Період просування: 01.07.2022 — 30.01.2024.
Регіон: Східна Європа.
Послуга: наскрізна аналітика.
Команда проєкту: Ігор Павленко, Internet Marketer; Ольга Горностаєва, Web Analyst Team Lead; Оксана Демечева, Project Manager; Олександр Конівненко, Department Head.
Хто наш партнер
Провідна агенція працевлаштування, що спеціалізується на підборі персоналу з України і Східної Європи для компаній у Польщі та ЄС. Допомагає знайти працівників для різних галузей, включаючи промисловість, логістику й сільське господарство.
Причина звернення
Наш партнер активно залучає користувачів завдяки каналам платного трафіку, зокрема Meta Ads і Google Ads. Але виникла проблема: кожен інструмент видає окремі звіти, які співробітники мають поєднувати у ручному режимі. Реальну кількість лідів видно лише в СRM-системі, джерело лідів — в Google Analytics 4 (GA4), а витрати — в рекламних кабінетах.
Перед нами постала задача об’єднати усі джерела в один автоматичний звіт, щоб мінімізувати ручну роботу.
Етапи впровадження
1. Інструменти й розробка архітектури
Для побудови наскрізної аналітики ми використали переважно інструменти й сервіси Google, які дозволили автоматизувати збір, обробку і візуалізацію даних. Нижче — схема архітектури рішення.
Рішення довготривале і стабільне, а використання всіх інструментів в інфраструктурі Google Cloud коштує не більше п’яти доларів на місяць для цього об’єму даних.
2. Створення макетів
Отримавши всю необхідну інформацію від замовника, ми створили макети звітів у Miro й затвердили їх до початку основної роботи. Це допомогло зекономити час і уникнути непорозумінь у подальшій розробці дашбордів.
3. Збереження і збір даних
Ми використали Google BigQuery як центральне сховище. Це хмарна база даних, створена спеціально для аналітичних цілей, що автоматично масштабується і не потребує додаткової підтримки. Дані з Google Analytics надходять туди у «сирому» вигляді щодня і безплатно.
Для рекламних джерел ми розробили спеціальний конектор — Python-код, який розміщений в Cloud Functions і щодня автоматично завантажує дані з Google Ads і Facebook.
Стандартної CRM-системи замовник не мав, замість неї використовується система управління задачами (далі — система). Ліди зберігаються як окремі задачі. Python-код з серверу системи щодня забирає необхідні дані по заявках і клієнтам, одразу форматує їх і переносить у BigQuery.
4. Об’єднання й агрегування
Ми використовували сервіс DBT (Data Build Tool), який дає змогу ефективно управляти проєктом, що містить багато SQL-скриптів. DBT структурує SQL-код, що значно полегшує процес трансформації й оркестрації.
Оркестрація — автоматизований процес побудови таблиць у базі даних, який відбувається за графіком і в певній послідовності. Дозволяє зменшити ручну працю і ризики помилок.
Завдяки цьому сервісу й побудованим SQL запитам ми об’єднали дані з різних джерел, виконали складні агрегації і створили єдині вітрини даних.
Вітрини (data marts) — агреговані й трансформовані таблиці даних з різних джерел у форматі зручному для візуалізації.
Також на етапі агрегації ми відфільтрували дублі заявок, котрі залишали одні й ті самі клієнти.
Проблема. Заявки з сайту попадають в GA4 без ID, тому важко об’єднати дані з GA4 з даними з CRM-системи. Впровадити передачу ID немає можливості.
Рішення. Ми перевірили з яким часовим лагом (проміжком часу) приходять заявки з сайту до системи партнера. Лаг складає до 60 секунд. На основі цього ми об’єднали заявки по часу. Якщо заявка з GA4 відповідає часу заявки з системи з проміжком до 60 секунд, ми присвоюємо цій заявці відповідне джерело.
Щоб реалізувати цей процес, ми повернулись до попереднього кроку і змінили конектор вивантаження даних з системи, додали дату й точний час заявки в передавані дані. Це дозволило зрозуміти джерело й канал для більше ніж 85% заявок.
Залишок заявок не вдалося об’єднати. Частина з них аналітикою не фіксується через використання adblocker’ів користувачами, частина не об’єднується, бо по окремим заявкам лаг більш ніж 60 секунд.
Надалі замовник планує впровадити нову CRM-систему й зможе відправляти номер заявки в GA4, що дозволить коректніше поєднувати ці дані. На цьому етапі створене рішення допомогло нам працювати з наявними даними.
5. Візуалізація
У кінці ми підключили вітрини до візуалізатора Looker Studio, де готували фінальні дашборди. Нижче — кілька прикладів з готового дашборду.
Результати
Нова аналітична платформа об’єднує інформацію з різних джерел: аналітичних систем, рекламних кабінетів і внутрішніх даних. Це дозволяє замовнику контролювати ефективність усіх каналів, аналізувати витрати і ключові показники ефективності (KPI), оптимізувати бюджет, спрямовуючи кошти на більш результативні канали.
Ми створили для замовника єдину аналітичну систему, яка дозволяє швидко приймати маркетингові рішення й вивести процес оптимізації реклами на якісно новий рівень.
Висновки
- Стояла задача об’єднати окремі звіти з різних інструментів (Google Ads, Meta Ads, Google Analytics 4, системи управління задачами) в один автоматизований звіт, що мінімізувало б ручний вклад у його підготовку.
- Для цього використали інструменти Google Cloud для зберігання й обробки даних, що забезпечило стабільність і економічність.
- Створили Python-код для автоматичного завантаження даних з рекламних платформ і системи партнера.
- Зібрали дані у хмарній базі Google BigQuery, яка автоматично масштабується за потреби.
- Застосували DBT для управління SQL-скриптами і трансформації даних, що дозволило ефективно об’єднати заявки з різних джерел і відфільтрувати дублікати.
- Підготували фінальні дашборди у Looker Studio для зручного і швидкого аналізу даних. Запровадили контроль за ефективністю каналів, аналіз витрат і ключових показників ефективності, що дозволяє оптимізувати рекламний бюджет.
Свіжі
Тенденції дизайну в Україні та світі на 2025 рік
Що буде популярним, а що забудеться вже за кілька місяців? Розбираємо і наводимо приклади
Ідентифікатор потоку даних Google Analytics 4: що це таке, як його знайти та встановити
У цій статті розкажу, для чого потрібен ідентифікатор потоку даних в GA4, як його знайти та почати збирати дані
Як отримати цільового підписника на канал за 10 грн в ніші медицини. Кейс Pleso із Telegram Ads
В якості інструменту ми обрали Telegram Ads — нову для України послугу, яка дозволяє отримати швидкі результати і цікавить все більше бізнесів.