Период продвижения: 01.07.2022 — 30.01.2024.
Регион: Восточная Европа.
Услуга: сквозная аналитика.
Команда проекта: Игорь Павленко, Internet Marketer; Ольга Горностаева, Web Analyst Team Lead; Оксана Демечева, Project Manager; Александр Конивненко, Department Head.
Кто наш партнер
Ведущее агентство трудоустройства, специализирующееся на подборе персонала из Украины и Восточной Европы для компаний в Польше и ЕС. Помогает найти работников для различных отраслей, включая промышленность, логистику и сельское хозяйство.
Причина обращения
Наш партнер активно привлекает пользователей благодаря каналам платного трафика, в том числе Meta Ads и Google Ads. Но возникла проблема: каждый инструмент выдает отдельные отчеты, которые сотрудники должны совмещать в ручном режиме. Реальное количество лидов видно только в СRM-системе, источник лидов — в Google Analytics 4 (GA4), а расходы — в рекламных кабинетах.
Перед нами встала задача объединить все источники в один автоматический отчет, чтобы минимизировать ручную работу.
Этапы внедрения
1. Инструменты и разработка архитектуры
Для построения сквозной аналитики мы использовали преимущественно инструменты и сервисы Google, которые позволили автоматизировать сбор, обработку и визуализацию данных. Ниже — схема архитектуры решения.
Решение долговременное и стабильное, а использование всех инструментов в инфраструктуре Google Cloud стоит не более пяти долларов в месяц для этого объема данных.
2. Создание макетов
Получив всю необходимую информацию от заказчика, мы создали макеты отчетов в Miro и утвердили их до начала основной работы. Это помогло сэкономить время и избежать недоразумений в дальнейшей разработке дашбордов.
3. Сохранение и сбор данных
Мы использовали Google BigQuery в качестве центрального хранилища. Это облачная база данных, созданная специально для аналитических целей, которая автоматически масштабируется и не требует дополнительной поддержки. Данные из Google Analytics поступают туда в «сыром» виде ежедневно и бесплатно.
Для рекламных источников мы разработали специальный коннектор — Python-код, который размещен в Cloud Functions и ежедневно автоматически загружает данные из Google Ads и Facebook.
Стандартной CRM-системы заказчик не имел, вместо нее используется система управления задачами (далее — система). Лиды хранятся как отдельные задачи. Python-код с сервера системы ежедневно забирает необходимые данные по заявкам и клиентам, сразу форматирует их и переносит в BigQuery.
4. Объединение и агрегирование
Мы использовали сервис DBT (Data Build Tool), который позволяет эффективно управлять проектом, содержащим много SQL-скриптов. DBT структурирует SQL-код, что значительно облегчает процесс трансформации и оркестрации.
Оркестрация — автоматизированный процесс построения таблиц в базе данных, который происходит по графику и в определенной последовательности. Позволяет уменьшить ручной труд и риски ошибок.
Благодаря этому сервису и построенным SQL запросам мы объединили данные из разных источников, выполнили сложные агрегации и создали единые витрины данных.
Витрины (data marts) — агрегированные и трансформированные таблицы данных из разных источников в формате удобном для визуализации.
Также на этапе агрегации мы отфильтровали дубли заявок, которые оставляли одни и те же клиенты.
Проблема. Заявки с сайта попадают в GA4 без ID, поэтому трудно объединить данные из GA4 с данными из CRM-системы. Внедрить передачу ID нет возможности.
Решение. Мы проверили с каким временным лагом (промежутком времени) приходят заявки с сайта в систему партнера. Лаг составляет до 60 секунд. На основе этого мы объединили заявки по времени. Если заявка из GA4 соответствует времени заявки из системы с промежутком до 60 секунд, мы присваиваем этой заявке соответствующий источник.
Чтобы реализовать этот процесс, мы вернулись к предыдущему шагу и изменили коннектор выгрузки данных из системы, добавили дату и точное время заявки в передаваемые данные. Это позволило понять источник и канал для более чем 85% заявок.
Остаток заявок не удалось объединить. Часть из них не была зафиксирована аналитикой из-за использования adblocker’ов пользователями, часть не была объединена, так как по отдельным заявкам лаг был более 60 секунд.
В дальнейшем партнер планирует внедрить новую CRM-систему и сможет отправлять номер заявки в GA4, что позволит корректнее совмещать эти данные. На этом этапе созданное решение помогло нам работать с имеющимися данными.
5. Визуализация
В конце мы подключили витрины к визуализатору Looker Studio, где готовили финальные дашборды. Ниже — несколько примеров из готового дашборда.
Результаты
Новая аналитическая платформа объединяет информацию из разных источников: аналитических систем, рекламных кабинетов и внутренних данных. Это позволяет контролировать эффективность всех каналов, анализировать расходы и ключевые показатели эффективности (KPI), оптимизировать бюджет, направляя средства на более результативные каналы.
Мы создали единую аналитическую систему, которая позволяет быстро принимать маркетинговые решения и вывести процесс оптимизации рекламы на качественно новый уровень.
Выводы
- Стояла задача объединить отдельные отчеты из разных инструментов (Google Ads, Meta Ads, Google Analytics 4, системы управления задачами) в один автоматизированный отчет, что минимизировало бы ручной вклад в его подготовку.
- Для этого использовали инструменты Google Cloud для хранения и обработки данных, что обеспечило стабильность и экономичность.
- Создали Python-код для автоматической загрузки данных с рекламных платформ и системы партнера.
- Собрали данные в облачной базе Google BigQuery, которая автоматически масштабируется при необходимости.
- Применили DBT для управления SQL-скриптами и трансформации данных, что позволило эффективно объединить заявки из разных источников и отфильтровать дубликаты.
- Подготовили финальные дашборды в Looker Studio для удобного и быстрого анализа данных. Внедрили контроль за эффективностью каналов, анализ затрат и ключевых показателей эффективности, что позволяет оптимизировать рекламный бюджет.
По теме
Онлайн-магазин 18+. Как увеличить доход на 89% с помощью трафика из органического поиска . Кейс flirtshop.kz
Рассказываем, как охватить больше аудитории и улучшить узнаваемость сайта
Диджитализация АТБ. Комплексный онлайн-маркетинг для лидера ритейла Украины — кейс
Рассказываем как выстроить комплексную диджитал-стратегию
Свежее
Тенденции дизайна в Украине и мире на 2025 год
Что будет популярным, а что забудется уже через несколько месяцев? Разбираем и приводим примеры
Идентификатор потока данных Google Analytics 4: что это такое, как его найти и установить
В этой статье расскажу, для чего нужен идентификатор потока данных в GA4, как его найти и установить, чтобы начать собирать данные
Как получить целевого подписчика на канал за 10 грн в нише медицины. Кейс Pleso по Telegram Ads
В качестве инструмента мы выбрали Telegram Ads — новую для Украины услугу, которая позволяет получить быстрые результаты и интересует все больше бизнесов.