Атрибуция на основе воронки для SaaS B2B бизнесов — как мы считали ценность всех усилий маркетинга +7


Хочу поделиться тем, как мы решали проблему с оцениванием эффективности маркетинга и в итоге разработали свою модель атрибуции.

Атрибуция – это то, как конверсии и ценность этих конверсий распределяется между разными источниками трафика. Например, в Google Analytics по умолчанию используется модель атрибуции по последнему непрямому клику. То есть, 100% ценности будет присвоено последнему каналу в цепочке взаимодействий, который был до прямого перехода. Недостаток этой модели в том, что так мы не знаем, насколько велика роль других каналов – если мы от них откажется, то с какой вероятностью покупка все таки произойдет?

Наша компания – типичный представитель SaaS для В2В. То есть trial, ежемесячная подписка, несколько тарифов. В таких бизнесах воронка, по которой проходит пользователь, нелинейная, со множеством шагов, которые невозможно отследить на сайте. Например, проведение демо, персональные письма, звонки, встречи, конференции. Часть задач из этого списка закрывает отдел продаж, часть – маркетинг или поддержки клиентов и важно оценить вклад каждого из них. У себя мы выделили пять основных зон ответственности:

  • Маркетинг
  • Мероприятия
  • Продажи
  • Поддержка клиентов (Customer success и Support)
  • Разработка продукта

Надо было понять, сколько прибыли приносит каждый отдел, на что стоит выделять больше времени и денег, а от чего отказаться. Для этого нужно оценить эффективность приложенных усилий. Усилиями мы называем абсолютно все действия, направленные на получение дохода: размещение контекстной рекламы, проведение вебинаров, встречи с клиентами и т.д.

Что атрибутировать?


У B2C проектов ответ на этот вопрос очевидный. Если бизнес транзакционный, то атрибутируется доход с каждой транзакции. Если нетранзакционный — количество конверсий.
Решая, что атрибутировать, мы рассмотрели несколько вариантов:

Первый платеж


От этого варианта отказались, потому что он не подходит для подписочного сервиса, которому важно учитывать не только первую оплату, но и все последующие. Кроме того, усилия направленные на привлечение клиентов (первые платежи) и на удержание клиентов (повторные платежи) — это зоны ответственности разных команд, которые мы хотим оценивать отдельно.

LTV или прогнозируемый LTV


Эти варианты лучше, но LTV становится достоверно известным только после того, как клиент перестал пользоваться сервисом. А прогнозируемый LTV — нестабильный и не совсем точный показатель, он сильно зависит от размера компании и от того, какой тарифный план выберет клиент. Поэтому мы остановились на третьем варианте.

Прогнозируемый LTV минус полученные за все время платежи


Мы берем прогнозируемый LTV и вычитаем из него ценности уже полученных платежей. Например, если прогнозируемый LTV клиента $1000, ежемесячно он платит нам по $100 в месяц и уже заплатил 3 раза, то ценность первого платежа будет равна $700 т.е. $1000 — (3x$100). Через 6 месяцев для этого же клиента на первый платеж будет атрибутироваться уже $400, т.е. $1000 — (6x$100).

На что и как атрибутировать?


Важная проверка для любой модели атрибуции: общий атрибутированный доход должен быть равен тому доходу, который реально получил бизнес.

Например, ассоциированные конверсии или одновременное использование моделей атрибуции по первому и по последнему клику страдают таким недостатком: один и тот же доход атрибутируют несколько раз. Поэтому перед оценкой нам было важно объединить абсолютно все усилия бизнеса и уже на них атрибутировать реальный доход.

Сделать отдельные модели, которые распределяют доход между продажами, потом между маркетингом и так далее, было бы неправильно. Потому что руководитель отдела продаж может распределять доход от привлеченных сделок по своим сотрудникам, а руководитель маркетинга — по своим. В результате все молодцы, только атрибутировано снова больше, чем заработано.

Пришлось классифицировать усилия внутри зон ответственности и для каждой из зон выделить все события из жизни клиента. В результате получилось около сорока событий в пяти категориях — вот примеры некоторых их них:

Маркетинг: SMM, контент-маркетинг, вебинары, платная реклама, еmail-маркетинг, PR
Мероприятия: покупка билетов, посещение сайта конференции
Продажи: демо, персональные письма, звонки, встречи, чаты
Продукт: Trial, Freemium, остальные наши продукты
Поддержка клиентов: персональные письма, ответы на обращения клиентов, чаты, встречи

Так выглядит фрагмент воронки в нашей модели атрибуции:



Технически самый сложный этап — это объединение данных, потому что события, которые мы выделили, собираются не только в Google Analytics, а в самых разных системах: SalesForce, Intercom, Gmail, Calendar, сайты конференций.

Этот вопрос мы решили таким образом:

  1. Мы уже собирали данные из всех этих систем в единое хранилище Google BigQuery.
  2. У нас есть межсайтовая кука, с помощью которой можно отследить пересечение аудитории между разными сайтами — продуктовые страницы, маркетинговые страницы, сайты конференций — даже если не было прямого перехода с одного сайта на другой.
  3. Есть возможность анализировать события на уровне проекта (Account based vs User based). Кроме User ID, мы отслеживаем Project ID и собираем последовательные цепочки событий в рамках проекта. Потому что в B2B бизнесе часто бывает, что по воронке начинает двигаться один пользователь, потом подключается другой, а затем приходит третий и оплачивает.

Что касается логики распределения ценности, то мы использовали свою модель атрибуции на основе воронки. Она хорошо ложится на событийные цепочки. Если коротко, то мы собираем все возможные варианты прохождения воронки. Затем считаем вероятности всех возможных переходов между событиями (шагами воронки) и распределяем ценность по принципу: чем сложнее пройти шаг, тем ценнее усилия, которые провели через него пользователя.

Что в итоге


В результате мы сформулировали ответы на вопрос «Как приложенные усилия влияют на текущий результат?» в виде нескольких таблиц и дашборда.

Для расчета ROI всех направлений, кроме ценности, нам нужны были расходы. В расходы мы записывали зарплаты и дополнительные траты. Например, у маркетинга это платная реклама, а у продукта — техническая инфраструктура.

Еще мы поняли, что необходимо учитывать прогнозируемый доход и расходы. Дело в том, что в B2B цикл продажи очень продолжительный — во многих случаях с момента первого касания до конверсии проходят месяцы. Поэтому, если смотреть ценность усилий последних месяцев, может сложиться впечатление, что всё плохо. Это впечатление ложное, так как большая доля этих усилий дала вклад в конверсии, которые еще не случились.

Вот отчеты, которые у нас получились в итоге. Все числа на скриншотах приведены для примера и не являются реальными.

1. Доходы и расходы по зонам ответственности и месяцам:



Эта сводная таблица показывает, как распределены расходы, запланированные расходы, доход и прогнозируемый доход по зонам ответственности и месяцам. Нам важно учитывать прогнозируемый доход, так как цикл продаж длинный — без этого вклад усилий, направленных на привлечение пользователей в верх воронки, всегда бы очень недооценивался.

Эта таблица помогает сравнивать прогнозируемый доход и полученный по факту. Чем выше по воронке направлено усилие, тем больше прогнозируемого дохода оно приносит.

2. ROI по зонам ответственности:



В другой сводной таблице, построенной на тех же данных, мы видим кроме общего дохода и расходов, ROI каждого отдела. ROI показывает рентабельность каждого направления с учетом их вкладка по всей воронке продаж. В нашем примере ROI усилий отдела продаж оказался отрицательным. Учитывая это, можно пересмотреть инвестиции в этот отдел.

Эти отчеты помогают увидеть, сколько мы заработаем, приложив определенные усилия в маркетинге, продажах и т.д. Благодаря этому можно моделировать результаты в зависимости от бюджета. При этом есть некоторые ограничения, например, мы не можем тратить меньше на продукт.

3. Фактическая и прогнозируемая ценность усилий:



Этот дашборд собирает информацию из предыдущих таблиц. Из него видны все ключевые метрики: доход, прогнозируемый доход, расходы, запланированные расходы и ROI. График вверху показывает эти же метрики (кроме ROI) по месяцам. На круговых диаграммах отображено распределение дохода по зона ответственности. Столбцовая диаграмма дает понять, как распределился ROI по зонам ответственности.

Обратите внимание, что в каждом следующем месяце доля прогнозируемого дохода (светло-зеленый цвет в верхнем графике) больше, но со временем данные уточняются и бо?льшую долю займет фактический доход.

Резюме


  1. Мы получили одну модель атрибуции, которая оценивает эффективность всех усилий бизнеса: маркетинг, продажи, продукт, мероприятия и сustomer success. Это важно, потому что если оценивать каждое направление по отдельности (только маркетинг или только продажи), то атрибутируется дохода больше, чем мы получаем на самом деле. При этом одна модель позволяет увидеть как высокоуровневую картину, так и детали по каждому отделу.
  2. Мы убедились, что оценить можно только то, что поддается измерению. Например, в первых версиях нашей модели недооценивались некоторые усилия отдела продаж, которые не отслеживались. В итоге мы оцифровали бо?льшую часть действий этого отдела: все письма клиентам, встречи и созвоны.
  3. Мы пришли к выводу, что из-за длинного цикла продаж и помесячной оплаты нам важно учитывать прогнозируемый доход. Потому что текущие действия приведут к результату только спустя время. Мы тратим много усилий на конверсию в первый платеж, но потом клиенты остаются с нами надолго.
  4. После оценки эффективности отделов важно учесть емкость каналов, чтобы понять, куда продолжать вкладывать деньги и время, а куда не стоит. Если какое-то из направлений оказывается рентабельным, нужно задаться вопросом — насколько оно масштабируется, то есть насколько сейчас исчерпана емкость этого канала. В нашем случае так же, как и в классической оценке маркетинговых усилий, есть точка, после которой увеличение расхода на канал перестанет давать дополнительный доход и приведет только к удорожанию этого канала.




К сожалению, не доступен сервер mySQL