Маркетинговая аналитика с ИИ

Сквозная аналитика — это не «все цифры сходятся». Это «понятно, какие цифры должны сходиться, какие могут расходиться, и почему». Если расхождение объяснимо методикой — это не ошибка. Если расхождение — из-за пропуска данных или ошибки интеграции — это ошибка, которую нужно исправлять. Различать эти два случая — задача аналитика. Глава 6 подробно разбирает, как проверять качество данных; здесь — главное: единство данных достигается через единство методики, а не через принудительное сведение.

Ограничения и риски

Сквозная аналитика в МСБ — всегда компромисс между точностью и затратами. Идеальная сквозная аналитика с единым ID пользователя через личный кабинет стоит дорого и требует разработки. Приемлемая — через UTM, email и телефон — стоит недорого, но имеет погрешность 5–10%. Аналитик должен знать, в каком диапазоне погрешности он работает, и не делать выводов, требующих точности выше этого диапазона. Например, если ROMI по каналу — 180%, а погрешность — 10%, то реальный ROMI — в диапазоне 162–198%; вывод «канал работает» корректен. Если ROMI — 102%, а погрешность — 10%, реальный — в диапазоне 92–112%; вывод «работает» — уже не корректен, потому что возможна зона убытка.

Главный риск — переоценка точности. Собственник видит в отчёте «ROMI по Директу — 215%», и принимает решение увеличить бюджет. Если реальный ROMI с учётом погрешности — 180%, всё ещё выгодно. Если реальный — 165%, тоже выгодно. Но если в отчёте «ROMI 215%» за счёт того, что не учли возвраты и скидки, реальный — 95%, решение «увеличить бюджет» — убыток. Поэтому критически важные решения нужно проверять двумя способами: по данным сквозной аналитики и по данным финансовой системы. Если они существенно расходятся — останавливаемся и разбираемся.

Краткие выводы

Ключевые тезисы главы 5

— Сквозная аналитика — это связывание событий в разных системах через общие идентификаторы.

— UTM-метки — основной язык связи рекламы и сайта. Без них аналитика каналов невозможна.

— Дедупликация по нормализованному телефону или email — обязательна; без неё CAC и LTV неточны.

— Единые справочники — дисциплинарная задача, не техническая.

— Цепь обрывается там, где идентификатор не передаётся. Найти обрыв — задача аналитика.

— Сквозная аналитика не означает, что все цифры сходятся. Это означает, что понятно, какие должны сходиться и почему.

— Точность сквозной аналитики в МСБ — обычно ±5–10%. Выводы должны учитывать эту погрешность.

Практическое задание

Постройте цепочку идентификаторов для вашей компании: показ → клик → визит → лид → сделка → платёж. Для каждого перехода отметьте, передаётся ли идентификатор. Найдите место обрыва. Оцените, какой процент событий проходит всю цепочку. Если меньше 70% — это приоритет №1 для исправления. Если больше 90% — можно переходить к следующей главе. Между 70% и 90% — определите, какой процент событий не доходит до конца, и решите, является ли потеря критичной для ключевых решений.

Глава 6. Качество данных: мусор на входе — ошибки на выходе

Аналитик не начинает с анализа. Аналитик начинает с проверки данных. Это скучная истина, которую приходится повторять каждому, кто хочет построить работающую аналитику. Любой вывод, основанный на непроверенных данных, — это в лучшем случае догадка, в худшем — управленческое решение, основанное на ошибке. Эта глава — про то, какие бывают проблемы с качеством данных, как их находить и как выстроить регулярную проверку.

Пропуски: что мы не видим

Пропуск — это событие, которое произошло, но не зафиксировано в данных. Пропуски бывают двух типов: явные (поле пустое) и скрытые (поле заполнено, но значение «неизвестно» или дефолтное). С явными пропусками проще — видно, что данных нет. Со скрытыми сложнее: поле «источник» заполнено значением «другое» — это может означать реальный канал «другое», а может — «менеджер не разметил». Различать эти два случая — задача аналитика.

В «Дом и Сад» в поле «источник» в CRM у 23% заявок стояло «неизвестно». Собственник считал, что это нормально. Когда мы попросили менеджеров в течение недели проставлять источник каждому лиду (хотя бы приблизительно), доля «неизвестно» упала до 7%. Остальные 16% — это были реальные каналы: Instagram-реклама, посевы в Telegram-каналах, рекомендации. Без них аналитика каналов была неточной на 23%. После разметки — стала неточной на 7%, что приемлемо для управленческих выводов.

Как находить пропуски

Базовая проверка — по доле заполнения каждого поля. Для каждого ключевого поля в CRM (источник, продукт, причина отказа, менеджер) считается: сколько записей имеют непустое значение? Если меньше 95% — это проблема. Если меньше 80% — это серьёзная проблема, с которой нельзя работать, пока не исправлено. Доля заполнения — самый простой и самый недооценённый показатель качества данных. ИИ-помощник может за минуту посчитать долю заполнения по всем полям и подсветить проблемные.

Дубликаты: одна и та же история дважды

Дубликаты — это повторяющиеся записи, которые на самом деле описывают одно событие или одного клиента. Бывают технические дубликаты (один и тот же лид создан дважды из-за ошибки интеграции) и человеческие (менеджер завёл нового клиента, который уже есть в базе). Технические решаются правилами дедупликации (глава 5), человеческие — обучением и регулярной проверкой. Дубликаты искажают все метрики: CAC, LTV, Retention, AOV — всё считается на основе «уникальных клиентов», и если клиент не уникальный, метрика неточна.

Простой способ проверить дубликаты — сгруппировать записи по «нормализованному телефону или email» и посмотреть, сколько групп имеют больше одной записи. Если доля групп с 2+ записями — больше 5%, база нуждается в дедупликации. После дедупликации нужно следить, чтобы CRM не позволяла создавать новый контакт с уже существующим телефоном/email без подтверждения. Это настройка в большинстве современных CRM.