Кейсы

Сквозная маркетинговая аналитика в режиме self-service для YouTravel

YouTravel — это маркетплейс авторских туров от тревел-экспертов и частных независимых гидов.

Задача

Наша задача – построить сквозной отчет от клика пользователя по рекламному объявлению до покупки, чтобы оценить эффективность маркетинговых кампаний.
  • Есть несколько рекламных кабинетов, из которых нужно собрать затраты на рекламные кампании: Facebook, Yandex.Direct, Google Adwords, Vkontakte. Также есть затраты на маркетинг, которые не проходят через рекламные кабинеты, а ведутся в ручном справочнике.
  • Пользователи, которых привлекли с помощью рекламных кампаний, совершают покупку на сайте.
  • На сайте установлен Google Analytics, который фиксирует id пользователей, их UTM-метки и покупки.
Задача сквозной маркетинговой аналитики кажется стандартной, но в клиентском проекте есть несколько нюансов в бизнес-логике, из-за которых стандартные решения не подошли:
  • Из-за специфики маркетинговой стратегии требуется реализовать кастомную логику атрибуции.
  • Есть ряд особенностей бизнес-логики, которые нужно учитывать при выстраивании связи маркетинговых каналов с покупками: например, языки пользователей.

ПРОЦЕСС

Скачивание "сырых" данных

В качестве хранилища данных мы используем BigQuery. Источников данных у нас девять.
Для загрузки данных мы применяем open-source стек Singer и Meltano, а для их преобразования — DBT.
В процессе анализа мы выделяем в данных:
  • анкеры — ключевые сущности предметной области (например, Пользователь, Визит, Рекламная кампания);
  • атрибуты — характеристики анкеров (например, Имя пользователя, Дата визита, Название рекламной кампании);
  • линки — связи между анкерами (например, «Пользователь сделал Заказ»).

Мы сразу документируем найденные анкеры, атрибуты и линки в Excel-файле, то есть описание финальных данных появляется раньше реализации.

Моделирование данных

Для проектирования модели предметной области мы применяем минимальное моделирование. Это подход, который помогает одновременно изучить структуру данных и задокументировать ее.

Сбор витрины для Self-Service аналитики

Для отчетности мы используем бесплатный инструмент с открытым исходным кодом — Metabase.

В модели данных Metabase можно создать словарь метрик, который будет доступен бизнес-пользователям при построении отчетов.

Добавление новых метрик не требует программирования и доступно всем пользователям Metabase.

Финальный отчет

Все данные собраны, метрики определены, и мы приступаем к сборке финального отчета.
Мы делаем это без написания SQL, просто выбирая данные в Metabase.

Документация по проекту

Под конец проекта мы приводим в порядок документацию. Это просто, поскольку все данные мы описали в самом начале проекта — на этапе моделирования данных. Проверяем опечатки и устраняем расхождения, возникшие при реализации.

Дополнительно всю документацию мы перенесли в Notion для удобства и эстетики.

РЕЗУЛЬТАТЫ И ВЫВОДЫ

В ходе проекта мы реализовали для заказчика отчетность по сквозной маркетинговой аналитике. Данные стали доступны бизнес-пользователям в режиме self-service аналитики.
Благодаря применению концепций минимального моделирования, мы получили ряд важных следствий.
  • Данные полностью документированы, и актуальность документации поддерживается "по мере построения". Для бизнес-пользователей данные доступны в режиме self-service аналитики.

  • Благодаря независимой реализации каждого атрибута, в отчеты легко добавлять дополнительные данные и разрезы (например, для реализации альтернативной модели атрибуции достаточно добавить один атрибут).

  • Аналитики, которые подключатся к проекту в будущем, смогут легко отследить логику трансформации данных и вносить изменения в проект.
Подробнее о реализации этого проекта читайте в нашей статье.
⭐️ Маркетинговая аналитика