Почему после настройки аналитики всё выглядит хуже?

Команда запускает аналитику:

• настраивает GTM, GA4, Метрику;
• связывает CRM, расходы, звонки;
• создаёт события, дашборды.

Смотрят отчёт — и погружаются в перманентную тревогу:

• лидов меньше,
• конверсии упали,
• ROAS похудел.

Мы что-то сломали?

Увы, нет. Скорее, увидели правду.

В одном проекте показатели выглядели идеальными: высокая конверсия, приемлемые поведенческие, окупаемость тоже в порядке. Все было как в сказке. Пока не начали разбираться с трекингом.

И выяснилось:

• часть посадок вообще не трекалась,
• конверсия считалась по всем - новым и вернувшимся,
• в формулах LTV, ROMI были обидные ошибки.

После исправлений в репортах конверсия уменьшилась на четверть. Но это была реальность, не сбой.

Почему так?

Потому что:

• Первые вариации вашей маркетинг-аналитики – это почти всегда MVP. A MVP должен эволюционировать.
• Без валидации цифры быстро теряют актуальность.
• Зеленые метрики запирают вас в стазисе комфорта – не хочется копать, когда прет. Вроде работает – зачем ломать?

Но это ошибка.

Ваш репортинг должен меняться вместе с вами. И правда иногда может быть больной.

Что делать:

1. Ищите зоны роста. Специфические параметры, метрики, сегменты.
2. Нашли? Подготовьте команду. Предупредите, что «просадка» — норма. Ничего не ломается, мы просто становимся чуть ближе к правде.
3. Фиксируйте изменения. Ведите changelog: что, где и когда поменяли в трекинге и логике.
4. Поясняйте разницу. Покажите, где произошли искажения, и почему новая цифра актуальнее.
5. Обновите KPI. Если изменилась база расчета, то и таргет должен быть иным.

Настоящая аналитика — не про «красиво», а про эффективно. Падение метрик после настройки — не провал, а новая точка отсчёта, условный выход из матрицы.

Смелей, Нео. Красная или зеленая?

Если вы хотите глубже разобраться в маркетинг- и продуктовой аналитике, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Напоминалка от Ash Maurya

Хороших выходных!

@marketng_analysis

Аналитика вроде есть — но всё равно ничего не понятно. Почему?

Это всегда выглядит серьёзно:

• Looker Studio, Power BI, BigQuery,
• события собираются, дашборды строятся,
• митинги проводятся.

Меняются ли вопросы на этих митингах?

Не-а. Вот примеры из жизни:

• Что за метрика?
• С возвратами или без?
• А год к году какой рост?
• Откуда данные?

Главная проблема — в разрозненности

На одном проекте данные приходили из четырёх источников:

• CRM,
• 1С,
• рекламные кабинеты,
• Мой склад.

У каждого имелись логика и фильтры.Свои исполнители и свои метрики. В итоге отчётов было много, но взаимосвязи между ними — ноль. Команда обсуждала не решения, а “чьи цифры правильнее”.

К чему это приводит:

• метрики трактуются по-разному,
• у одного и того же параметра разные определения,
• документация живёт в головах. А чаще – в голове,
• решения снова принимаются “по ощущениям”.

Что делать в таких случаях:

• Провести инвентаризацию. Посчитайте, сколько отчётов используется на самом деле? Бьюсь о заклад, их не больше 2-3. Остальные можно отключить.
• Придите к соглашению о KPI. Нормально, когда отделы спорят о расчет прибыли. Ненормально, когда это становится традицией.
• Верните фокус на ключевые метрики. 5–7 показателей — достаточно для большинства задач. Остальное — чисто для любопытства.
• Документируйте отчеты. На каждый: список метрик, формулы, источники, фильтры.
• Делайте отчет как продукт. Больше об этом пишет Рома Бунин. Глоссарий, кнопка «помощь», короткие пояснения — все это функционал помощи конечным юзерам, а не декорация. Используйте с умом.
• Инвестируйте в обучение команды. Даже 15 минут объяснений экономят часы вопросов в будущем.

Еще раз. Аналитика — это не про инструменты. Это про то, чтобы все одинаково понимали, что означают цифры на экране.И были согласны с этим. Без этого даже идеальный дашборд – не более, чем обертка.

Если вы хотите глубже разобраться в маркетинг- и продуктовых метриках, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Почему отчёты в Google Sheets перестают работать, когда в команде больше одного человека?

Озарение с выходных. Google Spreadsheets – оружие одиноких самураев.

Я тоже когда-то думал, что Google Таблицы — это «быстро, удобно, бесплатно». Пока не начал делать отчёты не только для себя. В этот момент у репортов добавились редакторы. Маркетолог запускает кампанию — добавляет строчку. Аналитик пишет формулы. Менеджер проверяет результат. Все работают в одном файле.

То есть все нормально. Все работает как часы. Пока один файл не становится центром управления полетами.

Как правило, после шеринга с уровнем прав редактора начинается до боли знакомая дискотека:

• один удаляет пустую строку «для красоты» — ломается массивная формула;
• другой переименовывает вкладку, потому что «так понятнее» — перестают понимать все остальные;
• третий включает фильтр и сохраняет его «для всех» — никто не видит половину данных.

Неподготовленным командам я даю 2 недели. Спустя этот период никто гарантированно не понимает, что откуда считается. И что вообще происходит. В понедельник цифры одни, во вторник — другие. Каждое открытие отчетов – американские горки.

Итог:

• срывы синков,
• недоверие к аналитике,
• ощущение полного раздрая.

Один файл с большим удовольствием станет узким горлышком для всей вашей команды. Чтобы избежать такой беды, я поступаю иначе:

• сбор данных и расчёты — в в облачном хранилище;
• визуализация — в opensource-BI (дабы не зависеть от геополитики);
• метрики и расчеты – в отдельном документе.

Когда разные виды логики изолированы – очень трудно случайно всё сломать. А самое главное — к таким цифрам больше доверия.

Google Spreadsheets — это удобно только для одиноких самураев. Но если в команде больше одного ниндзя — пора думать про систему.

Таков путь.

Если хотите инструмент, который поможет считать правильно — запросите доступ к бесплатному калькулятору конверсии по ссылке.

@marketing_analysis

Как быть уверенным в своих данных?

Запилить лендинг, повесить Марквиз – очень просто. Потратьте час и уже через неделю отчёт будет радовать:

• трафик,
• заявки,
• конверсии!

Команда наверняка будет довольна: «Все по учебникам гроус-хакинга! Огонь, давайте масштабировать».

А потом появляется любопытный одиночка. Он первым додумается оформить несколько тестовых заявок:

• UTM-метки сломаны,
• часть событий не дошла до аналитики,
• в CRM — дубли,
• часть заявок так и осталась в Марквизе.

Из-за таких несуразностей цифры могут быть завышены на 30–40%. И когда реальность вскроется — станет ясно: неправильный расчёт был неверным с самого начала.

В таких случаях боль в иллюзии точности. До верификации цифры могут выглядеть отлично — и при этом быть неверными.

Типичные кейсы:

• битые и неверные UTM,
• сбои в трекинге,
• дубли,
• лаги интеграций.

Иногда это просто шум. А иногда — потери бюджета и времени.

Что делать в таких случаях?

1. Сверяйтесь с CRM. Только здесь можно увидеть реальные заявки и оплаты. Деньги не перестанут быть деньгами без параметра. Про сеансы в Метрике такого не скажешь.
2. Проверяйте трекинг вручную. Пройдите путь пользователя сами. Посмотрите, что на самом деле (и где) фиксируется.
3. Фиксируйте дубли и тесты. Часто «рост» — это повторы и проверки.
4. Собирайте сырые данные безо всяких фильтров — обязательно.
5. Проверяйте показатели, которые выглядят «слишком хорошо». Выживают только параноики.

Путь аналитика – не добывать данные, а задавать им вопросы. Пока данные не верифицированы — это гипотеза. А значит, и решения на таких данных под вопросом.

Если вы хотите глубже разобраться в работе с данными, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Что не получится посчитать в Excel?

Однажды нас попросили посчитать LTV по сегментам. Плюс — ROI с учётом отложенной конверсии. Плюс — многоканальную атрибуцию.

На словах — обычные задачи. На деле — Excel сказал: «удачи».

Конечно, физически это осуществимо. Не нужны макросы и многослойные ВПР. Всего лишь немного смекалки и упертость мазохиста.

У меня в той задаче было и то, и то. И первые месяцы всё шло нормально: таблица, пара сводных, график. А потом началось:

• таблицы тормозят,
• формулы слетают,
• данные не помещаются в ОЗУ.

Вроде хочется нужен один простой ответ на один простой вопрос – какие каналы дают деньги? А в итоге бьёшься с массивом формул, который сам уже не понимаешь.

Вот что точно не получится в Excel:

• LTV по сегментам. Чтобы собрать цепочку “первый контакт — оплата через 4 месяца” — нужно тянуть данные из разных источников и связывать по пользователю. Или по крайней мере по признаку когорты.
• Когортный анализ. Даже простая картинка из нескольких типов когорт превращается в калейдоскоп формул.
• ROI с учётом отложенной конверсии. Те самые временные лаги, повторные покупки. А еще есть подписки, а есть одноразовые покупки.
• Атрибуция. Многоканальную модель можно собрать на формулах. Но это все равно что составлять СЧАСТЬЕ из букв ЖОПА. Шанс есть. Но крайне хрупкий.
• Автоматизация. Без комментариев: данные приходится вставлять руками, обновлять отчёты вручную. Ни триггеров, ни логики, ни истории изменений.

Когда не хватает инструментов, маркетинг начинает работать на догадках. Метрики упрощаются до “плюс-минус”. Никакой глубины, никакой логики. Решения принимаются не на данных, а на ощущениях.

Мой вывод:

Excel — отличная штука для старта. Но если вы стали тратить по 3–5 часов в неделю, чтобы собрать ручной отчёт, подумайте – стоит ли табличка выделки?

В наше время даже на бесплатных инструментах (BigQuery + Looker Studio или Metabase) можно собрать рабочую аналитику:

• данные подтягиваются автоматически,
• логика считается в базе,
• отчёты живут отдельно.

И вот тогда начинаются настоящие инсайты. Не “как выросла метрика”, а почему она выросла. Не “где отключить канал”, а куда вложиться, чтобы удвоить выручку с платящего клиента.

Если хотите инструмент, который поможет считать — запросите доступ к бесплатному калькулятору конверсии по ссылке.

@marketing_analysis

Аналитик найдись!

Ищу аналитика на проект: нужно хорошо знать SQL, Metabase, иметь пару свободных часов в день, хорошее чувство юмора и желание поработать со мной. Пишите в личку.

@marketing_analysis

Почему дашборд, который все хвалят, никто не открывает?

Однажды, ещё работая в найме, я запустил новый отчёт:

• фирменные цвета,
• плавные фильтры,
• выручка с виджетом тепловой карты мира.

Команда была в восторге, скрины летели в чаты. Через неделю — тишина. По неловкому молчанию на планерке я понял, что был единственным, кто открывал отчет.

Что пошло не так?

Отчет стал витриной, а не инструментом.

В чём была ошибка?

• Красота ≠ польза.
• Без понятной логики даже самый эффектный отчёт не помогает.
• Если цифра неясна за 30 секунд изучения — это отчёт бесполезен.

Я исправил свои ошибки. Что делать вам?

1. Начинайте с логики. Сначала — вопросы к конечным пользователям. Потом – формулы, источники, фильтры. И только потом — дизайн.
2. Документируйте метрики. Каждая ключевая цифра — с пояснением: что это и как считается.
3. Добавляйте инструкции. Кто должен смотреть, зачем, на какие вопросы отвечает.
4. Делайте actionable-проверку. Если после просмотра отчета никто не принимает никаких решений — отчёт не работает.
5. Не гонитесь за вау. Сначала MVP — скучный, но понятный. Все дизайнерские плюшки – после.

Полезный дашборд — это не украшение. Это инструмент. Он должен отвечать на конкретный вопрос. Хотя бы на один.
И быть понятным — без сложной расшифровки.

Не знаете с чего начать в процессе работы с отчетами? Посмотрите мой видеоурок про составление ТЗ на маркетинг-аналитику. Он бесплатен и доступен по ссылке.

@marketing_analysis

600 строк, 40 метрик, 0 решений: что бывает, если делать как попросили?

Однажды в найме у меня попросили выгрузку. Я сделал ее. Свежую. Красивую: 600 строк, десятки показателей, еще больше срезов и параметров, timestamp вместо времени и даты.

Все были довольны. Виртуально хлопали меня по плечу и аплодировали в чате.

Какая проблема?

Никто не понимал, что делать с этой простынкой. Корни проблемы лежали в этапе составления технического задания. Тогда я послушно записывал хотелки стейкхолдеров:

• 4 уровня фильтрации,
• 3 версии атрибуции,
• 12 источников — от CRM до склада.

Выглядело солидно. Но в итоге:

• маркетинг не пользовался — «слишком сложно»,
• каждый божий день я делал ручные выгрузки по запросу,
• и их тоже выкидывали.

Потому что сложно!

Аналитика становилась цифровым памятником: впечатляющим, но бесполезным.

К чему приводит, когда делаешь так как попросили?

• Появляются невероятно сложные отчеты.
• Сложные отчёты пугают.
• Появляется страх ошибиться.
• Итог? Люди перестают пользоваться.

Чтобы отчёты стали полезными, а не «про запас», придерживаюсь таких принципов:

1. Включаю режим ленивого зануды. Есть хотелка? Сначала продайте ее мне. Не сумели продать? Значит не сильно она нужна.
2. Один отчёт — один вопрос.Лучше несколько простых, чем один перегруженный.
3. Только нужные фильтры. Остальное — спрятать.
4. Тест стажёра. Если новичок не понял за 5 минут — не стреляем в пианиста, а переделываем.
5. Самое главное – не делаю, как попросили. А спрашиваю, почему это важно. Важно моему собеседнику. Важно здесь и сейчас.

Хороший отчёт — это не про сложность. Это про ясность. Если отчётом боятся пользоваться — проблема не в людях. Проблема в том, как он сделан.

Не знаете с чего начать в процессе работы с отчетами? Посмотрите мой видеоурок про составление ТЗ на маркетинг-аналитику. Он бесплатен и доступен по ссылке.

@marketing_analysis

Сколько стоит компании один еженедельный отчёт, собранный руками?

Я когда-то в найме тоже считал: «ну, пару часов — и готово». А потом решил замерить. Оказалось: на один маркетинговый отчёт тратил 6 часов.

Каждую неделю:

• выгрузить данные из рекламных кабинетов,
• вручную почистить UTM-метки,
• свести с CRM,
• убрать дубли,
• подставить формулы в Google Sheets,
• обновить графики.

Такая рутина съедает день. На утро кто-то из коллег попросит поправить структуру — можно смело ставить крест на всей неделе.

Теперь берем калькулятор:

• 6 часов в неделю = 24 часа в месяц.
• Это неделя рабочего времени.
• В год — почти 3 месяца зарплаты специалиста.

Получается 500-800К с налогами. И это только чтобы только собрать таблицу. Не проанализировать. Не найти инсайты. А собрать.

Много? Подождите.

Что происходит, когда на встрече всплывает ошибка? Правильно, в ошибке начинают разбираться. И не один человек, а 5+. И не аналитики, а лиды и топы – c соответствующими грейдами и зп. В итоге цифры из абзаца выше можно смело умножать на 2-3. Выходит 2млн. – в самом оптимистичном сценарии. За отчетик, собираемый руками.

Почему так?

• повышается риск ошибок,
• страдает точность,
• отчёты задерживаются,
• эффект от ошибок становится накопительным,
• команда теряет в мотивации.

В какой-то момент я понял: проще автоматизировать, чем тратить понемногу, но бесконечно.

Что мы тогда сделали:

• завели базу, куда стекаются нужные данные,
• задали правила — как считать заявки, расходы, ROMI,
• подключили визуализацию, где всё обновляется без участия аналитика.

В итоге:

• Время на сбор отчёта — 0 часов. n8n, еще не ставший мейнстримом.
• Ошибок — минимум. И они контролируются.
• Освободились силы, чтобы работать с гипотезами, сегментами, воронками. На то, что реально приносит деньги.

Автоматизация — про экономию времени и снижение издержек. Но это не 3 месяца зарплаты – а миллионы, которые вы вернёте в креатив, гипотезы и поиск зон роста.

Считайте правильно.

А если хотите инструмент, который поможет считать правильно — запросите доступ к бесплатному калькулятору конверсии по ссылке.

@marketing_analysis

GTM-ниндзя, найдись!

Если у вас есть тот,

- кому нравится эта картинка,
- кто умеет в Google Tag Manager,
- кто хочет поработать со мной на парт-тайм-проектах:

попросите его написать мне, нам есть что обсудить.

@marketing_analysis

Почему каждый апдейт превращается в кошмар для аналитики?

Обновления — часть рабочего процесса. В том числе и для команд маркетинг- и продуктовой аналитики:

• в GA4 добавляются атрибуты,
• в CRM — новые статусы,
• в BI — новые источники.

В джире выглядит красиво. На практике начинается хаос:

• часть отчётов пустеет,
• фильтры ломаются,
• метрики пропадают,
• ветка уже в мастере, а мы не можем оценить эффективность.

Какая тут проблема?

Колеса бегут впереди аналитики паровоза.

В одном проекте раскатывали новый функционал. Через 2 недели — падение продаж. В отчётах всё выглядело нормально: трафик есть, конверсии на месте. Но бухгалтера не обманешь – денег нет.

Что выяснилось:

• 30% событий не фиксируются,
• параметры не обновлены,
• часть метрик некорректны,
• сегменты потеряли актуальность.

Но. Команда уверенно смотрела на «рабочие» отчёты — и не видела, что теряет деньги. На том трафике это были буквально ежеминутные потери круглых сумм.

Очень часто сбой не очеиден:

• графики рисуются,
• таблицы заполняются,
• метрики двигаются.

Но данные уже искажены. И пока это не отразится на выручке — никто не замечает. А потом будет поздно.

Что делать?

• Отдельной задачей решаем трекинг и оценку эффективности. И этото задача – блокер для всей части функционала.
• Сравнение до/после. Смотрим вручную, совпадает ли структура данных. Нет ли гэпов?
• Тест в песочнице. Не выкладывайте сразу в прод — сначала проверка в безопасной среде.
• Проверка трекинга. Проходим по отчётам, ищем сбои в поставке данных.
• Сверка с CRM. Проверяем, как фиксируются заявки и выручка.
• Катим в мастер — только в будни. Утром, с запасом на возврат к предыдущей версии.

Аналитика ломается тихо — потому что не является реальностью. А лишь одним из ее представлений. Не молитесь на вашу аналитику, а стелите соломку заолго до каждого обновления.

Если вы хотите глубже разобраться в том, как работать с отчетами, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Как ручные отчёты убивают прозрачность в продукте маркетинге?

Я видел это много раз. Простой вопрос: «Сколько заказов было по кампании Х?» — открывает врата преисподней.

• В отчёте агентства — 120.
• В табличке маркетолога — 97.
• В CRM — 112, но по другим датам.
• В рекламном кабинете 140, но с другой атрbбуцией.

И все по-своему правы.

По одиночке мы склонны к мазохистским практикам. Каждый собирает данные вручную:

• агентство — из своей системы,
• маркетолог — из Excel,
• CRM — из Битрикса,
• рекламщик — из рекламных кабинетов.

И у каждого — своя логика: у одного метки не те, другой дубли не удалил, у третьего отчёт по дате клика, у четвертого — по дате заявки.

В итоге:

• Отчёты расходятся.
• Цифры не совпадают.
• Время тратится не на работу, а на выяснение “у кого правильней”.

Был кейс, когда мы неделю не могли утвердить бюджет — потому что никто не мог объяснить, сколько реально стоила заявка. Что закономерно не укладывалось в картину мира руководителя – как одно и то же может стоить по-разному?

Что происходит там, где нет прозрачности:

• решения откладываются,
• бюджеты сливаются,
• команда теряет доверие друг к другу,
• аналитика превращается в споры, а не в аргументы.

Не устану набивать оскомину.

Люди – хорошие.

Проблема не в людях. Проблема в ручной сборке. Каждый отчёт — отдельная действительность. Пока нет единого подхода — не будет общей картины.

Что сработало у нас:

• завели единый источник правды,
• договорились, как считать ключевые метрики,
• автоматизировали отчёты так, чтобы люди видели одно и то же.

Тогда мы перестали созваниваться втроём, чтобы сверить три отчёта. Окалазлось достаточно открыть один дашборд. А споры оставили на курилку и рекорд Овечкина (тогда он еще только снился).

Автоматизация — это не про технологии. Это про доверие. Если в компании нет единого источника правды — остальное не имеет смысла.

И да. Люди – хорошие.

Если вы хотите глубже разобраться в том, как работать с отчётами, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Что делать, если отчёты “работают” — но автора уже не найти?

Представьте. Вроде бы всё на месте:

• дашборды крутятся,
• выгрузки идут,
• цифры отображаются.

Но тот, кто всё это настраивал, — ушёл.Подрядчик, BI-команда или фрилансер — исчезли.

Какое негласное правило? Верно:«Не трогать, чтобы не сломать».

Какая проблема в этой логике?

Это не логика, а самообман.

В одном e-commerce проекте отчёт по атрибуции показывал неадекватно высокий ROAS по однму из каналов. При этом не меняли ничего. При аудите выяснилось:

• часть расходов подгружалась вручную,
• автоматизации не было,
• нет расходов – выше ROAS!

Подрядчик ушёл, и отчёт стал декоративным.

К чему это приводит?

• расчёты устаревают,
• связи ломаются,
• данные становятся неактуальными.

Таким цифрам верят недолго. Как правило, до ближайшего провала.

Что делать?

• Аудит при передаче.Проверяйте формулы, источники и фильтры после ухода подрядчика или сотрудника.
• Требуйте документацию.Как и что считается — должно быть зафиксировано.
• Делайте бэкапы.Сохраняйте ключевые таблицы и конфигурации.
• Минимизируйте ручной труд. Google Sheets и Excel — только как временное решение.
• Делите ответственность. Больше вовлечённых – меньше шансов потерпеть фиаско.

В аналитике можно доверять только тому, что можно проверить.Всё остальное — временно. И под вопросом.

Не знаете с чего начать в процессе работы с отчетами? Посмотрите мой видеоурок про составление ТЗ на маркетинг-аналитику. Он бесплатен и доступен по ссылке.

@marketing_analysis

Каждый август ощущаю приятное волнение и легкий мандраж

Это значит – на носу Measuresummit и Матемаркетинг. Обожаю. Хороших выходных!

@marketing_analysis

Зачем десятки метрик, которыми никто не пользуется?

90% отчетов, которые я открываю, выглядят одинаково хорошо: 20+ метрик, графики, всё аккуратно.

В чем же подвох?

Команда смотрит только на 3–4 цифры.

Остальное:

• непонятно, зачем нужно,
• не используется,
• иногда и не обновляется.

Какая тут проблема?

Когда я спрашиваю, кто чем пользуется в репорте, то получаю обескураживающий ответ - вот эти три метрики. Остальное — «на всякий случай». Но метрики «на всякий случай» могут дорого стоить. Потому что:

• отвлекают,
• создают визуальный шум,
• формируют ложное ощущение контроля.

К чему это приводит?

Лишние метрики усложняют принятие решений. Они растят ваш time-to-decision.

Что делать?

1. Начать с цели. Что должен показывать отчёт — продажи, ROMI, воронка, конверсия?
2. Оставить 5–7 метрик.1-2 кор и несколько прокси. Это максимум, который реально удерживается в фокусе.
3. Архивировать лишнее. Уберите неиспользуемое — пусть будет доступно, но не мешает. Нет, не надо никакого «всякого случая».
4. Раз в квартал — аудит репортов. Раз в год – пересмотр архитектуры метрик. Это норм.Регулярно даляйте устаревшее и невостребованное.

Полезная аналитика — это не про подборку лайфхаков «на всякий случай». Это про ясность и действия. Лучше 5 метрик с пользой, чем 50 — для картинки.

Если вы хотите глубже разобраться в том, как рассчитывать метрики, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Отзыв о видеогайде "10 шагов к сквозной аналитике за 1 месяц"

Энгельман Филипп, маркетинговый аналитик в компании ROCKSTONE:

Отличный гайд. Подробно и понятно о том, что казалось бы сложным. Больше всего порадовали бесплатные материалы-шаблоны, которые однозначно облегчают понимание действий на каждом шаге. Несмотря на ecom в названии гайда, он подойдет для сквозной аналитики маркетинга любого направления. Понятно, что все нюансы не учесть, но отличный скелет для выстраивания однозначно составлен. 10/10, спасибо!

Что входит в гайд:

• Видеоурок
• Карта-гайд в Miro «10 шагов к рабочей сквозной аналитике для Ecommerce за 1 месяц»
• Карта метрик для Ecommerce в Miro
• Шаблон ТЗ на сквозную аналитику
• Шаблон карты событий
• Шаблон карты разметки
• Бесплатная консультация по сквозной аналитике

Доступ ко всему добру асболютно бесплатно по ссылке.

@marketing_analysis

Что происходит, когда каждый отдел ведёт свои таблицы — и никто не понимает, кто прав?

В стиле братьев Коэнов:

Маркетинг: «У нас 500 лидов за месяц, мы в плане».
Продажи: «А мы нет, но заявок было только 300».
Финансы: «В кассе 190 оплат. Где деньги, Лебовски?».

Цифры разные. Цифры расходятся. Но каждый живёт в своей таблице, со своими цифрами.

• Маркетинг считает конверсии с нужными параметрами.
• Продажи – сделки в CRM без дублей и повторных.
• Финансы – по оплатам с клиент-банка безо всякой связи с воронкой привлечения.

Могут ли клиенты не мапиться между отчетами? Могут и более того – будут! Один лид будет числиться “новым” у маркетинга и “отказником” у продаж. Бухгалтеру, как правило, не до когорт, а маркетинг не особо трясется о дебиторке.

В итоге:

• Сводный отчёт собрать невозможно.
• Каждый тащит собственную правду.
• Нет единой картинки.
• Все решения принимаются волевым решением руководителя.

Я регулярно бывал на встречах, где битый час уходит на выяснение: откуда у кого какая цифра. Финансовый директор не верит маркетингу, маркетинг спорит с продажами, продажи — с продуктом.

Еще раз. Истина будет рождаться в продуктивных спорах. Истерика из-за неверных цифр к таковым не относится.

Типичные проблемы, когда данные ведутся разрозненно:

• возникают конфликты интересов,
• отчёты теряют доверие,
• мотивация и командная динамика улетают в трубу.

На моем опыте: после гнева, отрицания и принятие как правило следует очередная ручная сборка. Вместо анализа — эксель-магия, сверка, уточнение.

Что мы в своё время сделали у себя:

• собрали данные в одну базу,
• связали клиентов по нужным ID,
• договорились, как считаются статусы и метрики,
• начали строить отчёты из одного датасета.

И вот только тогда стало возможным обсуждать не “кто прав”, а что делать, чтобы стало лучше.

Если хотите масштабироваться — данные должны быть общими. Один источник. Единая логика.

Если вы хотите глубже разобраться в том, как работать с отчётами, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Почему аналитик говорит на своём языке, а бизнес — на своём?

Помню такие диалоги. На встрече аналитик показывает отчёт: «Здесь разложено по user_pseudo_id, вот учтены разные модели атрибуции и посчитан доверительный интервал».

Коллеги кивают. Потом осторожно задают вопросы:

• А что работает?
• Конверсия ОК?
• Год к году растем?

Аналитик повторяет упражнение. Яснее не становится.

В чём проблема?

Иногда аналитика остаётся просто очень интересной информацией. Но бизнесу не нужна статья из Википедии.

Ему нужен ответ на один вопрос:«Что теперь делать?»:

• Никому не важен доверительный интервал, если он не помогает принять решение.
• ROAS, user_id и атрибуции — интересны, только если из них следует действие.
• Если нет перехода от цифры к решению — отчёт бесполезен.

Вы - CMO. Что с этим делать?

• Говорите языком решений. Не повторяем то, что есть на графике, а озвучиваем причины и предлагаем решения.
• Отучивайте аналитика использовать техно-термины. Принципы — на встречу, формулы — в документацию.
• Готовьте выводы заранее. Не учите линейную алгебру, а знайте ответы на простые вопросы. Где просадка? Где можно вырасти? Что можно поменять?

Бизнес работает не с графиками. Он работает с решениями. И аналитика должна этому помогать. Вектора и матрицы – в свободное от работы время.

Если вы хотите глубже разобраться в маркетинг- и продуктовой аналитике, я подготовил подробный гайд по сквозной аналитике за 1 месяц. Он бесплатен и доступен по ссылке.

@marketing_analysis

Почему «ручной контроль» - это не про контроль, а про хаос?

Когда мы впервые выстраивали аналитику, я наивно думал: “Если раз в недельку проверить отчет вручную - всё будет под контролем”.

Так оно и повелось:

• сверяли метрики по неделям,
• смотрели на динамику,
• ловили странности в цифрах,
• иногда даже замечали ошибки.

Выглядело как процесс. Но это была иллюзия. У нас сложилось впечатление, что проверка своими глазами - лучший факт-чекер.

На деле у всех был свой «глазомер»:

• один не заметил резкое падение CR1,
• другой не обратил внимания,
• третий заметил, но промолчал, потому что был в отпуске.

Никакой логики, никаких чек-листов, никаких алертов. Если ошибка проскакивала мимо нашего «глазомера» - то попадала в отчёт. А дальше - в решение.

Что происходит при ручной проверке?

• фиксируются только самые жирные аномалии,
• история изменений теряется,
• не остается пространства для сверки с CRM,

В один момент я понял: мы не контролируем данные, а просто надеемся, что они адекватны.

Настоящий контроль - это:

• автоматическая валидация данных,
• алерты при резких отклонениях,
• логика проверки по правилам, а не “на глаз”,
• история изменений: кто, когда и что поменял.

Тогда ценой крови, пота и денег мы это пофиксили. И начали доверять показателям. Не потому что кто-то их видел, а потому что был конкретный флаг - Что-то сломалось!

Контроль - не ручная проверка. Это надежда на лучшее. А “глянул - вроде норм” - это дорога к дорогостоящим граблям.

Не знаете с чего начать в процессе работы с данными? Посмотрите мой видеоурок про составление ТЗ на маркетинг-аналитику. Он бесплатен и доступен по ссылке.

@marketing_analysis