ЦМРТ + IT Agency. Сквозная аналитика: от прототипов до +26% по лидам и +15% к выручке в медицине

О ЦМРТ и IT-Agency

Глеб, расскажи, пожалуйста, пару слов о ЦМРТ. Что за сеть, где работает?

Глеб. ЦМРТ — это федеральная сеть медицинских клиник по МРТ-диагностике и лечебному направлению: неврология, ортопедия и травматология. 15 центров в России и около 130 тысяч пациентов в год. Но так как мы говорим про digital, я в первую очередь смотрю на любое направление как на продуктовую часть.

Иннокентий. Александр, тебе вопрос про IT-Agency. Агентств сорок сороков, а то и тысяча тысяч. Чем IT-Agency так хороши?

Александр. Мы специализируемся на комплексных проектах: строим привлечение, строим продажи и внедряем сквозную аналитику. У нас есть ключевая особенность — мы топим за управление маркетингом и продажами на основе данных.

Иннокентий. Если бы это не было доброе шоу, я бы сказал, что многие так говорят. Но надеюсь, что у нас получится сегодня, обсуждая кейс ЦМРТ, увидеть, что у вас действительно это получается.

Разрозненность данных: отсутствие единой правды

Иннокентий. Почему у ЦМРТ встала такая задача — цифровизация вообще, и, ближе к теме разговора, сквозная аналитика, сквозная отчетность?

Глеб. На старте была следующая ситуация. Во-первых, это был ковид, прямо с самого начала, март 2020 года. В момент кризиса — это же был черный лебедь для всего рынка, а для медицины и привычного оффлайна, когда людям нельзя приходить, это неприятная ситуация. В какой-то момент моя роль была антикризис-менеджер: нужно было вытаскивать то, что есть, входить в курс дела и находить точки роста в моменте. Но этот период относительно небольшой.

По сути, дальше мы столкнулись с тем, что начали задавать большое количество вопросов — я, моя команда, да и в целом накопился у руководителей, коллег, директоров ряд вопросов, на которые зачастую не было ответов. Картина была следующая: все отчеты, все данные, которыми оперирует бизнес, находятся в разных местах. С точки зрения информационных систем у кого-то отдельные выгрузки, у кого-то Excel. Саша тому свидетель: маркетинг был оцифрован только в части платного привлечения — контекстная реклама в Яндексе и Гугле на тот момент. Только эта часть была хоть в каком-то виде дотянута до денег. Все остальные подразделения использовали промежуточные метрики, свои отчеты, и все лежало в разных системах.

Представь себе картину: на тот момент порядка 500 отчетов лежало в 1С — без какой-либо истории создания и без поддержки. Когда группы руководителей встречались на планерке и начинали обсуждать цифры, у большинства цифры были разные, и непонятно, какая метрика говорит о реальности.

На тот момент порядка 500 отчетов лежало в 1С — без какой-либо истории создания и без поддержки этой отчетности.

Первая задача — собрать все в единую систему отчетности, чтобы на уровне руководителя была ясная картина в цифрах. Что касается маркетинга — здесь ситуация была в том, что большая часть маркетинга и привлечения работала в полуслепом режиме. IT-Agency использовали свою отчетность, которую сделали для ЦМРТ, но это был только кусочек привлечения. Большая часть лидогенерации происходила в инхаус-команде, которая работала в полуслепом режиме.

Собрав весь скоп вопросов по метрикам, мы пошли в сторону BI-аналитики. Говорить, что мы построили именно сквозную маркетинговую аналитику, не совсем верно — корректнее сказать, что мы шли в сторону полноценной бизнес-аналитики, и значительной частью этой бизнес-аналитики был маркетинг. Плюс мы накинули сверху продуктовую воронку, которая дала понять бизнесу, что у нас есть достаточно большое количество слепых зон, и это надо исправлять.

Иннокентий. А почему вы начали работать именно с IT-Agency? Нас слушает какое-то количество агентств — расскажи, как вы отбираете подрядчиков или как отбирали в этом случае.

Глеб. Если говорить про кейс ЦМРТ, на момент, когда я познакомился с компанией, они уже работали с IT-Agency. С точки зрения выбора подрядчика в целом — зачастую все-таки сарафанка работала, по крайней мере, на моем опыте. У IT-Agency есть достаточно четкое позиционирование, что они строят маркетинг на цифрах, на данных. Раз сейчас многие компании говорят последние много лет, что нужно работать через данные, через цифры, — это, по всей видимости, и является триггером к выбору агентства, которое умеет в данные.

От идей к BI: выбор инструментов, команда

Иннокентий. Как вы запустили эту историю? Я себе специально пометил про 500 отчетов, это точно пойдет в заголовок. Это чудовищная задача. С чего вы начали, ближе к маркетинговой сквозной отчетности?

Глеб. По поводу 500 отчетов сразу комментарий. Представь себе стоимость такой планерки, на которой несколько директоров смотрят и обсуждают одну метрику. У одного метрика означает, что все нормально, все хорошо, второй смотрит на нее же через свой отчет и говорит, что все плохо и скоро денег в компании не будет. Начинается перепалка на какое-то количество минут, а остальные директора это слушают, участвуют — это растягивается кратно.

Иннокентий. А стоимость такой встречи — какие-то десятки тысяч, а то и сто, может быть, даже более. А если еще считать упущенные возможности, если бы они просто гребли в одном направлении и понимали друг друга…

Глеб. Конечно. По сути, все просто: посмотрел на метрику — падаем, понятно из-за чего. Копнули дальше, провалились в конверсию, посмотрели, если про колл-центр говорить, какие блоки проседают. Дальше провалились до конкретных менеджеров, послушали звонки. По сути, итерация в 30-40 минут для того, чтобы исправить, а не несколько часов для обсуждения того, чья же метрика верна.

Что касается сборки: сначала был период внутри — осознание проблемы. После того как топ-менеджмент принял решение, что мы идем в сторону сборки аналитики (а маркетинг был одной из основных частей, почему мы пошли в сборку именно сквозной маркетинговой аналитики и в целом бизнес-аналитики), дальнейшие шаги были следующие. На момент создания отчетности у нас уже были прототипы со стороны IT-Agency, которые показали, как она работает. Мы шли достаточно просто: брали лучшее, что видели, улучшали и через это развивали продукт.

Дальше возник вопрос с архитектурой, с хранением данных, с созданием DWH и выбором решения. Итерации были достаточно простые с точки зрения выбора технологии, костов, специалистов, стоимости поддержки. Порядка двух недель ушло на то, чтобы обсчитать все.

Иннокентий. Ну почти. А во многих компаниях так и есть на самом деле.

Глеб. Ну ладно, будем говорить как серьезные дяди, что действительно все сидят и очень плотно считают каждую копейку. Понятно, нужно пройти комитет, чтобы защитить этот проект. После этого пошли в реализацию, получили несколько предложений, в том числе от IT-Agency, посмотрели на специалистов, поняли, какие люди нужны. В первую итерацию пошли с IT-Agency.

И тут момент был в том, что все здорово, если говорить только про маркетинговую аналитику. Но если залезать чуть поглубже в то, что бизнес на самом деле хотел от дата-проекта — это уже превратилось в полноценный дата-проект. Сквозная аналитика была только началом. Занимая позицию директора по цифровому развитию, я понимал следующие шаги после первой итерации сборки отчетности: мы идем в большие данные, которыми, на самом деле, обладает практически каждый средний и крупный бизнес. Много цифровых сервисов, много потоков данных — все это где-то хранится, и плохо, если где-то не хранится, потому что ретроспективно будет очень больно, когда захотите эти данные поднять. А прирост конверсии на полтора процента для крупного бизнеса — это сотни миллионов рублей в месяц.

Следующие шаги после создания отчетности, параллельным стримом, — причесывание данных внутри, сборка архитектуры, чтобы с этими данными можно было работать для создания внутренних продуктов, интеграции сервисов. В рамках защиты бюджета были и следующие шаги по реализации продуктовой линейки, необходимой для того, чтобы растить метрики, которые должна была показывать отчетность. На самом деле все настолько связано: первая базовая итерация — посмотреть на продуктовую отчетность, на метрики, понять, какие из них можно явно улучшать и через какие продукты это сделать. Либо коробочные решения покупать, либо реализовывать самим.

Так мы начали понимать, что следующие шаги — разработка и интеграция продуктов, основанных на данных. Начали собирать свою команду: появился проект, продукт дата-проекта, разработчики, дата-сайентисты. Была итерация с аутсорсом, который помог нам представить ту маленькую победу, которую надо было сделать, чтобы доказать, что это работает — с одной стороны, IT-Agency с прототипированием. И, в принципе, они на протяжении всего дата-проекта всегда помогали именно с прототипированием отчетности, чтобы этим можно было удобно пользоваться. Плюс рассказывали вещи, которые мы не знали — про атрибуцию: то, что для каждого бизнеса окно атрибуции свое, принципы сборки — в том числе ребята помогали с этим.

Проверка данных: устранение ошибок, рост доверия

Иннокентий. Александр, к тебе вопрос. Как это все выглядело с вашей стороны? Ощущается как очень комплексный, сложный проект. Как вы действовали?

Александр. Мы действовали и как проводники — как Глеб говорил, у нас уже есть багаж знаний, как внедрять отчетность, — и в то же время были заказчиками. Мы занимались платным привлечением, и нам самим нужен сквозной отчет, чтобы понимать, как клиника зарабатывает на привлечении и как мы можем калибровать рекламные кампании или сегменты, чтобы у клиники было больше денег.

Мы сначала делали прототипы, набор отчетов — прям брали гугл-таблицу, набирали туда столбцы, это метрики, которые должны быть в отчете. Столбцы бились на несколько категорий: одна категория — это этап воронки. У нас есть привлечение, сайт, контактный центр, клиника и дохождение пациента в клинику, возврат в клинику. Сначала описали этот путь клиента — воронку. Дальше думали, какие срезы данных должны быть, чтобы мы могли принимать решения: по городам, по площадкам, по рекламным кампаниям и так далее.

Собрали эти прототипы, определили, с чем важно идти в разработку в первую очередь, чтобы показать быстрые победы уже на этом этапе. Дальше, когда отчеты выкатывались, мы постепенно дорабатывали. Хвост продаж прикручивали — смотрели не только до прихода в клинику, но и что случается после: какие именно сегменты целевой аудитории к нам возвращаются, чтобы перераспределить бюджет в их пользу. Когортный отчет — чтобы видеть, как сегменты раскрываются и как скоро отваливаются.

Забыл сказать важный этап, самый нелюбимый, который команде Глеба немножко кушал мозг, — мы докапывались до правильности данных. Выкатили данные, смотрим: у нас была своя версия отчетности, которой мы доверяли, пока еще не внедрили внутреннюю отчетность ЦМРТ. Мы видим, что заработали с Яндекс.Директа на прошлой неделе 5 миллионов рублей. Смотрим в отчетность, которую нам выкатили — там 2 миллиона рублей. Где-то точно есть ошибка.

Прикол в том, что нельзя просто прийти и сказать: вот здесь ошибка, у вас неправильно, а у меня правильно. Надо это доказать. Мы брали сырые выгрузки, полотнища данных и повторяли логику присвоения источника, логику того, что вот этот пациент засчитывается как записанный, а вот этот — как пришедший. Повторяли их в Excel и находили провалы, где именно происходит ошибка, на каком этапе. Приходили, говорили: вот здесь косяк, надо поправить. Постепенно дорабатывали, придирались, бесили всех, и в итоге получился очень крутой совместный проект.

Глеб. Ребята подтолкнули нас к очень важному моменту — как запускать аналитику, уже бизнесовую, внутри компании. По итогу всех разборов мы сделали возможность проверить каждую метрику практически во всех отчетах, которые касались денег, на реальных данных. В отчетности появилось дополнительное окно, в котором вся выгрузка ключей пациентов, клиентов и так далее, которую можно самостоятельно пойти и проверить ручками. И как только мы это сделали и показали, что это можно сделать — причем это касается не только маркетинга, а в целом смежных подразделений, которые использовали эту отчетность, — это отлично сработало на то, чтобы внедрить отчетность, поверить в нее и начать пользоваться. На данный момент абсолютно все подразделения пользуются отчетностью дата-проекта — в том числе несколько департаментов, которые изначально их это вообще не касалось, но они посмотрели, как это работает в других подразделениях, и приняли решение переехать на общую отчетность.

Аналитика для всех: прозрачность, быстрые решения

Иннокентий. Ты предвосхитил мой следующий вопрос — что дало бизнесу внедрение сквозной маркетинговой отчетности и в целом дата-проекта. Может быть, ты еще хочешь рассказать про сочные детали? Может быть, что-то пошло не так — а то у нас как-то все прям замечательно, кроме того, что команда Саши нашла косяки.

Глеб. Что дало внедрение дата-проекта в рамках сквозной аналитики по маркетингу — это ясность в источниках привлечения, выработка своих окон атрибуции, общая вера и дальнейшие решения на основании отчетности, уже с исследованием атомов конкретных рекламных кампаний, источников и их влияния на общий результат.

Внутри компании произошел вот этот зачастую неясный, но, тем не менее, переход на продуктовый подход, когда на всю компанию стали смотреть как на единый целый продукт. Важное осознание: каждое подразделение, каждый руководитель, каждый человек, у которого есть доступ к отчетности, видит, какое влияние он оказывает на результаты всей компании. Это, кажется, достаточно важный момент с точки зрения общего майндсета компании.

Но здесь появились и сложности — это не происходит за один-два месяца, это работа достаточно кропотливая на протяжении приличного срока. Появляются барьеры — например, где-то скрывались вещи, где данными начинали манипулировать. Это происходило, и к этому нормально нужно относиться: будут люди, которые будут против того, чтобы лезли в их зону с точки зрения цифр. Зачем, у меня и так все хорошо работало. Приходилось договариваться, убеждать — это в любом случае time and people management.

Дальше начали меняться процессы. Компания работала в каком-то режиме, в котором она росла, развивалась, все было хорошо — и тут что-то новое происходит, выясняется, что какие-то процессы неоптимальны, залезает смежное цифровое подразделение и предлагает поменять процессы, сделать маркировки. Но решения переходили как от нас, так и со стороны отделов, которые начинали видеть динамику по цифрам внутри и начали задавать правильные вопросы.

Аналитика — это инструмент, который дает тебе возможность начать задавать вопросы и пытаться найти на них ответы.

Когда у тебя начинается такая мозговая деятельность, ты находишь оптимальные пути, что-то улучшаешь, и зачастую можешь очень сильно вырасти внутри подразделения или компании за счет того, что в какой-то момент задал правильный вопрос, нашел на него ответ и реализовал. Опять же — это время: не все так классно и здорово, как это можно уложить в час рассказа. Это месяцы, иногда у кого-то годы.

Иннокентий. А в случае ЦМРТ сколько примерно занял проект? Понятно, что у него нет конца, но именно активная фаза.

Глеб. Первая версия верхнеуровневой отчетности появилась на дистанции, по-моему, в три месяца с момента старта. Дальше, через 4-5 месяцев, у нас уже появилась полноценная сквозная маркетинговая аналитика. А дальше пошли по подразделениям. Первые деньги от результатов внедрения отчетности мы начали получать порядка через 9 месяцев — там уже пошли ощутимые результаты. Порядка года с копейками — уже внедрение продуктов в дата-проекте, который создавался параллельным стримом: продукты, которые мы реализовывали на основании данных, начали давать деньги где-то через год с копейками.

По поводу момента изменения процессов — начали находить серые зоны, неэффективные части, начали их менять, и только с этого момента, по сути, начинается цифровая трансформация. Задаешь вопрос, ищешь решение, и, как правило, в цифровом мозгу решения ищем через сервисную часть, через продукт — что мы можем сделать сами, как можем улучшить работу. Вот тут и начинается внедрение, изменение.

Мы прошли путь, когда оцифровали основную часть, показали в динамике все цифры компании, как они меняются и что на них влияет, и начали искать конкретные решения для улучшения и вытягивания тех или иных метрик по всей продуктовой воронке — можно назвать ее пиратской воронкой. Разложил бизнес на нее, посмотрел — порядка десятка метрик в каждой находишь, смотришь, как это работает в динамике, что растет, что падает, за счет чего, и дальше все глубже до атомов.

В рамках дата-проекта у нас появились внутренние продукты, направленные в первую очередь на рост выручки. Из базового, относящегося к маркетингу, — это колл-трекинг: при МАУ в миллион юзеров это достаточно ощутимая экономия, если говорить о существующих сервисах, а у нас полностью собственный. Например, система колл-бэков, перезвонов — автоматическая, в рамках CRM-системы. Прогнозирование бизнес-метрик на базе нейронок — на больших данных мы умеем использовать нейронки, чтобы строить прогнозы: есть ряд обязательных для бизнеса метрик, которые необходимо обсчитывать ежедневно, и это делает нейронка. Упреждающая лидогенерация — тоже могу рассказать подробнее, но в целом есть продукты, которые позволяют в моменте на текущем трафике улучшать конверсию, увеличивать конверсию в лиды. И собственная CDP — вся дата по пользователям, по клиентам остается внутри, что для медицины достаточно важный момент.

Коробка или кастом: когда какой инструмент нужен

Иннокентий. Классно, что ты сказал про собственный колл-трекинг. Мой следующий вопрос Александру: из чего, собственно, делается сквозная отчетность, какие есть подходы, варианты, инструменты при настройке? В частности, у меня был вопрос про плюсы-минусы коробочных сервисов типа того же Calltouch, и мы понимаем, что когда МАУ уже за миллион, это может быть дорого. Расскажи про варианты, инструменты при внедрении таких проектов.

Александр. Компания может пойти в коробочное решение — Roistat, Calltouch, самые известные коробочные сквозные отчетности. Может собирать отчетность сама, из того, что есть. Могут идти нанимать директора по цифровой трансформации, а он уже собирает команду — либо внутри, либо нанимает агентство.

Коробки, Calltouch и Roistat, они нормальные на каком-то определенном этапе развития компании. То есть если ты, Василий Петрович, открыл автосервис, к тебе раньше приходили только по сарафану, но ты расширил производственные мощности, купил еще одно помещение побольше — в этот момент тебе сквозная отчетность особо не нужна, там надо решить проблему с входящим потоком, надо больше лидов. Чем больше лидов, тем больше продаж. Но когда ты уже подходишь к потолку, у тебя все загружено, эту штуку надо как-то калибровать и понимать: не все лиды для тебя одинаково ценные, на каких-то ты больше зарабатываешь, на каких-то меньше — я имею в виду сегменты аудитории. И вот в этот момент Calltouch и Roistat уже смотрятся привлекательными, они уже дают пользу — могут показать деньги сразу. Ты сделал простую интеграцию рекламных кабинетов и CRM, в CRM уже есть транзакции, и ты можешь их связывать через Roistat. Штука страхует от того, что ты смотришь на стоимость привлечения лида не так однобоко.

У меня был один случай — сервис по поиску репетиторов. Они привлекали через Facebook (соцсеть Facebook принадлежит компании Meta, которая признана экстремистской и запрещена в России), когда это было можно. У них было два формата: обычный трафик на сайт, где оставляют заявку, и лид-формы. Стоимость привлечения через лид-формы была в районе 1200 рублей, а через сайт — раза в три дороже. Они хотели убрать весь бюджет с лендинга и перевести в лид-формы, при этом вообще не смотрели, сколько зарабатывают на той или иной механике.

Когда мы на этот проект высадились, говорим: ребята, стойте, мы же не понимаем, как мы зарабатываем с этого. Давайте посмотрим, сколько нам приносят лиды с лид-форм и сколько с лендинга. Оказалось, что с лид-форм не до всех можно дозвониться, очень много спамных заявок, и в итоге ДРР была лучше как раз на лендингах. Если бы они переложили бюджет в пользу лид-форм, несколько репетиторов точно остались бы без работы.

Если бы они переложили бюджет в пользу лид-форм, то там точно бы несколько репетиторов остались без работы.

От таких сценариев страхует в целом нормальная коробочная сквозная аналитика — Calltouch или Roistat. Но когда компания это внедрила, плюсы, как мне кажется, заканчиваются. Когда компания становится больше, появляется запрос не только смотреть, сколько мы зарабатываем на трафике, но и вносить улучшения внутри воронки. Прикол Roistat и Calltouch в том, что они покажут: вот источник трафика, он приносит сессии или визиты, дает лиды, дает продажи. А что происходит между лидами и продажами — там ничего нет в сервисах, это непрозрачно. А в жизни там очень много интересных процессов и этапов: записали или не записали, перезвонили для напоминания или нет, отправили коммерческое предложение или нет. Очень много этапов воронки между лидом и продажей, где мы можем по факту потерять входящих пользователей, и они до нас не дойдут.

Когда бизнес становится крупным, он хочет в первую очередь видеть, что происходит между лидом и продажей, а во вторую очередь — улучшать эти этапы воронки. И тогда нет готового решения — только кастомная отчетность, потому что у каждого бизнеса своя модель, свои этапы воронки, свои ответственные на каждом этапе, и поэтому здесь помогает только кастом.

Кому нужна сквозная аналитика: длинный цикл продаж и поддержка топ-менеджмента

Иннокентий. Глеб, вопрос более верхнеуровневый. Нас наверняка слушают люди, которые хотят так, как у вас, но еще у них не так все хорошо, или они в самом начале пути. Можешь дать общие советы инноваторам? Внутри среднего-крупного бизнеса всегда есть кто-то, кто поддерживает статус-кво, а есть кто-то, кому нужно что-то новое. Как им действовать, как получить добро на такие изменения?

Глеб. Вопрос действительно насущий. Здесь дело не в том, консервативна компания или нет, а в оценке окупаемости инвестиций в тот или иной проект. Когда компания молодая, на пике роста, это происходит быстрее — либо в принципе data-driven майндсет уже сам по себе есть у owners, и он спускается на команду. Это мы говорим про современные компании, которые относительно недавно на рынке, либо уже трансформировались, прошли этот этап.

Что касается коммерческих компаний — они про заработок денег: мы инвестировали, мы получили. Через эту призму понятнее общаться с топ-менеджментом. И следующий поинт — вам в первую очередь нужна мощная поддержка топ-менеджмента компании в этих инновациях. Через деньги покажите, где станет лучше, насколько станет лучше, на какой дистанции. Экономическая модель такого продукта внутри обязательна, потому что инноватору же и отчитываться за этот проект.

Надо понимать, что, когда вы говорите про сквозную отчетность, про маркетинговую аналитику, суть не в желании получить красивый отчет — важно понимать, что у ваших коллег, руководителей отделов есть боли. И эти боли из-за отсутствия отчетности и прозрачности в их работе нужно понять. Но эта прозрачность и ясность в некоторых случаях кому-то неудобна, и эти изменения им не нужны. К этому нужно быть готовым и искать пути обхода.

Иннокентий. Читайте Макиавелли, короче говоря. Саша, расскажи, у каких компаний реально получается внедрить и потом эксплуатировать сквозную отчетность, а у кого проблемы? Наверняка бывают случаи, когда начинали за здравие, а закончили за упокой — что-то внедрили, недовнедрили, все сломалось, агентство не получило кейс, а клиент остался с кривой аналитикой.

Александр. Получается у тех команд, у которых есть поддержка топ-менеджмента. Если у топ-менеджера реально нет понимания, что происходит внутри бизнеса, как идет поток привлечения и возврат клиентов, как каждое звено отрабатывает, и есть желание в этом разобраться и на это влиять — а это острое ограничение, которое сейчас мешает бизнесу масштабироваться, — то команда получает поддержку, и у нее обычно все получается. Если поддержки нет и топ-менеджмент не особо понимает, зачем им data-driven — у меня же есть отчеты в Excel или в 1С, все нормально, — здесь ничего не случается.

Иннокентий. Ключевое — это поддержка именно топ-менеджмента и запрос от топ-менеджмента.

Глеб. То, о чем Саша говорил про коробочное решение сквозной аналитики — они подходят, по сути, средним компаниям, где не надо сильно залезать в то, как источник привлечения влияет внутри на воронку. Если это бизнес, который просто привлек и в моменте продал, то, скорее всего, там не нужна никакая глубинная сквозная аналитика. Но когда у тебя есть процесс продажи в 14 дней с момента, как получил лид, до денег — внутри у тебя, скорее всего, большое количество процессов. И эти процессы должны пройти этап оцифровки, чтобы понять, что там происходит и как каждый источник влияет на это, а в конце — на деньги. Дальше накидываем возвращаемость, новые окна атрибуции — 90, 180, 360 дней.

Для компаний с коротким циклом сделки не нужно даже думать об этом — лучше думать о том, как получить новые источники трафика дешевле. А вот компании с длинным циклом продаж — недвижимость, автодилеры — там уже нужна действительно сквозная аналитика. С момента первой коммуникации с клиентом, которая еще происходит в медийных, охватных каналах — где-то в digital out of home или в медийном размещении, увидели баннер в Яндексе, и только на пятый, десятый контакт вы стали лидом. Агентство недвижимости или застройщик получил ваш номер телефона, и появляется огромный цикл контактов, взаимодействий с клиентом — мы внутри так и называем каждую коммуникацию, которую можем оцифровать: взаимодействие. И дальше уже появляются деньги в виде покупки-продажи, есть еще ипотечные заявки и так далее.

В этом случае сквозная аналитика необходима. Есть многие компании — думаю, слушатели узнают тех же застройщиков, которые очень сильно пошли в цифры, изначально строились вокруг данных. В медицине такие компании тоже существуют. По автодилерам тоже знаю как минимум одну компанию, которую достаточно сильно развило цифровое направление. И интересное замечание: именно крупные компании, которые выделили отдельный цифровой блок, может быть, в департамент или подразделение, сильно драйвят и бустят рынок. Про банки вообще молчу — там весь топ-10 давно это внедрил, и по масштабу решений это уже некий rocket science, который нам и не снился.

Отвечая на твой вопрос — если есть длинный цикл продаж, если вы средний, переходящий в крупный бизнес, то, конечно, нужна сквозная аналитика. Но нужны люди. Просто так вы эту отчетность не получите — даже коробочное решение требует интеграции. Со стороны заказчика нужны ресурсы: команда разработки, в идеале продакты либо хотя бы проджекты, которые смогут затащить до реального результата. Но чаще это делает сам маркетинг, если мы говорим про сквозную аналитику, — и на этом, в принципе, все заканчивается: отчетность получили, смотрят, класс, так и работаем дальше.

Для полноценной аналитики, для полноценного дата-проекта внутри нужна команда — и здесь вопрос уже в людях. После осознания топ-менеджментом, что нам нужен дата-проект, полноценная бизнес-аналитика, — нужно понимать, способна ли компания нанимать сильных специалистов. Это важно, потому что любая компания создается и строится на людях, на тех экспертах, которые там работают. И тут важный момент — способность нанять, найти такого человека.

Иннокентий. Что-то можно сделать аутсорсом, как в кейсе ЦМРТ, но далеко не всё.

Глеб. Да, мы пользовались аутсорсом — у меня был ряд доверенных HR-агентств, с которыми я работал на предыдущих проектах, в том числе международных, и они мне поставляли высокоуровневых специалистов, я к ним и пошел. К агентствам прийти нормально абсолютно, но важно, чтобы был опыт, было понимание. Еще важный момент, который я замечаю последний год, общаясь с разными компаниями: способность нанимать экспертов в своей области — это прямо не у всех есть. Кого-то нанять — это окей, но становится больно, когда понимаешь, что тебе команду нужно полностью менять, а к тебе заказчик пришел с задачей — со стороны производства ты все отдашь, но со стороны заказчика есть моменты, которые упираются просто в навыки команды, в их опыт.

Поэтому да, человеческий фактор — как всегда, начинали с диджитал-технологий, со сквозной аналитики, а закончили people-менеджментом. Он есть, он будет, важно на это обращать внимание.

Иннокентий. Тоже хотел подытожить — начинали с цифр, а закончили все равно людьми, как бы ни хотелось. Data-driven он driven — то есть какие-то люди должны быть на основе данных дальше замотивированы что-то делать, а не просто сами по себе цифры.

Результаты: выше выручка, ниже ДРР, лучше конверсия

Иннокентий. Маленький вопрос по скрипту, но мне кажется, аудитория меня убьет, если я его не задам. Что в процентах, в каких-то попугаях ЦМРТ получила от внедрения сквозной маркетинговой отчетности, или, может быть, чуть шире — от дата-проекта? Что-то ускорилось, увеличилось, стало дешевле — вот хоть как угодно.

Глеб. Первое, что я помню, — у нас ДРР снизился, то есть мы стали эффективнее закупать, при этом трафик начал расти. Объем трафика, который мы закупали, вырос. У нас появились результаты по некоторым рекламным кампаниям, которые мы планировали отключать — это то, о чем Саша говорил. Увидев хвост до продаж, мы приняли решение, что они приносят значительную часть денег, поэтому их оставили и, более того, усилили. Совокупно это повлияло на снижение ДРР при более эффективной закупке и увеличении объема трафика. Кстати, большая часть потока пациентов в итоге — прям 90 плюс процентов — это диджитал источники, и это произошло как раз после внедрения аналитики. Мы увидели хвосты, увидели самоходов.

С точки зрения метрик мы выросли по количеству лидов порядка на 26%. Если говорить про платные источники привлечения, доход увеличился более чем на 20%, и произошло снижение доли рекламных расходов при росте объема лидов. Были победы в рамках ретеншена — мы стали получать на 10% больше выручки по сравнению с предыдущими периодами, когда работали в полностью ручном режиме. А в целом за счет внедренных инструментов помесячный рост прибыли составил порядка 15%.

Мы выросли по количеству лидов порядка на 26%. Доход по платным источникам увеличился более чем на 20%, а помесячный рост прибыли составил порядка 15%.

То есть цифры в рамках компании достаточно значительные. И это не статистическая погрешность — потому что мы каждый этап роста видели и могли увидеть непосредственно пациентов, с которых этот рост пришел. Как было до, как стало после, и какое взаимодействие компании с пациентом привело к этим деньгам, а совокупно — к росту выручки.

Александр. Я могу рассказать про цифры по рекламе чуть подробнее. Был момент, когда мы закупали трафик и привлеченных пациентов дорого, но при этом надо было масштабироваться, прирасти по выручке, а ДРР должна была остаться такой же или снизиться. Когда у нас появилась сквозная отчетность, мы сразу стали понимать, как отрабатывает каждая рекламная кампания или каждый сегмент. Мы уже понимали, с какими сегментами у контактного центра получается работать лучше, а с какими хуже, и могли корректировать закупку.

Мы увидели, что, например, у пациентов, которые приходят на МРТ головы, конверсия в запись на порядок ниже, чем у тех, кто приходит на МРТ позвоночника или суставов. Это повод взять сегмент под купол и посмотреть, что с ним происходит внутри. Прослушали звонки, посмотрели, как отрабатывают, — увидели, что сложновато отрабатывать возражения про МРТ головы или презентовать метод лечения, который случится после диагностики. С этим уже можно идти в отдел продаж со своими предложениями, как улучшить конверсию в запись. И это дальше влияет на закупку и на итоговый ДРР.

Другой пример, о котором Глеб уже сказал, но я расскажу подробнее. Мы увидели, что если бить МРТ суставов на сегменты аудитории — голеностопный сустав, коленный сустав, у которых хвост продаж сильно больше, — стоимость закупки для МРТ головы, суставов, колена, голеностопа, плечевого сустава, позвоночника одинаковая, и количество денег, которое приходит в течение 28 дней, тоже в целом одинаковое. Но если расширить это окно до 90 дней, мы уже видим, что МРТ коленного и голеностопного сустава оставляют нам не 50 тысяч рублей условно, а 90 тысяч — просто за счет хвоста. Значит, эти сегменты можно и нужно закупать дороже — мы можем себе это позволить. Это знание открылось после внедрения сквозной отчетности. В моменте мы смогли улучшить и увеличить среднюю выручку на 22% просто за счет калибровки закупаемых сегментов аудитории, и ДРР снизился на 3 процентных пункта, что тоже хорошо.

Иннокентий. Что ж, красота. Спасибо большое, Глеб. Спасибо, Александр. И это была «Маркетинговая рубка», Иннокентий Нестеренко. Спасибо всем, кто нас слушал. До встречи в следующих выпусках.