Єдина аналітична система для Yogoda: витрати, продажі та окупність в одному просторі

«Скільки ми заробили з кожного каналу?» — просте запитання. Але відповідь складно знайти, коли витрати, відвідувачі й продажі зберігаються окремо й не пов’язані між собою.

Yogoda (GFS Shop), виробник напоїв і готових страв, активно інвестує в маркетинг і розвиває ecommerce, але зі збільшенням обсягу інформації стало важко бачити повну картину: витрати, дохід і реальну ефективність каналів. У цьому кейсі показуємо, як ми об’єднали розпорошені дані, вибудували єдину аналітичну систему та зробили звітність зрозумілою для прийняття рішень.

Хто наш партнер

GFS Shop — український виробник натуральних напоїв, готових страв і десертів, який випускає продукцію під брендами Yogoda, Festory, Gulfstream та GFS.

Вхідні дані

З ростом активності в команди Yogoda (GFS Shop) з’явилася очевидна потреба:

«Хочемо бачити всю інформацію про маркетинг і продажі в одному місці, без хаосу й перемикань між десятками вкладок».

На початку співпраці дані були розпорошені між різними джерелами:

• рекламні кабінети — витрати та результати кампаній;
• Google Analytics 4 — поведінка користувачів;
• CRM — замовлення, заявки та їхні статуси;
• ручні звіти — SEO та email-маркетинг.

Через це партнер не мав змоги оперативно бачити повний шлях користувача від першого кліку до покупки. Було складно порівнювати канали за доходом, а також аналізувати кампанії без ручного зведення звітів.

Цілі співпраці

Щоби побудувати керовану систему аналітики, ми сфокусувалися на чотирьох цілях:

• створити єдину узгоджену структуру даних;
• об’єднати всі джерела в одному середовищі;
• побудувати дашборди з ключовими показниками маркетингу та продажів;
• закласти технічну основу для просунутого аналізу ефективності каналів.

Наша стратегія

Перед тим як переходити до рішень, було важливо врахувати бар’єри, з якими ми зіткнулися на старті:

1. Обмеження сайту. Через технічні обмеження ми не мали можливості коректно відстежувати всі дії користувачів.
2. Атрибуція наосліп. Оскільки джерела трафіку не були пов’язані з продажами, неможливо зрозуміти, які канали дійсно працюють.
3. Відсутність єдиного середовища. Дані зберігалися в різних системах. Щоби підготувати звіт, потрібно було кілька годин вручну зводити показники з різних джерел.

Ці обмеження впливали на всю систему, тому ми запланували створити послідовну структуру роботи з інформацією — від збору й об’єднання до фінального відображення показників. Для цього визначили чотири кроки:

Крок 1. Аудит поточної аналітики

Першим етапом ми детально розібралися з наявною аналітикою:

• визначили, для яких задач і рішень використовуються дані;
• виявили вузькі місця в поточній системі;
• зафіксували вимоги до звітності, очікування, технічні обмеження та пріоритети;
• перевірили GA4, рекламні акаунти та структуру кампаній.

Крок 2. Створення єдиного сховища даних

BigQuery стало центральним сховищем у проєкті — саме тут зводиться вся аналітика.

Архітектура аналітичної системи на базі BigQuery

Ми налаштували:

• повну передачу всіх дій користувачів із GA4 — у сховищі зберігаються окремі події, а не лише підсумкові показники;
• автоматичне оновлення даних із рекламних систем, SEO та email — усі показники передаються в BigQuery без ручного експорту;
• Scheduled Queries — регулярні автоматичні запити, які актуалізують і структурують інформацію.

Крок 3. Візуалізація та централізація звітності

Після налаштування архітектури ми перейшли до їхнього відображення в зручному форматі з допомогою Looker Studio.

1. Розробили інтерактивні дашборди з фільтрами за каналами, кампаніями, датами, джерелами заявок тощо. 
2. Додали можливість гнучко порівнювати витрати, кількість заявок, дохід і окупність реклами (ROAS) без потреби переключатися між інструментами.
3. Налаштували автоматичне оновлення інформації без необхідності готувати щотижневі чи щомісячні звіти вручну.

Головний дашборд: витрати, дохід, ROAS і динаміка за днями в одному інтерфейсі

Дашборд для порівняння ефективності каналів за витратами, доходом і транзакціями

Крок 4. Підготовка до інтеграції нової CRM

Під час співпраці стало відомо, що партнер планує перехід на нову CRM-систему. Тому ми не інтегрували поточну CRM тимчасово, а одразу заклали архітектуру з урахуванням майбутнього розширення, щоб надалі:

• розраховувати довгострокову цінність клієнта (LTV);
• відстежувати повторні покупки;
• формувати клієнтські сегменти для подальшого аналізу та роботи з базою.

Дізнайтеся, як кастомна аналітика допомогла знизити відмови й підвищити рентабельність — кейс Touch.com.ua.

Результати співпраці

Це дало змогу перейти від ручного зведення показників до системної роботи з інформацією та створило технічну основу для подальшого розвитку — підключення CRM і розширення можливостей аналізу без перебудови всієї архітектури.

Що далі

Нова система вже об’єднує всі джерела даних і дає цілісну картину маркетингу та продажів. Але на цьому розвиток не зупиняється. 

Наступні кроки: 

• підключення нової CRM для аналізу клієнтів, побудови воронок і передачі внутрішніх даних; 
• розширення способів визначення ролі каналів у продажах;
• впровадження серверного збору інформації для підвищення точності аналітики; 
• запуск прогнозної аналітики на основі накопичених показників.