Проектирование дашбордов для веб-аналитики e-commerce сайта. Часть 2: Email-рассылки. Стратегический дашборд +5


Email-каналом в e-commerce проектах пользуются давно. Почтовые рассылки запускают, чтобы оповестить клиентов о новых продуктах и новостях компании, рассказать о текущих и планируемых акциях, поделиться интересным контентом. Основными целями использования данного канала я считаю: увеличение среднего чека и числа заказов на клиента путем рассылки сопутствующих товаров, стимулирование импульсивных покупок через уникальные предложения и акции, повышение лояльности аудитории к продукту и “подогрев” аудитории за счет рассказа об уникальных торговых качествах продукта.


Почтовые рассылки

Предположим, что в компании результаты по email-рассылкам интересны трем персонам: директору по маркетингу (стратегический отчет), аналитику (аналитический отчет) и email-маркетологу (операционный отчет). Спроектируем дашборд по емейл-каналу для директора по маркетингу.

Дашборд будет отвечать на следующие вопросы:

  • Какова рентабельность и выручка с канала?
  • Можем ли увеличить прибыльность канала?
  • Какова ситуация с клиентами: не растет ли уровень отписок, наращиваем ли мы размер базы подписчиков?

Ключевые показатели эффективности


Финансовые показатели


Доля выручки с емейл-канала от всей выручки. Покажет, сколь значимую роль играет email-маркетинг по сравнению с другими каналами, стоит ли результат по нему наших усилий.
Средний чек. Покажет, увеличиваем ли мы средний чек заказа за счет акционных предложений. Правильно ли подбираем товары для контента писем — нет ли среди них слишком дешевых, оттягивающих все внимание во время просмотра письма на себя.
Выручка, Валовая прибыль (разница между выручкой и себестоимостью товара). Не теряем ли мы деньги из-за скидок, эффективны ли наши акции, покупают ли с рассылок высокомаржинальный товар.
Маржинальность (отношение валовой прибыли к выручке). Не было ли в каком-то месяце убыточной акции, повышаем ли мы маржинальность канала из месяца в месяц.
Число заказов.

Показатели почтовых рассылок


Доля отгрузок (отношение отгруженных заказов ко всем заказам). Показывает, насколько качественно мы обрабатываем заказы с емейл-рассылок. Могут быть случаи, когда менеджеры не оповещены о секретной акции, а заказы по этой акции приходят. В итоге клиенты ожидали одну стоимость товара и подарки, а на деле не получили. Отобразим в виде графика с динамикой долей распределения заказов по статусам.
Доля открытий. Сколько было уникальных открытий писем от всех доставленных писем. Показывает, насколько интересные и актуальные заголовки используются.
Доля переходов. Сколько было сеансов в день отправки письма от уникальных прочтений данного письма. Показывает, насколько заголовок соответствует содержанию письма, насколько интересный контент и подходящие товары используются.
Коэф конверсии. Сколько заказов было оформлено после перехода на сайт из письма. Отобразит состояние наших подписчиков и сайта: они хотят только посмотреть товары на сайте или же после перехода заинтересованы купить товар, удобен ли сайт для совершения покупки.

Лояльность базы


Доля спама, Доля отписок. Насколько сильно подписчики устали от наших писем, велика ли частота рассылки.
Размер базы подписчиков и ее динамика. Сколько подписчиков приходят к нам через какой способ подписки. Растет база подписчиков или уменьшается.

Выгрузка и расчеты в Power BI


Для подсчета показателей выше нам потребуется выгрузка из CRM с заказами, выгрузка из CRM с себестоимостью заказа, выгрузка из счетчика статистики (пусть это будет Google Analytics) с источником-каналом каждого заказа, выгрузка из ESP-системы с данными по промо и триггерным рассылкам.

Структура выгрузок



Для выгрузки из GA будем использовать кастомный коннектор к Google Analytics от Power BI, но для отсутствия сэмплирования пропишем собственную функцию, выгружающую данные по дням.

Текст функции для выгрузки источников заказов
let
    Источник = (date) => let
    Источник = GoogleAnalytics.Accounts(),
    #"***" = Источник{[Id="***"]}[Data],
    #"UA-***-2" = #"***"{[Id="UA-***-2"]}[Data],
    #"***" = #"UA-***-2"{[Id="***"]}[Data],
    #"Добавленные элементы" = Cube.Transform(#"***",
        {
            {Cube.AddAndExpandDimensionColumn, "ga:transactionId", {"ga:transactionId"}, {"Transaction ID"}},
            {Cube.AddAndExpandDimensionColumn, "ga:date", {"ga:date"}, {"Date"}},
            {Cube.AddAndExpandDimensionColumn, "ga:campaign", {"ga:campaign"}, {"Campaign"}},
            {Cube.AddAndExpandDimensionColumn, "ga:sourceMedium", {"ga:sourceMedium"}, {"Source / Medium"}},
            {Cube.AddMeasureColumn, "Transactions", "ga:transactions"}
        }),
        #"Строки с примененным фильтром" = Table.SelectRows(#"Добавленные элементы", each [Date] = date)
in
    #"Строки с примененным фильтром"
in
    Источник



Генерация колонки с датами и вызов функции
let
   x = Number.From(DateTime.LocalNow())-Number.From(#date(2017, 1, 1)),
   Source = List.Dates(#date(2017, 1, 1), x, #duration(1, 0, 0, 0)),
   #"Converted to Table" = Table.FromList(Source, Splitter.SplitByNothing(), null, null, ExtraValues.Error),
   #"Changed Type" = Table.TransformColumnTypes(#"Converted to Table",{{"Column1", type date}}),
   #"Renamed Columns" = Table.RenameColumns(#"Changed Type",{{"Column1", "DimDate"}}),
    #"Вызвана настраиваемая функция" = Table.AddColumn(#"Renamed Columns", "ga - trans id", each #"ga - trans id"([DimDate])),
    #"Развернутый элемент ga - trans id" = Table.ExpandTableColumn(#"Вызвана настраиваемая функция", "ga - trans id", {"Date", "Campaign", "Source / Medium", "Transactions", "Transaction ID"}, {"Date", "Campaign", "Source / Medium", "Transactions", "Transaction ID"})
in
    #"Развернутый элемент ga - trans id"



Для подсчета динамики показателей по сравнению с прошлым месяцем и по сравнению с прошлым годом воспользуемся дополнительной таблицей с датой. Общий фильтр на лист по дате будет использовать колонку с датой из дополнительной таблицы, а расчет изменения показателей будет снимать эти фильтры и использовать их как поиск текущей даты.

Расчет динамики выручки
Правда, сравнение января 2018 года и декабря 2017 не удастся через такую формулу. Если сравнение месяца текущего года и месяца прошлого года критично, то формулу придется существенно увеличить.

Изм. Выручка, пр месяц =
(sum('CRMorders'[Выручка]) —
CALCULATE(SUM('CRMorders'[Выручка]);
Filter(ALL('CRMorders');
And(And(And(year('CRMorders'[placed_on])=year(Max('DateNow'[Дата]));
month('CRMorders'[placed_on])=month(Max('DateNow'[Дата]))-1);
'CRMorders'[Source / Medium]=«UniSender / email»);
'CRMorders'[status]=«logistic_delivered»))))/
CALCULATE(SUM('CRMorders'[Выручка]);
Filter(ALL('CRMorders');
And(And(And(year('CRMorders'[placed_on])=year(Max('DateNow'[Дата]));
month('CRMorders'[placed_on])=month(Max('DateNow'[Дата]))-1);
'CRMorders'[Source / Medium]=«UniSender / email»);
'CRMorders'[status]=«logistic_delivered»)))


Стратегический дашборд для аналитики Email-канала


В результате манипуляций получился дашборд следующего вида.


Показатели в динамике


Данные за текущий отчетный период

Алгоритм использования дашборда директором отдела маркетинга может быть следующим.

  1. Определяем долю выручки от канала в текущем месяце. Если она незначительна (например, меньше 10%), тогда отчет смотрим бегло. Обсуждаем с email-маркетологом качественные возможности по росту канала. Это может быть переход на другую ESP систему, повышение частоты рассылки, более активный сбор подписчиков в базу. Если доля выручки от канала велика, то углубляемся в отчет.
  2. Выбираем в фильтре прошедший месяц и смотрим на значение финансовых показателей и их динамику по сравнению с прошлым годом. Если динамика положительная и нас полностью устраивает, закрываем отчет. Если что-то не так, то смотрим глубже.
  3. Причина снижения выручки при примерно постоянных других показателях может заключаться в снижении среднего чека, числа заказов, маржинальности, доли отгрузки. Если видим падение в каком-то одном показателе, то ставим задачу аналитику разобраться в причинах.
  4. Если произошедшее падение не удалось объяснить через финансовые показатели, то смотрим глубже на показатели рассылки. Стали ли мы меньше отправлять писем, насколько хорошо письма открывают, кликают ли по ссылкам из письма и делают ли заказы.
  5. Для понимания ситуации в целом по каналу и его влиянию на лояльность клиентов смотрим динамику подписчиков, с каких форм клиенты подписываются, стали ли чаще отправлять письма в спам и отписываться.

Подводя итоги, в стратегическом отчете я отобразила основные показатели эффективности канала (их получилось много, но убрать лишнее всегда проще, чем добавить). Из дашборда наглядно видно, какие показатели не достигают целевых значений и в какую сторону двигаться для поиска причин негативных тенденций и организации мероприятий по улучшению ситуации.

Статьи из цикла




К сожалению, не доступен сервер mySQL