УПС! Что-то пошло не так

Произошла неизвестная ошибка на нашей стороне. Скоро мы всё починим.

Повторите вашу попытку позже.

Музторг: построение сквозной аналитики

Музторг — лидер рынка розничной продажи музыкальных инструментов и оборудования в России. У компании более 50 оффлайн-магазинов и каталог товаров включает более 20 000 единиц.

http://muztorg.ru/

Запрос клиента

Музторг популярная компания с музыкальной сфере, ежемесячно в интернет-магазин muztorg.ru заходят более 1 млн посетителей. Аналитика продаж и поведения клиентов на сайте лежит в основе успешного развития бизнеса, и здесь важна грамотная настройка аналитики.

Изначально данные о взаимодействии компании с клиентом хранились в 7 различных источниках и соединялись вручную:

  • Google Analytics (данные сайта)
  • Яндекс.Маркет (показы, клики, расход)
  • Яндекс.Директ (показы, клики, расход)
  • Google Ads (показы, клики, расход)
  • CRM (клиенты, заказы, статусы и т.д.)
  • RightWay (программа лояльности)
  • Mindbox (email-рассылки)

Когда выгрузка данных из всех из всех источников не автоматизирована, синхронизация данных и их дальнейшая аналитика занимает много времени. Вопрос, как упорядочить выгрузку, стал ключевой задачей проекта. Важно также было учитывать вопрос визуализации данных, так как это упрощает дальнейшую работу.


Цели и задачи

Основная цель работы заключалась в том, чтобы систематизировать и упорядочить все источники данных о продажах:

  1. Анализ эффективности онлайн-рекламных кампаний
  2. Анализ воронки продаж (от визита на сайте до покупки в оффлайн-магазине)

Реализация

Для решения главной задачи проекта был выбран в помощь сервис управления базой данных — «Yandex Managed Service for ClickHouse». Затем был выработан алгоритм упорядочивания данных.

Алгоритм объединения данных — этап 1

  • На сайте с помощью Google Analytics отлеживаются все действия посетителей. У каждой сессии/визита есть ID, поэтому у нас имеются полные данные по всем визитам (источник, действия, достижения целей и т.д.), для этого не требуется платная версия
  • С UserID сопоставляются идентификационные данные клиента (номер телефона и карточка программы лояльности)
  • При авторизации в личном кабинете в Google Analytics передается ID клиента (UserID)
  • При покупке в оффлайн-магазине с использованием карточки лояльности (более 60% покупок), мы можем отследить полный путь клиента от посещения сайта до приобретения товара в магазине

Алгоритм объединения данных — этап 2

  • Важно отметить, что клиент не должен каждый раз авторизовываться на сайте: войдя в личный кабинет один раз, Google Analytics все последующие визиты данного пользователя будет ассоциировать с этим UserID, даже если он будет просматривать сайт неавторизованным
  • Конечно, UserID определялся только в том случае, если клиент заходил с того устройства и браузера что и ранее в момент авторизации
  • Однако, как только клиент авторизовался на втором устройстве (например, смартфоне), то ему присваивался тот же UserID, что и на десктопном, и все сессии на мобильном устройстве ДО момента авторизации также соотносятся с этим ID клиента, что позволяет получить больше данных о действиях пользователя

Инструментарий

Команда

  • Руководитель проекта
  • Python-разработчик
  • Аналитик
  • DevOps

Результат

За три месяца работы было полностью подготовлена автоматизация сведения маркетинговых данных из 7 онлайн-источников. Этот шаг позволил понять долю ROPO-заказов в общем объеме продаж.
Более того, автоматизация данных позволила проводить анализ полной воронки продаж от посещения сайта до покупки в оффлайн-магазине.

Мы используем cookies для вашего блага. Продолжая просматривать сайт, вы соглашаетесь с этим.

Хорошо