Анализ для маркетинга: CAC, LTV и сегментация — отслеживаем правильные метрики

Маркетологи постоянно стремятся увеличить эффективность своих маркетинговых кампаний, особенно затрат на маркетинг. Ежегодно и регулярно они стараются получить больше лидов, заявок, звонков или подписчиков за 1 потраченный рубль.
Неправильные показатели
Несмотря на это, большинство менеджеров по маркетингу тратят свое время на исследование неверных показателей. Они пользуются встроенной в аналитический продукт статистикой, а такие предложения обычно включают самый простой анализ:
— стоимость за клик (CPC),
— стоимость за тысячу показов (CPM)
— и стоимость за действие (CPA).
Маркетинговый отдел исследует, как меняются эти показатели в зависимости от недели или месяца, в зависимости от кампании, группы объявлений, аудитории и т. д.
Более продвинутые копают глубже и анализируют стоимость заказа или среднюю цену продажи (ASP) – и снова сравнивают эти показатели по кампаниям, группам объявлений и пр. В этом случае можно даже узнать стоимость привлечения нового клиента (САС) и сравнить с жизненным циклом пользователя (LTV). Этот анализ достаточно интересен и полезен: вы узнаете, сколько вы потратили на привлечение клиента в целом, а также сравните с тем, сколько этот клиент может принести прибыли. Но – есть проблема: группируя всех клиентов вместе, вы не используете сегментацию клиентов, которая скрывает в себе огромные возможности для роста бизнеса.
Какие же показатели правильные?
Мы рекомендуем при анализе любого уровня использовать сегментацию. Например, сравнивая CAC с LTV и при этом сегментируя пользователей, можно определить, какие клиентские сегменты для вас являются наиболее прибыльными. А значит – сфокусироваться в рекламе именно на этих сегментах! При анализе с сегментацией вы легко идентифицируете высокоэффективные кампании и каналы и легко определите убыточные (которые тратят средства впустую, без результата в виде нового пользователя).
Для начала — считаем LTV
Рассчитываем фактическое LTV на основе прогнозируемых расходов для каждого сегмента клиентов. Потом смотрим, сколько сегмент потратил в первый год и учитываем прогнозируемый отток из этого сегмента. Сравниваем расходы на сегмент и доход от него же. Даже если у вас нетрадиционный онлайн-бизнес и вы считаете свой бизнес сложным, вы сможете использовать этот метод для расчета прогнозируемого LTV ваших клиентских сегментов.
Сегментируйте!
Вначале учитывайте CAC и LTV для стандартных сегментов, таких как
— источник (кампания, аудитория, группа объявлений и т. д..),
— аудитория (возраст, пол, geo, etc.),
— платформа (OS, браузер, etc.)
— и поведение (использование различных опций, данные, предоставленные во время регистрации и настройки).
Затем изучите различные комбинации сегментов. Начните с гипотез о сегментах, которые могут работать, а могут и не работать 🙂 А затем исследуйте: работает ли этот канал или нет.
Примеры глубокой сегментации:
— CAC в сравнении с LTV для пользователей, которые видели кампанию Facebook на устройстве Android и завершили процесс пробной регистрации
— CAC и LTV для женщин из Канады, которые видели объявление на YouTube через Chrome
Изучение ROI по сегментам с помощью Tableau
Почему не все знают о таком сегментированном анализе?
Если вашими рекламными кампаниями управляет агентство, то у него есть доступ только к рекламным платформам. А для построения такого сегментированного анализа нужны данные из CRM и внутренних биллинговых систем.
В идеале необходимо настроить такой анализ на своей стороне – внутри компании. Вычисление LTV требует отслеживания клиентов в течение довольно длительного периода времени. В этом должны помочь «пиксели» рекламной платформы, но файлы cookie могут стираться, а клиенты любят переключаться между устройствами… Что делает процесс сборки информации об LTV практически невозможным. Но!
Tableau – нам в помощь
Можно использовать Tableau для «склеивания» и интегрирования необходимых для анализа систем.
Ниже – опыт компании TeamSnap по созданию аналитического дашборда с сегментацией в Tableau:
- Вытаскиваем данные из Google Analytics в BigQuery Google: это нужно для анализа данных атрибуции прямого клика (например, данные о пользователях, которые кликают на объявление, а затем конвертируются).
- Также к BigQuery привязываем данные о тех клиентах, кто просматривает объявление, никогда не нажимает, но в конечном итоге через другой источник конвертируются – обычно через брендовый поиск.
- Извлекаем данные о стоимости из AdWords в BigQuery. Эта передача данных осуществляются через Службу передачи данных Google.
- Запускаем коннектор BigQuery в Tableau, чтобы вытащить все данные в Tableau для аналитики и совместной работы.
- Используем коннектор Salesforce в Tableau для извлечения данных из Salesforce.
- Выгружаем данные из наших фоновых биллинговых и операционных систем с использованием коннектора SQL в Tableau.
- Все данные связываются между собой в Tableau.
И вот теперь – самое интересное! Используем платформу визуальной аналитики Tableau для создания дашбордов, которые помогают легко, быстро и наглядно мониторить и отслеживать нужные данные.
Отчеты и фильтры
Отчеты ежедневно автоматически отправляются менеджерам (через функцию подписки Tableau).
В отчете мы настроили множество фильтров – работать с ними просто, специализированных знаний не нужно. Несмотря на внешнюю простоту и легкость использования, фильтры используют довольно сложные структуры данных, охватывающие несколько систем.
Такой глубокий анализ по сегментам помог компании TeamSnap в первый же день применения анализа сэкономить до 300 тыс. долл.! На таком дашборде (несколько графиков на одном листе) сразу видно, какая кампания прибыльна, а какая убыточна. За несколько минут можно уточнить подробности (кликнуть по интересующей кампании и углубиться на уровень ниже) и принять правильное решение.
Источник: tableau.com
Нам доверяют: