Big Analytics
Мы используем куки (cookies) и собираем IP адреса для улучшения вашего опыта, персонализации контента, анализа трафика. Вы можете отказаться от кук и сбора IP адреса в любое время, изменив настройки вашего браузера. Подробнее в Политике конфиденциальности
Согласен
Case study
Как построить омниканальную аналитику в мультибрендовом фарма ритейле RU
В этой статье мы расскажем разрабатывался мультибрендовый roll-up-отчет для топ-менеджера
Борис Болгов
Руководитель интернет-продаж в ЭРКАФАРМ
Background
Группа компаний Эркафарм, один из лидеров рынка аптечного ритейла, объединяет более 12 брендов и более 1100 аптек по всей России.

В 2021 м году Эркафарм находилась в процессе создания сквозной омниканальной системы аналитики. К тому момент фарм рынок претерпел существенные изменения. В связи с COVID-локдаунами выросла доля онлайн покупок во всем ритейле. Кроме этого, развитию фармрынка способствовало принятие закона о дистанционной торговле, что увеличило объем заказов и дало новые возможности коммуникации с клиентом через конечную доставку клиенту его заказа.

За первые два квартала 2020 года 18% россиян сделали покупку в интернет-аптеках. По статистике, на пике локдауна условный процент достигал значения 43. Те компании фармрынка, которые изначально развивали ECOM, были готовы к этому спросу и, соответственно, получили данный объем клиентов. Так, Эркафарм заняли четвертое место с объемом в 2,9 млрд руб. за первые два квартала.

За первое полугодие 2020 года объем рынка интернет-рекламы лекарств увеличился на 43% и продолжал расти по данным «Яндекса». Интернет стал безусловным лидером в плане инвестиций: так, затраты на ТВ-рекламу оказались на втором месте после онлайна. Площадки фарм ритейлеров также являются рекламными каналами, поэтому для Эркафарм было важно дать производителю больше прозрачности в части рекламной статистики.

Для того, чтобы полностью охватить увеличившийся спрос, необходимо присутствовать во всех каналах коммуникации, которые удобны клиенту. Это могут быть маркетплейсы, любые площадки, купонаторы, собственные ECOM проекты, интернет-магазины, мобильные приложения, колл-центры, чаты. Такое большое количество каналов требует аналитики, анализа и принятия решения.

Система каналов коммуникации с клиентом Эркафарм включала 4 сайта, 6 приложений, омниканальный колл-центр, маркетплейсы, агрегаторы сетей и реферальных партнеров. Аналитику по этим каналам нужно было видеть в едином автоматически формируемом отчете, доступном в режиме реального времени.
Задача
Необходимо было разработать мультибрендовый roll-up-отчет для топ-менеджера:
  • по брендам
  • по входящим каналам продаж — сайты, мобильные приложения, call-центры, партнеры
  • Drill down по каналам и источникам
Какие метрики было важно отразить
  • Количество заказов в динамике
  • Выручка от этих каналов
  • Объем заказов до выкупа
  • Средний чек
  • Выкупаемость
  • Доля E-com от total
Периоды отчетов
  • Real time в разрезе: День / Неделя / Месяц / Год
  • Сравнения динамики метрик в периодах
Гипотезы
Выстраивание системы сквозной аналитики напрямую связано с тестированием гипотез. Постановка гипотез позволяет тестировать различные идеи и, как результат, оптимизировать маркетинг. Компания Эркафарм с помощью выстроенной системы сквозной аналитики рассчитывала получить ответы на следующие вопросы:

  1. Как влияет увеличение бюджета на рекламу на увеличение продаж через органические каналы.
  2. Как влияют бюджеты одного направления на продажи в другом направлении.
  3. Проверить наличие / отсутствие связи Customer Journey в приложениях с другими платформами.
  4. Как правильно атрибутировать ценность при построении бюджетирования исходя из взаимного влияния каналов.
  5. Протестировать удобство сервиса для клиента (самовывоз / доставка / способы выбора аптеки).
  6. Проанализировать модели ценообразования по каналу продаж.
Ограничения по данным
  • Разрозненность: 4 вебсайта, 6 мобильных приложений, каждое из которых связано с CRM, но данные пользователя не объединены в один путь. Расходы рекламных кабинетов в своих срезах. У каждого проекта была своя система аналитики, не было единого клиентского пути.
    • Решение: объединение всех User ID в единый клиентский путь
  • Ручная работа: Данные по расходам предоставлялись вручную в виде CSV, и затем загружались в Google Cloud Storage.
    • Решение: автоматизация проброса данных по расходам.
  • Часть маркетинга и CRM не оцифрованы: SMS и Email — не было разметки, не учтены расходы по партнёрам.
    • Решение: внедрение системы UTM меток.
  • Отличия в данных по заказам в Google Analytics vs CMS vs ERP.
    • Решение: объединение данных по заказам через справочник и интеграцию с ERP
Схема сбора и обработки данных

Совместно с аналитическими партнером MTRENDO-HOLOWAY был организован проект из трех блоков.

  • Первый блок: взаимодействие клиента с рекламой до перехода на площадки — проброс данных со всех рекламных каналов.

  • Второй блок: воронка продаж, через которую проходит клиент, когда взаимодействует с источниками продаж, включая все интернет-магазины, мобильные приложения, колл-центр.

  • Третий блок: этап выкупа — возвращается ли он в оффлайне / онлайне за следующей покупкой, когда сделал заказ в онлайне — то есть фактически данные по сделанным заказам и статус по ним.

Все это уходит в хранилище данных, объединяется, атрибутируется и визуализируется в виде отчета по техническому заданию компании Эркафарм.
Схема интеграции в  которой все данные собираются в Google BigQuery.
В итоге, получилась классическая схема интеграции систем, в которой все данные собираются в Google BigQuery.

С помощью сервисов OWOX BI и M&H GCP Apps производится сбор и обработка данных Google Analytics, AppsFlyer и ERP, трансформация, а также расчет атрибуции и подготовка датасетов для визуализации.
Визуализация отчета по объему заказов с источника на данных ERP Erkapharm
Мониторинг по объему заказов с источника: отправлялся каждый час за прошедший период в разрезе дня «сегодня и вчера"/недели/месяца/года. Отчет собирался вручную, ежедневно в течение каждого часа высылался на почту, содержал процент, количество процентов, суммы, по определенной формуле рассчитывалось отношение одного дня ко дню, недели, месяца и года. Увидеть динамику можно было только сравнивая отчеты из разных писем.
Отчет по объему заказов по внутренним сервисам на данных аналитического DWH
Этот отчет перевели в дашборд, обновляемый в real-time с возможностью переключаться между периодами.

Отчет также служит для уведомления о проблемах с любой из подключенных к экосистеме сбора данных систем. В компании был интересный кейс: из-за проблем с сервисом авторизации отчет выдал предупреждение об отсутствии данных. Это позволило оперативно восстановить сервис авторизации не потерять продажи. Без данной системы о проблеме стало бы известно гораздо позже и, как результат, компания потеряла бы в объемах продаж.
Отчет по объему заказов по внешним сервисам на данных аналитического DWH
Такой же дэшборд сделали по партнерам с динамикой, которая была необходима. Отчет стал одним из инструментов, которым менеджеры проектов пользуются для того, чтобы следить за ситуацией по тому или иному каналу.
Результаты по дашборду
Итоговый дашборд объединяет все рекламные кампании, все рекламные источники и ERP систему.

Данный дашборд позволяет проанализировать множество срезов, углубиться по каждому каналу до ключевого слова, декомпозировать все источники, выбрать один канал и/или точку касания, проанализировать их, либо совокупно посмотреть всю ситуацию. Есть возможность детализации по одному или нескольким регионам.
Отдельные дашборды для подрядчика
Точно такие же отчеты компания теперь предоставляет своим подрядчикам, которые управляют рекламными кампаниями, для того, чтобы они могли более эффективно проводить различные активности в интернете на основе показателей, посчитанных не только по модели Last non-direct Click, но и с учетом каждого касания клиента в цепочке пользовательского пути (Мультиканальная атрибуция).
Дополнительные плюсы внедрения сквозной аналитики
  1. Анонимные посещения сайтов объединяются в единый путь при помощи общего анонимного идентификатор.
  2. Идентификация пользователя в одной точке касания распространяется на все точки касания ретроспективно.
  3. Все системы опираются на хэш телефона, как на уникальный идентификатор
  4. Есть возможность проводить АБ-тесты на сырых данных
Следующие шаги развития сквозной аналитики
  • Отчеты для рекламодателей (партнеры/производители)
  • Реализовать механики идентификации (sms, email, онлайн-чеки)
  • ROPO-аналитика (+ обратный ROPO)
  • А/Б-тестирование UX
  • А/Б-тестирование ценообразования
  • А/Б-тестирование системы поиска AnyQuery
  • Анализ данных с учетом Списания/начисления бонусов
  • Дашборд Life Time Value
Ещё статьи по теме

Связаться с организаторами

Заполните форму и мы рассмотрим ваш вопрос
contact@biganalytics.ru

© 2019-2022 Big Analytics.
Все права защищены
ОРГАНИЗАТОР
  • ООО БИГ АНАЛИТИКС
  • ОГРН 1227700397462
  • ИНН 7735195447
  • Деятельность по организации конференций и выставок
ПРОДАЖА БИЛЕТОВ