2019, Илья Красинский, Как считать эффективность компании с учетом юнит-экономики

• Приветствие участников.  

• Обсуждение важности цифр и их влияния на бизнес.  

• Представление спикера Ильи Красинского, его опыт и интересы.  

• Спикер делится своими мыслями о проблемах усреднения данных.  

• Усреднение данных приводит к смещению результатов в сторону менее успешных каналов.  

• Пример с рекламными каналами и их эффективностью.  

• Усреднение может искажать результаты и приводить к неправильным управленческим решениям.  

• Пример с интернет-магазином одежды и сезонностью.  

• Введение понятия когорт пользователей.  

• Когортный анализ помогает понять поведение новых и старых пользователей.  

• Пример с доходами и юнит-экономикой.  

• Проблемы с новыми пользователями и их влияние на бизнес.  

• Спикер обсуждает проблемы оценки эффективности новых проектов и команд.  

• Пример с наказанием непричастных и поощрением виновных.  

• Влияние множества факторов на результаты и необходимость учета всех деталей.  

• Маркетологи часто используют стандартные отчеты Google Analytics для медиапланирования.  

• Важно уточнять, из чего в что конвертируются пользователи.  

• Часто медиапланирование строится на основе кликов и конверсий, что может быть неточным.  

• Маркетологи часто не учитывают НДС при расчетах.  

• Коммерс конвершн рейт рассчитывается неправильно, что приводит к ошибкам в прогнозах.  

• Важно учитывать, что клики и сессии не всегда равны пользователям.  

• Юнит-экономика фокусируется на привлечении и удержании клиентов.  

• Важно понимать, что покупаются пользователи, а не клики.  

• Ошибки в атрибуции расходов могут привести к неправильным расчетам.  

• Экономика привлечения пользователей: на вход подается польза, на выход — деньги.  

• Важно учитывать все каналы привлечения и конверсии в лиды и заказы.  

• Повторные продажи и удержание клиентов становятся ключевыми факторами успеха.  

• Доход по заказам в Google Analytics.  

• Неравномерное распределение пользователей по новым и старым.  

• Новые пользователи менее склонны к конверсии из-за сложности интерфейса и доверия к сервису.  

• Новые пользователи не окупают затраты на привлечение.  

• Высокие затраты на привлечение новых пользователей.  

• Мобильные пользователи составляют 70-80% трафика, но конверсия на них часто выше, чем на десктопах.  

• Рост стоимости привлечения пользователей.  

• Программы диджитализации увеличивают затраты на привлечение.  

• Офлайн привлечение становится дешевле онлайн.  

• Юнит-экономика и аналитика часто не совпадают.  

• Изменения в Google Analytics за последние пять лет.  

• Проблемы с пониманием и использованием документации Google.  

• Конверсия зависит от числа заказов и сессий.  

• Нормирование конверсии на сессию.  

• Проблемы с расчетом конверсии в отделе продаж.  

• Неправильные методы расчета конверсии для оптимизации премий.  

• Использование числа товаров в числителе для расчета конверсии.  

• Влияние хитрых числителей и знаменателей на результаты.  

• Пример с ювелирным кейсом: число пользователей почти не изменилось, конверсия выросла, но число заказов на лида упало.  

• Средний чек не сильно повлиял, но итоговая выручка упала на 6-6 миллионов рублей.  

• Прибыль упала на 2 миллиона рублей.  

• Возможность разделения независимых факторов: число пользователей, средний чек, конверсия, число заказов на пользователя.  

• Изменение числа пользователей дало всего 42 тысячи рублей, но изменение конверсии и числа заказов на пользователя сильно повлияло на итоговую разницу.  

• Малые колебания конверсии могут привести к значительным изменениям в доходах.  

• Реальная конверсия в лида выросла, но коммерческая конверсия упала.  

• Важно различать влияние новых и старых пользователей для принятия управленческих решений.  

• Использование сегментов и условий для анализа данных.  

• Маркетинг убыточен, но можно оптимизировать рекламную кампанию.  

• Проблемы с мобильными пользователями и их фильтрация.  

• Компенсация: видимость успеха при реальных проблемах.  

• Рост стоимости клика: от 30 до 400 рублей за пользователя.  

• Стратегически выигрывают те, кто может платить за пользователя.  

• Инвестиции в конверсию и средний чек для улучшения экономики.  

• Малые изменения метрик могут дать значительный результат.  

• Инвестиции в улучшение воронки и лендингов могут быть более эффективными, чем эксперименты в маркетинге.  

• Результаты улучшат привлечение новых пользователей и облегчат работу команды.  

• Платные рекламные кампании становятся неэффективными, и маркетинг переживает из-за возможного сокращения бюджета.  

• Модели атрибуции становятся последним пристанищем для маркетологов, чтобы оправдать неэффективные кампании.  

• Важно понимать нюансы моделей атрибуции, чтобы принимать обоснованные решения.  

• Стандартный отчет транзакшн сла-клик используется для оценки эффективности кампаний.  

• Этот метод имеет свои проблемы, но является первичной оценкой и дешевым в использовании.  

• Google и Яндекс имеют схожие схемы для определения рекламного источника и канала.  

• Анализ каналов в Google Analytics сложен и требует интеграции с другими системами.  

• Google анализирует различные метрики, включая метки, урлы и поисковые системы.  

• Если предыдущая сессия пользователя не распознана, канал и медиум копируются из предыдущей сессии.  

• Сырые конверсии и ласклик не всегда совпадают с другими расчетами.  

• Примеры запросов в Google Analytics показывают, что многие компании записывают дублированные конверсии.  

• Классический ласклик игнорирует директ-переходы, что приводит к погрешностям в оценке.  

• Тотал конвершн учитывает все конверсии, независимо от источника.  

• Это максимальная оценка, которую можно использовать для анализа.  

• Погрешности в оценке за последние 30 дней несущественны и могут быть проигнорированы.  

• Атрибуция может быть неточным, особенно для маленьких чисел.  

• Использование сырной конверсии может быть ненадежным.  

• Важно понимать, что модель атрибуции не должна быть точной, а управленческие решения важнее.  

• Управленческие решения важнее точных моделей атрибуции.  

• Ограниченное время и бюджет усложняют задачу.  

• Проблема атрибуции не решается математическими методами, а зависит от личных установок.  

• Маркетологи и разработчики по-разному оценивают влияние рекламы.  

• Проблема в том, что мы не можем точно определить, что происходит в голове пользователя.  

• Важно понять, какие рекламные каналы и компании неэффективны.  

• Нужно разбить компании на те, которые привлекают пользователей и повышают конверсию.  

• Важно понять, сколько недополучил каждый канал.  

• Весовые модели атрибуции занижают лаклик, что усложняет оценку эффективности.  

• Важно распространять базовые знания в индустрии.  

• Незнание нюансов приводит к неэффективному использованию времени.  

• Обращайте внимание на когорты и ассоциированную конверсию.  

• Вопросы о продвижении товаров и акций.  

• Триггерный анализ помогает понять, какие товары привлекают больше покупок.  

• Пример с банками и Яндекс Музыкой показывает, как это работает на практике.  

• Проблемы с продажами часто связаны не с людьми, а с ошибками в рекламе и маркетинге.  

• Примеры: неправильная сезонная выкладка товаров, ошибки в скриптах, проблемы с мобильными приложениями.  

• Низкие конверсии в диджитал-каналах в России по сравнению с США.  

• В офлайн-продажах важно было сначала поприветствовать клиента и создать доверительные отношения.  

• В диджитал-каналах часто не хватает таких микрохаков для повышения конверсии.  

• Примеры всплывающих окон с предложениями помощи и обратного звонка.  

• Стоимость привлечения пользователя растет, достигая 5-10 долларов.  

• Единственный способ выжить для бизнеса – повышать конверсию и оптимизировать воронки.  

• Персонализация продуктов помогает улучшить конверсию и средний чек.  

• Персонализация важна для разных бизнесов, но в низкомаржинальных секторах выживают только сильные команды.  

• Примеры: заказ авиабилетов и тикет-сервисы.  

• Эксперименты проводятся постоянно для выявления и исправления ошибок.  

• Ошибки в дизайне могут сильно снизить конверсию, как в случае с мобильным приложением.  

• Пример: дизайнер спрятал условия доставки за отдельный клик, что привело к падению конверсии.  

• Ошибки часто просты и легко исправляются, но их нужно учитывать.