Секреты аналитического мышления и его развития для всех. Общение и органичность

Как решает

С помощью webhook пушим лиды в Google Sheets через Zapier, а из Google Sheets пушим данные в Google Analytics с помощью того же Zapier.

Теперь поэтапно настроим все под ключ

Пробежимся по логике

Какие у нас могут быть источники лидов?

Формы на сайта
Коллтрекинг
Онлайн-чаты
Обратные звонки

У 80% сервисов есть такая функция, как webhook, например, при звонке на динамический номер, коллтрекинг отправляет данные о посетителе на URL, который мы укажем.

Какой URL нам указывать? - Нам нужен механизм, который может принять данные, выбрать из них, что нам нужно, и вставить их в Google Sheets в виде новой строки. Эту задачу выполнит сервис Zapier, будучи коннектором.

Источник > Zapier > Google Sheets > Zapier > Google Analytics

Логичнее всего будет начать с источников, давайте на реальном примере реализуем связку. В нашем случае в качестве источников выступает коллтрекинг Roistat и формы на сайте.

Начнем с «Источник > Zapier > Google Sheets»

Переходим на сайт zapier.com и регистрируемся, нажимаем Make a Zap!

После этого откроется рабочее окно, давайте разберемся в интерфейсе:

Домашняя страница, где расположены все Zap’ы (далее «коннекторы»)
Логика коннектора, например 1 - принимаем, 2 - вытаскиваем значения, 3 - отправляем
Рабочее окно выбранной слева вкладки, сейчас нам предлагают выбрать первый виджет
Активен/неактивен коннектор

Создаем коннектор для Roistat

Выбираем встроенный коннектор:

Нажимаем Catch Hook и Save + Continue:

Переходим на вкладку Set Up Webhook и копируем URL для приема вебхук, пусть пока лежит в буфере.

Переходим на Set Up Options и нажимаем Continue:

Теперь нам предлагают сделать тестовый запрос по вебхуку, мы параллельно открываем ROIstat и переходим в настройки сценария коллтрекинга:

Внутри вставляем наш URL, применяем и сохраняем сценарий, теперь нужно зайти на сайт и совершить тестовый звонок. Надеюсь, что коллтрекинг у вас работает корректно.

По документации ROISTAT вебхук передает следующие данные

После звонка вы увидите в Zapier, что он получил вебхук, нужно нажать Continue и сделать следующий виджет.

Задаем название для коннектора Get from ROISTAT, пока не забыли. В поиске вводим и выбираем Google Sheets

Создаем у себя в Google Drive новую таблицу, где у нас будут храниться все данные и вводим названия колонок. В нашем случае это:

Источник лида
Контакт
Email
Google Client ID
Источник
Выручка
Статус сделки
Качество лида
Комментарий (если есть)

Нужно понимать, что по коллтрекингу у нас есть повторные звонки, и было бы неправильно создавать новые лиды (строки), которые дублируют предыдущие. Для этого перед каждым добавлением строки (лида) мы по колонке Контакт (номер телефона) ищем, есть ли в ней уже такой номер телефона, который мы хотим добавить. Напомню, что номер телефона мы до этого уже получили по вебхуку.

Теперь у нас автоматически появляются колонки из таблицы, которые мы создали ранее. Для каждой колонки нам нужно выбрать значение и вебхука, которое мы получили ранее. То есть, потом эти значения будут вставляться в колонки, которые мы сейчас выберем.

Нажимая на поле, у нас появляется выпадающий список с название поля и значением, которые содержит вубхук из Роистата.

Например, в колонку «Дата» мы хотим вставлять значение «Date» вебхука, и так нужно сделать для каждого поля:

Нажимаем Continue и отправляем тестовую строку Fetch & Continue:

Все, теперь Zapier предлагает нам активировать коннектор, что мы с радостью делаем. Первый коннектор готов:

Взаимодействие клиента с таблицей

У нас есть таблица, в которую поступают новые лиды, теперь нужно научить клиента взаимодействовать с ней и фиксировать продажи.

Для этого ранее мы создали 4 колонки:

С выручкой все понятно, как сделать фиксированный набор значений, для этого создаем отдельный лист и для каждого поля делаем набор значений для выбора:

Нажимаем правой кнопкой мыши на ячейку статуса и выбираем Data validation:

Появляется окно с настройками, в нем нажимаем на табличку, чтобы выбрать значения для выбора:

Выбираем диапазон статусов:

Все, теперь у нас в поле «Статус» есть фиксированный набор:

Аналогично делаем с колонкой «Качество лида» и выбираем грейдинг лида, лучше делать это в цифрах.

Реализуем связку «Google Sheets > Zapier > Google Analytics»

Для этого создаем новый коннектор Make a Zap!

Задаем имя коннектора Google Sheets to Google Analytics, выбираем Google Sheets в качестве виджета, как делали ранее, но теперь выбираем не создание новой строки, а New or Updated Spreadsheet Row (Проверка новых или обновленных строк):

Выбираем аккаунт, как делали ранее, повторяться не будем, далее выбираем тот же документ на Google Drive, лист и Trigger Column (Триггер-колонка). Суть в том, что коннектор каждые 15 минут проверяет лист и смотрит на триггер-колонку, в нашем случае, это «Статус сделки», если значение в ней изменилось, то он отправляет данные в Google Analytics.

Нужно сделать условия и фильтры:

Тестируем виджет, нажимаем Fetch & Continue, чтобы получить данные для создания следующего виджета.

В качестве следующего виджета выбираем Filter:

Выбираем Only continue if..

Выбираем в первом поле колонку «Статус сделки», далее (Text) Contains и «Продано»,

Итого у нас получается условие:

Если у новой или обновленной строки значение в колонке Статус сделки содержит слово «Продано», то мы отправляем данные в Google Analytics, а если нет, то нечего не делаем.

Но нам нужно отправлять данные в Google Analytics в 3-х случаях: «Отказ», «Продано» и «Думают». Сейчас мы отправляем только при «Статус сделки» = «Продано», поэтому добавляем еще два условия OR на «Отказ» и «Думают».

Нажимаем Fetch & Continue и видим, что он проверил последнюю строку и говорит, что она не подходит ни под одно условие, нам так и нужно, так как у нас нет условия на статус «В обработке».

Наш следующий виджет, это Google Analytics:

Выбираем Create a Measurement:

Event Action (Действие события) - Передаем значение

Event Label (Просто еще одно поле) - Передаем показатель качества лида

Event Value (Сумма, которую принесло событие) - Просто цифра, в нашем случае, мы хотим передать сумму сделки.

Custom User ID (Google Client ID) - без этого значения GA не поймет, с какого канала пришел клиент, то есть мы не сможем понять, что изначально клиент пришел с контекста.

Нажимаем Continue и Send Test To Google Analytics, важно заметить, что мы не увидим событие в Google Analytics, так как коннектор отправляет запрос в дебаг-моде, это как бы тестовый режим GA, чтобы не портить реальную статистику тестами.

В ответ мы получим такое окно, нам важно, чтобы valid было равно true, это значит, что запрос в GA валидный.

Если есть проблемы, то можно поискать их в hit, это сам запрос, который был составлен.

Активируем коннектор:

Тестируем коннектор

Меняем значение последней строки в таблице на «Продано»:

Переходим на домашнюю страницу Dashboard в Zapier и у нашего нового коннектора нажимаем Run (запустить):

Появится уведомление, что коннектор обнаружил уведомления в 2-х строках и отправил 2 события в GA:

Проверим, что GA получил эти события:

Создаем цель в GA на событие «Статус сделки» - «Продано»:

Создаем аналогичные цели для других статусов:

Формы на сайте > Google Sheets

Теперь мы полностью завершили цикл и сделали сквозную аналитику, но у нас по-прежнему не учитываются лиды из форм на сайте.

Для этого ставим разработчику проекта задачу сделать webhook при отправке форм с сайта, это простая задача, которая не требует много времени.

Перед постановкой задачи вы должны учитывать несколько моментов.

На сайте должен быть установлен Google Analytics, чтобы передавать Google Client ID
По умолчанию при отправке webhook’a у нас нет источника в виде UTM-меток, откуда изначально пришел лид, поэтому мы написал , который сохраняет UTM-метки первого визита посетителя в Cookie и при отправке формы можно их использовать.Скрипт можно установить на сайт через GTM в виде Custom HTML тега, либо отдать на установку разработчику проекта.
Перед постановкой задачи нужно создать коннектор, который будет принимать webhook разработчика и отправлять данные в Google Sheets. Лучше сразу сориентировать разработчика, какие поля и по каким формам вы хотите получать в таблицу.

Передаем формы с сайта в Google Sheets

Процедура аналогична настройке коннектора для ROIStat, поэтому постараемся без подробных описаний. Создаем новый коннектор Make a Zap и выбираем Webhooks виджет, в нем Catch Hook:

Ссылку для приема вебхуков отдаем разработчику, нажимаем Continue и в разделе Edit Options тоже Continue, далее нам предлагают протестировать URL, для этого нужно как-то эмитировать вебхук - заходим на hurl.it

Вставляем URL в поле Destination и выбираем POST из выпадающего списка:

Ниже получаем:

Это значит, что запрос ушел и был принят, теперь в Zapier нажимаем OK, I did this:

Следующий виджет, это Google Sheets, в нем выбираем Create Spreadsheet Row:

Траблшутинг

Zapier

Как тестировать запросы на URL в коннектор на предмет добавления лидов в Google Sheets

Невалидный запрос в GA

Копируем запрос:

Заходим на Hit Builder , вставляем запрос и нажимаем Validate hit:

Сбиваются настройки полей в коннекторах

При добавлении нового столбика все настройки сбиваются в виджетах. Можно смотреть историю работы коннекторов в Task History

Google Analytics

Как посмотреть состав событий, которые приходят в GA

Создаем отчет:

Настраиваем:

Учтите, что события в отчете будут отображаться с задержкой минут 15.

У меня аккаунт GA в долларах

Как посмотреть срабатывают ли цели в GA

С чего начать аналитику продаж? Все показатели аналитики делятся в соответствие с принципом 2Q1D на 3 вида: качественные, количественные и показатели развития. 2Q1D предполагает использование методов аналитики продаж по определенному универсальному алгоритму.

Quantity означает аналитику показателей продаж в количественном разрезе. Здесь отслеживается насколько эффективно работает система : холодные звонки, встречи, трафик с сайта или блога, инструменты интернет-маркетинга. Делая такой анализ, вы изучаете как максимально расширить вход или «горло» воронки.

Quality объединяет в себе группу методов аналитики в продажах, которые направлены на замер качественных показателей. Как составить ее в рамках quality? Измеряйте и воспользуйтесь такими методами, как:

Сегментацию базы

по сфере бизнеса (B2C, B2B, B2G);
по крупности контракта;
по предмету сделки

ABC XYZ – анализ
Исследование миграции клиентов и продуктов в категориях ABC XYZ

Пользуясь такой аналитикой продаж, вы заботитесь о расширении стенок воронке по всей ее длине.

Developing. Речь идет о развитии бизнеса. Цель — создание новых воронок по продуктам и по каналам. Только после работы над quantity и quality запускайте новые продукты, подключайте новые каналы. Затем оцениваются темпы и качество развития, замеряются стандартные показатели продаж.

Аналитика продаж: исследование по ABCXYZ

Аналитика продаж в компании начинается с текущей базы. Он позволит вам понять, какие клиенты покупают больше и чаще, а также какие продукты покупают больше и чаще. Зачем вам это нужно? Очевидно, что после такого исследования вы сможете выявлять представителей своей целевой аудитории с высокой степенью точности, что в свою очередь обеспечит рост выручки.

Буквы ABC XYZ означают:

Группа А - клиенты/продукты c наибольшими объемами закупок
Группа В - клиенты/продукты со средним уровнем
Группа С - клиенты/продукты с небольшим объемом закупок

Категория X - те, кто чаще всего обращается к вам, либо наиболее востребованные продукты
Категория Y - контрагенты с нерегулярными обращениями, либо нерегулярно отгружаемые продукты
Категория Z - те, кто совершает единичные покупки, либо продукты с единичным и непредсказуемым потреблением.

Аналитика продаж: работа с текущей базой

Текущими клиентами должны заниматься отдельные менеджеры. Не стоит совмещать эти обязанности с работой по привлечению новых покупателей. Регулярный ABCXYZ-анализ поможет контролировать:

миграцию покупателей из категории в категорию,
ставить персональные планы по выручке по клиентам,
планировать рост по номенклатуре up-sale (та же продукция) и cross-sale (перекрестная продукция),
составить мотивацию для сотрудников, работающих с текущей базой.

Важно поощрять повторные сделки. Делать это можно различными способами, в том числе, специальными программами лояльности, в которые входят подарки, бесплатные семинары или мастер-классы, скидки и акции по ассортименту и т.д.

Аналитика продаж: лояльность покупателей

Клиенты из группы 2 также важны: их предложения о том, что следует изменить для повышения их оценки, могут стать основой для сокращения оттока покупателей и улучшения дальнейшей работы.

Аналитика продаж: пенетрация

Если у компании периодический цикл реализации товаров/услуги, то аналитика должна включать такой показатель, как доля в клиенте. Важно понимать, сколько продукции покупатель берет в вашей фирме, а за какой обращается к конкурентам. При этом также необходимо оценивать, какова ваша доля по потенциалу up-sale и cross-sale.

Получить данные можно тремя способами:

статистический (собирается доступная информация по рынку, числу работающих на нем компаний, количеству потребителей);
опрос клиентов по разработанным скриптам;
опрос через службу по исследованию рынков.

К примеру, компания ежемесячно поставляет одному контрагенту 40 пачек бумаги. При этом общий объем закупок – 100 пачек. Считаем долю в клиенте:

40: 100 = 0,4 или 40%.

А теперь надо подумать, как и за счет чего увеличить этот показатель: предложить более выгодную цену, удобную доставку, расширить ассортимент канцтоваров и т.д.

Аналитика продаж: система отчетности

Что такое аналитика в продажах? Это прежде всего настройка системы отчетности. Отчеты для аналитики продаж формируются по 2 главным принципам: функциональному и структурному.

В соответствие с функциональным принципом аналитика по продажам отражает то, что происходит в бизнес процессах компании в целом.

А структурный принцип подразумевает аналитику в продажах по подразделениям.

Функциональный принцип

Лидогенерация. Чтобы провести аналитику продаж в этой области, нужно следить за 2 направлениями:

общее количество входящих в воронку лидов из всех каналов
аналитика эффективности продаж в зависимости от того канала, по которому зашел лид

Лидоконвертация. Это сфера первичных продаж. Самое главное в ней – повышение процента успешно закрытых сделок в составе входящего трафика. Тут анализируем 2 параметра:

качество лидов - их квалификация на соответствие портрету целевой аудитории;
конверсия при переходе с этапа на этап.

Развитие клиентской базы. Это уже продвинутая аналитика или анализ продаж по 5 показателям.

Пенетрация или доля в покупателе
Индекс лояльности (Net Promoter Score — NPS)
Ценность клиента (Lifetime Value – LTV)
Показатель удержания покупателя (Customer Retention Rate — CRR)
Средний доход на покупателя (Average Revenue per Customer — ARC)

Финансы. Аналитика продаж это в первую очередь расчет рентабельности деятельности по каждому из клиентов. Компании часто работают себе в убыток даже при большом обороте. Вы дорожите своими крупными, но проблемными контрагентами? А теперь посчитайте насколько вам вообще выгодно сотрудничество с ними.

Структурный принцип

Согласно данному принципу отчеты составляются по показателям 3 ключевых подразделений коммерческого направления.

Маркетинг – обеспечивает лидогенерацию и поддерживает сделку на всем протяжении ее продвижения по этапам
Продажи – напрямую влияют на показатель выручки
Финансы – отслеживается рентабельность предприятия

Аналитика продаж: ежедневный контроль плана и факта

Ежедневная, а также еженедельная отчетность и ее мониторинг составляют важную часть всей аналитики продаж. Методы, которые при этом используются, — это заполнение 2 прогнозных и 2 контрольных форм в .

Прогнозные формы

1. «План оплат на неделю». В качестве примера аналитики продаж по этой форме приведем следующую таблицу.

Подобная таблица заполняется каждым продавцом еженедельно для того, чтобы можно было сформировать цели на следующую неделю. Неделя – критически важный период, так как в течение нее должна быть закрыта, как минимум, четвертая часть всего ежемесячного плана. Как делать аналитику продаж по «плану оплат на неделю»?

Сформируйте подобную форму в CRM
Обяжите менеджеров ее заполнять в определенное время. Для этого внесите соответствующие изменения в мотивацию: добавьте и введите неденежные штрафы за нарушение регламента заполнения.
Выгружайте заполненные формы еженедельно для обсуждения планов на общем большом собрании, например, в понедельник.

2. «План оплат на завтра». Для проведения аналитики продаж своевременно и корректно, вам необходимо постоянно отслеживать продвижение еженедельных планов по пайплайн. В этом вам поможет форма «план оплат на завтра».

Такая форма заполняется в конце рабочего дня, чтобы спланировать деятельность на завтра. Руководитель должен отслеживать ежедневное изменение по этой форме и сверяться с «планом оплат на неделю»

Контрольные формы

1. «Факт оплат за сегодня». Плановые показатели аналитики продаж контролируются с помощью отчета «Факт оплат за сегодня». Как делать аналитику продаж на ежедневной основе? Для этого сотрудники дважды в день заполняют такую таблицу.

Установите контрольные точки, когда продавцы вносят данные в эту форму. Например, они могут делать это первый раз перед обедом, а второй раз за полчаса до окончания рабочего дня. Такой контроль оправдан, так как стимулирует персонал двигаться к ежедневной цели, а руководителю позволит, вовремя вмешавшись, исправить ситуацию.

2. Отчет «Доска». Формируется автоматически как результат предварительной аналитики продаж. Пример:

Все данные в таком формате выводятся на видеопанель для всеобщего ознакомления.

Для чего нужна аналитика продаж по «доске»? По ней за несколько секунд можно определить, как обстоят дела с выполнением плана.

Особого внимания заслуживает первый столбец – «процент выполнения плана на текущий день». Не нужно путать его с абсолютным показателем, а вернее с абсолютно бесполезным показателем, который просто отражает процент закрытия плана.

Действительно, если представить ситуацию, что менеджер выполнил примерно 70% по прогнозу, и при этом мы находимся в середине третьего недельного цикла. О чем нам это говорит? Мы можем понять справляется человек с поставленными ему задачами или нет? Очевидно, что ответов на этот вопрос мы не получим.

Поэтому «процент выполнения плана на текущий день» — это показатель темпа. Таким образом, он «сообщает» о том, насколько будет выполнен план каждым из сотрудников, если тот продолжит работать в том же ритме.

Из приведенной выше «доски» ясно, что дела у Сидорова совсем плохи, Иванову следует сильно ускориться, и только лишь Петров работает почти со 100-процентной отдачей.

Для расчета показателя темпа выполнения плана в CRM загружается следующая формула:

Факт на текущий момент: (План на месяц: общее количество рабочих дней в месяце х количество отработанных дней за месяц) х 100

Аналитика продаж: учет звонков

Аналитика по продажам товара и услуги также проводится по качественным и количественным показателям по звонкам.

Как делать аналитику по продажам: холодные звонки — качественные характеристики

1. Составляем технологические карты (листы развития сотрудников) – перечень навыков, необходимых для успешного закрытия сделки.

2. Слушаем ежемесячно 2-3 беседы каждого продавца и проставляем напротив навыков (чекпоинтов): «1» — применил и «0» — не применил.

3. Оцениваем каждый звонок по системе светофор: зеленый - в разговоре пройдено более 80% чекпоинтов из технологической карты; желтый - пройдено 60−80; красный - пройдено менее 60%.

Если перед вами желто-красное полотно, в отделе что-то пошло не так. В качестве мер по изменению ситуации используйте: тренинги, набор новых кадров, увольнение отдельных менеджеров.

Как сделать аналитику по продажам: холодные звонки количественные данные

Чем больше качественных разговоров по телефону с представителями свой целевой аудитории, тем выше выручка. Поэтому контролируем количество звонков:

число входящих;
число исходящих;
план за день;
факт за день;
показатели по всему подразделению и каждому сотруднику в отдельности.

Еще одним важным количественным показателем является длительность звонка. Тут смысл не в том, чтобы продавцы разговаривали меньше или дольше, а в том, чтобы найти оптимальную длительность для результативного звонка.

Аналитика продаж: возврат ушедших клиентов

Аналитика крайне важна в процессе возвращения ушедших покупателей. Объяснить причину, подготовить правильный скрипт, наладить регулярную работу по этому направлению – все это можно сделать, имея под рукой сводные данные.

Побеседовав с «отвалившимися» покупателями, выясняются причины: возможно, случился какой-то конфликт, не сошлись характерами с новым менеджером, продукт не соответствует заявленному качеству или просто давно не звонили.

Имея аналитику в этом сегменте, можно составить план действий по : улучшить качество товара или сервиса, предложить эксклюзивный контракт, отправить приятный подарок и т.д. Постарайтесь доставить ушедшему клиенту удовольствие!

Аналитика продаж: привлечение новых клиентов

Как и в работе с текущей базой, привлечением новых клиентов должны заниматься отдельные менеджеры: по статистике отделов, это дает увеличение числа покупателей в 2-3 раза.

И в этом направлении также необходимо вести аналитику. Как и насколько обновилась база клиентов за последние полгода, какова конверсия из лидов в сделки, что представляет воронка по работе с новыми клиентами – эти и другие тематические отчеты должны быть под рукой руководителя.

Наличие исследований по новым клиентам поможет также подготовить предложения, которые позволят увеличить средний чек. К примеру, предлагать к основному продукту дополнительные, включить в ассортимент комплекты или усовершенствованные версии продукта по более высокой цене, начислять бонус за средний чек.

Аналитика продаж: нематериальная мотивация

Мотивировать персонал могут и различные профессиональные конкурсы. Для большинства команды очень важно не ударить в грязь лицом, получить общее признание, поэтому азарт можно использовать для поддержки продаж.

Важно определить цель конкурса. Например, кто быстрее выполнит 50% плана или кто выполнит план на месяц за 3 недели, распродажа старой коллекции, кто больше продаст товаров определенного производителя.

Можно предложить команде побороться как за вполне себе материальный приз (поездка на выходные на базу отдыха, купон в СПА-салон, ужин на двоих в ресторане и т.д.), так и за возможность победителю получить вымпел, сидеть на кресле босса и т.д.

Обязательно проводите аналитику – какие конкурсы наиболее интересны вашим сотрудникам, чтобы выявить наиболее актуальные формы для нематериальной мотивации.

Анализировать - это означает принимать решение, используя свои Весь процесс принятия верного и обдуманного решения можно разделить на три шага. Во-первых, следует собрать как можно больше информации. Затем ее нужно тщательно проанализировать и на основе сделанных выводов принять окончательное решение.

Как умение анализировать помогает решать проблемы

Стоит отметить важность этапа И в этом деле лучше использовать собственный опыт, поскольку чужие советы вам не помогут, а скорее наоборот - будут мешать. Поэтому меньше слушайте тех, кто не заинтересован в решении вашего вопроса. Некоторым людям не нужно объяснять, что значит анализировать, это дано им от природы. Но если вы обделены этим умением, то нужно тренировать свою способность к анализу и развивать Добиться результатов можно в любой области знания, но для этого придется приложить определенные усилия.

Как правильно анализировать - простые тренировки

Начинать тренироваться нужно с простых упражнений. К примеру, следует прочесть небольшой текст и постараться определить, какая часть в нем самая важная. Для этого вам нужно составить план основных событий, которые описаны в тексте.

Такое упражнение поможет вам научиться выделять из массы полученной информации самое главное. Этого будет вполне достаточно, чтобы добиться успеха практически в любой сфере деятельности. Только запомните, чрезмерное усердие в выполнении данного упражнения не принесет вам пользы. Большое количество ненужной вам информации никак не поможет вам научиться анализировать. Это только

Анализ в решении задач

Решение физических и математических задач также поможет вам научиться правильно анализировать полученную информацию. В точных науках, чтобы найти ответ, нужно для начала проанализировать приведенные условия. Только в этом случае вы поймете, Поскольку анализировать - это не так просто, то стоит во время выполнения данного упражнения постараться структурировать в определенной последовательности этапы решения.

Практическое применение анализа

Чтобы обрабатывать полученную информацию, нужно обладать такой чертой характера, как усидчивость. Если предложенные упражнения не кажутся вам сложными, то можно попробовать применить анализ на практике. Обратите внимание, что испытывать свои силы лучше на тех ситуациях, которые вас лично не касаются. В ином случае вы не сможете субъективно анализировать, это будет решение, принятое под воздействием эмоционального возбуждения. То есть оно не будет стопроцентно правильным.

Максимально объективное отношение к ситуации поможет вам научиться контролировать свои эмоции, что пригодится вам для развития аналитического мышления. Рекомендуется начинать с обыденных жизненных ситуаций, которые вы легко можете объяснить. Например, постараться найти причины, по которым произошла та или иная ситуация, или же объяснить поведение людей. Постепенно повышая уровень сложности решаемых аналитических задач, вы научитесь находить правильный выход практически из любой ситуации.

Перевод
Tutorial

Вам нужна аналитика.

Я совершенно уверен в этом, потому что сегодня всем нужна аналитика. Не только продуктовой команде, не только маркетингу или финансам, но и продажам, доставке, сегодня каждому в стартапе нужна аналитика . Аналитика помогает принимать все решения, от стратегических до тактических, как управляющим, так и рядовым сотрудникам.

Это пост о том, как создать аналитику в вашей организации. Речь пойдёт не о том, какие метрики отслеживать (об этом уже написано много хороших постов), а о том, как сделать так, чтобы ваш бизнес их генерировал. На практике выясняется, что на вопрос реализации - как мне построить бизнес, который добывает данные для принятия решений? - ответить гораздо труднее.

И этот ответ всё время меняется. Экосистема аналитики развивается очень быстро, и варианты, которые есть в вашем распоряжении, значительно изменились за последние 2 года. Этот пост отражает рекомендации и опыт использования технологий данных в 2017-м году.

Во-первых: Почему вам стоит меня послушать?

Я почти двадцать лет проработал в аналитике. Я видел много успешных кейсов, но гораздо больше было неудачных. В начале своей карьеры я внедрял устаревший BI для предприятий (эх) . С 2009-2010-го я построил первую аналитику в Squarespace и поднял крупный раунд при помощи этих данных. Потом я стал операционным директором в Argyle Social , стартапе по анализу социальных сетей, а затем вице-президентом по маркетингу RJMetrics , ведущей платформы BI для стартапов.

Теперь я помогаю руководителям стартапов внедрять аналитику, будучи генеральным директором и основателем Fishtown Analytics . В Fishtown мы начинаем работать с компаниями, после того, как они поднимают раунд A, и помогаем им по мере их роста выстраивать свою аналитику. К настоящему моменту мы прошли через процесс, который я опишу в этой статье, более чем с дюжиной компаний, включая Casper , SeatGeek и Code Climate .

Я пошагово объясню, как нужно делать аналитику на каждой стадии вашего стартапа. Мои рекомендации для каждой стадии помогут ответить на вопрос: «Каков абсолютный минимум, которым я могу обойтись?» . Мы здесь не для того, чтобы строить воздушные замки; нам нужны самые дешёвые решения.

Давайте начнём.

Стадия основания

(От 0 до 10 сотрудников)

На этом этапе у вас нет ресурсов и нет времени. Есть миллион вещей, которые вы могли бы измерить, но вы настолько погружены в детали своего бизнеса, что вообще-то можете принимать неплохие решения, основываясь на инстинкте. Единственной штукой, которую вы всё-таки должны измерять, является ваш продукт, потому что именно продуктовые показатели помогут вам быстро делать итерации в этой критической фазе. Всё остальное уходит на задний план.

Что делать

Установите Google Analytics на свой сайт при помощи Google Tag Manager . Данные не будут идеальными без дополнительной работы, но сейчас не время об этом беспокоиться.
Если у вас бизнес в области электронной коммерции, то вам всё-таки нужно убедиться, что с вашими данными в Google Analytics всё в порядке. GA может проделать большую работу по отслеживанию событий вашей электронной коммерции на всем пути от посетителя до покупки, поэтому потратьте время, чтобы правильно его настроить.
Если вы разрабатываете программное обеспечение, вам необходимо отслеживать пользовательские события. Не важно, какой инструмент вы используете, - Mixpanel и Heap очень похожи и оба хороши. В этот момент я бы не особо задумывался о том, какие события отслеживать: просто используйте режим AutoTrack в Mixpanel или установки по умолчанию в Heap. Когда вы поймёте, что вам нужны какие-либо события, вы обнаружите, что они уже отслеживаются. Этот подход не очень хорошо масштабируется, но пока и так сойдёт.
Ведите свою финансовую отчётность в Quickbooks. Прогнозирование делайте в Excel. Если у вас подписочный бизнес, используйте Baremetrics для метрик подписки. Если вы занимаетесь электронной коммерцией, используйте свою торговую платформу для расчёта доходов. Не увлекайтесь.

Если вы не подкованы по технической части, возможно, вам понадобится программист, который поможет с GA и отслеживанием событий. Вся эта настройка не займёт больше двух часов, включая чтение документов. Потратьте на это время, выделенное на разработку, оно того стоит.

Чего не делать

Ничего, что не перечислено выше. Не позволяйте никому продавать вам хранилище данных, платформу BI, большой консалтинговый проект или… ну вы поняли. Оставайтесь сфокусированными. Когда вы начинаете строить аналитику, появляются дополнительные расходы. Данные всё время меняются. Меняется бизнес-логика. Ступив на эту дорожку, вы уже не сможете поставить свой аналитический проект на паузу. Отложите большие инвестиции на потом.

Появится много вопросов, на которые вы пока просто не сможете ответить. Это нормально (на данный момент).

Очень ранняя стадия

(От 10 до 20 человек)

Вы немного увеличиваете свою команду. Эти люди нуждаются в данных, чтобы выполнять свою работу. Они могут и не быть экспертами по данным, поэтому вам нужно убедиться, что они делают основные вещи правильно.

Что делать

Вероятно, вы наняли маркетологов. Убедитесь, что именно они отвечают за GA. Сделайте их ответственными за чистоту отображающихся в нём данных. Пусть они проставляют UTM-метки в каждую чертову ссылку, которую создают. Пусть убедятся, что ваши поддомены не отслеживаются дважды . Ваши маркетологи могут сказать, что они «не шарят в GA». Не слушайте их. В Интернете достаточно информации о GA, так что, если они умны и мотивированы, они могут научиться и разобраться в этом. Если они не могут разобраться, увольте их и найдите кого-нибудь другого (серьёзно).
Если у вас есть отдел продаж и есть CRM, используйте встроенную отчётность. Убедитесь, что ваши люди знают, как ей пользоваться. Вы должны быть в состоянии посчитать основные вещи, такие как эффективность продаж и коэффициенты конверсии по шагам воронки продаж. Salesforce может делать это из коробки. Не экспортируйте данные в Excel, сформируйте отчеты в их (ужасном) построителе отчетов. Даже если сейчас вам неудобно, это сэкономит вам массу времени в ближайшие месяцы.
Вероятно, у вас есть несколько человек в службе поддержки. В большинстве систем службы поддержки нет хорошей отчётности, поэтому выберите такие KPI, которые вы можете легко измерить в их интерфейсе.
Удостоверьтесь, что вы измеряете NPS. Используйте Wootric или Delighted .

Чего не делать

Ещё слишком рано для хранилища данных и для аналитики на основе SQL - просто это занимает слишком много времени. Вам необходимо тратить всё своё время на бизнес, а не аналитику , и самый простой способ сделать это - воспользоваться встроенными отчётами различных SaaS-продуктов, с которыми вы уже работаете. Кроме того не нужно нанимать аналитика на полный рабочий день. Сейчас есть более важные вещи, на что потратить свои ограниченные средства.

Ранняя стадия

(От 20 до 50 сотрудников)

Именно тут всё становится интересным, а изменения за последние два года - очевидными. Как только вы поднимете свой раунд A и у вас будет 20+ сотрудников, у вас появятся новые возможности.

Эти возможности обусловлены одной штукой: технологии в аналитике быстро улучшаются . Инфраструктура такого рода, как сейчас, раньше была доступна только крупным компаниям. Её преимущества? Более надежные показатели, большая гибкость и более подходящая платформа для будущего роста .

Это самый сложный и наиболее важный этап: многообещающий, если вы всё сделаете правильно, но болезненный, если неправильно.

Что делать

Настройте инфраструктуру данных. Это означает выбор хранилища данных, инструментов ETL и BI. В качестве хранилищ данных рассмотрите Snowflake и Redshift (я предпочитаю работать со Snowflake, если есть выбор). В качестве инструмента ETL возьмите Stitch 1 или Fivetran . Что касается BI, то посмотрите на Mode и Looker 2 . В этой области много, очень много продуктов; эти шесть - те, к которым мы снова и снова возвращаемся с нашими клиентами.
Возьмите сильного руководителя аналитики. По дороге вам понадобится целая команда специалистов по аналитике: инженеры, аналитики, data scientists… Но пока вы можете позволить себе (не более) одного человека в штат. Вам нужно найти того особенного человека, который принесёт пользу в первый же день, но который также сможет нанять команду вокруг себя по мере роста. Этого человека трудно найти - потратьте время на его поиск. Часто такие люди имеют опыт в области консалтинга или финансов, и у них часто есть MBA. Хоть этот человек и должен быть готов закатать рукава и замарать руки, сосредоточьтесь на найме кого-то, кто может думать о данных и о вашем бизнесе стратегически: он станет важнейшей частью вашей аналитической головоломки в течение многих лет.
Подумайте о найме консультанта. Хотя здорово, что вы нашли руководителя аналитики, у этого человека не будет опыта, необходимого для объединения всех компонентов вашего технологического стека или для решения всех проблем с аналитикой, с которыми вы столкнетесь в вашем бизнесе. Ошибки, сделанные на этом критическом этапе, обернутся серьезными затратами как во времени, так и деньгах, когда вы будете расти, поэтому важно заложить прочную основу . Чтобы сделать это, сегодня большинство стартапов предпочитают работать с консультантами, чтобы помочь им настроить инфраструктуру, а затем создать команду вокруг неё.

Чего не делать

Если машинное обучение не является основной частью вашего продукта, пока не нанимайте data scientist-а. Для создания вашей аналитической команды вам нужен универсал, а не узкий специалист.
Во имя всего святого, не пишите свой собственный ETL . Вы потратите на разработку кучу времени. Купите готовые решения от Stitch или Fivetran.
Не используйте никакой другой инструмент BI, кроме двух упомянутых выше. Иначе это обернётся вам потом большими тратами.
Не пытайтесь обойтись более традиционной базой данных, типа Postgres, в качестве вашего хранилища данных. Она не намного дешевле, и вы потратите кучу времени, чтобы мигрировать с неё позже, когда исчерпаются её возможности. Postgres не масштабируется так же хорошо, как настоящее хранилище данных.

Средняя стадия

(От 50 до 150 человек)

Этот этап потенциально является наиболее сложным. У вас всё ещё есть относительно небольшая команда и немного ресурсов, но вас попросят предоставить всё более изощренную и разнообразную аналитику для бизнеса, и ваша работа может напрямую повлиять на успех или неудачу компании в целом. На вас никто не давит.

Здесь важно продвигаться вперед, убедившись, что вы продолжаете закладывать основу для будущих этапов вашего роста. Решения, которые вы принимаете на этом этапе, могут заставить вас врезаться прямо в кирпичную стену, если вы не будете думать о будущем.

Что делать

Реализуйте надежный процесс моделирования данных на основе SQL. Ваши модели данных служат основной бизнес-логикой для вашей аналитики и должны использоваться во всех случаях - от BI до data science. Убедитесь, что ваш процесс позволяет всем пользователям вносить изменения в скрипты моделирования данных, версионируется и запускается в прозрачной среде . Мы поддерживаем продукт с открытым исходным кодом, называемый dbt , который используется многими компаниями в стадии роста именно для этого.
Мигрируйте из существующих систем веб-аналитики и отслеживания событий в Snowplow Analytics . Snowplow делает всё, что делают платные инструменты, но это продукт с открытым исходным кодом. Вы можете либо хостить его самостоятельно (и просто оплачивать расходы на свои экземпляры EC2), либо платить за размещение сборщика событий в Snowplow или Fivetran. Если вы не сделаете переход на этом этапе, вам не удастся собрать гораздо более подробные данные, и приготовьтесь к реально огромным счетам из Segment, Heap или Mixpanel в ближайшем будущем. Когда вы пройдёте этот этап, платные инструменты могут с лёгкостью брать с вас по 10 000 долларов в месяц.
Развивайте свою команду вдумчиво . Ядром вашей команды всегда должны быть бизнес-аналитики: люди, которые являются экспертами в SQL и вашем инструменте BI, и тратят своё время на работу с бизнес-пользователями, чтобы помогать им получать данные. Невероятно важно выяснить, каков профиль этих людей, как их обучать и экипировать. Вы также должны нанять своего первого data scientist-а на этом этапе. Важно собрать вашу инфраструктуру данных и основную команду аналитики до найма опытных (и дорогих) талантов в области науки о данных, но в какой-то момент вы должны будете добавить и эти навыки.
Начинайте выборочно решать некоторые проблемы прогнозирования . Прогнозирование сложнее, чем просто вычисление количеств и сумм, но есть несколько ключевых областей, в которые имеет смысл начать погружаться. Если вы работаете в SaaS, вы должны работать над моделью прогнозирования оттока. Если вы занимаетесь электронной коммерцией, вам совершенно необходимо работать над моделью прогнозирования спроса. Эти модели, возможно, не будут супер сложными, но они будут большим улучшением по сравнению со случайными числами в Excel-таблице, которую соорудил кто-то из финансового отдела.
Потратьте время и силы, чтобы разобраться с маркетинговой атрибуцией . Про это можно написать отдельный пост, но достаточно сказать, что вы просто не можете доверить эту критическую бизнес-задачу третьей стороне.

Чего не делать

Легко увлечься и начать инвестировать в мощную инфраструктуру данных. Не делайте этого. На этом этапе крупные инвестиции в инфраструктуру по-прежнему являются дорогостоящим развлечением. Вот несколько советов о том, как оставаться гибкими:

Упорно проталкивайте SQL и ваше хранилище данных. На этом этапе вы можете справиться с чем угодно, используя вычислительную мощность вашего хранилища данных. Купите столько мощностей в хранилище данных, сколько вам нужно - платить за серверы намного дешевле, чем платить за людей.
Добавьте Jupyter Notebooks для задач data science. Если данные были предварительно агрегированы в вашем хранилище, вам не понадобится делать обработку в кластере Spark или Hadoop.
Найдите недорогие способы делать ETL таких данных, для которых нет готовых интеграций. Это одна из вещей, за которые мы любим Singer . 3
Избегая затрат на мартышкин труд, вы будете сосредоточены на решении реальных бизнес-задач.

Стадия роста

(От 150 до 500 сотрудников)

Этот этап связан с созданием аналитических процессов, которые масштабируются. Вам необходимо балансировать получение ответов, необходимых сегодня, с внедрением аналитических методов, которые будут масштабироваться по мере продолжения роста вашей команды.

К моменту, когда у вас будет 150 сотрудников, вероятно, из них только небольшая команда (3-6 человек) будет заниматься исключительно аналитикой. К тому времени, когда у вас будет 500 сотрудников, таких легко может стать 30 и больше. 3-6 аналитиков могут действовать довольно бессистемно, обмениваясь знаниями (и кодом) неформальным образом. К тому моменту, когда у вас будет 8+ аналитиков, процесс начнёт очень быстро разваливаться.

Если вы не справитесь с этим переходом, вы фактически будете работать всё хуже и хуже по мере того, как ваша команда растёт : вам понадобится больше времени, чтобы добывать полезные инсайты, и ваши ответы будут более низкого качества. Просто это нелинейный рост сложности: у вас будет всё больше данных и всё больше аналитиков, работающих с ними. Чтобы бороться с этим, вам нужны процессы для надёжной совместной работы.

Не принимайте оправдания. Делать аналитику на этом уровне - тяжелая работа, и для этого требуется талантливая и мотивированная команда, которая постоянно придумывает что-то новое и совершенствуется. Code review требует времени и энергии. Аналитики не привыкли проверять свой код. А документирование - кропотливый труд. Вы встретите сопротивление этим практикам, особенно среди старых членов вашей команды, которые помнят «старые добрые времена». Но по мере того как сложность возрастает, вам нужно развивать свои процессы, чтобы адаптироваться к ней.

Эти процессы на самом деле делают аналитику проще, быстрее и надёжнее, но их реализация напоминает выдёргивание зубов. Если вы серьёзно отнесётесь к масштабированию аналитики, то продвинетесь вперед.

Вы пионер

Я пришел к каждой из этих рекомендаций после нескольких лет самостоятельной работы в компаниях, а затем масштабирования этого подхода будучи консультантом. Возможность поработать с рядом похожих клиентов сделала для меня совершенно понятным, насколько редко компании выполняют такую работу хорошо .

От переводчика

Жаль, что я наткнулся на этот пост только сейчас, когда Тристан упомянул его в своей совершенно замечательной еженедельной рассылке по аналитике и data science (срочно подписывайтесь, он там отбирает самые сочные из недавних статей и постов по теме).

Последние 16 месяцев я фактически провожу в Skyeng как раз те изменения, которые тут описаны. Когда я пришёл в компанию в октябре 2016-го, мне пришлось собирать data warehouse, строить инфраструктуру данных , организовывать единый доступ к данным для всей компании. Затем я собрал распределенную команду из SQL-аналитиков, прикреплённых к различным бизнес-юнитам, настроил коммуникацию между ними, процессы code review и шаринга результатов. Сейчас у нас 20 аналитиков, помимо меня, и я выстраиваю децентрализованную схему управления этой структурой.

Спасибо Тристану, сейчас я вижу, что двигался в правильном направлении и не наступил на большинство граблей.

Примечания

2. Я последние 2 года работаю с Redash - он на порядок дешевле Mode и покрывает почти все кейсы, кроме разве что python notebooks. Looker, к сожалению, официально не работает с компаниями из России.

3. Singer - это простой фреймворк от создателей Stitch с открытым исходным кодом, который позволяет писать кастомные коннекторы к источникам данных на python. Например, мы сделали при помощи него свой коннектор к Typeform, чтобы перманентно собирать результаты опросов пользователей.

4. Мы в Skyeng пока не доросли до правильного code review аналитики при помощи пул-реквестов, но я написал простой скрипт, который забирает из Redash все новые SQL-запросы, кладёт в master, назначает ревьюера и делает пост об этом в Slack. Так мы не теряем в скорости, но получаем стабильно работающий процесс review пост-фактум по горячим следам.

5. Книга вышла в 2017-м году на русском под названием Аналитическая культура.
От сбора данных до бизнес-результатов.

Теги: Добавить метки

Если компания долгое время на рынке, то в ней уже по-умолчанию функционируют несколько отделов, люди четко понимают свои задачи, а собственник стремится этот процесс систематизировать. Работа в стартапах часто идет под девизом: “ай горим”, где владелец напоминает лыжника-новичка на сложной трассе: вроде теорию учил, а почему-то на деле страшно и другие лыжники перегоняют. Сегодня мы поговорим об аналитике в стартапах – фонаре, способному ярко осветить путь к системному бизнесу.

Многие собственники, чья компания находится на этапе стартапа, уверены, что работа с рынком начинается с рекламы. На самом деле это только третий этап.

Старпап начитается с того, что компания формирует послание внешнему рынку. Внимательно посмотрите на картинку ниже.

Люди никогда не будут покупать того, о чем не знают. Если вы вспомните базовые принципы маркетинга, то сначала появляется интерес, затем человек начинает искать информацию о том, что его заинтересовало, осознает потребность в покупке, сравнивает предложения и только после этого приобретает товар или услугу.

Именно поэтому работа стартапа начинается с формирования потребности у потребителей с помощью маркетинговой коммуникации, после этого потребность усиливается через три канала (Web, оффлайн и Mobile) и, наконец, запускается реклама. Когда наступает этот момент, самое время начинать собирать показатели и проводить аналитику.

Почему нельзя запускать рекламу сразу? Посмотрите на Tesla. Сначала в сети активно обсуждались недостатки бензиновых и дизельных автомобилей, развертывались масштабные кампании за сохранение окружающей среды – и когда экологичные автомобили вызвали фурор на рынке. Однако если бы Илон Маск запустил рекламу автомобилей в то время, когда потребители даже не задумались об альтернативе бензину и дизелю, вероятно что новинку ожидал бы провал.

АНАЛИТИКА ВОРОНКИ: КАК НЕ ТЕРЯТЬ КЛИЕНТОВ

Путь клиента по вашей воронки состоит из нескольких базовых этапов, на каждом из которых необходимо измерять ряд показателей.

ЭТАП 1. ЛИД

Лид – это человек, проявивший первичный интерес к вашей компании – например, оставил email на посадочной странице взамен на товар-ловушку.

Контактные данные (ФИО, email, телефон);
Каналы рекламы, откуда пришел лид (контекст, соцсети, поиск);
Маркетинговые воздействия, откуда пришел лид (встреча, вебинар).

ЭТАП 2. КОНТАКТ

На этапе контакта лид переходит к менеджеру по продажам и начинаются регулярные коммуникации с клиентом, формируется потребность, определяются боли, обрабатываются возражения.