Такая разная аналитика

Потенциально — всегда, если вы хотите понимать, что происходит с бизнесом и какие зависимости между разными внешними и внутренними параметрами существуют. Но особенно такая аналитика пригодится, если вы:

• собираете много данных из разных источников и хотите их систематизировать;
  
• планируете расширять бизнес или запускать новый продукт, но сначала хотите проверить гипотезы с учетом аналитики;
  
• хотите оценить несколько возможных бизнес-решений с точки зрения их влияния на ключевые показатели деятельности;
  
• хотите прогнозировать развитие компании на основе имеющихся аналитических данных;
  
• хотите всесторонне мониторить бизнес-систему и оптимизировать процессы;
  
• отчаялись найти адекватного специалиста по Data Science (наука о данных) к себе в команду.
  

Если бы у Икара был хотя бы простенький дашборд, где показывалась бы температура окружающей среды и степень плавления воска в его крылышках, он, вероятно, смог бы избежать печальной участи. Так что, пожалуй, продуктовая аналитика нужна всегда, когда вы хотите делать успешный продукт, который не просто «взлетит», но и продолжит своё развитие.

Но особенно продуктовая аналитика пригодится, если:

• вы ищете точки роста — продукт работает, но вы не понимаете, как его масштабировать;
  
• пользователи никак не хотят превращаться в покупателей — привязав конкретные события к шагам на Customer Journey Map, проще понять типичные «затыки» и устранить их;
  
• вам нужен краткий срез метрик продукта для постоянного мониторинга и принятия решений — аналитика хороша, когда она регулярна;
  
• у вас есть продуктовые гипотезы, и их нужно проверить — изучая эффект на пальцах конкретных метриках, проще делать выводы;
  
• вашим А/В-тестам не хватает прозрачности — красная кнопка действительно лучше работает или это эффект чёрной пятницы?
  

• вы хотите точнее прогнозировать бюджеты — не полагаться на исторические данные, а предугадывать будущие потребности;
  
  
• нужно предсказать поведение потребителя, чтобы создать более качественные продукты и услуги под его потребности или увеличить отдачу от своих клиентов (средний чек, конверсии, лояльность);
  
  
• нужно снизить затраты на маркетинг — прогнозные модели могут учитывать цикл жизни клиента и предугадывать его поведение;
  
  
• нужно принять стратегическое решение, а исторических данных для этого недостаточно;
  
  
• вы хотите увеличить продажи — предиктивная аналитика на основе истории покупок конкретного пользователя помогает предугадать другие продукты и услуги, которые он купил бы;
  
  
• нужен прогноз эффективности рекламного контента и маркетинговых активностей;
  
  
• вы хотите предсказывать LTV клиента и иметь возможность влиять на этот показатель;
  
  
• у вас производство на базе высокотехнологичного оборудования, и нужно предугадывать его поломки сильно заранее;
  
  
• нужно предсказать текучку кадров и найти причины, чтобы её устранить.

Сквозная аналитика — это маркетинговая, бизнесовая и продуктовая аналитики, но по чуть-чуть. Она отслеживает путь пользователя от просмотра рекламного объявления до покупки и оперирует сразу огромным объёмом информации: базами данных (в том числе, из CRM-систем), аналитическим софтом, инструментами визуализации, данными коллтрекинга и почтовых рассылок.

В результате получается сводный дашборд с базовыми метриками, которые объединяют маркетинг, финансы и продажи в единую взаимозависимую систему:

• ROMI (Return on Marketing Investments) — возврат инвестиций на маркетинг;
  
• ROAS (Return on Ad Spend) — возврат инвестиций на рекламу;
  
• ROI (Return on Investments) — возврат инвестиций;
  
• CPO (Cost per Order) — стоимость заказа;
  
• CPA (Cost per Action) — стоимость целевого действия;
  
• CTR (Click through Rate) — показатель кликабельности;
  
• LTV (Lifetime value) —жизненный цикл клиента.
  

Если у вас нет вообще никакой аналитики, то сквозная могла бы стать первой ступенькой к управляемости бизнес-процессов. Правда, для сбора ключевых метрик придётся работать с разными инструментами.

Сквозная аналитика особенно нужна, если:

• у вас нет единой системы данных — данные с сайта, рекламных кабинетов, различных сервисов, CRM и трекеров хранятся как попало и никак не учитываются их взаимосвязи;
  
  
• маркетинговые активности разрозненны — непонятно, какие каналы работают эффективнее и как они взаимосвязаны, хотя каждый в отдельности показывает неплохие результаты;
  
  
• в вашей отчётности чёрт ногу сломит: чтобы понять, как обстоят дела в финансах, маркетинге, продажах, вы тратите не один день на сбор и консолидацию всей информации (а хотелось бы — быстро сделать срез по всем ключевым метрикам);
  
  
• ваш маркетолог опять просит выделить бюджет на что-то экстраординарное, а продажники делают одно и то же, желая получить другой результат — сквозная аналитика показала бы, какие каналы эффективны для финансирования, и какие действия приносят больше прибыли;
  
  
• вы устали сливать бюджеты на рекламу всего подряд — сквозная аналитика помогает найти самые популярные товары и категории и расходовать деньги оптимально.
  

Такая аналитика использует «цифровой след» из журналов событий информационных систем, чтобы потом визуализировать протекание конкретного процесса и выявить его узкие места: зацикливания, пропуски шагов, лишние операции, расхождения с регламентами, переброс задач с исполнителя на исполнителя и прочее.

Процессная аналитика также помогает:

• выявлять повторяющиеся задачи, которые можно автоматизировать и тем самым сократить затраты;
  
• предупреждать ошибки на более ранних стадиях;
  
• отслеживать эффект от изменений на каком-то из этапов на всём бизнес-процессе.
  
  

Но как они соотносятся, по большому счёту, неважно — важно, какие виды аналитик вы возьмёте себе на вооружение для управления продуктом и бизнесом:

• Если вы в начале пути, и аналитики нет от слова «совсем» — скорее всего, вам нужна сквозная, чтобы представлять хотя бы в общем, что происходит с бизнесом.
  
  
• Если вы создаёте продукт с нуля, то лучше сразу настроить продуктовую, мобильную и UX-аналитику (если это приложение), чтобы не набить шишек впоследствии.
  
  
• Если маркетинг хромает, налаживайте маркетинговую аналитику.
  
  
• Если с финансами не всё гладко — логично, финансовую аналитику.
  
  
• Если хотите понимать, что происходит с бизнесом комплексно, заморочьтесь на бизнес-аналитике. Business Intelligence пригодится, если данных слишком много.
  
  
• Если вы знаете, что процессы в компании можно улучшить, но пока не понимаете как — добро пожаловать в процессную аналитику.