До 2018 года всю аналитику в Банки.ру готовили вручную в Excel: чтобы свести информацию из нескольких источников, уходило около двух часов. Там могли появиться ошибки, а информация устаревала, пока готовили отчет. Тогда решили создать собственную систему аналитики. За 5 лет запустили более 200 видов отчетов.
Как Банки.ру создали собственную систему аналитики
Банки.ру помогает пользователям выбрать и оформить онлайн финансовые продукты: например, кредиты, вклады, займы, КАСКО, ОСАГО, инвестиции
Масштаб бизнеса.
12 млн зарегистрированных пользователей
22 млн посещений в месяц
1 млн заявок на финансовые продукты в месяц
22 млн посещений в месяц
1 млн заявок на финансовые продукты в месяц
Задача
Повысить эффективность бизнес-процессов
Решение
Разработали собственную систему аналитики со сквозными отчетами, доступными 24/7
Результат
200 видов отчетов, которыми пользуются 40% сотрудников
Оперативно находят неэффективные рекламные каналы и отказываются от них
Сокращают количество массовых рассылок в пользу триггерных
В 3 раза увеличили трафик в бренд-медиа без расширения штата авторов
Запустили собственный скоринг клиентов и рекомендации на машинном обучении
Оперативно находят неэффективные рекламные каналы и отказываются от них
Сокращают количество массовых рассылок в пользу триггерных
В 3 раза увеличили трафик в бренд-медиа без расширения штата авторов
Запустили собственный скоринг клиентов и рекомендации на машинном обучении
ИТ.
База данных на Pentaho, PostgreSQL, ClickHouse, Google Big Query, Zabbix, Grafana. Визуализация в Tableau
Срок.
От старта до появления первого отчета — примерно 1,5 месяца. В сумме проект развивают 5 лет
27 апреля 2023
Меня зовут Юлия Майорова, я руковожу командой маркетинга финансового маркетплейса Банки.ру. До 2018 года всю аналитику в компании готовили вручную в Excel — на подготовку каждого отчета уходило около двух часов. Из-за этого в процессе появлялись ошибки, а информация устаревала. Мы много денег вкладывали в продвижение, но не могли оперативно отслеживать, какие каналы эффективны, а какие нет.
Тогда решили создать собственную систему аналитики — готовые решения не подошли из-за специфики нашей бизнес-модели. После того как создали отчеты для маркетинга, к нам пришли члены других команд с похожими запросами, поэтому теперь система аналитики помогает с подготовкой отчетов о работе продуктов, бренд-медиа, приложения, а также с анализом конкурентов. Всего запустили более 200 видов отчетов.
В статье опишу, как выглядела система раньше и какой стала теперь, какими решениями пользуемся и как смогли улучшить бизнес-процессы благодаря аналитике.
Результаты внедрения системы аналитики для команды маркетинга
Главный результат для нас — сквозные отчеты собираются автоматически во всех нужных разрезах данных и доступны 24/7. Можем оперативно изменять рекламные кампании, а значит, экономить деньги на продвижении в неэффективных каналах и масштабировать эффективные.
Среди прочего, система помогла нам:
— экономить несколько часов в неделю на подготовке отчетов;
— сократить риск ошибок при сборе данных;
— настроить более глубокую сегментацию пользователей. Это позволило запускать более персонализированные коммуникации, которые показывают более высокую конверсию.
Какой была аналитика до 2018 года
До 2018 года все данные для отчетов сводились вручную в Excel-файлах. Так, чтобы узнать выручку и расходы перформанс-продвижения, нужно было:
1. Выгрузить данные о целевых действиях посетителей из нескольких систем трекинга и свести их в одном файле.
2. Выгрузить данные о расходах из рекламных кабинетов «Яндекса», Google и других.
3. Вручную рассчитать стоимость каждого целевого действия с помощью Excel и свести все данные в единый отчет.
Объединение данных занимало около двух часов, а во время переноса информации могли появиться ошибки. В среднем такие отчеты наши сотрудники собирали несколько раз в неделю, а если тестировали гипотезы, то несколько раз в день. За время, пока команда собирала отчет, информация устаревала.
Какие цели поставили перед системой аналитики
Компания росла, бюджеты увеличивались, и мы понимали, что в какой-то момент не сможем сводить данные из отчетов вручную — Excel перестанет справляться и потребуется создать хранилище данных, из которого мы будем выгружать информацию для отчетов. Например, такое могло произойти, если каналов трафика станет слишком много. Кстати, позже так и случилось, но к тому моменту у нас уже была создана система аналитики.
Задачу создать систему аналитики изначально поставила команда маркетинга. У сотрудников были следующие ожидания:
- ежедневно получать отчет по выручке, чтобы оперативно менять стратегию продвижения;
- в любой момент иметь возможность получить полный отчет по воронке контекстной рекламы: информацию об отдельных кампаниях и инструментах. Это помогло бы находить неэффективные каналы и оперативно перераспределять бюджет в пользу эффективных;
- анализировать динамику SEO-трафика по разным продуктам и выручку от него;
- найти разделы сайта, где много трафика, но которые не приносят выручку. Понять, как повысить эффективность таких страниц.
При защите проекта указали, что система аналитики поможет увеличить выручку и оптимизировать расходы перформанс-каналов: отказаться от неэффективных кампаний и вкладываться в эффективные. По нашим подсчетам, речь шла о росте выручки канала на миллионы рублей в месяц.
Почему решили разрабатывать собственную систему аналитики
Мы изучили несколько готовых решений, но все они не были адаптированы под бизнес-модель Банки.ру. Как правило, решения подходили e-commerce компаниям, где иначе устроен путь пользователя: например, клиент просматривает товары, добавляет в корзину, а если покупка не оформлена, то система должна напомнить ему об этом.
В нашем случае воронка устроена по-разному для каждого продукта: кредита, страхового полиса, вклада. Так, в случае с кредитом есть несколько этапов заполнения анкеты, а затем заявку могут одобрить или отклонить. Поэтому клиенты подают сразу несколько заявок. Соответственно, и воронку нужно анализировать по-другому: с учетом продукта и стратегии поведения клиента.
Под наши задачи нужны были серьезные доработки готовых решений, которые потребовали бы дополнительных затрат. Мы понимали, что в процессе возникнут запросы на дальнейшее улучшение продукта и затраты на доработку будут не разовыми.
Оценили затраты на разработку собственной системы: проанализировали, какие отчеты хотим получить на первом этапе и сколько ресурсов на это потребуется. На тот момент разработка собственной системы получалась дешевле, чем покупка готового решения с минимально необходимыми доработками. Но мы понимали, что будем расширять команду и собственные затраты существенно вырастут. При этом выросли бы и затраты на готовое решение: бизнес платит за объем данных, который проходит через систему, а у нас этот объем постоянно рос.
На решение повлияло и то, что весь бизнес Банки.ру строится вокруг данных о пользователях и аналитики. Мы не хотели отдавать ее стороннему разработчику — это сделало бы нас менее гибкими и более зависимыми. Создавать собственное решение было дольше, но мы решили запускать систему по частям, чтобы ускорить процесс.
Какие ресурсы потребовались для создания системы: сотрудники, ИТ
В 2018 году, на старте проекта, им занимался один BI-аналитик, директор по маркетингу и руководитель перформанс-маркетинга. Задачи выполняли разработчики Банки.ру, собственной команды у продукта не было. Мы договорились, что одна из команд будет тратить на наш проект 30% времени, но спустя примерно три месяца стало понятно, что ресурса не хватает и нам нужен собственный инженер на полную занятость. В команду наняли первого разработчика и веб-аналитика.
К началу 2023 года у нас в команде аналитики уже больше 20 сотрудников:
— руководитель аналитики,
— project manager,
— BI-аналитики,
— веб-аналитики,
— продуктовые аналитики,
— собственная команда разработки.
Чтобы сводить все данные в отчеты, выстроили систему, которая объединяет и интерпретирует информацию.
Как устроено хранение данных в Банки.ру
Все данные для отчетов находятся в хранилище. Туда они попадают как из внутренних сервисов, так и с внешних платформ, в том числе «Яндекса», Google, MyTarget и других. Собираем информацию с помощью системы Pentaho DI.
Хранилище — это комплекс систем PostgreSQL, Google Big Query и ClickHouse. Например, в хранилище находится информация о поведении пользователей на сайте, результаты рекламных кампаний и коммуникации с пользователями.
С помощью собственных решений отслеживаем аномалии в данных, результаты по конкретным показателям, например по конверсии сайта. Если система замечает отклонение, то она отправляет уведомление в мессенджер Slack.
Финальные отчеты команда смотрит в Tableau.
Как пришли от отчетов для маркетинга к отчетам для всех команд
В 2018–2019 годах из всех маркетинговых каналов мы больше всего тратили на контекстную рекламу, поэтому отчеты о ее эффективности мы подготовили первыми. Это заняло у нас около полутора месяцев.
Отчет по контекстной рекламе в 2023 году. Данные скрыли
После презентации отчета о контекстной рекламе перед всей компанией к аналитикам пришли заказчики из других команд. Например, они хотели собирать отчеты по плану и фактическому уровню продаж для каждого продукта, а еще об установках мобильного приложения или о том, какие статьи в бренд-медиа приводят больше всего лидов.
На подготовку одного отчета с нуля у нас уходило от нескольких дней до нескольких месяцев. Сложнее всего было создавать отчеты о рекламе в соцсетях из-за сложной интеграции: мы могли несколько недель ожидать ответа от их службы поддержки.
Чтобы создать отчет, заказчик должен подготовить ТЗ: описать, какие данные и откуда он берет, как объединяет. Указать, на какие показатели смотрит и каких ему не хватает. После этого к работе подключается аналитик и ищет, с помощью каких инструментов мы можем выгружать данные в хранилище. Он может предложить улучшения: какие метрики можно добавить, как лучше визуализировать данные. Например, в отчетах был показатель «процент выполнения плана продаж». Аналитики добавили еще один: сколько осталось до выполнения плана. Оказалось, что это хорошо мотивирует команду.
Сейчас у нас есть такие группы отчетов:
- продвижение в перформанс-каналах,
- CRM,
- собственные продукты и сервисы,
- партнеры,
- мобильное приложение,
- конкуренты.
Как благодаря системе аналитики изменились бизнес-процессы
В 2023 году у Банки.ру больше 200 видов отчетов. Данными аналитики пользуются больше 120 человек в компании, а всего в Банки.ру работают более 300 человек.
Так, если раньше менеджер по контекстной рекламе тратил два часа на подготовку отчета, то сейчас ему достаточно зайти в Tableau, чтобы изучить данные и заняться оптимизацией кампаний.
Поскольку с 2018 года прошло много времени, а все изменения мы вводили поэтапно, нам сложно атрибутировать положительные результаты конкретно к системе аналитики. Но благодаря аналитике получили более подробные данные и изменили многие бизнес-процессы. Опишу несколько новых возможностей.
Запускаем рекламную кампанию → отслеживаем результаты → оперативно вносим изменения
Например, запускаем рекламные кампании по ОСАГО в контекстной рекламе и paid social. Анализируем и сравниваем между собой показатели по отдельным кампаниям, отключаем те, которые не приносят конверсии, вкладываемся в те, где результаты выше.
Отправляем более персонализированные рассылки
До запуска системы аналитики мы отправляли email-коммуникации и отслеживали такие базовые показатели, как OR и CR. Но мы не могли отследить, как действуют клиенты после перехода на сайт или в приложение, какими продуктами интересуются. Поэтому коммуникации в основном были массовыми.
Сейчас мы сокращаем количество массовых рассылок и промоакций, развиваем триггерные. Добавляем в письма персонализацию.
Изменили стратегию бренд-медиа
У нас есть собственное бренд-медиа, где мы публикуем материалы о финансовых продуктах и новости рынка. Система аналитики отслеживает пользовательские пути у нас на сайте, в том числе то, какие материалы и на какие темы пользователи чаще открывают, какие дочитывают до конца, откуда переходят на страницы продуктов. Это помогает выстраивать контент-план и, как результат, увеличивать трафик в медиа.
-
в 3
раза увеличили трафик бренд-медиа, проанализировав поведение читателей
Например, благодаря аналитике отдел медиа увеличил количество авторских материалов по ключевым финансовым продуктам, отказался от освещения ряда инфоповодов в новостях, которые не вызывали интереса у аудитории. Это помогло увеличить трафик медиа в три раза в 2022 году без расширения штата авторов.
Запустили внутренний скоринг пользователей
За четыре года с момента запуска системы аналитики у нас накопилась информация о том, какие люди пользуются нашими сервисами, какие продукты оформляют и получают ли одобрения. Благодаря этому мы смогли создать модель на машинном обучении и запустить систему рекомендаций.
Система самостоятельно проводит скоринг и анализ пользователей с учетом их данных. Например, если посетитель интересуется кредитами, то он может заполнить анкету: туда надо ввести стандартную информацию для получения займа, в том числе о доходе и работе. После этого система подберет банки и микрофинансовые организации, которые с большей вероятностью одобрят кредит.
