Краткий отчет 3 сем. Доклад по теме исследования 12 Выводы иили рекомендации по итогам прохождения практики 20

Название	Доклад по теме исследования 12 Выводы иили рекомендации по итогам прохождения практики 20
Дата	10.04.2022
Размер	1.63 Mb.
Формат файла
Имя файла	Краткий отчет 3 сем.docx
Тип	Доклад #460299
страница	3 из 5

1 2 3 4 5

Доклад по теме исследования

АНАЛИЗ МОДЕЛЕЙ ПОСТРОЕНИЯ И АНАЛИТИКИ ВОРОНОК ПРОДАЖ
Аннотация В статье анализ моделей построения и аналитики воронок продаж. Сделан вывод о том, что, зная карту пути потенциального клиента или уже существующего, можно построить воронку продаж. Зная все этапы можно максимально подробно выстроить систему анализа работы компании, рассчитать стоимость каждого этапа, его эффективность. Проведя анализ этапов воронки продаж, можно изменять бизнес-процессы компании. Более того, современные компании выстраивают воронку продаж не только исходя из того, какие действия хочет совершать клиент, а также исходя из того, какие действия должен совершать клиент по желанию компании. Воронка продаж может способствовать построению максимально эффективного пути работы с клиентом. И выгода будет как для клиента, так и для компании, экономя время и деньги обеих сторон процесса.
Ключевые слова: Воронка продаж, аналитика, большие данные, бизнес-процессы, CRM системы, Яндекс.Метрика, Google Analytics, Power BI.
Abstract. The article analyzes the models for building and analyzing sales funnels. It was concluded that, knowing the path map of a potential customer or an existing one, you can build a sales funnel. Knowing all the stages, you can build a system for analyzing the company's work in as much detail as possible, calculate the cost of each stage, its effectiveness. After analyzing the stages of the sales funnel, you can change the business processes of the company. Moreover, modern companies build a sales funnel not only on the basis of what actions the client wants to perform, but also on the basis of what actions the client should take at the request of the company. A sales funnel can help you build the most effective customer journey. And the benefits will be for both the client and the company, saving time and money on both sides of the process.
Keywords: Sales funnel, analytics, big data, business processes, CRM systems, Yandex.Metrica, Google Analytics, Power BI.
Любая организация – набор определенных бизнес-процессов, которые формируются тем путем, который формирует покупатель от ознакомления до покупки. И все бизнес-процессы необходимо анализировать на предмет надобности и эффективности, затрат на реализацию и получения потенциальной прибыли. Для этого существую воронки продаж, которые позволяют определить экономическую эффективность того или иного предприятия.

Этап аналитики воронок продаж бесспорно является очень важным. Именно благодаря аналитике можно изменить, улучшить, добавить или убрать некоторые процессы внутри любой компании [6, с. 90]. Именно благодаря аналитике можно понять, какой путь совершает клиент для заключения сделки. Можно понять, какой путь клиента компания хочет создать с целью упрощения как внутренних бизнес-процессов компании, так и внешних, в основном связанных с клиентом и партнерами [4, с. 69].

Наиболее популярными системами аналитики воронок продаж являются CRM системы, а также различные программные сервисы, узкой направленности, такие как, например, Google Analytics, Яндекс.Метрика и др. Стоит отметить, что система должна быть максимально доступной и понятной, легко настраиваемой и гибкой для нестандартных задач бизнеса [6, с. 90].

Яндекс.Метрика – это инструмент веб-аналитики, который помогает получать наглядные отчеты, видеозаписи действий посетителей, отслеживать источники трафика и оценивать эффективность онлайн- и офлайн-рекламы. Как я уже описывал ранее, этот инструмент имеет очень узкую направленность. В основном Яндекс.Метрика используется для анализа работы рекламы внутри поискового сервиса Яндекс. Однако этот инструмент не позволяет увидеть все процессы компании и выстроить воронку согласно всей карты пути потенциального или уже существующего клиента. Как видно из рисунка 1,

Рисунок 1 – Яндекс.Метрика в демонстрационном режиме¹

Работа ЯМ осуществляется с помощью специального счетчика, который устанавливается на сайт и который собирает всю информацию о трафике (откуда пришел посетитель, какие действия выполнял, какими характеристиками обладает и т. д.).

Сам счетчик представляет собой небольшой фрагмент кода. Он вписывается в код html-страницы [3, с. 46]. На практике чаще всего он добавляется в шапку сайта (между открывающим и закрывающим тегами head). Это позволяет ему загружаться сразу при посещении страницы и собирать всю необходимую информацию. Если же счетчик разместить, допустим, в конце html-документа (в футере), он может не успеть загрузиться до того, как пользователь закроет вкладку. И никаких данных о таком визите не соберет.

Помимо отслеживания базовых показателей (кликабельность, конверсия, глубина просмотров и пр.) «Яндекс.Метрика» умеет отслеживать конкретные цели [7, с. 366]. Целью называется целевое действие посетителя. Каждый вебмастер сам определяет, какие именно действия для него будут являться целью. Например, для интернет-магазина это может быть добавление товара в корзину или попадание пользователя на страницу «Спасибо за покупку!». Для информационного портала целью может быть переход пользователя по ссылке, размещенной в статье. Целей может быть много. Одни отслеживают конверсии и продажи, другие – поведение пользователей, а третьи и вовсе используются для сбора аудиторий ретаргетинга [2, с. 36].

О преимуществах сервиса «Яндекс.Метрика» стоит говорить в контексте сравнения с другой системой веб-аналитики. Ее наиболее явным конкурентом среди русскоязычных вебмастеров является Google Analytics (GA). Именно с ним и будет проводиться сравнение. Итак, преимущества ЯМ следующие [5, с. 9]:

более широкие возможности сегментации аудитории по различным параметрам;
настройка целей осуществляется проще;
ЯМ обладает вебвизором, что позволяет гораздо эффективнее анализировать поведение посетителей;
«Метрика» лучше анализирует трафик из «Яндекса»: данные более точные (хотя GA лучше анализирует гугловский трафик).

Последний пункт будет являться преимуществом только для тех веб-ресурсов, которые получают основную долю трафика именно из поисковой системы «Яндекс». Но, несмотря на преимущества «Метрики» над Analytics, назвать ее однозначно лучшей нельзя. У GA есть и свои достоинства. В итоге плюсы одного сервиса компенсируют минусы другого, и наоборот. Большинство же специалистов сходятся во мнении, что наилучший вариант – это использование обоих сервисов сразу. Это позволяет получить более точную картину происходящего [1, с. 109].

Google Analytics – это аналитический сервис от поисковой системы Google, который собирает статистику о посетителях сайта после установки на нем специального счетчика. Бесплатная версия системы по функционалу подходит даже для решения масштабных задач.

Гугл Аналитикс обрабатывает полученную с сайта информацию, показывая в отчетах данные о посещениях, конверсиях, геолокации, провайдере, источнике трафика, операционной системе и других параметрах. Сервис включает в себя десятки фильтров, около 100 видов отчетов и множество опций, что позволяет настроить аналитику для проекта любой сложности [4, с. 71].

Сервис предлагает два типа данных – параметры и метрики. Инструментами аналитики измеряются различные параметры посещений. К ним относятся: геолокация пользователя, источник трафика и многое другое. Эта информация располагается в левом столбце отчета. Метрики показывают числовые значения измеряемых параметров. Например, процент отказов, длительность сеанса, количество пользователей и другие данные.

В Гугл Аналитикс все отчеты кастомизируются, то есть настраиваются под конкретные задачи проекта. Любой фильтр легко добавить и также просто удалить из таблицы. Метрик и параметров в системе около 300 видов, поэтому рассмотрим только основные:

Источники трафика (Acquisition). Инструмент фиксирует трафик, поступающий на сайт с различных источников (source) и каналов (medium). Эти метрики помогают анализировать количество посещений [3, с. 25];

Поведенческие факторы (Behavior). Отчет показывает вовлеченность посетителей в проект, что помогает косвенно определить успешность проекта. Основные замеры здесь – показатель отказов, средняя длительность сеанса, количество просмотренных страниц за одно посещение, события/действия пользователя. Конверсии (Conversions) [6, с. 91]. Данные, которые показывают эффективность сайта в процессе убеждения посетителя совершить целевое действие – позвонить, отправить заявку, купить, заказать консультацию и другое. Главные метрики – количество достигнутых целей, коэффициент конверсии, ROI.

Эту «троицу» инструментов Google Analytics чаще других используют в работе, поэтому они получили сокращенное название – метрики ABC.

Рисунок 2 – Пример аналитики Google Analytics²

Возникает логичный вопрос необходимости в целом такого инструментаБолее того, в узкоспециализированных инструментах есть свой плюс – глубокая аналитика. Дело в том, что другие системы и сервисы анализа воронок продаж часто не позволяют проводить столь глубокий анализ работы не только самой рекламы, но и работы сайта, как витриной магазина, любой компании в интернете. Дело в том, что данные сервисы могут быть интегрированы в другие, например, в CRM системы, что в свою очередь уже позволит более точно определить эффективность воронки продаж [1, с. 108].

CRM помогает сделать процесс общения с покупателем удобнее: для каждого клиента заводится карточка с деталями заказов, во время звонка она автоматически открывается [5, с. 9]. Весь процесс от звонка до заказа фиксируется системой и сотрудником.

Для того, чтобы охватить все данные, можно использовать 1С. Система включат в себя большое количество сервисов, в том числе CRM и аналитику.

Чтобы настроить воронку, нужно перейти в раздел «CRM и маркетинг», затем кликнуть на гиперссылку «Отчёты по CRM и маркетингу», «Воронка продаж» (рисунок 3).

Преимущество 1С в том, что это интуитивная система, в которой можно разобраться самостоятельно или быстро найти специалиста поддержки.

Рисунок 3 – Возможность для аналитики воронки продаж в 1С³

Для работы небольшой компании или стартапа можно использовать и другие сервисы. Создать воронку продаж можно и другими способами: с помощью отдельных сервисов для небольших компаний или стартапов, например Draw.io, «Битрикс» или специальных платформ для автоворонок [8, с. 22].

Draw.io – бесплатное приложение для google-диска, которое позволяет создавать различные графические элементы. Вы можете сделать не только воронку, но и схему. Приложение подойдёт для презентаций и сможет заменить Excel [7, с. 365].

«Битрикс» – это СRM-система поддержки сайта, а также платформа для постановки задач и коммуникации с сотрудниками. В ней возможна интеграция с другими сервисами, в том числе с 1С. Этой программой могут бесплатно пользоваться до 12 человек [2, с. 36].

Существуют платформы для автоворонок – это сервисы, для настройки которых нужно потратить 30 минут, а потом уже воронка «действует» самостоятельно. Такие платформы интегрируются с другими программами. Минус подобных систем – высокая цена.

В любом случае выбор того или иного обеспечения лежит исключительно на лице принимающим решение в той или иной компании. Возможно будет использован только подход к аналитике с помощью сервисов Яндекс.Метрика или Google Analytics. Возможно это будет комбинация из нескольких сервисов. А для кого-то подойдет одна из CRM систем. Выбор индивидуален. Опираться нужно на цели компании, средства для покупки различных систем и найма сотрудников, их обучения. Ценность каждой системы должна отражаться прежде всего на эффективность по управлению бизнес-процессов компании, которые в свою очередь должны быть построены от карты пути клиента и способствовать упрощению работы как с клиентом потенциальным или уже существующим, так и клиенту с компанией.

Список литературы

Алхасова И.В., Илюхина А.С. Обзор и сравнение облачных CRM-Систем. / Актуальные проблемы преподавания информационных и естественно-научных дисциплин материалы ХII Всероссийской научно-методической конференции. Министерство образования и науки Российской Федерации; Костромской государственный университет. – М.: 2018. С. 108-112.
Григорьев, А. А. Методы и алгоритмы обработки данных: учебное пособие / А. А. Григорьев, Е. А. Исаев. – 2-е изд., перераб. и доп. – Москва: ИНФРА-М, 2020. – 383 с.
Дадян, Э. Г. Данные: хранение и обработка: учебник / Э. Г. Дадян. – Москва: ИНФРА-М, 2020. – 205 с.
Ерохин В.В., Каталов Д.Н. Автоматизация управления продажами с анализом поведения клиентов. / Вестник современных исследований. – М.: 2019. № 3.13 (30). С. 68-77.
Трофимов И.Е. Повышение эффективности сайта, используя данные инструментов Яндекс.Метрики / И.Е. Трофимов, Я.А. Берёза // Информационно-телекоммуникационные системы и технологии (ИТСИТ-2017): материалы Всероссийской научно-практической конференции. – Кемерово: Кузбасский государственный технический университет имени Т.Ф. Горбачева, 2017. – С. 8-11.
Чернозуб С. П. Идеология открытой науки и перспективы блокчейна / С. П. Чернозуб // Обществ. науки и современность. – 2018. – № 6. – С. 87-97.
Шаповалова В.В. Выбор метода прогнозирования продаж для малых и средних предприятий. / Материалы I Открытого российского статистического конгресса. – М.: 2015. С. 365-366.
Stepanov P.N. Advanced analytics modeling for modern organization sales department needs. / International Scientific Review. 2017. № 8 (39). С. 21-24.

1 2 3 4 5