3 СПОСОБА РАЗБУДИТЬ В СЕБЕ ИНТЕРЕС К АНАЛИТИКЕ ⬆️

В комментариях к посту про боязнь делать выводы один из подписчиков затронул интересную проблему - а как «разбудить» в себе желание делать аналитику. Частая ситуация для аналитика/менеджера/предпринимателя - данных полно, но никакой глубокой аналитики не проводится. А можно ли прокачать в себе этот навык, как бицуху другие хард скиллы? Конечно!

За последние годы я попробовал кучу методов раскачать в себе желание копаться в цифрах и не делать поверхностных выводов (если не знаете, что это такое - обязательно почитайте этот и этот пост). Многие из них не работали, но сегодня я хочу поделиться с вами ТОП-3 вопросами, которые помогают мне (и не только) разжечь желание докопаться до истины даже в самых сложных ситуациях.

«Почему?» ✅

Чтобы делать крутую аналитику, надо быть почемучкой. Этот вопрос надо задавать себе до тех пор, пока это возможно (либо пока не закончатся данные - хотя и тут есть способы выкрутиться, при желании). Например: упала выручка → почему? → менеджеры стали хуже работать → почему? → много людей болеет, увеличилась нагрузка, сотрудники не тянут, падает мотивация. А обычно, когда падает выручка, все просто бегут тормошить свой маркетинг)

Возьмите любую ситуацию и позадавайте череду вопросов «почему». Только честно, давая нормальные ответы (возможно, для ответов на некоторые придется как раз сделать какую-то аналитику). А если есть интересный кейс - давайте обсудим его в комментариях!

«Какая причина?» ✅

Еще один вопрос, который ВСЕГДА запускает новую спираль рассуждений и раскопок, даже если вы как будто дошли до конца. Обычно его задают, когда вопросы «Почему?» уже закончились. Но если можно спросить «Какая причина?», значит аналитика еще не закончена.

Например, вы каждый месяц делаете посевы в телеграм-каналах. И вдруг какой-то месяц плохо сработал. Вы прошли цепочку «Почему?» и поняли, что причина - смена дизайна лендинга. На этом и остановимся. Но нет! Надо спросить «А в чем причина - что не так с новым дизайном-то?». Мы же по сути не поняли, как новый дизайн повлиял на поведение покупателей. И в этот момент мы понимаем, что надо отправляться и делать UX-тест.

«Предположим...» ✅

Этот вариант предложил подписчик, и я с ним на 100% согласен - часто им сам пользуюсь. Как только мы высказываем предположение, мы обязуемся проверить его или опровергнуть. А для этого мы обязаны провести аналитику.

Кстати, эффективней всего этот метод работает, если ставить под сомнение все в своей компании. Иногда это сложно морально, но максимально бустит процесс аналитики.

Пример: «Представим, что наш маркетинг - гавно. Даже если он работает круто на наш взгляд - а вдруг это всего 10% от нашего потенциала?». Ну и пошли копаться в цифрах)

💬

Как вам вопросики? Используете что-то из этого в жизни? Если зашло - давайте наберем 100 реакций сердечек ❤️ на этот пост, у меня есть еще пару методов в запасе, расскажу про них))

МОЙ ЛИЧНЫЙ ТОП MUST HAVE ОТЧЕТОВ 🔥

В недавнем посте про боязнь проводить аналитику один из подписчиков спросил:

А можете рассказать, какие отчеты лично вы смотрите и что конкретно в них выискиваете?)

Поэтому хочу поделиться с вами моим личным топом отчетиков, в которые я ныряю каждое утро. Точней это будет только первая часть, ибо таких отчетов много и они просто не влезут в один пост 🙃

✅ Таблица декомпозиции

Каждый месяц мы ставим новый план по выручке и, зная конверсии на каждом этапе воронки, раскладываем по пунктам: сколько к нам должно прийти людей, сколько мы должны провести консультаций, сколько должны сделать продаж с учетом нашего среднего чека и т.д. Далее мы декомпозируем это на весь месяц с разбивкой по дням. Каждый день мы туда вносим фактические значения и сравниваем план/факт.

Это супер полезный инструмент, который позволяет генерировать тонны гипотез. Я прям в моменте вижу, что какая-то конверсия у нас ниже ожидаемой, а значит нужно срочно ее бустануть. Мы частенько вносим изменения в маркетинг или отдел продаж прям на ходу, замечая какие-то аномалии в этом отчете.

✅ Отчет по выручке и планам

Конечно, я всегда смотрю на текущую выручку, на % выполнения плана и прогнозные значения. Смотрю на выполнение плана в разрезе менеджеров по продажам - это отлично подсвечивает, кто буксует.

Этот отчет сам по себе скорее информационный - по нему я могу лишь понять, что все хреново просто отлично и принять соответствующие меры, копнув глубже в другие отчеты. Хотя некоторые решения можно принять и на основании этого отчета - например, уволить отстающего сейлза 🤡

✅ Когортный анализ ROMI/LTV и затрат

Мы для себя собрали модифицированную таблицу, в которой отображена динамика LTV с течением времени в разрезе когорт. Но мы смотрим не только эту метрику - в ту же таблицу мы вывели справочно динамику ROMI и маркетинговые расходы по каждой когорте. А еще мы сегментируем все по рекламным каналам, чтобы понимать долгосрочную окупаемость инвестиций по каждому каналу привлечения отдельно.

Такая таблица позволяет моментально отвечать на вопросы типа:

* У нас в моменте не окупается реклама в Яндексе, но как ведут себя эти лиды на долгосрочной перспетиве - окупаются ли они?
* Даже если LTV когорты M больше, чем LTV когорты N, куда нам выгодней вложить деньги - как менялся со временем ROMI?
* Наш маркетинг вообще нормально работает?

💬

Естественно, это далеко не все отчеты - даже для ежедневного просмотра там еще целая пачка разных отчетиков, табличек и дашбордов. А сколько еще всяких ad-hoc...

Давайте наберем 80 реакций огонечков 🔥 на этот пост и я поделюсь следующей подборкой must have отчетов для ежедневного отслеживания.

НЕ СДЕЛАЛ АНАЛИТИКУ - СЛИЛ БАБКИ (РЕАЛЬНАЯ ИСТОРИЯ) 😢

Свой канал я завел относительно недавно (кстати, если вы еще не читали пост про меня - обязательно посмотрите, хочется создать тут уютную атмосферу 🙂) и сейчас активно занимаюсь его продвижением. Но в Телеграме есть проблема - по сути, невозможно расти органически (здесь нет рилсов, виральных охватов и так далее). Почти единственный рычаг роста - закупка посевов в других каналах и кросс-постинг.

У нашей команды есть неплохой опыт в закупке посевов на вебинары, но это немного другое - мне нужно привлекать именно качественных подписчиков за недорого. Мы попробовали раз, два, три, потратили несколько десятков тысяч и поняли... что так дело не пойдет - результаты получаются ужасные, подписчик выходит золотым.

Поэтому сегодня ночью я потратил около 4 часов, изучая аналитику различных телеграм-каналов (других авторов и каналов с рекламой). Испытывал одновременно 2 чувства - драйв (я был в предвкушении, что сейчас наконец пойму секрет продвижения) и злость (а как продвигаться-то?!). Хочу поделиться с вами, что я анализировал (потому что я заглядывал чуть глубже, чем обычно оценивают каналы) и какие выводы сделал.

1. Начинал с базовых метрик канала, который продает рекламу - количество подписчиков, график прироста подписчиков, вовлеченность, охваты. На этом этапе по многим каналам понятно, что это шлак - 10к подписчиков и 100 просмотров на пост, ну камон.

2. Смотрел за последний месяц за каждый час количество подписок и отписок. Открыл для себя каналы, у которых рано утром стабильно каждый день идут пачки отписок. Я-то думал, это классные каналы, а это оказывается накрутки. Расстроился)

3. Отсматривал каждый рекламный пост, который был размещен в этом канале за последние пару месяцев. Смотрел охваты этого поста. Потом шел в канал, который рекламировался и смотрел динамику подписчиков в этот момент времени. Если после выхода поста новых подписчиков почти не прибавилось, значит канал - шляпа и не стоит покупать там рекламу.

Короче, проделал огромную работу, но сделал для себя очень много выводов. По итогу собрал калькулятор, в который можно вбить:

* средний охват поста
* стоимость поста
* % подписчиков от охвата (можно посмотреть на примере предыдущих рекламных интеграций в этом канале)

Калькулятор сам считает прогноз количества подписчиков и ожидаемую стоимость подписчика. Если такая стоимость нас устраивает - берем. Если нет - значит либо сбиваем цену, либо идем дальше.

Предположу, что для знатоков телеграма такой алгоритм может показаться элементарным. Но я не эксперт в этой нише и не проходил никаких курсов, дошел до этого сам, просто задавая себе вопросы, как я рассказывал в этом посте. И стоит отметить, что я не знаю ни одного маркетолога, который бы реально так подходил к выбору каналов для посевов. Обычно все ограничивается первым пунктом. Увы)

В общем, проанализировал по этому фреймворку все последние посевы, которые мы делали. Понял, что можно было сэкономить много денег, если бы действовали по этой методике сразу 🥲

💬

Ребят, а напишите в комментариях - как вы подписываетесь на другие каналы? Кого читаете? На какие посты реагируете и почему подписываетесь на новых авторов? Ваш ответ будет очень полезен для развития канала! ❤️

МОЙ ЛИЧНЫЙ ТОП MUST HAVE ОТЧЕТОВ [ЧАСТЬ 2] 📈

В первой части must have отчетов вы собрали почти в 2 раза больше реакций, чем было заявлено, поэтому пора публиковать вторую часть подборки отчетов, которые я смотрю каждый день (и всем рекомендую) 😎😎

Чекап-дашборд 🟢

Это не совсем «отчет» в классическом понимании - это скорее целая пачка отдельных метрик и отчетиков, которые позволяют вам верхнеуровнево оценить ситуацию в вашем бизнесе/отделе/процессе буквально за 5 минут.

Такую штуку нужно иметь абсолютно в любом бизнесе - от мобильных игр до торговли. Например, если вы селлер на WB, то вот ваш состав чекап-дашборда:

* Воронка продаж (Посмотрел - Положил в корзину - Заказал - Купил - Отказал - Вернул)
* Выполнение плана с прогнозом
* Заказы, Продажи, Возвраты, Отмены, Валовая прибыль, Маржинальность (все показатели в рублях и штуках)
* Динамика основных метрик (продажи, заказы и т.д.)
* % выкупов, отказов
* Товарный остаток
* Упущенная из-за out of stock выручка/прибыль
* Топы товаров с основными метриками (продано руб/шт, прибыль)

Каждый показатель желательно выводить с динамикой за предыдущий аналогичный период. Желательно иметь фильтр по датам и артикулам.

Кстати, если вы торгуете на WB и вам нужен такой дашборд - напишите мне в ЛС, у нас есть готовое решение 😏

ABC/XYZ-анализ 🟢

Сейчас, в силу специфики текущего бизнеса (у нас маленькая ассортиментная линейка и мы работаем в сфере услуг) я этот отчет не смотрю. Но совмещенный ABC/XYZ-анализ, на мой взгляд, один из самых мощных отчетов - на основании него можно реально нагенерировать очень много выводов.

Когда я работал в бизнесе, связанным с торговлей, мы смотрели его на еженедельной основе. В примере с WB, который я приводил выше - это тоже, кстати, обязательный отчет - без него не должен делаться ни один заказ!

Отчет по CJM 🟢

Для онлайн-бизнеса, в котором клиенты приходят с разных маркетинговых активностей (онлайн-образование - как раз такая ниша), очень важно понимать - какие этапы клиент прошел, пока грелся к покупке.

В среднем у нас человек участвует в 3 маркетинговых активностях перед покупкой - например, приходит на вебинар, затем проходит бесплатный курс, а потом покупает с акции. И в долгосрочной перспективе очень важно отслеживать:

* какие активности лучше всего работают в качестве первого контакта
* какие активности лучше всего работают в качестве транзитных (прогревают)
* какие активности лучше всего триггерят к покупке

Это отслеживать довольно сложно, но мы у себя собрали несколько сводных таблиц, которые позволяют эту информацию в удобном виде визуализировать.

💬

Как вам вторая подборка, зашла? Давайте наберем 100 реакций огонечков 🔥 на этот пост и я расскажу про то, как можно проапгрейдить стандартные отчеты (например, ABC/XYZ) и сделать их в несколько раз эффективней!

Хей, гайз (и герлс), вы возможно видели недавний рейтинг «За кем следят аналитики» от NewHR. Я изначально посмотрел только пресс-релиз, а тут наткнулся на прямую ссылку на подборку. И знаете, что я там увидел? Свой канал на 4 месте 🥲

По какому признаку ранжировался этот рейтинг - я так и не понял. Но это и не важно - канал создан всего 4 месяца назад, а здесь уже почти 2к подписчиков!

Будем считать, что каналы ранжировались по крутости и ламповости подписчиков. Вы - офигенные ❤️ Я правда тогда не понял, почему он не на 1 месте?! 😂

Спасибо вам, работаем дальше 🚀

КАК Я ХАКНУЛ СТАНДАРТНЫЕ ОТЧЕТЫ - ЛИЧНЫЙ ОПЫТ 🆒

Я много пишу про то, какие отчеты помогают вести бизнес и принимать решения. Например, мой личный топ отчетов часть 1 и часть 2. Но важно не только содержание - очень сильно на восприятие и выводы влияет форма и визуализация. Например:

* Слишком много сухих цифр сложно анализировать - из огромного табличного отчета можно сделать выводы, но для этого надо уже прокачаться
* Слишком пестрые графики/диаграммы/дашборды классно смотрятся на картинках, но по факту скорее перегружают визуал и теряется смысл
* В отчете может быть слишком мало вводных или слишком много лишних данных - целое искусство оставить только действительно важное

И сегодня я хочу поделиться с вами несколькими лайфхаками, которые я для себя выработал на опыте. Я многократно переделывал совершенно стандартные отчеты под себя, чтобы они приносили больше пользы. И, кажется, получилось 😊

🟢 ABC-анализ

Почти всегда ABC-анализ делается за период времени и выводится группа каждого товара за этот период. Однако основная цель ABC-анализа (подробно разбирали это тут) - вытянуть каждый товар в группу повыше, например, из С в В. Получается, мы проводим анализ, чтобы группа улучшалась со временем и не смотрим данные в динамике? Просто гениально...

Поэтому небольшая фишка - сделайте ABC-анализ, где одновременно будете выводить группу каждого товара в динамике, например, за последние 12 месяцев. Товар Х в январе был в группе C, в феврале тоже, в марте перешел в B, а с апреля попал в С. Вот это полезно - а что можно увидеть в табличке, где данные за 1 месяц только? А главное, я только такую форму и встречал...

🟢 Когортный анализ LTV

Когортный анализ LTV - супер полезный отчет. Он показывает, как наша база лидов покупает со временем. Если 100 человек пришло на вебинар в январе, а купили всего 3, то никто не мешает остальным 97 купить в феврале, марте и так далее. Т.е. мы видим, сколько денег мы зарабатываем с каждой когорты с течением времени.

Но в этом отчете мне всегда не нравилось, что я не понимаю, насколько окупились инвестиции в маркетинг. Ну ок, спустя полгода я заработал 5 000 000 с январской когорты. Это много или мало? Я окупил свои вложения? Приходилось идти в другой отчет и смотреть когортный анализ ROMI. Но с ним другая проблема - я не понимал, сколько я вложил. ROMI 500% - это круто, но это на рекламном бюджете в 1 млн или 10 млн?

Короче, теперь я совмещаю эти 3 отчета в один. Около каждой когорты прописываю потраченный маркетинговый бюджет, а в ячейках пишу пару значений - LTV и ROMI. Это в разы наглядней и удобней!

💬

Как вам, зашло?) Рекомендую сохранить этот пост - если вам это актуально прямо сейчас, то попробуйте внедрить, сразу оцените эффект, а если пока не актуально - когда-нибудь точно пригодится, так что не потеряйте.

Кстати, у меня почти готовы шаблоны этих отчетов - давайте наберем 100 реакций огонечков 🔥 на этот пост и я опубликую их здесь отдельным постом!

ПРОБЛЕМА СОВРЕМЕННОЙ АНАЛИТИКИ, ПРО КОТОРУЮ ВСЕ ЗАБЫЛИ 🔴

Аналитика - это, безусловно, важно. Я здесь много пишу про важность правильной визуализации, про принятие правильных решений и так далее. Но почти во всех современных компаниях есть большая проблема, о которой редко говорят.

Эта проблема - огромное количество источников данных.

Этапу построения дашбордов и выводов всегда предшествует долгий и кропотливый труд по настройке сбора данных из разных источников и автоматизация всего этого дела. А сделать это иногда очень непросто - на курсах нас учат, что данные уже аккуратно сложены в базу, а тем временем мы собираем данные из:

* Рекламных систем (ВК, FB, Яндекс, посевы в Телеграме, партнеры и т.д.)
* Вебинарные сервисы (Bizon, YotTube, LiveDigital и т.д.)
* Системы CRM-маркетинга (Bothelp, Unisender и т.д.)
* AmoCRM
* Сайт
* Несколько наших внутренних ЛМС
* Социальные сети
* много еще всего разного

Далеко не у всего есть API. Далеко не всегда можно понять, что чувак Х, который пришел на вебинар, это тот же чувак Y из твоей CRM-системы. В общем, как говорит один мой хороший знакомый: «зис ис э трэш» 😱

Даже взять рекламные системы - ВК, FB и прочие. В их API можно сломать обе ноги. А если ты хочешь делать data-driven маркетинг, то нужно в режиме реального времени понимать - какие баннера работают, сколько тратят денег, на какую аудиторию заходят и так далее. Смотреть это в рекламных кабинетах - неудобно. Намного лучше, если это все сведено в одно место. А если вы потом собираетесь раскладывать картинки/тексты на признаки (писал про это тут), чтобы как-то изучать (например, чтобы выделить самый круто перформящий цвет баннера), то здесь вообще без интеграции не обойтись.

💬

В общем, что могу сказать - учите Python, SQL, автоматизацию и много еще всего, если хотите справляться с такими задачками. Кстати, мы когда создавали свой обучающий Симулятор по аналитике, нашей задачей было сделать программу, чтобы на выходе выпускать студентов, которые могут это все сделать в одиночку. Если вам актуально - приходите, научим)

UPD. К слову, у нас уже есть готовые интеграции с FB и ВК. Если вам это актуально, но вы не хотите страдать полгода - приходите ко мне в личку, обсудим)

НУЖНА ЛИ АНАЛИТИКАМ МАТЕМАТИКА? 🔴

В комментариях к моим постам уже несколько раз поднимали интересный вопрос:

А нужна ли аналитикам математика? И если нужна, то какая?

Для начала важно понимать, что я сам прикладной математик по образованию, довольно активно занимаюсь научными исследованиями в области обработки временных рядов и не только. Например, вот моя статья про морфологический разбор временного ряда, а вот про классификацию лиц с помощью нейронки и PCA. А не сегодня-завтра пойду защищать кандидатскую по математике. Я к чему - мое мнение может быть немного субъективным 😂

Далее - зайду с конца. Я на 101% убежден, что математика нужна ML и DS специалистам. Если вы занимаетесь машинным обучением, нейронками и всяким таким - вы обязаны глубоко понимать математику. Причем не только статистику, но и основы анализа, интегралы, производные, линейную алгебру. Не обязательно уметь доказывать теоремы, но знать весь этот аппарат, а главное понимать его и его применимость в тех алгоритмах, что вы используете - необходимо. А если вы просто используете всякие штуки из scipy и pytorch - это так себе DS.

А теперь про аналитиков. Здесь позиция более мягкая - зависит от того, в какой специфике работает аналитик. Если вы проводите A/B-тесты или другого рода эксперименты (здесь писал про 3 способа тестить гипотезы без A/B), то знать математику обязательно нужно. Но уже в меньшем объеме - достаточно будет глубокого изучения статистики. Но ее нужно знать прям отлично - благо это почти самый интересный раздел математики. Если вы такими штуками не промышляете - можно обойтись и базовым пониманием описательных статистик (среднее, мода, медиана), интерпретацией боксплота/скрипичной диаграммы и прочими мелочами.

💬

А как вы считаете? Согласны с такими тезисами или мое мнение все-таки очернено годами обучения математике? 😁 Напишите в комментариях!

С КАЖДЫМ ДНЕМ АНАЛИТИКА СТАНОВИТСЯ ВСЕ СЛОЖНЕЙ ☔️

Это правда так - от месяца к месяцу в компаниях собирается все больше данных, конкуренты начинают работать все эффективней, а значит тебе приходится делать все более глубокую аналитику. Это бесконечная гонка, которую мы запустили 20-30 лет назад и все никак не остановимся.

Раньше, чтобы заработать, было достаточно запустить рекламу на всю Россию, а теперь нужно 3 месяца упарываться в аналитику, чтобы хоть как-то сбить цену заявки. Я могу сходу назвать несколько компаний, которые закрылись буквально в прошлом году, потому что не перестроились на новую реальность и действовали по-старинке.

Как это изменение рынка повлияет на нас с вами? Назову пункты, которые я явно вижу в индустрии уже сегодня - это не прогноз от диванного эксперта, а очевидный факт))

1. Требования к аналитикам все выше. Раньше, если ты знал базовый SQL - ты был красавчиком. Так было еще 7 лет назад. Сейчас требования к джунам, как к миддлам минимум. И это нормально - компаниям нужно, чтобы человек здесь и сейчас начал приносить пользу. А это иногда очень непросто сделать.

2. Аналитики и продакты постепенно станут едиными. Пока это еще 2 разных профессии, но все больше спрос на одного комбинированного человека - чтобы глубоко понимал в развитие продукта и сразу же мог посмотреть все нужное в базе данных или запрогать на питоне.

3. Классические сервисы аналитики уходят в прошлое. Аналитические тулы формата «на тебе личный кабинет, тыкай графики сам» постепенно будут умирать. Идет новое поколение сервисов - которые сами дают «подсказки» клиенту, на что обратить внимание. И это не обязательно сложный AI, порой это достаточно понятные алгоритмы.

Со всем этим возникает резонный вопрос:

Стоит ли сейчас идти в аналитику или продолжать в ней работать?

Я думаю, точно стоит. Всю дорогу аналитики считались относительно «неэлитными» представителями IT. Объективно, прогать на С++ сложней (говорю по опыту).

Но в скором времени это будет комбинированная должность, которая причем будет максимально близка к руководству компании. Программисты просто пишут код, а аналитики-продакты будут как бы советниками основателей и C-level менеджеров. А значит и к деньгам поближе))) Ну и это я молчу про то, что сама по себе область - полный кайф, очень интересная.

💬

Ну что, согласны со мной? Дайте огня, если готовы к входу в этот прекрасный капиталистический мир 🔥

Вебинар — строим дашборд и анализируем маркетинг в прямом эфире 🔥

Для меня, как владельца бизнеса, самая важная история - в любой момент времени четко иметь ответы на следующий вопросы:

* Окупается ли наша реклама?
* Какой канал работает лучше?
* Через сколько дней/месяцев наши маркетинговые косты отбиваются?
* Сколько денег приносит реклама в перспективе 1-2-3 лет?
* Какой самый топовый канал с точки зрения быстрого возврата инвестиций?

Ну и так далее. Все это можно оценить с помощью грамотного когортного анализа LTV и ROMI, я затрагивал уже эту тему ранее в этом посте.

Но это было только начало - мы собрались с прекрасной Настей Кузнецовой из Настенька и графики и решили провести целый открытый вебинар на эту тему!

Поэтому в понедельник, 1 апреля, в 19:00 по Мск мы ждем вас на самом полезном вебинаре этого года))

👉 https://www.youtube.com/watch?v=XxiUiWdkNng 👈

Вебинар открытый и можно смотреть без регистрации и СМС)) И поделитесь с друзьями - задача максимально прикладная, наверняка им будет интересно!)

А еще обязательно подпишитесь на канал Насти: https://xn--r1a.website/nastengraph

После вебинара она выложит туда построенный дашборд, сможете сами потыкать и рассмотреть во всех деталях)

Выкладываю запись вчерашнего вебинара с Настей про анализ эффективности каналов 👉 https://www.youtube.com/watch?v=XxiUiWdkNng

А вот и ссылка на большой гайд по когортному анализу - там я базово описал что это и зачем нужно, а также сопроводил полным кодом на SQL и Python! Код, кстати, получился прям классный - если вы используете Pandas, то обязательно разберите его по шагам, там много интересных и нетривиальных конструкций.

А Настя выложила в свой канал дэшборд - все можно скачать, переключить свой источник и получить такой же дэшик.

Плюс, как и пообещали на вебинаре, в течение 3 дней на наши курсы будет действовать промокод WEBINAR01:

✔️ он даст 15% скидку на курс Насти на Stepik Визуализация данных и основы работы с Tableau
✔️ он даст 40% скидку на Симулятор «Аналитик данных» от моей команды, а также можно будет получить курс Насти в подарок! Получится мини-специализация.

В одном посте сразу куча подгонов) Надеюсь, вам зайдет! 🔥

Как же меня это бесит 🤬

Каждый день при общении с людьми разного уровня профессионализма я сталкиваюсь с одной и той же штукой, которая меня жутко бесит.

Когда при ухудшении какого-то показателя винят метрики, которые вообще никак на этот показатель не влияют

Создается ощущение, что человек либо просто ляпнул, чтобы от него отвалили, либо просто реально не понимает (а зачем говоришь тогда?).

Вот несколько примеров:

* У нас низкая конверсия CR2 из зрителя вебинара в покупку - давайте протестируем новые рекламные баннера.

Причем тут вообще рекламные баннера?! Люди записались на веб, пришли на него, отсидели на нем. Если низкий CR2 - надо либо цепочку прогрева смотреть, либо продаете вы хреново, либо продукт плохой (это самое маловероятное - знаю кучу дерьмовых продуктов с высоким CR2).

* У нас низкая конверсия CR1 из посетителя сайта в заявку - давайте поднимем CTR

А причем тут CTR? Если у тебя на объявление кликнет больше людей, то количество заявок вырастет пропорционально, но CR1 вообще никак от этого не поменяется. Разумеется, если вы платите не за клики, а за 1000 показов, то в целом лиды станут подешевле, но вы не решили таким образом проблему - лендинг все еще хреновый и надо думать в эту сторону.

Короче, я таких примеров могу приводить по 10 штук каждый день. Ребята, не делайте так. Делайте правильные выводы и стройте правильные логические цепочки 🙂

Кстати, Рома Кумар и Саша Соловьев (QMarketing, Refocus) недавно делали классную шпаргалку, где декомпозировали основные рекламные метрики с указанием причин их просадки. Это хороший пример того, как надо делать)

💬

Что думаете? Напишите в комментариях - вы замечали такую проблему? Как думаете, почему она вообще такая распространенная? Или просто я зашкварный?))) Важно ваше мнение!

Сделаем A/B-тест или лучше расклад таро? 🌀

Сейчас думаю над интересной темой, с которой вы точно сталкивались много раз в жизни - это актуально и для предпринимателей, и для аналитиков, и даже просто в бытовой рутине.

Я говорю про контринтуитивность своих действий, даже когда все аналитические показатели кричат о том, что так делать не надо / надо делать иначе.

Вот несколько наглядных примеров из разных сфер:

1/ Ты продаешь товары на WB, проанализировал товары в своей нише и понял, что круче всего заходит зеленый цвет. Но почему-то чувствуешь, что нужно делать красный цвет. Вкладываешь 1 000 000 в первую партию и с замиранием сердца ждешь - залетит или аналитика была права...

2/ У тебя есть система продаж, которая работает и приносит деньги. Но почему-то ты чувствуешь, что ты не в своей тарелке - такая система продаж не подходит твоей компании. Весь рынок говорит о том, что надо продолжать делать так, как делаешь сейчас - у всех же получается. А ты берешь на себя груз ответственности, принимаешь контринтуитивное решение и ждешь - залетит или можно готовиться к процедуре банкротства...

3/ Более бытовой пример - наверняка вы долго выбирали какой-нибудь дорогостоящий товар (например, машину или квартиру), сравнивали по 100500 параметров, а потом хоть раз купили что-то, что было не на 1 и даже не на 2 месте в вашем рейтинге. Просто потому что "чувствую, что эта машина - моя". А дальше - либо у нее заклинит движок, либо ты был прав и кайфанешь...

Таких решений, на самом деле, приходится принимать много. И меня это каждый раз жестко триггерит, потому что я человек-табличка и сложно вот так взять, перечеркнуть классную финмодель и прыгнуть в неизвестность.

Хотя с другой стороны - на рынке есть классные примеры, когда люди пошли своим путем и все получилось. И в жизни это также работает. Просто не всегда мы это видим)

💬

Что думаете вообще? Нафиг весь субъективизм и верим только A/B-тестам? Или как настоящие data-driven чуваки верим своей интуиции?)

Про важность атрибуции 🕺

Последнее время часто сталкиваюсь в разных проектах с вопросами атрибуции. Это супер важная штука, но почему-то ее часто недооценивают. Поэтому хочу немного раскрыть эту тему.

Атрибуция в аналитике - это методология, по которой мы определяем, к какому источнику / маркетинговой активности мы относим клиента / лида. Меняя эту методологию, можно делать разные интересные выводы. Давайте рассмотрим на конкретном кейсе.

Например, возьмем наши образовательные Симуляторы simulative.ru и наш маркетинг. У нас есть клиенты, которые пришли к нам на вебинар с рекламы в VK, потом записались на наш бесплатный курс по Python с email-рассылки, затем скачали 3 разных полезности из телеграм-ботов, а в конце купили с акционного лендинга по рекламе в Яндексе.

Вопрос - кому платить премию: таргетологам по VK, директологам Яндекса или контент-мейкерам?) Ответ кроется в атрибуции.

* Атрибуция по первому касанию - самая частая. Если лид изначально пришел из VK, записываем его в этот сегмент, т.к. это было первое касание.

* Атрибуция по последнему касанию - тоже довольно распространенная. В данном случае продажа запишется на Яндекс.

* Кастомные (или комбинированные атрибуции) - тут уже каждый придумывает что-то своё. Можно, например, отнести такую продажу к каждому источнику сразу (если он поучаствовал в продаже, значит его вклад в продаже тоже есть) или разделить поровну/с какими-то коэффициентами между всеми.

Мы, например, смотрим не только на рекламные каналы, но и на маркетинговые активности с разными атрибуциями. Это позволяет нам понимать - какие активности круто работают в качестве первого касания, какие как промежуточные, а какие как триггер к покупке. Это классно помогает делать выводы - эффективен ли наш маркетинг или мы делаем пустую работу.

Короче, атрибуция - классная штука. Даже проводя один и тот же анализ, за счет смены атрибуции можно увидеть много интересного.

Если вам зашла эта тема - давайте наберём 60 реакций огонечков 🔥 на этот пост)) И я разберу какой-нибудь кейс с разными атрибуциями!