когда требуются другие срезы, сегменты и более сложная отчетность - то мы уже делаем кастомные отчеты.

Базовая отчетность с обратной стороны выглядит таким образом. Стояла цель максимально упростить систему разворачивания этой отчетности для клиента. Настраиваем параметры: дата начала и база данных, где лежит информация из Яндекс.Директа, Google Adwords, коллтрекинга. Меняем название базы, токены и доступы для клиента - отчет пересобирается и мы уже видим статистику по другому клиенту. Это все выгружается в облако майкрософт и данные обновляются в онлайне.

[sp_wpcarousel id="7244"]

Расширенная отчетность

Если сквозная аналитика уже настроена, то мы можем считать непосредственно такие параметры как COS, ROMI, ДРР. Например, есть e-com клиент c региональной разбивкой. Из-за динамичной ситуации на рынке, мы сделали отдельный фильтр, где можно отследить динамику по неделям. Видим что у нас происходит с выборками, плюс добавлена визуализация, которая отражает KPI. Это наглядно помогает клиенту оценить ситуацию, посмотреть историю изменений, что происходило с рекламными кампаниями. Также добавили региональную сегментацию, которая показывает что к чему.

Дополнительно построили развернутую таблицу для нашей работы с целевыми показателями, CPO и дельтой. Дельта - транзакции умноженные на деньги, она помогает понять дефицит или профицит бюджета у той или иной рекламной кампании. Тут мы наглядно видим по каким кампаниям есть точки роста для того, чтобы их усилить и наоборот понять, почему идет просадка. Получаем мини-кейс: по ряду кампаний профицит бюджета составил порядка полумиллиона рублей. Мы объяснили клиенту, что в рамках этих целевых показателей при увеличении бюджета на вышеуказанную сумму они получат дополнительный заказ. Это предложение было достаточно хорошо воспринято клиентом - мы увеличили бюджет, тем самым увеличили отдачу с рекламных кампаний и сейчас активно работаем над этим направлением.

[sp_wpcarousel id="7241"]

Зачем мы все это делали и что получилось в итоге.

  • Мы значительно снизили время на подготовку - это очень важный показатель в текущих реалиях digital, потому что кадры и время специалиста очень дорогие.
  • Выросла скорость ответа специалистов на вопросы по кампаниям, потому что у него есть таблица мониторинга
  • Выросла прозрачность работы. Так как клиент также видит панель мониторинга.
  • Освободилось время на оптимизацию рекламной кампании
Power BI , контекстная реклама, аналитика, сквозная аналитика
Добавить комментарий

Ваш комментарий будет опубликован после модерации без публичного указания вашего e-mail адреса. Обязательные поля помечены *