Уміти читати дані та бачити в них базу для рішень — скіл, без якого маркетологу не обійтися. Аналіз підкаже:
— Який креатив зацінить ваша ЦА.
— Чому просіли результати.
— З яким продуктом краще виходити за кордон.
— І найболючіше: як знайти баланс між кількістю та якістю лідів. Бо сейлз хоче якості (щоб кожен лід конвертився), а для маркетолога важливіша кількість із допустимою якістю по ніші.
Водночас робота з даними — це ходіння по тонкому льоду. Адже можна наробити купу помилок: сфокусуватися на кореляції, сформувати замалу вибірку, взяти до уваги лише ті показники, які легко вимірюються. І навіть пересваритися з сейлзами, бо ваші тести ріжуть їхні KPI.
Як цього уникнути, водночас витискаючи з даних максимум користі? Попросили порад і кейсів в Олександра Долінка, Head of Performance Marketing Laba Global.
За 5 років Саша виріс від маркетинг-асистента до керівника відділу та управляє командою з 17 спеціалістів. Відповідає за 14 проєктів в Україні, а також у Польщі, Угорщині, Туреччині, Чехії та Румунії. Разом із командою менеджерить в активних рекламних кампаніях до 190 курсів одночасно.
Помилка №1. Плутати причинно-наслідковий зв’язок із кореляцією
Ті самі речі можуть відбуватися одночасно, а можуть бути наслідком певних дій. І хоч у бізнесі добре відомо, що кореляція ≠ причинно-наслідковому зв’язку, ця помилка досить поширена.
Протягом багатьох років eBay розміщувала рекламу в Google, щоб залучити нових клієнтів та збільшити продажі. Дані демонстрували, що чим більше реклами показувалось у певних регіонах, тим більше продажів там фіксувалося. Тож в eBay вирішили, що це саме реклама стимулювала ліди.
З одного боку, все логічно, але в реальності висновок виявився хибним. Команда економістів з Каліфорнійського університету в Берклі провела додаткові дослідження та виявила, що реклама eBay була націлена на:
- людей, які вже мали високу ймовірність відвідування сайту
- ринки, де й без реклами очікувалося зростання попиту
Іншими словами, люди в цих регіонах і так планували щось придбати на eBay. І реклама лише збіглася в часі з їхніми намірами, а не була причиною цих покупок.
Від подібної помилки не застрахований жоден бізнес. Магазин дитячого одягу може запустити круту рекламу в інсті в серпні та очманіти від зростання продажів. Але чи буде це заслуга самої реклами? Адже серпень — це також сезон school shopping.
Саша:
Performance- і PPC-спеціалісти, які працюють із величезними обсягами даних або мають невеликий досвід, дійсно можуть припускатися такої помилки. Щоб не плутати причинно-наслідковий зв'язок і кореляцію, я завжди прошу команду робити ретроспективу — порівнювати, як було раніше та як є зараз, за декількома критеріями:
1. На рівні сезонності
🔍 Ситуація — пік лідів
Маркетолог: «Це наша заслуга»
На Новий рік, у так званий Coca-Cola period, коли починається сезон відпусток, багато топових гравців знижують свою рекламну активність і на деякий час виходять з ринку. Це зменшує вартість реклами, і компанії, що залишаються, можуть отримати більше лідів за менші гроші. Менеджери, які працюють близько року, особливо у великих компаніях, можуть думати, що це їхня заслуга, і фокусуються не на тих речах. Наприклад, роблять надто сильний акцент на якості лідів та думають, як не перевитратити рекламний бюджет.
💡 Рішення
Якщо ми зробимо ретроспективу на рівні сезону, прорахуємо форкасти, ROI, ROMI, то побачимо, що в такі моменти потрібно просто максимально генерувати ліди. Адже завдяки зменшенню ціни реклами навіть ліди з нижчою якістю все одно будуть вигідними. Це дозволить компенсувати різницю завдяки збільшенню обсягів продажів на 15–20% — і компанія все одно виграє в рентабельності.
2. На рівні продукту
🔍 Ситуація — впали продажі
«Хто винен? Сейлзи!»
Якщо в компанії падають продажі, причин може бути багато: зміни в команді сейлзів (потік кадрів), неправильна дистрибуція лідів (розподіл потенційних клієнтів між менеджерами). У Laba зміна викладача або продюсера курсу може знизити конверсію та кількість лідів.
Буває таке, що минулий потік закривався дуже класно, з лідами не було проблем, CPC (Cost Per Click) був хороший. А в новому потоці змінився викладач, нас про це не повідомили або Performance-спеціаліст опустив цей момент — і інтерес до іншого лектора відрізняється. Або банально — змінився лендинг, а ми дізналися про це через 2–3 тижні.
💡 Рішення
Завдання performance-спеціаліста — знайти, де саме виникла проблема, що ми робимо не так, щоб визначити закономірність. Ретроспектива на рівні продукту і на рівні потоків курсу допомагає зрозуміти, як продукт сприймався на ринку раніше та зараз — і чи треба щось міняти.
Важливо відстежувати динаміку інтересу до продукту. Перший потік завжди дає найкращі результати (бо це новий продукт, який викликає більше зацікавленості), другий — трохи гірші, третій — ще гірші. Є певний коефіцієнт цього спаду, на який ми орієнтуємось, щоб визначити, наскільки добре ми йдемо. Якщо потоки закривалися з хорошою динамікою, а через деякий час вона стала на 50% гірша — потрібно щось міняти: сам продукт, викладача, performance-спеціаліста тощо.
Також важлива комунікація та синергія між відділами: продажів, маркетингу, продакшену. Спільний пошук першоджерела проблеми, визначення точок зростання та розробка плану. Далі ми тестуємо кожну гіпотезу та визначаємо, що працює, а що ні. Якщо стараємося зробити щось з однієї сторони, не бачачи повної картинки, це не буде так ефективно, як при синхронізації з кожним департаментом.
Помилка №2. Малий бюджет, мала вибірка, мало часу
Розмір вибірки, період, протягом якого проводилось дослідження, і сума, яка була на нього виділена, впливає на результати. Це варто враховувати завжди: аналізуючи огляди, результати опитувань або показники рекламного тесту. Проте в бізнесі вплив цих факторів часто недооцінюється, що спотворює результати.
Саша:
Тут багато залежить від гіпотези, яка перевіряється, а також від ринку, на який орієнтується компанія. У нашому випадку Laba — це бізнес-орієнтація, Skvot — більш творча, robot_dreams — більш технічна. На кожному ринку ми маємо свою конкуренцію та популяризацію бренду. Для кожного ринку в нас свої бенчмарки.
Коли ми запускаємо новий продукт — лише через певний період можемо визначити, що окей, а що ні. На кожен продукт, на кожен проєкт ми робимо моделінги, щоб зрозуміти взагалі, це рентабельно чи ні.
Наприклад, хочемо протестувати в Румунії лідогенерацію на Молдову, де мова схожа, проте лід може бути в 10 раз дешевшим, а конверсія — у 2 рази нижчою. І тут починається конфлікт інтересів із сейлзами, бо в них стоять KPI — показувати кращу конверсію. Але наша глобальна задача — зробити так, щоби бізнес заробляв. Якщо ми зробимо моделінг на основі, наприклад, 30 лідів, то просто не зможемо на базі цих даних прорахувати релевантні форкасти.
Тоді ми домовляємося з відділом продажів, щоб не ламати їхні KPI, і виділяємо людину суто під цей тест, щоб ми могли провести його та зрозуміти — вигідно це для нас чи ні. Взагалі важливо не сваритися, а доносити відділу продажів, що ви зараз тестуєте, і пояснювати перспективу цих тестів — навіть якщо вони негативно впливають в моменті. Лише так ви будете на одній хвилі.
Маркетинг — це про гнучкість у комунікації та прийнятті рішень. У наших цінностях прописано, що маркетолог — це людина, яка реагує тут і зараз та може знаходити вихід з будь-якої ситуації, але оперуючи даними й цифрами.
Що ще важливо
- Чіткий бюджет під кожну гіпотезу
Якщо ми говоримо про рентабельність і аналіз самого тесту, щоб зрозуміти, варто його продовжувати чи ні, потрібно витратити на гіпотезу мінімум $500 і 2–3 тижні часу. Під кожну гіпотезу має бути виділений окремий бюджет. Ми сприймаємо тести як MVP, ведемо за ними окрему звітність, в яку можуть входити такі метрики, як CTR, CPM, CPC, %TA, % not TA, Minutes to call (AVG), Calls by deal (AVG), Call duration (AVG), CPA. Аналіз цих показників дасть зрозуміти, яка форкастна конверсія може бути. - Вміння домовлятися
Важливо, щоб тести не різалися на початку. Кейс, про який я розповів, ламає інтереси іншого відділу, але загалом дозволяє орієнтуватися на ситуацію тут і зараз. І впливає на середньострокову або довгострокову перспективу (від 2–3 місяців до пів року) та дозволяє знайти більше варіантів просування. - Витримка
Навіть якщо результати тесту дуже погані, ціна ліда зависока, важливо не припиняти витрачати на нього гроші одразу. Потрібно перетерпіти, щоби побачити, як буде працювати далі, зробити фронтальний підрахунок, і потім уже дійти висновку — продовжувати чи ні.
Помилка №3. Орієнтуватися на дані, які легко вимірюються
Компанії часто зосереджуються на метриках, які легко виміряти (наприклад, кількість кліків, первинні продажі), ігноруючи важливіші, але складніші для оцінки показники (ринкові умови, довгостроковий попит). Це може призвести до неправильних рішень, коли продукт або стратегія не відповідають реальним потребам ринку.
Саша радить:
- Дивитися глибше і бути гнучким
Якщо ми запускаємо продукт, у нас є певні орієнтири, на які ми спираємося, щоб зрозуміти: ми йдемо okay чи не okay. Якщо говорити про довгострокову перспективу, для цього є певні метрики: наприклад, оцінка платоспроможності аудиторії, кількість потенційних клієнтів у різних сегментах, а також аналіз запитів на ринку праці за професією з курсу. Орієнтація лише на поверхневі показники, такі як кількість кліків або первинні продажі, може призвести до помилкових висновків та рішень.
Якщо ми йдемо не okay, стараємось переробити або сам продукт, або маркетингову стратегію позиціювання. Ми можемо змінити лектора або поміняти місця, де таргетуємося, — Meta, Google, LinkedIn, X тощо. - Не зациклюватись на минулих успіхах
Можна потрапити в пастку, орієнтуючись на успіх попередніх кампаній або потоків курсу. Не враховуючи, що зміни в аудиторії, ринкових умовах або навіть ресурсах можуть значно вплинути на результати.
Наприклад, у Laba на один потік можуть бути дуже гарні результати, ми отримуємо десь 30 продажів, але по факту 20 із них — це угоди В2В. Потім ми запускаємо наступний потік, очікуючи подібних результатів, і думаємо: а чому в нас не йдуть продажі, не йде лідогенерація? Щоб такого не сталося, потрібно аналізувати, з яких ресурсів у нас були продажі, і тоді правильно розставляти пріоритети.
Іноді ми запускаємо продукт на кількох ринках: на трьох він успішно заходить, а на четвертому — ні. Тоді ми аналізуємо, чому так сталося, і часто виявляється, що на цьому ринку тема курсу має низьку популярність у певній країні. Або, як у Польщі, manufacturing-country, просто менший інтерес до певного курсу через нижчу зарплатну вилку.
Помилка №4. Узагальнювати висновки
Один віцепрезидент інженерного відділу великої технокомпанії розповів, що в нього є правило — не враховувати університетські оцінки кандидатів під час прийняття на роботу. Коли його запитали: «Чому?», він сказав: «Google довів — оцінки не мають значення», посилаючись на коментар керівника Google про те, що між шкільними оцінками та кар’єрою немає зв’язку.
Але чи варто аж настільки узагальнювати висновки? Наприклад, у стартапі, де потрібно швидко розробляти нові рішення, оцінки можуть не відображати реальних здібностей кандидата. Але в медичних або юридичних організаціях, де помилки мають серйозні наслідки, високі оцінки в університеті можуть бути показником дисциплінованості й знань, які є критично важливими.
Узагальнення висновків — ще одна пастка, в яку можна потрапити, аналізуючи маркетингові дані. Адже якщо запуски в Instagram показали хороші результати, це не означає, що того самого слід очікувати від Facebook.
Саша:
Наприклад, для одного з наших проєктів з Instagram йде набагато більше трафіку, ніж з Facebook. Це означає, що розподіл бюджетів має бути відповідним. Ми визначили, що в нас мінімальна ціна ліда, скажімо, $N, а в Instagram ця сума може бути ще нижчою. І хоч конверсія там також менша, саме через цей канал нам легше масштабувати кількість лідів. Тобто в Instagram легше залучити більше людей — і тому ми спрямовуємо туди більше ресурсів.
Дистрибуція бюджетів та диверсифікація трафіку — це робота performance-спеціаліста, який має враховувати різні аспекти кожного проєкту. Важливо проводити моделінг на основі даних про ліди та прогнозовані конверсії. Наприклад, ми бачимо, що вкладення в Instagram можуть принести на 40% більше доходу у квартальному періоді, навіть із нижчою конверсією. Якщо ми будемо масштабувати Facebook для цього проєкту, ми й не заробимо більше, і витратимо більше. Тому потрібно розуміти особливості кожного ринку і не обмежуватись однією метрикою, а мати певні знання в продажах, у продакшені, в маркетингу, щоб звести всі ці цифри.
Помилка №5. Намагатися робити все ідеально
Саша:
Важливо не лише виконувати багато дій, але й підходити до задачі з критичним мисленням. У нас були випадки, коли люди настільки намагалися зробити все ідеально, що самі собі шкодили. Тут важлива роль менеджера, який допомагає зрозуміти, що саме зараз буде ефективно і профітно для компанії, а що ні.
Наприклад, у нас є дуже ініціативні співробітники, які приходять і кажуть: «У нас тут є баг, давай зараз виправимо його і зробимо “все по красоті”». Однак іноді такі дії можуть призвести до втрати фокуса на більш пріоритетних завданнях. Я пояснюю їм, що запуск нового процесу прямо зараз може зайняти 40% їхнього ресурсу, а результат принесе лише 1% від загального revenue. Крім того, це вимагатиме залучення інших департаментів, що також вплине на загальну ефективність і дохід компанії.
Надмірний акцент на деталях може бути контрпродуктивним. Коли людина має достатньо курсів у рекламі та витрачає на аналіз кожного по 5 годин — це теж не окей. Дуже детальний аналіз — це круто й ефективно, якщо в компанії невисокий темп і мало продуктів, але інколи він може заважати. Якщо у вас багато нових продуктів, які стрімко розвиваються, треба бути швидшим у прийнятті рішень. Тут важливіша пріоритизація з максимальним ефектом на маржинальність, revenue та загальний результат.
Бажаєте отримувати дайджест статей?
