Как прогнозировать зоны роста и риски в маркетинговом плане на основе данных

Недавно мы анонсировали новый продукт — OWOX BI Insights — способный прогнозировать реализацию маркетинговых целей на основе ваших данных, общих рыночных данных и машинного обучения. Он дает маркетологам ответы на важные вопросы:

• Выполним ли мы план по продажам, лидам и другим показателям в этом месяце?
• Если мы ничего не изменим, сколько продаж, лидов и т. д. мы получим к концу года?
• В каких каналах, регионах и сегментах цели не достигнуты и где ключевые направления для роста?
• Как у нас обстоят дела с рынком? Рынок упал или у нас просто плохо?

В этой статье мы рассказываем, зачем строить прогнозы и как находить зоны роста и риски, чтобы быть на шаг впереди своих конкурентов.

Закажите прогноз прямо сейчас!

• Технологии и данные говорят нам о многом
• Аппетит приходит с атрибуцией
• Какие задачи решает маркетолог OWOX BI?
• Как выглядят отчеты OWOX BI?
• Электронные рассылки для лиц, принимающих решения
• Внедрение: с чего начать и как строить прогнозы
• Выводы, которые мы сделали в процессе

Маркетинговая аналитика играет важную роль в современном бизнесе.

В 2018 году средняя доля маркетингового бюджета компании, расходуемая на маркетинговые технологии (29%), впервые превысила долю расходов на людей, использующих эти технологии (24%).

Если прогноз роста компании не выполняется, большинство менеджеров в первую очередь увольняют своего директора по маркетингу. Поэтому директора по маркетингу должны быть очень заинтересованы во внедрении технологий и поиске лучших решений.

Большинство директоров по маркетингу (78%) увеличили рентабельность инвестиций, используя аналитику при формировании маркетинговой стратегии.

Вот короткая история о том, как все началось несколько лет назад и как мы пришли к выводу, что нашим клиентам нужны прогнозы и информация.

OWOX BI: Хотите, чтобы мы настроили Google Analytics?
Клиент: Конечно, но мы не видим ROI в Google Analytics для наших маркетинговых кампаний в Facebook и Яндекс.Директ и не можем сравнить их эффективность.
OWOX BI: Вот автоматический импорт данных. Просто добавьте доступ к своим рекламным сервисам, и все данные будут автоматически импортированы в Google Analytics. Вы получите ROI для всех рекламных кампаний.
Клиент: Отлично, но данные в Google Analytics не совпадают с данными в нашей CRM. Наше руководство доверяет данным в CRM, и мы не можем повторно обрабатывать данные Google Analytics, чтобы убедиться в их правильности. Мы также не можем объединить эти данные с внутренними данными задним числом, особенно без импорта времени запроса.
OWOX BI: Хорошо, вот все ваши данные в Google BigQuery. Мы собрали его из Google Analytics, рекламных сервисов, коллтрекинга и мобильных приложений. Теперь вы можете комбинировать его с данными из вашей CRM и строить любые отчеты.
Клиент: Круто! Но нам нужно найти недооцененные кампании во всем этом. Использование простого SQL-запроса не помогает, поскольку пользователи совершают несколько кликов по пути к покупке. Нам нужно как-то атрибутировать стоимость всех этих шагов, а значит, нужно нанять разработчиков.
OWOX BI: Согласен. Как насчет атрибуции на основе воронки машинного обучения и готовых отчетов? Просто укажите эти шаги, и вы увидите недооцененные кампании.
Клиент: Вы можете определить наши зоны роста во всех этих данных? Сразу скажем, куда надо смотреть, чтобы выполнить план продаж.
OWOX BI: Тааак... Давайте обсудим, что вы ожидаете от своего маркетингового аналитика.

1. Показывает, где маркетинговые цели выполнены, а где нет.
Во время совещания в начале каждого месяца менеджер спрашивает директора по маркетингу: «Почему не выполнено задание?» Какой регион или рекламный канал у нас был? И слышит в ответ: «Пока не знаю. Мне нужно пару дней — посмотрю, приеду и скажу». Обычная ситуация?

Мы решили, что хватит — пусть весь процесс автоматизируется. Здесь все просто: берем ретроспективные данные, то есть факт, и сравниваем с плановым. Важно, что это делается автоматически для разных сегментов.

2. Показывает, как вы будете выполнять годовые запланированные цели, если пойдете дальше такими же темпами, как сейчас.
Если вы заранее обнаружите, что маркетинговая команда не справляется в какой-то категории или регионе, вы можете быстро исправить свою маркетинговую стратегию и улучшить результаты. Для того, чтобы у наших клиентов была такая возможность, мы берем их данные и строим модель прогнозирования на горизонте до года. Здесь прогноз сравнивается с планом.

3. Находит зоны роста и риски на ближайший месяц.
Для этого OWOX BI Insights автоматически сопоставляет маркетинговые цели и прогноз на уровне регионов, каналов, параметров и в пределах зон ответственности каждого лица, принимающего решения в компании.

4. Помогает ответить на вопрос: «Это то, над чем мы не работаем, или рынок просел?».
Это всегда открытый и актуальный вопрос в любой компании, ведь недостаточно ответить на собственные данные. Например, если план перевыполнен, интересно узнать: это маркетологи — молодцы или что-то случилось на рынке и все побежали тратить деньги. Или, допустим, цели не выполнены на 2%. Это хороший или плохой результат для маркетинговой команды? Если рынок вырос, то это плохо, а если просел на 15%, то хорошо.

Рыночные данные имеют решающее значение для ответа на эти вопросы. Вот почему мы создаем модель машинного обучения на основе данных из десятков тысяч проектов, чтобы предоставлять более точные прогнозы, чем вы могли бы получить, используя только свои собственные исторические данные.

5. Создает отчеты в привычных и удобных для вас сервисах.
Наш опыт показывает, что когда речь идет о новом продукте, большинство компаний не хотят вводить еще одну услугу. Вы можете подумать: «У меня есть Excel (или Google Sheets, Data Studio, Tableau, Power BI). Могу ли я добавить туда прогноз? » Конечно можно, ведь почти любой сервис визуализации может получить данные из Google BigQuery, куда мы сохраняем результаты расчетов.

Для начала давайте посмотрим на итоговые отчеты. Тогда мы расскажем вам, как они сделаны.

Первое и самое простое — получить по три столбца на каждый месяц: План, Факт и Прогноз.

Составление плана — простое дело. Это может сделать любой аналитик в Excel. Мы также можем рассчитать фактические значения, так как у бизнеса есть эти данные. Наша задача добавить прогноз.

Примечание: отчет содержит данные на начало апреля. Как видите, у нас небольшое фактическое значение (месяц только начался) и есть какой-то прогноз на остаток апреля. Соответственно, на текущий месяц план следует сравнивать с суммой фактических и прогнозных значений.

На графике выше желтая линия — это цели, которые поставил клиент, синие столбцы — фактические значения, которые уже выполнены, а светло-синие столбцы — прогнозы.

Как только мы узнаем цели, прогноз и фактические значения в контексте параметров, необходимых для принятия решений, мы можем построить классическую сводную таблицу в Google Sheets.

В этой таблице есть три параметра: отчетный месяц, группа каналов (обычный поиск, торговая площадка, электронная почта и т. д.) и регион. Это основная группа, с которой работает большинство предприятий. Далее мы показываем ключевые показатели, необходимые для управления маркетинговым бюджетом:

Из отчета мы видим, что платный поиск в регионе 1, скорее всего, принесет меньше дохода, чем планировалось. Мы также видим, что канал электронной почты может отставать от транзакций. Эта информация позволяет вам принимать решения до того, как ваш бюджет будет израсходован неоптимально — и до того, как зона роста останется в прошлом и будет потеряна.

И самое лучшее, что у нас есть прогноз на будущее. Он показывает, что произойдет, если текущий тренд сохранится.

Рассмотрим подробно некоторые элементы этой таблицы. Процентное отклонение, которое выделено красным и зеленым цветом, рассчитывается по простой формуле:

Берем факт с прогнозом, именно это мы скорее всего и получим в конце этого месяца. Вычтите из этого цели по сегменту и разделите результат на план на период. Полученное число отвечает на вопрос, насколько тот или иной сегмент отклоняется от прогноза.

Например, для апрельских транзакций мы видим отклонение −4,8%:

Это означает, что в апреле мы отстаем от плана транзакций на 4,8%. Если сложить значения для всех каналов выше этой цифры, то в сумме получится −4,8%.

Почему мы смотрим на это? Почему бы нам не рассмотреть относительное отклонение? Например, скажем, у нас есть небольшой реферальный канал. По плану должно быть, скажем, 50 сделок. Разница даже в 20 транзакций даст нам отклонение в 40%. Но это не то, на что нужно обращать внимание в первую очередь, потому что есть гораздо более крупные каналы. И если более крупный канал покажет отклонение в 10%, это будет гораздо важнее для бизнеса. Красный и зеленый цвета в таблице показывают, насколько важно для бизнеса уделять внимание этому сегменту.

На скриншоте ниже мы расширили данные за апрель:

Здесь мы видим, что данные можно разложить на каналы и регионы. Мы можем выбрать те сегменты, которые мы хотим посмотреть в первую очередь. Красный — зона риска, зеленый — зона роста. Коэффициент конверсии отмечен синим цветом, а внизу есть сводка.

Теперь мы представим самый важный и интересный отчет, в котором показаны восемь временных периодов, которые используются для сравнения прогноза с целями.

1. This Year Actual показывает фактические цифры с начала года до текущего момента. Мы можем сравнить эти ценности с целями, чтобы понять, насколько хорошо мы их достигаем.
2. Last Month Actual показывает фактические данные за последний месяц. Мы закрыли предыдущий месяц, поэтому легко можем посмотреть в каждом разделе и сегменте, совпадают ли фактические цифры с запланированными.
3. Last Week Actual показывает фактические данные за прошедшую неделю.
4. Прогноз на эту неделю показывает прогноз на текущую неделю. Неделя началась, и мы видим, что происходит с нами. Куда человеку, ответственному, например, за платный поиск, стоит обратить внимание прямо сейчас, чтобы добиться лучшего результата в конце недели. Для этого нужно просто избегать рисков (выделено красным) и реализовывать зоны роста (выделено зеленым).
5. Прогноз на следующую неделю показывает прогноз на следующую неделю.
6. Прогноз на этот месяц показывает прогноз на текущий месяц.
7. Прогноз на следующий месяц показывает прогноз на следующий месяц. По нашему опыту, этот прогноз лучше строить только на основе основного параметра. То есть дробить его на второй уровень (в нашем случае регионы) уже нецелесообразно, потому что много шума и плохое качество прогноза.
8. Прогноз на этот год показывает прогноз до конца года. Мы строим его только для ключевой метрики — дохода. Опыт показывает, что прогнозирование распределения трафика по регионам и каналам и другим сегментам до конца года занятие не очень увлекательное и приводит к большим ошибкам и потере доверия к прогнозам.
   

Вы можете просмотреть таблицу в Google Таблицах в любое время. Однако лица, принимающие решения, обычно ожидают получить готовый отчет и говорят: «Посмотрите сюда». Кажется, у нас есть зона роста.

Создание этого отчета — непростая задача, над которой мы все еще работаем. Мы хотим, чтобы наши клиенты получали четкие, осмысленные сообщения, написанные человеческим языком, как их написал бы хороший аналитик.

Есть две проблемы. В первом очень много нюансов. Кричать о неуправляемых прямых каналах не очень полезно. Что делать, если упал Реферал или Директ? Вам нужно сосредоточиться на том, чем вы можете управлять, а для этого вам нужно больше знаний о программе при поиске инсайтов.

Вторая проблема заключается в том, что на эти электронные письма можно ответить: «Дайте мне более подробную информацию». Но [email protected] никогда не собирался вступать в разговор. Однако мы считаем, что общение с аналитической службой должно быть максимально похоже на общение с маркетологом. Поэтому в будущем мы планируем отправлять инсайты по зонам роста и рискам через мессенджер.

В конце письма есть интересная таблица, в которой результаты за основные периоды выделены красным и зеленым цветом. Это сразу показывает, нужно ли открывать Google Sheets и смотреть детали за этот период.

Прежде чем приступить к построению прогнозов, необходимо ответить на несколько важных вопросов:

В результате такой реализации вы получите такую ​​таблицу:

В первой колонке указана зона ответственности. В нашем примере их три: маркетинг в целом, платные кампании PPC и SEO (органическое).

Второй столбец — KPI, которые используются для постановки целей и оценки эффективности в каждой из зон ответственности. Для некоторых из этих индикаторов есть план. Мы рекомендуем вам не менять существующие цели, когда вы решите использовать прогнозы. Понятно, что в бизнесе всегда можно что-то улучшить, и, возможно, вы захотите добавить в свои отчеты новые показатели. Но на ходу такие вещи делать нельзя. Сначала лучше автоматизировать то, что уже есть, потом добавлять новые метрики.

В третьей и четвертой колонке отмечаем показатели, по которым есть план и по которым можно построить прогноз.

В пятой колонке мы отмечаем количественные и качественные показатели, потому что они должны отображаться по-разному и должны обрабатываться по-разному.

Шестой столбец — критерии сегментации. В разных зонах ответственности одна и та же метрика сегментируется по разным критериям. Например, маркетинговые сессии интереснее сегментировать по каналам; SEO должно быть сегментировано поисковыми системами.

Седьмой столбец — это вторичное измерение. Может быть больше двух измерений, но в этом случае требования к объему данных должны быть выше. Чем больше параметров сегментации, тем больше данных необходимо для статистически значимых прогнозов.

Последний столбец — это количество значений того или иного параметра, которые вы хотите видеть в отчете. Зачем тебе это нужно? Если бы вы не указали ограничение по регионам и расширили список, например, у вас было бы не пять регионов, а пятьсот. Многие из них были бы слишком маленькими и, скорее всего, не информативными. Мы рекомендуем добавить ограничения, чтобы вся эта метка могла как-то поместиться в Google Sheets и работать с ней.

Итак, вы построили такую ​​таблицу и собрали все свои данные (плановые и фактические) в Google BigQuery (или в другом облачном хранилище). Что нам делать дальше? Первое и самое простое, что нужно сделать, это обратиться в OWOX BI. Наш алгоритм искусственного интеллекта проанализирует ваши данные, сравнит их с рыночными данными, сделает прогнозы и покажет, где находятся ваши зоны роста и риски.

Если вы хотите строить прогнозы самостоятельно, есть несколько способов сделать это. Есть несколько способов. Мы расскажем, как это сделать в Google Cloud, так как эта платформа нам наиболее знакома. Очевидно, вы можете использовать другие инструменты в своей компании.

Существует три основных способа построения прогнозов в Google Cloud:

1. TensorFlow и CloudML — методы, которые чаще всего используют специалисты по данным, которым не лень тратить время на настройку моделей. Это сложные инструменты, но они позволяют добиться хороших результатов.
2. BigQuery ML — если вы никогда не работали с машинным обучением, но у вас уже есть данные в Google BigQuery, рекомендуем начать с этого метода. Если у вас есть данные из Google Analytics 360, вы уже можете обучить модель, например, для расчета вероятности конверсии, оттока или любого другого параметра. Выбрать предикторы, функции и тестовые модели очень просто. Это разумный способ для аналитика, знакомого с SQL.
3. API-интерфейсы AutoML и CloudML — это самые основные способы для разработчиков. Они упрощают развертывание моделей, их сравнение и откат версий. Это идеально, если вы разработчик и ваша задача — развернуть модель, которую вы построили, в рабочей среде.

Это большая таблица с данными, из которых вы можете легко рассчитать отклонение, конверсию, потому что у вас есть все компоненты для этого и они сгруппированы в три блока: план, факт и прогноз.

1. Если вам говорят «У нас есть маркетинговые цели», в лучшем случае это означает электронную таблицу Excel, которую аналитик вручную обновляет раз в неделю.
2. Автоматизированное прогнозирование не заменяет аналитику — это всего лишь способ повысить ее эффективность. По нашему опыту, ручная корректировка всегда необходима. Например, скажем, что в октябре мы открываем большой магазин в Хьюстоне. Модель прогнозирования никогда не будет учитывать это, потому что у нее нет этих знаний.
3. Качество прогнозов значительно улучшается, если помимо собственных данных использовать рыночные данные. Именно это отличает подход OWOX BI к прогнозированию. Мы используем данные из десятков тысяч проектов для обучения нашей модели. В результате он более точно показывает тенденции рынка. Например, мы знаем долю рынка органического поиска и платного поиска проектов в той же нише, что и у нашего клиента, и знаем, к чему приводят эти цифры. Обогащение модели этими данными позволяет лучше понять тенденции и узнать, хорошо ли у вас дела или рынок просто растет.
4. Необходимо отделить расчеты от визуализации данных. Когда вы сформулируете ожидания по точности и глубине, вы сможете построить прогноз и рассчитать данные за строго отведенное время. Что касается визуализации данных, то это бесконечная задача, и нет предела совершенству.
5. Для получения качественных прогнозов с детализацией по двум параметрам нужны данные сайта о 3 млн посещений в месяц. Можно построить прогноз с меньшей суммой без сегментации, но вопрос зачем. Если вы видите, например, что цели не реализуются, можете ли вы сказать, в каком сегменте это не работает? Какие регионы? Вы, скорее всего, не найдете ответ, потому что данных мало.

Если у вас есть исторические данные за два года из Google Analytics, трафик от 3 млн сессий в месяц, и вы хотите выполнять свои маркетинговые задачи и расти быстрее благодаря инсайтам, напишите нам, заполнив форму на нашем сайте. Мы обсудим с вами детали и поможем составить прогноз.