АНАЛИТИКА

Аналитика никогда не была ни надстройкой, ни опцией. Это обязательный этап маркетинга. Без первичных данных невозможно ничего делать нормально. Тем более если речь идёт о чужих деньгах. Нельзя принимать решения, опираясь только на интуицию, прошлый опыт, теоретические знания или историю из серии «у нас в другом проекте это работало». Маркетинг слишком сильно завязан на детали конкретного бизнеса.

На входе почти никогда не известно всё, что действительно влияет на результат:

• экономика
• сервис
• цикл сделки
• поведение клиентов
• ограничения команды
• сезонность
• повторные продажи
• качество обработки заявок

Поэтому переносить логику одного проекта в другой без проверки - ошибка.

Я уже два месяца вожу младшего на развивашку по субботам к 10:00. Занятие длится два часа, и это время я по-молодецки фрилансю в кофейне неподалёку. Там их две. Я сходил в обе: и там, и там мне оформили карту лояльности по номеру телефона и дали какую-то плюшку к кофе. То есть собрали контакт и потратили немного денег на то, чтобы создать приятное впечатление.

Но дальше началось расслоение. Через две недели я стал ходить в ту кофейню, от которой мне за это время пришла смс с простым, но понятным сообщением: мол, вы классный клиент, мы вас ждём, вот вам -10% на любой напиток по промокоду. Вторая кофейня на этом же первом касании и закончилась. Всё очевидно, кто сливает а кто нет. Выигрывают не из-за идеи с картой лояльности, бесплатной конфетой или пироженкой. А потому, что в первом случае за ней стоит продолжение - сервис, повторное касание, логика возврата человека. Маркетинговый расход работает на экономику. А во втором случае всё обрубается на первом действии. И весь «маркетинг» превращается в бездонную яму.

Как говорится: раздавать деньги - легко. Попробуй их потом собрать. Что сработает выясняется только через тест. В этом конкретном примере кофейня номер два могла бы очень быстро проверить реальную возвращаемость по своим картам лояльности и почти наверняка увидеть что просто раздает бесплатные плюшки без следующего шага. Дальше два варианта - либо перестать сливать на это деньги, либо выстраивать нормальную механику возврата.

Данные это основа для построения гипотез, они появляются только там, где бизнес готов дать время и деньги. Это 1-2 месяца и хоть какие то деньги на трафик и обработку первичных данных. И вот здесь у бизнеса регулярный парадокс: люди не готовы потратить несколько тысяч рублей на проверку гипотезы, но при этом без проблем готовы закинуть в разы больше денег в канал, который никто толком не проверил, но он понятен собственникам. Хотя логика должна быть обратной. Сначала тест, потом данные, потом решение.

Не наоборот.

В этом смысле аналитика - это не просто цифры в таблице. Это связка «данные - понимание - решение». Без данных всё это лотерея. С данными появляется шанс понять, что именно происходит, почему это происходит и стоит ли туда двигаться дальше. Причём это не обязательно требует сложной инфраструктуры. Аналитику можно начинать руками, в Excel, если есть понимание, что именно измеряется и зачем. Измерить можно очень многое. Вопрос не в количестве цифр, а в том, какие из них действительно описывают поведение проекта и помогают принять решение, а какие нет.

Корректно собранные данные это не гарантия сильного вывода. Они дают опору, но не снимают с человека ответственность за интерпретацию. Метрики - могут быть посчитанными без ошибок, отчёт и сводка аккуратными, НО риск слабого решения остается.

Вот практический парадокс: решения, принятые на неправильных цифрах, тоже могут быть логичными - но только в контексте тех цифр, на которые смотрели. Ошибка в таких случаях обычно не в аналитике как таковой. Ошибка в выборе метрики, в постановке вопроса, в отсутствии нужного среза или в том, что вывод начали делать раньше, чем поняли, что именно перед собой видят. Если смотреть только на стоимость заявки, можно быстро решить, что канал хороший. Если добавить к этому качество клиента, средний чек, повторные продажи и реальную экономику, картина может перевернуться полностью. И наоборот: канал может выглядеть дорогим на первом этапе, но в длинной модели давать лучшие деньги.

Именно поэтому аналитику нельзя вырывать из контекста бизнеса: маржинальность услуги, загруженность команды, ограничения по производству, слабую обработку заявок, длинный цикл сделки, качество повторной выручки, сезонные колебания, поведение постоянных клиентов. Без этого цифры становятся опасны не потому, что они неверные, а потому, что они неполные.

По этой же причине я не считаю правильным смотреть аналитику в одного. Когда на данные смотрит только один человек, особенно если он глубоко сидит внутри своей специализации, почти всегда появляется риск тоннельного зрения. Смотреть данные в маркетинге нужно совместно со стейкхолдерами проекта: финансы, ит, юристы, операционщики. Те кто вовлечен в процес - должны участвовать в интерпритации. Это вопрос точности. Сильный вывод чаще всего собирается именно в обсуждении.

Задача аналитики - связать цифры с реальностью бизнеса. Если этой связки нет, можно очень бодро оптимизировать не туда: снижать стоимость заявки в сегменте, который не даёт денег, усиливать канал, который создаёт нагрузку без прибыли, или отключать гипотезу, которая просто не успела раскрыться.

Для меня всё это когда-то перестало быть теорией на очень простом примере - на своём. Первую рекламную кампанию я запускал в 2015 году на свои деньги, на обслуживание кондиционеров и на свой риск. Так что вариантов принимать решения по ощущениям у меня просто не было, благо хватило ума: без оцифрованных данных я не пойму вообще ничего. Не пойму, когда начинается сезон, кто именно приносит деньги, какие клиенты окупаются, сколько денег мне реально надо на рекламу и расходы.

В 2015-м я просто собрал кампанию и запустился, отработал сезон, заработал какие-то деньги и отбил рекламу. В 2016 году переработал кампанию и сделал то же самое, и у меня уже были данные за два сезона, которые можно было сравнивать: по динамике спроса, по тому, когда начинается сезон и как в него лучше заходить. Когда начинал третий сезон, я уже понимал, что рекламную кампанию имеет смысл включать только в определённый период и что её реальная цель - не собирать всех подряд, а ловить B2B-заказчика с большим объёмом оборудования и понятным чеком. Если удаётся найти одного-двух таких клиентов, сезон уже можно считать удачным. Всё остальное - это трудозатратная безденежная суета. До пандемии меня можно было увидеть в Яндексе, Google, на Авито и во ВКонтакте примерно с 20 апреля по 15 июня. И это не теория: с одним предприятием из того первого бизнеса я работаю до сих пор.

Но важно здесь другое: в тот момент у меня не было никакой сложной системы. Не было BI, не было большой инфраструктуры, не было автоматизированного контура в том виде, в каком его любят рисовать на схемах. Был ручной базовый набор: фиксация расходов, понимание, откуда пришёл клиент, сколько было обращений, сколько из них дошло до денег и что в этой модели вообще окупается. На таком простом наборе переменных строится главное - дисциплина в сборе цифр. И уже из этой простой ручной системы потом вырастает всё остальное - от недельной аналитики до нормального управленческого контура.

На старте хватает Excel, ЯМетрики или пикселя соцсети, данных рекламного кабинетов и CRM (в любом виде, даже блокнотика) - этого достаточно, чтобы собрать рабочий контур из гипотез, расходов, заявок и продаж, а всё, что не сведено в одну систему, быстро превращается в фикцию и трату времени.

Поэтому на первом уровне достаточно даже Excel, но в нём должны быть собраны все ключевые точки:

• источник трафика
• стоимость каждого из целевых действий
• виды и количество каждого из целевых действий
• продажи и итоговая экономика теста.

Пока эта база не собрана руками, говорить о более сложной аналитике преждевременно. Важно собрать простую систему, в которой цифры начнут объяснять всем участникам процесса, куда мы движемся, как мы туда движемся и для чего проверяется конкретная гипотеза.

Это работает везде - в IT, в маркетинге и рекламе, в финансах, в бизнесе вообще.
Если команда понимает воронку в разрезе проверяемой гипотезы, то даже простейшего Excel уже достаточно, чтобы видеть реальную картину. Нормальная аналитика стартует не со сложных систем, а с единой для всех среды, в которой цифры помогают работать над решениями.

Система принятия решения. Вот к чему мы движемся когда работаем в долгую! Вот здесь уже, благодаря времени и командной работе появляются гарантии. Все хотят гарантий. И здесь они есть!

На этом этапе данные уже сводятся не только по неделям, но и по месяцам, кварталам, году. Рационально использование сложных BI систем или формирование сквозных данных в книгах Excel или Google Таблицах с общей эффективности по каждому каналу привлечения в разрезах воронки.

Именно такая сводка позволяет смотреть на маркетинг без иллюзий:

• видеть сезонность, замечать
• когда в рынок зашли конкуренты
• понимать, где проседает спрос, а где, наоборот, появляется окно для роста

Теперь это основа для долгосрочного планирования бюджета на следующий период, закладки резерва под колебания спроса, корректировки активности. Здесь мы уже знаем какие каналы действительно заслуживают усиления, какие даже не будут рассматриваться и какие нужно продолжать проверять.

Несколько примеров из практики с микро бизнесом, с которыми удалось поработать более 1-2 лет.

Один из самых ярких примеров у меня был с локальным СТО эконом сегмента. На самом старте, после сборки минимального контура аналитики, мы подключили колл-трекинг от Callibri и в течение квартала смотрели, все каналы откуда приходили обращения, что ещё важнее, какой средний чек приходит с каждого канала. В итогу проверки гипотезы, стали понятны два источника работающие лучше остальных именно по выручке. Это помогло определить где запускать рекламу и куда направить реальный бюджет.

Аналогичный треккинг, только уже чатов в мессенджерах использовался в работе с центром писхологических консультаций и психиатрии. Старт сбора данных по обращениям начали уже после выхода в опреационную безубыточность по лидогенерации. Запустили гипотезу опираясь на непрозрачное использование бюджетов в каналах. На основании полученных данных собственник перенаправил бюджеты в один канал лидогенерации + была реализована реферальная механика для развития управляемого сарафанного радио.

Ещё один сильный пример - салон красоты, где маркетинговая работа ведётся с 2019 года. Там со временем стало видно, что анализировать нужно уже не столько каналы, сколько комбинации услуг. Осенью 2024 года стало ясно, что набор моделей на курсовые программы даёт хорошие длинные деньги. На этом основании были собраны курсы по уходу, пилингам и чисткам лица. Дальше привлечение идёт через доски объявлений и моделей, а менеджер уже на этапе сбора обратной связи доводит часть людей до записи на курсовой оффер. После прохождения курса доверие сформировано и клиент апселится на более дорогую инъекционную косметологию.

Всё это стало видно только потому, что вёлся полный отчёт: сколько стоило привлечение лида, как он проходил дальше по воронке и во что в итоге превратился по деньгам.

Аналитика нужна для принятия решений. Оттого чем раньше собран аналитический контур, чем раньше зафиксирована гипотеза и чем спокойнее бизнес относится к тестам, тем быстрее маркетинг перестаёт быть набором случайных действий и превращается в управляемую систему, в которой решения принимаются не по наитию, а на основании того, что реально происходит.