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
Продвинутые когортные отчеты или как подружить CRM и маркетинг-аналитику в фудтех
В этой статье мы расскажем как крупная сеть ресторанов японских паназиатских кухонь построила систему когортных отчетов для App + WEB
Николай Кочмарский
E-Commerce Director в MYBOX
Головей Евгений
Основатель и CEO HOLOWAY ANALYTICS
Задачи

В 2021 году крупная сеть ресторанов MYBOX из классической сушейни с возможностью доставки и небольшой долей ecom, трансформировалась в фудтех компанию, в которой доля ecom значительно выросла. В связи с этим значимость аналитики, как инструмента для принятия решений, увеличилась. Параллельно происходило обновление мобильных приложений, а чуть позже вебсайта.
В связи с этим, компания поставила перед собой задачу создать систему сквозной аналитики App + Web и построить понятный и визуально удобный когортный отчет для проверки следующих гипотез и задач:



  1. Гипотеза: увеличение бюджета на рекламу влияет на увеличение продаж через органические каналы.

  2. Задачи:
    1. Построение бюджетирования исходя из взаимного влияния каналов. Как правильно атрибутировать ценность?

    2. Планирование общенационального медиаплана с учетом локальных показателей и потребностей конкретных ресторанов.

    3. Отслеживание Customer Journey при мультиканальном взаимодействии с клиентом на сайте и в приложении.
Проблемы и ограничения по данным

В ходе решения поставленных задач команда MYBOX и команда MTRENDO-HOLOWAY столкнулись с рядом проблем и ограничений:

  1. Разрозненность данных: Сайт, Мобильные приложения. Каждое из них связано с CRM, но данные пользователя не объединены в один путь.
  2. Несогласованность. В мобильных приложениях используется две системы аналитики. Firebase — полный трекинг, AppsFlyer — инсталлы и покупки. На сайте — GA UA. Рассинхронизация по передаче идентификаторов пользователей, способу хэширования, наличию и названиям параметров.
  3. Ручная работа: Многие показатели рассчитываются вручную по запросу.
  4. GEO-локация в Analytics далека от реальной.

Требования к отчетам
Обязательные параметры
  • выкупленные заказы и выручка
  • агентские комиссии, CPA-ставки
  • промокоды
Кастомные гео-параметры
  • города
  • дивизионы
  • регионы
Отчеты аналитики
  • классический отчет сквозной аналитики
  • классический когортный отчет
  • маркетинговые отчеты с учетом когорт (доля прошлых заслуг в выручке — 70%)
Атрибуция
  • Last Non Direct
  • First click
  • Linear
Предложенная схема сбора и обработки данных
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.
Оригинальность кейса заключается в том, что основной массив исходных данных, GA4 и Firebase, собирается напрямую в Google BigQuery нативным экспортом.
С помощью приложения M&H Apps производится сбор данных AppsFlyer, ERP, трансформация, а также расчет атрибуции и подготовка датасетов для визуализации.
Пример маркетингового отчета на данных ERP в Excel
Ранее основной отчет приходилось собирать вручную. На отчет по отдельному региону приходилось делать отдельный запрос аналитику.
Маркетинговый отчет на данных аналитического DWH
Сейчас все данные отчета Excel визуализированы в Google Data Studio с фильтрацией по регионам. Также реализован drilldown до campaign и key word. Данным дашбордом могут пользоваться руководители на уровне регионов, он также подходит для ad hoc анализа за счет того, что реализована достаточно глубокая грануляция.
Отчет позволяет отслеживать изменение основных маркетинговых KPI в режиме реального времени и принимать оперативные решения.
Когортный отчет на данных ERP, использовавшийся компанией
Отчет строился по покупателям, а не пользователям. Была реализована возможность фильтрации по источнику, колл-центру, мобильному приложению, кассе. Выводились пользователи, сумма или заказы.
Классический когортный отчет на данных аналитического DWH
В итоге решили делать когорты по пользователям. Реализована фильтрация по источникам, деление по регионам, по гео, и вывод основных показателей.
Когортный отчет в Google Data Studio
Когортный отчет в Google Data Studio был реализован на тех же данных. Кардинальное отличие его в том, что когорты накапливают расходы и доходы.
В данном кейсе, в «обычном» маркетинговым отчете доход от вновь привлеченных пользователей составляет всего 10%, поэтому такой отчет не позволяет оценить эффективность рекламных каналов.
Мы разделили каждый из показатели выручки и расходов на два: «от текущей когорты» и «от прошлых когорт», благодаря чему можно намного более точно оценивать эффективность маркетинга.
Результаты
  1. MyBox получили удобные для использования отчеты, которые позволяют почтимоментально получить необходимый срез данных и визуализировать их.
  2. Уменьшилось время принятия решений.
  3. Найденные инсайты, привели к изменениям медиапланах как на общенациональном так и на региональном уровне.
Как основной результат компания получила возможность настраивать рекламу более точно и оптимизировать бюджет.
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