Close
Напишите нам
Telegram
Откуда берутся «самоходы»
Как определить, с какой рекламы в офис застройщика пришел
покупатель квартиры

Не пропустите последние обновления GOOD.BI. Подпишитесь на нашу рассылку!
Бывает, что отдел маркетинга или подрядчик сделал все правильно: подключил коллтрекинг и настроил сквозную аналитику, тщательно оптимизировал рекламные кампании. Но KPI по ROMI (показателю возврата вложенных в маркетинг инвестиций) или ДРР (доле рекламных расходов в выручке) все равно не выполнил. Не факт, что подрядчика после этого не сменят, маркетолога не уволят, или по крайней мере, не лишат премии. А на самом деле проблема не в том, что маркетолог работал неэффективно, просто аналитика работает несовершенно – половина продаж неправильно «склеена» с лидом и рекламным источником, который его привел.

Клиенты принимают решение о покупке жилья от месяца до полутора лет. Связать клик по рекламному объявлению и покупку квартиры трудно, но реально с помощью коллтрекинга и CRM. Но когда в принятии решения о покупке участвует не один, а несколько человек, задача усложняется. Пользователь может кликнуть по рекламе, скопировать ссылку на сайт и отправить близким в семейном чате. Один из членов семьи придет в офис застройщика покупать квартиру. А лид появится в CRM без рекламного канала.

По нашим данным, в CRM регионального застройщика таких «самоходов» – от 40% до 60%. Стандартные подходы к организации сквозной аналитики не позволяют увидеть их действия перед покупкой: как именно эти люди узнали о ЖК, насколько долго думали над покупкой и с кем советовались. Мы в GOOD.BI разработали подход – "глубокая" аналитика эффективности рекламы для застройщиков. Наша схема аналитики дает ответ на эти вопросы и позволяет посчитать реальное количество лидов от рекламы. Даже если ее видел не тот, кто в итоге пришел в офис и оформил покупку.

История продажи одной квартиры

Представим историю покупки квартиры. Молодые супруги Валерий и Марина покупают квартиру для мамы девушки – Елены Ивановны. Каждый член семьи ищет жилье с помощью разных устройств. Допустим, Валерий увидел рекламное объявление в Яндексе о старте продаж квартир с низкой ставкой по ипотеке. Он кликнул по объявлению в браузере смартфона. Затем Валерий рассказал Марине о застройщике. Она искала сайт с планшета, позвонила в офис, чтобы уточнить условия акции. Семья покупала квартиру для Елены Ивановны, и поэтому ее отправили в офис застройщика. Она заключила договор и внесла первый взнос по ипотеке.

Как это видит застройщик: нюансы аналитики

Аналитика у застройщика настроена по такой схеме:
1. На сайте установлена Яндекс.Метрика, в ней хранятся данные о визитах на сайт и достигнутых целях (отправлена заявка, получен звонок и т.д.).

Маркетолог Сергей размечает всю рекламу UTM-метками и видит, что Валерий (муж) пришел на сайт по контекстной рекламе. Точнее он видит в Метрике обезличенные данные, но мы с вами знаем, что это клик Валерия.

2. В коллтрекинге хранятся данные о звонках и других целевых действиях: сообщениях в чат, обратных звонках и т.д. коллтрекинг передает эти события в Метрику.

Маркетолог Сергей видит, что Марина (жена) позвонила, но он не знает, что по рекламе. Ведь Марина сохранила закладку себе, и источник обращения определился в Метрике и коллтрекинге как «прямой заход».

1. В CRM хранятся данные о лидах. Сергей и сотрудники отдела продаж видят звонок, но не могут связать его с:

  • визитом Валерия по рекламе,
  • сделкой Елены

2. Елена Ивановна заведена в CRM как отдельный лид в отдельной сделке. Ее не могут связать ни с визитом Валерия, ни со звонком Марины.

Аналитика рекламы не показала, с какой кампании Елена Ивановна пришла на самом деле. Когда отделы маркетинга и продаж подводили итоги квартала, в очередной раз выяснилось, что среди общего количества лидов меньше половины добыты силами маркетологов. Вклад рекламы в продажи был меньше планового. Большинство клиентов пришли в офис сами.

Руководитель отдела продаж верит, что бюджеты на рекламу тратятся неэффективно. И его позиция по отношению к маркетологу Сергею и его подрядчику понятна – бесполезны оба. Сергей старается выполнить план по целевым лидам, но не видит возможности это сделать при бюджете, который ему выделили. Как и возможности выполнить свой KPI для получения премии.

Чем необъективные данные грозят компании

Чем чреваты последствия необъективных данных по лидам для Сергея понятно. А как это влияет на работу компании?

1. Нарастает конфликт между отделами. Все подразделения должны работать в команде, только так можно выполнить план продаж.

2. Застройщик будет тратить ресурсы на поиск нового подрядчика снова и снова. Возможно, кто-то из них все-таки выполнил план по лидам, но застройщик об этом не знает. И продолжает искать того, кто справится лучше. Он не поймет, что принимает решение на основе неверных данных.

3. Может снизиться количество лидов. Допустим, в отчете написано, что один из каналов работает неэффективно, но по факту именно он принес наибольшее количество лидов и продаж. Если Застройщик его отключит, даже число «самоходов» может уменьшиться.

Как склеить данные в одну сделку: спасаем ситуацию

У нас есть три источника данных:

1. Яндекс.Метрика, которая присваивает уникальный client ID каждому посетителю сайта.

2. Система коллтрекинга, которая передает событие (звонок) в Яндекс.Метрику и создает лид в CRM, если звонок уникальный.

3. CRM, где каждому лиду присвоен свой ID.

Что имеем:
1. На сайте установлена Яндекс.Метрика, в ней хранятся данные о визитах на сайт и достигнутых целях (отправлена заявка, получен звонок и т.д.).

Маркетолог Сергей размечает всю рекламу UTM-метками и видит, что Валерий (муж) пришел на сайт по контекстной рекламе. Точнее он видит в Метрике обезличенные данные, но мы с вами знаем, что это клик Валерия.

2. В коллтрекинге хранятся данные о звонках и других целевых действиях: сообщениях в чат, обратных звонках и т.д. коллтрекинг передает эти события в Метрику.

Маркетолог Сергей видит, что Марина (жена) позвонила, но он не знает, что по рекламе. Ведь Марина сохранила закладку себе, и источник обращения определился в Метрике и коллтрекинге как «прямой заход».

1. В CRM хранятся данные о лидах. Сергей и сотрудники отдела продаж видят звонок, но не могут связать его с:

  • визитом Валерия по рекламе,
  • сделкой Елены

2. Елена Ивановна заведена в CRM как отдельный лид в отдельной сделке. Ее не могут связать ни с визитом Валерия, ни со звонком Марины.

Аналитика рекламы не показала, с какой кампании Елена Ивановна пришла на самом деле. Когда отделы маркетинга и продаж подводили итоги квартала, в очередной раз выяснилось, что среди общего количества лидов меньше половины добыты силами маркетологов. Вклад рекламы в продажи был меньше планового. Большинство клиентов пришли в офис сами.

Руководитель отдела продаж верит, что бюджеты на рекламу тратятся неэффективно. И его позиция по отношению к маркетологу Сергею и его подрядчику понятна – бесполезны оба. Сергей старается выполнить план по целевым лидам, но не видит возможности это сделать при бюджете, который ему выделили. Как и возможности выполнить свой KPI для получения премии.

Чем необъективные данные грозят компании

Чем чреваты последствия необъективных данных по лидам для Сергея понятно. А как это влияет на работу компании?

1. Нарастает конфликт между отделами. Все подразделения должны работать в команде, только так можно выполнить план продаж.

2. Застройщик будет тратить ресурсы на поиск нового подрядчика снова и снова. Возможно, кто-то из них все-таки выполнил план по лидам, но застройщик об этом не знает. И продолжает искать того, кто справится лучше. Он не поймет, что принимает решение на основе неверных данных.

3. Может снизиться количество лидов. Допустим, в отчете написано, что один из каналов работает неэффективно, но по факту именно он принес наибольшее количество лидов и продаж. Если Застройщик его отключит, даже число «самоходов» может уменьшиться.

Как склеить данные в одну сделку: спасаем ситуацию

У нас есть три источника данных:

1. Яндекс.Метрика, которая присваивает уникальный client ID каждому посетителю сайта.

2. Система коллтрекинга, которая передает событие (звонок) в Яндекс.Метрику и создает лид в CRM, если звонок уникальный.

3. CRM, где каждому лиду присвоен свой ID.

Что имеем:
Теперь осталось объединить Валерия, Марину и Елену Ивановну в одну сделку в CRM. Так мы увидим историю всех действий, которые привели к покупке: клики по рекламе, звонки и другие обращения.

Чтобы связать данные по рекламе нам нужна база данных и дашборд GOOD.BI.
Теперь осталось объединить Валерия, Марину и Елену Ивановну в одну сделку в CRM. Так мы увидим историю всех действий, которые привели к покупке: клики по рекламе, звонки и другие обращения.

Чтобы связать данные по рекламе нам нужна база данных и дашборд GOOD.BI.
Делаем ход конем: отправляем Елене Ивановне планировку квартиры в виде ссылки в мессенджер и на email. Она пересылает ссылку в семейный чат, где каждый открывает ее со своего устройства. Ссылка содержит UTM-метку, в которой в параметре UTM_content прописан номер CRM ID Елены Ивановны. Как только все участники чата перейдут по ссылке с нашей UTM, мы сможем объединить их визиты на сайт, звонки и другие обращения в конкретной сделке.
В базе данных GOOD.BI сопоставили переходы, которые зафиксировала Яндекс.Метрика, со звонками в коллтрекинге и лидами в CRM.
Таким образом, в финальном дашборде маркетолог Сергей увидел, что к сделке привела именно реклама. Она привлекла Валерия, он передал Марине, а ипотеку оформила Елена Ивановна. И она никакой не «самоход».

Что делать, чтобы схема работала:

1. Подготовьте материал для отправки клиентам, которые пришли в офис ногами. Мотивация покупателей перейти по ссылке зависит от содержания и качества этого материала. Пример таких материалов есть в нашем Telegram-боте. Ждите отдельную статью с подборкой эффективных материалов по соотношению стоимость разработки / эффективность открытия.

2. Научитесь автоматически генерить UTM-метку с уникальным CRM ID для подстановки к URL отправляемой ссылки. Мы разработали этот функционал для АМО, Битрикс и большинства конфигураций на платформе 1С – читайте об этом в следующей статье.

3. Вместе с руководителем отдела продаж обучите менеджеров работать с «самоходами» и отправлять необходимую ссылку, а маркетинг – делать системные рассылки – настраивать автоворонки.

4. Настройте связку данных по ID Метрики.

5. Готово, информация об эффективности рекламных каналов обновится в дашборде автоматически.

Дополнительно:

Связанные лиды нужно объединить в CRM в одного покупателя для эффективной работы менеджеров. Настройте для этого отчеты, которые помогут менеджерам отдела продаж вручную объединить эти сделки в одного Покупателя в CRM. Об этом и других полезных отчетах читайте в следующих статьях.

Есть вероятность, что ссылку откроют не все. Например, Марина откроет планировку квартиры у себя на компьютере и позовет Валерия посмотреть. Но так мы хотя бы «склеим» звонок Марины и лид в CRM. Или в офис придет человек, который «на вы» с техникой и потребует все материалы на бумаге. Мы верим, что с каждым годом таких пользователей станет меньше. А поколение, которое родилось с гаджетами в руках, скоро начнет покупать квартиры.

Резюме

Если вы хотите объективно оценить эффективность рекламы, посмотреть историю лидов, которые считали «самоходами», рекомендуем использовать наш подход для настройки глубокой сквозной аналитики с использованием Яндекс.Метрики. Да, это требует дополнительных усилий: нужно настроить посадочные страницы, сгенерить уникальные ссылки на них, замотивировать покупателей их открыть. Затем нужно связать полученные данные и визуализировать результат в дашборде. Позже вы получите объективные данные для управления рекламными кампаниями. Вы повысите конверсию в продажи за счет организации эффективной работы с клиентами ваших менеджеров. С одной семьей не будут работать несколько человек. Или будут, но это вы будете решать – кто будет работать и как.

Объединяйте данные – принимайте верные решения.

Первоисточник статьи: блог Callibri
Другие статьи в блоге GOOD.BI
Ближайшие меропрития