Ниша: Доставка правильного питания

Системы визуализации данных: Yandex Datalens

Источники данных: Яндекс Метрика, самописная CRM, Google Sheet

Стек технологий: Python 3, PostgreSQL, AirFlow

Точка А:

Заказ питания осуществляется через сайт. Заказ фиксируется в CRM системе с учетом используемых UTM-меток. Яндекс Метрика собирает информацию по входящему трафику на сайт, его источнику, UTM-меткам.

Решения без автоматизации:

Ежедневно в ручном режиме выгружать данные по новым заказам и трафику в Excel. С помощью сложных формул сводить цифры через UTM-метки.

Но данное решение требует много времени, имеет низкую точность из-за разнообразных формулировок UTM и большого количества данных.

Предложенное решение:

Развернуть аналитическую базу данных, в которую в автоматическом режиме по API собирать данные по трафику из Яндекс Метрики в разрезе UTM-меток.

Собирать информацию об оформленных на сайте заказах с указанием UTM-меток. На стороне базы данных в автоматическом режиме совмещать трафик и заказы по UTM-меткам, рассчитывать необходимые конверсии.

Проблема:

Маркетинг не видит конверсию из приходящего трафика в заказы.

Сведение трафика и клиентов по UTM-меткам с помощью Excel очень трудозатратно и не точно.

В результате работы было сделано:

1

Информация о плане по клиентам берется из Google-таблицы, в которую данные заносятся в ручную и автоматически подгружаются в дашборд.
И сразу же рассчитывается процент выполнения плана, конверсия из лида в клиента и из трафика в клиента. Наибольшие значения выделяются цветом.
С помощью данной таблицы удобно проводить анализ эффективности разных каналов, сравнивая их между собой.

С детализацией на каждый день, неделю и месяц в удобную таблицу, в разрезе каждого интересующего канала выводится информация о входящем трафике (из Яндекс Метрики), лидах (начали оформлять заказ но не закончили), и клиентах (заказ оформлен).

По данным о клиентах из CRM рассчитан когортный анализ. На его основании можно оценивать, как долго новый клиент продолжает пользоваться продуктами компании, какой средний LTV приносит.

2

В итоге был получен удобный и универсальный инструмент, который работает автоматически и обновляет данные ежедневно. С его помощью менеджмент компании может быстро и наглядно оценивать эффективность разных каналов трафика. Определять какой из них наиболее выгоден компании, и в какой нужно прикладывать больше усилий.