Находка для маркетологов: как создавать отчеты без аналитики и SQL

Отчетность - настоящая любимая мозоль для любого маркетолога. В основном, большинство аналитических инструментов ориентированы на нужды аналитиков и разработчиков и запрещают маркетологу самому работать с данными. В этой статье объясняется, почему это происходит и каким мы видим решение этой проблемы.

Цель любого бизнеса – получение прибыли. Однако, чтобы понять, как идет развитие компании и в каком направлении стоит двигаться, компаниям необходимо отслеживать и контролировать все сферы организации. Другими словами, отчетность является важным инструментом для лиц, принимающих решения.

Не говоря уже о том, что в условиях пандемии экономики, когда от маркетологов требуется добиться большего с меньшими ресурсами (меньше бюджетов и меньше времени на реализацию), без отчетности не обойтись.

За последний год компании стали уверены, что добиться успеха можно разными способами, как в офлайне, так и в онлайне. В цифровых экосистемах существует множество способов связаться с клиентами (не говоря уже о развитии голосовых и аудиопространств благодаря обработке естественного языка). Любой из этих каналов приносит новые объемы данных. Вы можете использовать эту информацию как для общения с клиентами, так и для получения дополнительной информации о своей целевой аудитории, что полезно для развития бизнеса.

У бизнеса есть рынок, на котором он работает, цели и данные. Любая компания хочет трех вещей: зарабатывать больше, тратить меньше и делать это быстрее.

Маркетолог помогает бизнесу достичь того, чего он хочет. У него десятки различных услуг, цели от директора по маркетингу и опыт в маркетинге. Это то, что доступно ему в большинстве случаев.

Чего не хватает маркетологу и с какими проблемами он чаще всего сталкивается в своей работе:

1. Данные в отчетах не совпадают и должны постоянно контролироваться. Почему? Данные могут быть утеряны на этапе сбора данных, продублированы и т. д. Нет простой причины; в противном случае это не было бы проблемой на рынке. Маркетологу нужны данные, которым можно доверять для принятия решений.
2. Это сложно и занимает много времени , чтобы построить отчет со всеми необходимыми данными. Обычно маркетологи не имеют времени на изучение SQL и не хотят ждать ответа от аналитиков. Маркетолог хочет самостоятельно составлять отчеты в правильных разделах, а не ждать их от аналитиков. Другая проблема в том, что он никогда не знает заранее, какие вопросы возникнут и какие отчеты могут понадобиться в следующий раз. Редкий случай иметь один универсальный отчет для всех возможных обстоятельств.
3. Маркетологу нужны применимые рекомендации, а не отчеты . Например, отчет о рекламной кампании, показывающий цену за конверсию, менее ценен, чем отчет о лучшем комплексе маркетинга, показывающий, насколько вам нужно увеличить или уменьшить рекламный бюджет. Почему так? Потому что стоимость приложения не отвечает на вопрос, что делать с этой информацией.

Благодаря развитию таких сервисов, как Google BigQuery, анализ больших данных становится более доступным для компаний любого размера. Но существующие аналитические продукты ориентированы в первую очередь на нужды аналитиков и разработчиков. Маркетологи по-прежнему вынуждены ограничиваться готовыми отчетами или ждать, пока аналитики подготовят данные, упуская возможности и теряя время.

На рисунке выше показан магический квадрант Gartner с аналитическими и бизнес-аналитиками. В одном из популярных чатов для аналитиков на график добавили Excel. Этот рисунок показывает, что бизнес-пользователи нуждаются в современных аналитических инструментах до тех пор, пока необходимые им данные не будут доставлены в знакомый интерфейс Excel или Google Sheets.

Есть известная цитата: «данные — это новая нефть». как OWOX BI, Supermetrics, Fivetran, StitichData, доставляющие данные на НПЗ вроде Google Cloud, AWS, MS Azure, Hadoop, но для конечного пользователя все это не имеет существенной ценности, пока он не сможет заправить свой автомобиль подходящей энергией на в нужное время и без лишних усилий.

Сегодня бизнес-пользователи вынуждены ограничиваться рейсовыми автобусами, которые доставляют их на заранее заданные участки данных или переплачивают за такси, не зная точного адреса, куда им нужно доехать и какой отчет строить в итоге.

Почему существующие аналитические инструменты не в полной мере удовлетворяют потребности маркетологов:

• Специализированные сервисы не содержат необходимых данных . Почему бы просто не использовать Google Analytics? Бизнес не нуждается в данных. Невозможно объединить все данные и строить отчеты по той логике, которая соответствует вашей бизнес-модели.
• Даже если бизнес собрал все необходимые данные, для их слияния нужна экспертиза : по каким ключам, в какой структуре, на каких условиях и т.д.
• Существующие сервисы расширенной аналитики предоставляют специализированные решения, а не системные : вы можете построить конкретный отчет или информационную панель, но вы не можете создать систему отчетности, с которой может работать маркетолог. Например, вы можете получить отчет об автоматическом обновлении в Power BI, Google Data Studio или Excel. Но если вам нужно что-то изменить в отчете, добавить нужные разделы, параметры и метрики или изменить Группировку каналов, сам маркетолог этого сделать не может. Приходится каждый раз обращаться к аналитику.

Почему маркетологу сложно получить нужные данные в Excel или Google Sheets? Где узкое место среди всех этапов работы с данными?

После преобразования данных в определенную структуру (например, распознаны UTM-метки) и до того, как бизнес-пользователь сможет составить по ним отчет, происходит итеративный процесс. Например, вы выбираете нужные столбцы, исключаете пользователей, которые не совершали покупок в течение определенного периода и т. д. Этот процесс требует общения между аналитиками и маркетологами. И если маркетолог не знает SQL, этого общения не избежать.

Сегодня аналитики строят отчеты, требующие консолидации данных, с помощью SQL. Со временем таких SQL-запросов становится все больше, а логика в них усложняется. Таким образом, маркетолог не может получить необходимый отчет без помощи аналитика, а качество данных каждый раз оказывается под вопросом.

Большинство аналитических продуктов упрощают работу аналитика на одном этапе, но не помогают корректно объединить данные или маркетологу получить необходимые отчеты без помощи аналитика. Поэтому аналитика остается слабым местом.

Один из наших клиентов однажды сказал: «У наших маркетологов теперь есть два варианта: либо ждать Excel, либо изучать SQL». Хорошая новость в том, что это не единственная альтернатива.

По сути, нет необходимости ждать аналитика или изучать SQL для построения отчетов. Когда данные уже смоделированы в соответствии с бизнес-моделью компании, маркетологу не нужно бегать к аналитику каждый раз, когда он хочет создать новый отчет.

Аналитик объединяет данные с бизнес-моделью один раз, чтобы потом было легче вносить изменения. Затем маркетолог может использовать эти данные в современных сервисах отчетности, которые могут работать с смоделированными данными (например, OWOX BI).

Новые инструменты маркетинговой аналитики пришли на помощь! Да, маркетологам нужно в них разобраться, но это все же проще и удобнее, чем SQL. Взамен маркетолог получит данные, которым можно доверять, отчеты в нужных разделах и применимые рекомендации.

Что нужно сделать, чтобы волшебство сработало?

Шаг 1 . Собирайте данные с помощью инструментов ETL в одном месте для последующего анализа (облачное хранилище данных, в частности Google BigQuery — идеальный вариант для маркетологов).

Шаг 2 . Очистите и сопоставьте собранные данные.

Шаг 3. Объедините данные для бизнес-модели.

Шаг 4 . Подключите смоделированные данные к службе отчетов.

Шаг 5 . Экспорт данных в сервис визуализации данных.

Такие инструменты, как Funnel. io, Supermetrics, OWOX BI, Datorama, Improvado, Kissmetrics и др. отлично подходят для сбора данных. Но, чтобы правильно его сопоставить, очистить, слить, дедуплицировать и так далее, нужна помощь аналитика.

Для моделирования данных маркетологу также нужна помощь аналитика. Но это только один раз.

Примечание! Если у вас небольшой проект, пара источников данных (таблица с событиями плюс расходы), и вам нужно построить 2-4 отчета, то структура расчета этих таблиц будет довольно простой.

Однако если речь идет о реальном проекте со множеством таблиц с данными из рекламных систем, транзакциями из CRM, информацией о пользователях, расширенными данными о товарах и всеми остальными данными, которые попадают в Google BigQuery? Стоит использовать такие инструменты, как DBT/Dataform, чтобы избежать 100500 запутанных таблиц, вы можете внести изменения один раз, и они могут быть применены ко всей модели.

После того, как ваши данные смоделированы, вы можете создавать различные отчеты для работы. В качестве примера современной универсальной платформы, которая собирает и анализирует ваши маркетинговые данные из различных источников, позволяет автоматизировать отчетность и передавать результаты туда, куда вы хотите, рассмотрим OWOX Smart Data.

Используя сервис Smart Data, маркетологи могут получать маркетинговые отчеты без ограничений и выборки на основе объединенных необработанных данных из Google BigQuery и экспортировать отчеты в Google Data Studio и Google Sheets.

Получить отчет можно двумя способами:

1. Воспользуйтесь конструктором отчетов.
2. Выберите готовый шаблон из галереи самых популярных отчетов.

Маркетологи могут быстро получить доступ к маркетинговой информации любой сложности, используя готовые информационные панели или настроенные под требования компании. Для быстрых задач подходят готовые отчеты в OWOX BI Smart Data, а для сложных — необходима предобработка и выгрузка данных с помощью SQL-запросов из Google BigQuery.

Давайте посмотрим на построитель отчетов — вам нужно определить, какие показатели и параметры вы хотите видеть в отчете, выбрать тип отчета и диапазон дат. Smart Data формирует SQL-запрос необходимых данных в Google BigQuery, и маркетолог получает наглядный отчет.

Использование таких отчетов, как когортный анализ, расчет LTV, анализ ROPO и других, позволяет маркетологам учитывать все точки взаимодействия с клиентами и отслеживать эффективность маркетинговых кампаний.

Текущий подход к работе с данными не является оптимальным. Маркетологи и бизнес-пользователи чаще всего не могут строить отчеты самостоятельно, потому что это слишком сложно. Чтобы ответить на их вопросы, им приходится ставить задачи аналитикам и ждать отчетов. И снова, и снова. Ведь пока не ответишь на первый вопрос, не узнаешь, каким будет второй.

В итоге получается, что данные используются для мониторинга текущей ситуации и анализа прошлого, но редко — для управления будущим. Поэтому данные принесут гораздо большую ценность, если у бизнес-пользователей будет возможность работать с ними для самостоятельного принятия решений.