Как объединить всю маркетинговую аналитику в одном дашборде — кейс Advio

Advio — платформа для запуска рекламы в Telegram Ads, ориентированная на малый бизнес и фрилансеров. Команда активно привлекала пользователей через платные каналы, но столкнулась с типичной проблемой: данные были разбросаны по разным системам. Чтобы получить полную картину, приходилось вручную сводить отчеты.

Мы начали с главного — построили единую систему сквозной аналитики. Объединили данные из четырех источников в BigQuery, настроили автоматическую обработку и создали удобный дашборд для ежедневной работы. Как нам это удалось — рассказываем ниже.

Кто наш партнер

Advio — платформа для самостоятельного запуска рекламы в Telegram Ads через собственную систему.

Цели сотрудничества

Наш партнер активно привлекает пользователей благодаря каналам платного трафика, в частности, Google Ads, Meta Ads и Telegram Ads. Но возникла проблема: каждый инструмент предоставляет отдельные отчеты, которые сотрудники должны объединять вручную. Реальное количество целевых контактов и расходов видно только в CRM-системе, происхождение заявок — в Google Analytics 4 и системе Advio, а расходы — в рекламных кабинетах.

Перед нами стояла задача объединить все источники в один автоматический отчет, чтобы минимизировать ручную работу.

Шаг 1. Инструменты и разработка архитектуры

Для построения сквозной аналитики мы использовали преимущественно инструменты и сервисы Google, которые позволили автоматизировать сбор, обработку и визуализацию данных.

Схема архитектуры решения

1. Интеграция с расходами Telegram Ads через систему Advio и рекламными кабинетами Meta и Google Ads через ETL-коннекторы.

2. Построение атрибуции через Dataform.

3. Агрегация данных в Google BigQuery.

4. Подготовка отчетов в Power BI.Ниже рассмотрим каждый из этих этапов подробнее.

Шаг 2. Создание макетов

На первом этапе мы провели серию консультаций, чтобы детально понять требования Advio. Получив всю необходимую информацию от клиента, мы создали макеты отчетов и утвердили их до начала основной работы. Это помогло сэкономить время и избежать недоразумений в дальнейшей разработке дашбордов.

Шаг 3. Хранение и сбор данных

Мы использовали Google BigQuery в качестве центрального хранилища, которое автоматически масштабируется и не требует дополнительной поддержки. Данные из Google Analytics 4 поступают туда в «сыром» виде ежедневно через настроенную выгрузку из интерфейса GA4.

Для рекламных источников мы использовали наш специальный ETL-коннектор — это Python-код, который ежедневно автоматически загружает информацию из Google Ads, Facebook, Telegram и системы Advio.

Шаг 4. Объединение и агрегирование

Мы использовали сервис Dataform — инструмент Google Cloud для работы с информацией в BigQuery. Он помогает создавать и поддерживать процессы подготовки:

• создавать таблицы;

• описывать их структуру;

• проверять качество;

• управлять изменениями.

Dataform позволяет автоматизировать подготовку данных по расписанию и обеспечивает правильный порядок выполнения шагов обработки. Это сокращает объем ручной работы, снижает риск ошибок и гарантирует своевременное обновление информации.

Благодаря Dataform мы объединили информацию из разных источников, выполнили необходимые расчеты и создали витрины (data marts) с понятной структурой. Код хранится в общем репозитории, что дает возможность быстро вносить изменения, контролировать версии и безопасно обновлять логику в автоматическом режиме.

Каждая таблица содержит упорядоченные данные по единым правилам: расходы выражены в одинаковых единицах, даты имеют один формат, каналы обозначены одинаково. Это позволяет дашборду извлекать информацию для графиков, вместо того чтобы каждый раз обрабатывать гигабайты сырых данных.

Шаг 5. Визуализация

В конце мы подключили витрины к PowerBI, где готовили финальные дашборды. Этот инструмент выбрали из-за стабильности и скорости работы с большими объемами информации. Он работает с подготовленными и кэшированными данными, что обеспечивает быстрое открытие отчетов и меньшую зависимость от источников в реальном времени.

В отличие от Looker Studio, где отчеты могут тормозить при сложных запросах, Power BI дает лучший контроль над моделью и расчетами, что особенно важно для сложной сквозной аналитики.

Ниже — несколько примеров готового дашборда.

Результаты

Мы создали аналитическую платформу, которая объединяет информацию из различных источников:

• Google Analytics 4;

• Google Ads;

• Meta;

• Telegram.

Это позволяет:

• контролировать эффективность всех каналов с точностью более 95% — благодаря единой модели атрибуции;

• анализировать расходы и KPI в разы быстрее: время на подготовку и составление отчетов сократилось примерно на 75%;

• оптимизировать бюджет, направляя средства на более результативные каналы;

• контролировать эффективность всех каналов;

• анализировать расходы и ключевые показатели эффективности (KPI);

• оптимизировать бюджет, направляя средства на более результативные каналы.

Благодаря единой аналитической системе партнер быстрее принимает решения и эффективнее управляет оптимизацией рекламы.

Отзывы о сотрудничестве

Нина Зеленова, Marketing Specialist в Advio

Михаил Василенко, Data Analyst в Netpeak