Кейсы

Как мы нашли модель аналитики для SaaS-проекта UniSender.com

38
8

В SaaS нет универсальной модели аналитики, в частности для PPC. Каждая компания анализирует их по-своему. Сегодня я расскажу о модели, которую мы используем для сервиса рассылок UniSender в рамках PPC. Эта модель позволяет оценивать результат контекстной рекламы и масштабировать проект.

Причины обращения в Netpeak

Не было четкой модели оценки эффективности контекстной рекламы, а без этого нельзя  масштабировать контекст и получать больше дохода.

Цели и задачи

Пожалуй, наши цели понятны и близки для всех SaaS-проектов:

  1. Построить четкую модель аналитики, которая покажет, насколько эффективна контекстная реклама.
  2. Понять, при каком значении САС (стоимость привлечения клиента) можно масштабироваться.
  3. Отличить первые от повторных оплат.
  4. Понять, через сколько дней (в среднем) после регистрации лиды становятся клиентами.
  5. Рассчитать LTV (жизненный путь клиента).

Почему не применили текущие модели аналитики

Стандартные модели атрибуции в Google Analytics (GA) построены на посещениях и сессиях. Cуть заключается в том, что ценность конверсии будет атрибутирована в зависимости от того, какой источник / канал участвовал в привлечении посетителей на сайт.
Для SaaS эти модели атрибуции не очень полезны, так как не учитывается путь от регистрации до оплаты. Типичная воронка для SaaS-a:

  • регистрация на сайте;
  • подтверждение почты;
  • бесплатное пользование сервисом (триал, использование бесплатных функционалов);
  • привязка платежных данных;
  • первая оплата.

Пример №1

Пользователь зашел на сайт из поиска Google (органический трафик).
Через два дня — из Facebook (реферальный), зарегистрировался, подтвердил адрес почты, загрузил базу подписчиков, создал тестовую рассылку. Еще через три дня зашел из Google CPC (платный канал), привязал платежные данные и выполнил первую оплату.

Пример №2

Пользователь зашел на сайт из Google CPC (платный канал), зарегистрировался и подтвердил адрес почты.

Через пять дней зашел на сайт из email-рассылки, привязал платежные данные, оплатил и выполнил первую рассылку.

Какие вопросы следуют из примеров?

Что считать целевым действием, по которому нужно строить оптимизацию: регистрацию, использование сервиса, оплату или все вместе? Какую модель атрибуции выбирать для распределения ценности конверсии (к примеру, доход)?

Важно: Я привел упрощенные примеры. На самом деле, от момента регистрации до оплаты обычно проходит более 2-4 недель (у каждого проекта свой усредненный показатель). И заходов на сайт явно больше.

Funnel Based: модель атрибуции от OWOX

Эта модель решает минусы стандартных моделей GA, основанных на заходах на сайт.
Основная концепция моделей атрибуции GA — распределение ценности конверсии между самими сеансами. В то же время Funnel Based Attribution распределяет ценность конверсии между «полезными» действиями внутри каждого из сеансов.

Funnel Based распределяет ценность конверсии между сессиям в зависимости от движения пользователя вниз по воронке продаж.

Теоретически можно построить воронку из целевых действий пользователей на сайте.

Для unisender эта воронка выглядит так:

  • просто заход на сайт;
  • регистрация;
  • загрузка базы подписчиков;
  • создание рассылки;
  • отправка рассылки;
  • привязка платежных данных;
  • оплата.

В итоге, система OWOX распределит доход между сессиям, в которых пользователи выполняли описанные шаги. В ecommerce-проектах эта модель хорошо применима, но в SaaS-е есть ряд минусов (с точки зрения концепции):

1. Все оплаты конкретного пользователя равнозначны по весу и ценность определяется по доходу.
В большинстве случаев, в SaaS-е первая оплата самая важная. Первая и, например, 30-ая оплаты кардинально отличаются друг от друга по сути и не должны распределяться между сессиями одинаково.

Первая оплата — это новый клиент, топливо для масштабирования бизнеса.

30-ая оплата — показатель качества данного сервиса на рынке, здоровья бизнеса в целом. Контекстная реклама, как и многие другие каналы, не влияет на этот показатель, поэтому распределять ценность 30-ой оплаты между сессиями не имеет смысла.

2. Анализ без когорты. Например, Google / CPC приносит много регистраций и много оплат. Успешен ли контекст? Нельзя ответить однозначно. Почему?
Контекст может приносить 100 регистраций и оплат в день. Однако регистрации, которые принес контекст не конвертируются в клиентов. Контекст конвертирует лиды, полученные из других каналов в клиентов.
Масштабировать контекст в данном случае? Думаю, не стоит, так как контекст в данном случае — вспомогательное звено и регистрации из контекста некачественные.

3. У всех каналов одна функция/цель — приносить доход. Это одновременно и мечта любого инвестора, и самообман в SaaS-е. Из-за такого заблуждения возникают некорректные цели, из-за которых не получается масштабировать бизнес:

  • блог должен приносить больше дохода!
  • вебинары должны приносить больше дохода!
  • email-рассылка должна приносить больше дохода!
  • контекст должен уметь продавать и приносить больше дохода!

По такой логике в контексте нужно создавать два сегмента аудиторий и таргетироваться на них:

  1. Те, кто зарегистрировались, но не оплатили («добиться» оплаты ремаркетингом).
  2. Регулярные пользователи сервиса (показывать ремаркетинг, напоминая людям, чтобы оплачивали вовремя).

Контекст будет успешен с точки зрения доходности, но будет ли бизнес расти? Вряд ли. Нет потока новых клиентов.

Важно понимать, что в SaaS-е каждый канал/источник/тип кампании выполняет свою функцию и нужно ставить соответствующие задачи, а не общую в виде дохода. Из этого следует, что в SaaS-е одни каналы/источники будут «сверхприбыльными», а другие — «убыточными», но надо трактовать доход правильно. Ведь на деле может оказаться, что без одного источника, другой не смог бы стать прибыльным.

Так, в SaaS-е главную роль конвертации лида в клиента зачастую выполняют автоматическая серия рассылок и/или звонки менеджеров продаж. Зная это, нужно понимать, на каком шаге показывать ремаркетинговую рекламу (если показывать ее вообще). Иначе мы будем тратить бюджет, чтобы получить повторный заход уже полученного лида, соперничая с email-рассылкой/менеджером. То есть, создавать конкуренцию между своими же источниками.

Действия команды

Прежде, чем построить разные модели аналитики, мы определили, какие задачи должен выполнять каждый из источников, каналов, кампаний (без задач и KPI невозможно оценить результативность).

Мы пришли к тому, что основная задача контекста — приносить новые качественные лиды (о качестве лидов и как его оценивать поговорим позже). Второстепенная — конвертировать лиды в клиентов.
В SaaS-е лидов должен обрабатывать отдел продаж, либо продуманная автоматизированная серия email-рассылок, либо комбинация того и другого. Контекст может участвовать в этой цепочке, но бизнес не должен полностью зависеть от него — слишком мало касаний.

Задачу по привлечению повторных оплат сразу исключили. Этим вопросом должна заниматься email-рассылка — напоминание о конечной дате подписки. А также сам сервис — он должен быть полезным и конкурентоспособным, иначе ни один источник не поможет увеличить LTV.

Замотивировать людей попробовать сервис — задача контекста, замотивировать пользоваться им — задача сервиса.

Другими словами, контекст должен приносить новые лиды, аналитика в контексте — отвечать на вопросы:

  1. Насколько качественны лиды, привлеченные из контекста?
  2. Какая окупаемость контекста?

Как выглядит новая модель аналитики?

1. Анализ эффективности контекста по когорте (источник/канал, вплоть до уровня ключевого слова, который привел лид).
Так как задача контекста — новые лиды + новые клиенты, поэтому самое первое и важное действие пользователя — регистрация. В момент регистрации мы записываем источник, который привел лид. Далее, при первой и повторных оплатах ценность присваивается источнику, который привел лид, а не источнику, который привел саму оплату.

Это не отрицает возможность анализа источника привлечения самой оплаты и повторных оплат, но на данном этапе следует ответить на вопросы:

Какие источники/кампании приносят лиды, которые в будущем конвертируются в клиентов?

Сколько денег эти источники/кампании принесли?

Ответы на эти вопросы дают маркетологам понять, за счет чего увеличивать базу платящих клиентов.

Какие метрики входят в отчет:

  • фактические расходы (бюджет) в конкретном месяце;
  • фактические регистрации в конкретном месяце;
  • первые оплаты по месяцу регистрации (зарегистрировались в октябре — и сразу начали платить);
  • всего первых оплат по месяцу регистрации: зарегистрировались в сентябре, но оплатили в октябре — оплата будет учтена в когорту сентября;
  • весь доход по месяцу регистрации;
  • допустимый CAC (средний LTV клиента в конкретном месяце делим на три). Эта метрика будет постепенно расти, так как с со временем доход по когорте тоже вырастет за счет новых клиентов и повторных оплат;
  • фактический CAC (фактические расходы в конкретном месяце делим на количество новых клиентов аналогичного месяца). Метрика будет постепенно снижаться, так как вырастет количество платящих клиентов по когорте.

Как выглядят отчеты (стоит фильтр — лиды полученные только из канала CPC):

Рекламный бюджет и доход по когорте

Регистрация и оплаты

Допустимый и фактический

Важно: отчет обновляется каждый день и со временем можно наблюдать, как меняются метрики: допустимый САС, количество первых оплат, доход/LTV тому подобное.

Также можно добавить дополнительные расчетные показатели:

  • процент конвертации из лида в клиента. Как считать: количество всех оплат по когорте разделить на количество всех регистраций в конкретном месяце. Получаем общую оценку качества лидов;
  • процент тех, кто оплачивает в первом же месяце. Как считать: оплаты за первый месяц разделить на все оплаты по когорте в том же месяце. Этот показатель помогает в будущем спрогнозировать, сколько всего будет оплат по когорте (зная, сколько заплатили уже в первом месяце, а не ждать 6-9 месяцев).

2. Разделение на первые и повторные оплаты. Важно понимать, сколько первых оплат мы получили из контекста, поэтому мало смотреть на стандартный отчет «Транзакции» в GA, куда поступают все транзакции. Из этого следует, что план в контексте должен быть построен следующим образом:

В декабре получить 1000 новых лидов и 200 новых клиентов по той же когорте. Затем оценить достижение плана, используя метрики регистрации и первые оплаты.

Стоит также фиксировать, в каком месяце лид перешел в категорию тех, кто платит. Зарегистрировался в сентябре, начал платить в сентябре — присвоить значение 1. Зарегистрировался в сентябре, начал платить в октябре — присвоить значение 2.

И тому подобное

Стоит также фиксировать, в каком месяце лид перешел в категорию тех, кто платит

Зачем это делать?

  • понять, через сколько месяцев в среднем мы получим 80-90% всех платящих по когорте (ускоряет процесс оценки эффективности);
  • детализировать и понять свой временной лаг.

К примеру, мы потратили на рекламу в сентябре $5000. В GA увидели всего 150 первых оплат (всего — не по когорте). Потом в октябре потратили $3000 и получили 145 первых оплат. Без детализации по временному лагу, мы могли сделать неправильный вывод и начали бы оптимизировать кампании в ложном направлении.

3. Оценка окупаемости по фактическому и прогнозному САС. Если у нас есть данные по регистрациям в конкретном месяце, количеству клиентов, которые сразу начали платить, можно спрогнозировать, сколько всего платящих клиентов по когорте будет и какой LTV мы получим с данной когорты. Это дает нам возможность оценить окупаемость рекламы уже по окончанию отчетного месяца. Повторную оценку окупаемости проводим спустя 2-3 месяца.

Такой анализ полезен, когда вы решили увеличить бюджет на определенный источник/регион.

Или вам нужно понять, удерживать ли рост/инвестировать ли далее в этот источник или нет. Это потенциально может сэкономить деньги на тест.

4. Предварительная оценка качества лидов по прохождению воронки продаж.

Анализ прохождения по воронке продаж (от регистрации до первой оплаты) нужен не для того, чтобы распределять доход между источниками, а для более оперативной оценки качества лида. Еще один способ сэкономить деньги на длительные тесты.

Решили попробовать запустить КМС (реклама в контекстно-медийной сети) на конкретную категорию семантики. Запустили, получили сразу же много лидов по СРА ниже, чем в поиске. Спешить ли увеличивать трафик или крутить рекламу в том же темпе и ждать 2-3 месяца, чтобы понять, оплатил ли кто-то использование сервиса? Если не оплачивают, может запустить ремаркетинг и напомнить о себе? Можно быстрее оценить качество этих лидов.

Прежде, чем оплатить, большая часть лидов «пробует» наш сервис (проходят вниз по воронке продаж). Если 90%+ не загружали базу подписчиков, не создавали пробные рассылки, делаем вывод: лиды некачественные (не заинтересованные в нашем сервисе). Следовательно, нужно либо приостанавливать рекламу, либо оперативно вносить корректировки в кампании.

5. Детализация отчетов на источники, регионы, месяцы, типы кампаний и тому подобное. Отчеты, описанные выше, мы детализируем вплоть до уровня ключевого слова/объявления. У каждого источника свой средний LTV и, следовательно, свой предельно допустимый САС.Так в каждой стране/регионе, поэтому нужно детализировать отчеты, а не смотреть на CPC в целом.

Зачем нам Measurement Protocol (МР)?

Если коротко, MP — это протокол передачи данных, с помощью которого можно передавать сведения из внутренней базы данных/CRM в Google Analytics. Зачем нужен MP и GA, если отчеты можно смотреть в Google Docs или любом другом сервисе по визуализации данных? Какие данные (события) мы передаем из CRM UniSender в Google Analytics:

  • все регистрации в сервисе;
  • загрузку базы подписчиков;
  • создание письма;
  • отправка рассылки;
  • оплаты (первая и повторные).

Что нам это дает:

1. Работа по воронке продаж: ремаркетинг после того, как мы получили лид и до того, как он станет клиентом. Контекст выполняет вспомогательную функцию по конвертации лида в клиента. Мы создаем сегменты/аудитории ремаркетинга и показываем рекламу тем, кто еще не оплачивал услуги сервиса. Здесь анализ эффективности кампаний уже происходит по атрибуции «last non-direct click» (так можно понять, какой источник/кампания конвертирует лиды в клиентов).

На данном этапе важно не создавать конкуренцию между своими источниками: отчет «Основные пути конверсии» поможет понять, на каком этапе нужно подключать ремаркетинг.

2. Доступ к базовым отчетам в GA:

  • основные пути конверсии. К примеру, взаимодействие источников до момента регистрации/первой рассылки;
  • отчет по устройствам. Отследить и сравнить конверсионность конкретного действия в разрезе устройств. Нужно для определения корректировки ставок по ним;
  • отчет по дням недели;
  • отчет по регионам;
  • анализ воронки конверсии;
  • анализ эффективности рекламных кампаний вплоть до уровня запросов.

Другими словами, без отчетов в GA невозможно получить инсайты для оптимизации рекламной активности.

3. Анализ текущей базы клиентов:

  • демографические данные (пол, возраст) по GA;
  • интересы по GA;
  • анализ пути устройств.

И тому подобное.

Анализ текущей базы нужен, чтобы понять, по каким признакам и где искать новых клиентов (основываясь на данные текущих клиентов).

Юлия Гордиенко

Юлия Гордиенко, Team Lead of PM Team №1

Мы начинали работать с уже сформированным понимаем, какие метрики будем отслеживать.

При этом, коллеги из UniSender открыты к любым доработкам, которые позволят усовершенствовать модель аналитики.

Благодаря этому сейчас у нас есть возможность тестировать гипотезы и делать выводы с небольшими бюджетами и быстро.

Надеюсь, что наш совместный опыт будет полезен тем SaaS`ам, которые ищут идеальную модель аналитики.

Выводы

Модель аналитики нужно подбирать, исходя из конкретных задач. В нашем случае, с помощью когорты можем точно оценить эффективности рекламных источников/кампаний, понять, за счет чего можно увеличивать базу платящих клиентов.

Другими словами, ответили на вопросы, которые стояли перед нами в начале:

  1. Построить четкую модель аналитики, которая может сказать, насколько эффективна контекстная реклама.
  2. Понять, при каком значении САС (стоимость привлечения клиента) можно масштабироваться.
  3. Различать первые от повторных оплат.
  4. Через сколько дней в среднем после регистрации лиды становятся клиентами.
  5. Расчет LTV. Также наша модель аналитики позволяет более оперативно оценить качество лидов, что сокращает время на тесты и бюджеты выделяемые на них.
Обнаружили ошибку? Выделите ее и нажмите Ctrl + Enter.

Комментарии (0 )

Чтобы оставить комментарий, необходимо авторизироваться

Подписаться

на самую полезную рассылку по интернет-маркетингу

Самое

обсуждаемое популярное читаемое

Этот сайт использует куки-файлы и другие технологии, чтобы помочь вам в навигации, а также предоставить лучший пользовательский опыт, анализировать использование наших продуктов и услуг, повысить качество рекламных и маркетинговых активностей.