Цифровизация бизнеса

Возможность запустить рекламу доступна в наше время даже для самого малого бизнеса. Рекламу можно запустить для любого сегмента аудитории и настроить ее очень гибко: со всеми пожеланиями заказчика, настроить различные рекламные каналы и затем оценить эффективность в продажах.

При помощи сквозной бизнес-аналитики можно с легкостью оценить рентабельность денежных средств, которые были потрачены, а затем и отследить путь клиента от самого первого действия и до момента заключения сделки.

Сквозная аналитика отлично повышает работоспособность диджитал-рекламы. Компании в наше время действуют на опережение и ведут самую настоящую конкурентную гонку. Из этого можно сделать вывод, что сквозная аналитика очень важна в наше время.

Некоторые тратят огромные суммы денег на рекламу и привлечение клиентов, а затем получают чистую прибыль с продаж. Показатель ROMI – это такой показатель рентабельности рекламных компаний, который отражает важные данные об инвестициях в маркетинговой деятельности. Рентабельность оперирует метриками, например окупаемостью, прибылью и возвратом вложений.

Вычислить показатель ROMI непросто. Для этого разберем пример. Возьмем несуществующую компанию «Лавэндер» и отчеты за 2020 год:

• Затраты на рекламу: 120 000 рублей;
• Продажи: 700 000 рублей;
• Маржинальный доход (или доход без рекламы): 210 000 рублей.

ROMI будет равен 75%. Коэффициент >0%, на первый взгляд все нормально. Но правильны ли были расчеты?

Расчет ROMI

Теперь возьмем другую ситуацию. Застройщик построил новый жилой комплекс, создал для этого свой сайт и начал запускать рекламную кампанию. Возьмем статистику этой компании за полгода.

За первые 3 месяца продаж не было. Если производить расчет помесячно, то можно сделать вывод, что реклама неэффективна. Но затем поступают новые продажи. Из этого напрашивается вывод: люди, которые увидели рекламу в первые месяцы, совершили сделку не сразу.

Если создать отчет и взять все затраты и продажи, то это будет не совсем корректно. Данный показатель будет правильным в том случае, если у компании есть единовременный спрос на продукцию. Только в этом случае показатель будет реальным.

Сквозной принцип в аналитике

При использовании обычной отчетности (управленческой), где зафиксированы важные показатели расходов на рекламу и продажи, ROMI можно будет правильно посчитать. Вот эти условия:

• Моментальный цикл сделки;
• Отсутствие органического (нерекламного) трафика;

В остальных же ситуациях производить расчет будет неправильно. И самый главный момент: так можно посчитать лишь общий ROMI, ROMI определённых рекламных каналов посчитать будет нельзя. Причина кроется в том, что нет данных о том, сколько денег было потрачено на определенный рекламный канал и сколько в итоге пришло с него клиентов.

Именно поэтому резонно будет обращать внимание на каждого потенциального клиента, то есть на каждый заказ и заявку, а затем сохранять информацию о том, откуда пришел клиент. Это и есть смысл сквозной аналитики.

Логическая ошибка высокого ROMI

Основная ошибка, которую допускают многие маркетологи состоит в том, что они стремятся к слишком высокому показателю ROMI. На первый взгляд может показаться, что, чем выше возврат инвестиций, тем лучше. Но правда ли это?

Если посмотреть с одной стороны, да. Высокий показатель ROMI – это отлично. Но следует брать в расчет 2 основные вещи:

• Показатель ROMI – всегда относительный. Он не может сказать конкретно о прибыли или об обороте. Высокий показатель может быть из-за эффекта «низкой базы», и его динамика снижения при увеличении инвестиций непредсказуема.
• Высокий показатель – это не то, к чему нужно стремиться. Это не конечная цель, а промежуточная. Поэтому не стоит с радостью слушать маркетологов, которые рассказывают про высокий показатель ROMI в своих кейсах.

Как посчитать этот показатель?

Если средний чек 10 000 рублей, маржинальность составляет 3 000 рублей (то есть 30%), конверсия (в продажу) 2%, а 100 кликов мы можем получать по 10 рублей за клик, то получится следующее.

Из этой таблицы можно понять, что даже при небольшом трафике показатель ROMI зашкаливает, но выручка от этого минимальна. Если же увеличить бюджет, то ROI начнет очень стремительно падать вниз, а стоимость привлечения одного клиента будет расти в геометрической прогрессии. Прибыль, конечно, будет расти, но потом также пойдет на спад.

Валовая прибыль растет при ROMI ~200%. Если брать в расчет заказы, которые идут второй раз (показатель LTV), то все будет по-другому. Если представить ситуацию, где число повторных заказов – это 50% от числа новых, то прибыль будет максимальной при ROI 140%. Если число повторных заказов больше, то разумнее будет удерживать показатель ROI чуть меньше.

Если взять ситуацию, где число повторных заказов больше, то есть вероятность, что ROI <100% принесет долгосрочную прибыль. В реальных же условиях максимальная прибыль – это не всегда наивысший приоритет. Иногда могут случаться риски и различные проблемы роста.

Сквозная аналитика как жизненная необходимость

Меньше, чем 30% клиентов совершают свой заказ при первом посещении. Определенное количество будет зависеть от теплоты рынка и цикла принятия сделки. Когда пользователь решает приобрести товар, то есть совершить конверсию, он заходит на сайт несколько раз. Мультиканальные конверсии появились в Google Analytics уже несколько лет назад, но многие до сих пор преданы принципу LastClickWins, то есть производят расчет конверсии только по последнему заходу.

В этом деле нужно учитывать абсолютно все заходы пользователя.

Проблема 1:

Пользователь чаще всего посещает сайт используя разные источники. Конверсия – это вещь мультиканальная. Поэтому нужно применять разные модели атрибуции.

Проблема 2:

Пользователь делает не одну покупку, а иногда и повторные. Нужно обязательно рассчитывать LTV, а без CRM в этом деле не обойтись.

Проблема 3:

Нужно отслеживать всегда каналы общения, иначе можно будет получить не совсем корректную аналитику с неправильными выводами, чаще размытую.

Нужно обращать внимание на все способы: заявки и звонки. Для этого и существует сквозная аналитика.

Сквозная аналитика – это такой метод анализа эффективности маркетинговых инвестиций, или ROMI, который получается на основе данных. Они отслеживают полный путь клиента: от самого начала и до закрытия сайта, до продажи, до повторных заказов, или LTV.

Чтобы оценить эффективность маркетинга, нужно обязательно поставить перед собой ряд задач:

• Проанализировать поведение пользователя;
• Определить параметр KPI;
• Обратить внимание на дашборды и отчеты;
• Учесть все данные: онлайн и офлайн;
• Анализировать модели атрибуции. Это даст возможность подобрать верное решение, которое подойдет именно вашей компании.

Чтобы определить сквозную аналитику, недостаточно одних стартовых данных. Нужно обязательно учитывать все рекламные каналы, а это Google Ads, Яндекс.Директ и другие. Не стоит забывать о телефонных звонках и об офлайн-покупках. Изучение CRM-системы в этом случае тоже важно.

Нужно анализировать. Одних данных о показах и кликах мало. Нужно понимать, сколько было затрачено на рекламу и понимать, сколько денег принесла реклама. Сейчас это сделать легко.

Кому нужна сквозная аналитика

Условия, чтобы система работа эффективно, для внедрения сквозной аналитики такие:

• Товары должны продаваться онлайн. Ритейл, к примеру, будет неэффективен, а e-commerce – да;
• Рекламный бюджет должен быть потрачен с умом. Вполне хватит минимальной суммы в 1 000-2 000$. В месяц;
• Если рекламных каналов много, то это хорошо. Аналитика будет эффективной и порадует новыми данными. Кстати говоря, эти каналы можно еще и связать между собой;
• У вас в компании присутствуют повторные продажи.

Когда сквозная аналитика будет неэффективна

Разберем детально:

• Компании с большим циклом продажи товара. Компании будут ждать, пока аналитика заработает и начнет давать ценную информацию, но за это время будет потрачена большая сумма денег на поддержание сервиса;
• Бизнес с высоким процентом маржинальности;
• Компании с LTV, где показатель меньше нескольких обычных чеков.

Проблемы внедрения сквозной аналитики

Осуществление сквозной аналитики и ее подключение – это непросто. Об этом уже говорилось. Зачастую возникают ошибки или искажения результатов.

Поэтому первой задачей будет служить убеждение и осознание того, что сквозная аналитика важна. На самом деле это так. Обычный отчет не сравнится с уже готовым материалом, где есть все: расходы, прописанные каналы и что они дали, доходы от продаж – отчет будет малоэффективен.

Обычный отчет содержит в себе малую часть параметров в отличие от сквозной аналитики:

• Деление на каналы – это только привилегия расходов, а не доходов. Хорошо, если рекламный канал один.
• Если не связать рекламный источник с продажей, это мало чего даст. Без анализирования проблемы, которая возникла, допустим, на долгом цикле сделки, невозможно будет понять, реклама запустилась или нет, принесла ли она что-то. К примеру, рекламная кампания началась осенью, а заявки начались только весной. Также обычный отчет не покажет, были ли клиенты «теплыми» на момент совершения заказа. Прогретая реклама – а точнее ее определение – доступна только в сквозной аналитике. В обычном отчете все будет расплывчато и непонятно.

Внедрение сквозной аналитики – это эффективный метод рефлексии и анализа. Вы сможете увидеть, какие рекламные каналы сработали лучше всего, какие факторы повлияли на то, что клиент заказал товар. Подобная детализация поможет вам в дальнейших решениях и принесет полезную информацию. Кроме того, со сквозной аналитикой можно здорово экономить бюджет компании. Система Roistat говорит, что экономия доходит вплоть до 56%. Если так подумать, то даже 30% при бюджете на рекламу 200 000 рублей – это 60 000 рублей. Достаточно много.

Рассмотрим некоторые проблемы.

Проблема 1: отдел продаж

Поговорим об отделе продаж. Не путать с маркетингом. Данный отдел продаж – это основная точка соприкосновения с клиентом. Вы можете получить от него данные и систематизировать все это. Далее информация пригодится для построения аналитики.

Важно понимать, что без грамотного построения отдела продаж ни о какой сквозной аналитике речи идти не может. Кстати говоря, использовать CRM-систему при этом обязательно. Это одно из немногих условий.

Но CRM отделу продаж вовсе не нужна. Для того чтобы была необходимость в использовании, должен соблюдаться ряд условий. Рассмотрим менеджера:

• Не должно быть дублирования других систем и действий. Только полное замещение;
• Система должна облегчать действия, а не усложнять их;
• Обращения клиентов – только в автоматическом режиме. Они должны попадать в систему, а далее по цепочке;
• Должно быть взаимодействие с клиентами. То есть звонки, письма и т.д. Все в контексте системы.

Для руководителя отдела продаж:

• Система выстраивания KPI менеджеров;
• Настройка распределения лидов. Созависимость от работников и их эффективности;
• Доступная информация по каждому менеджеру и ходу действий.

Проблема 2: техническая

Должна быть выстроена определенная интеграция с облачными сервисами. Особенно в контексте сквозной аналитики. Но тут могут возникнуть трудности. Сейчас рассмотрим теоретические трудности для облачных систем аналитики:

• Невозможность понять принцип работы. Для вас это что-то слишком непонятное. Вы не понимаете алгоритм работы, поэтому приходится доверять системе на 100%. В статистике могут быть ошибки, а у вас могут возникать определенные вопросы по этой статистике. Данные аналитики, кстати, часто не совпадают с данными CRM, а с некоторыми сделками случаются проблемы, имеется в виду с их идентификацией;
• Ограниченный функционал. Вы не понимаете, как сделать систему проще и как настроить все гибко. Настроить все под себя. Некоторые системы не позволяют точно интегрировать себя в другие системы, поэтому подключаются API и вебхуки;
• Когда вы работаете с облачной системой аналитики, вы передаете данные третьим лицам. Крупные компании не могут позволить себе такого. Отдел маркетинга в таких компаниях не может получить разрешения от службы безопасности для таких интеграций с CRM.
• Из предыдущего пункта вытекает следующее: вы не всегда можете работать с данными и выгружать их. Сменить систему аналитики одним действием будет сложно, что уж говорить о переносе данных.

Для кастомных систем аналитики. Тут все еще сложнее. Создать свою собственную систему аналитики – дело непростое. Особенно если речь идет о маленьком штате сотрудников. Не стоит в этом случае также доверять фрилансерам. Прежде чем переходить к разработке, нужно выделить для себя основные пункты, которые необходимо четко осознавать:

• Вид данных, который необходимо будет объединить;
• Источники данных: чем их меньше, тем будет легче работать;
• Выбор системы визуализации. Нужно обязательно продумать то, как будут выглядеть отчеты.

В основном проблемы начинаются тогда, когда дело доходит до выгрузки данных для последующей работы с ними. Мало систем предназначено для выгрузки неагрегированных данных, поскольку есть ограничения по числу запросов по API.

Если не брать в расчет крупные компании, то для выгрузки лучше начать использовать готовые коннекторы. А в качестве средства для визуализации использовать популярные и проверенные решения, например Microsoft Power BI.

Модели атрибуции

Для чего нужна атрибуция? Рассмотрим для начала воронку продаж поэтапно:

• Ознакомление пользователя с торговой маркой;
• Знакомство с компанией, размышления пользователя о предстоящей покупке и сравнение стоимости с другими товарами;
• Конверсия, или совершение покупки;
• Удержание, или повторная покупка.

Само собой очевидно, что удержать тех, кто уже совершал покупку, намного легче, чем привлекать новых пользователей. Привлечение новых пользователей – это привилегия неперсонализированных компаний, целью является поддержание широкого охвата.

Удержание – это применение более целевых кампаний. Анализ в этом случае проходит проще, а расчет эффективности достаточно прост. Цели пользователя уже известны, а действия и предпочтения можно отследить.

Чтобы разобраться в тонкостях воронки, необходимо прибегнуть к понятию атрибуции. Это позволить понять, какие рекламные каналы и кампании срабатывают лучше всего.

Атрибуция – распределение ценности от конверсии между кампаниями, которые доводили пользователя до конечной воронки. Атрибуция очень хорошо помогает разобраться с тем, как повлиял каждый из каналов на прибыль, которая была получена в конечном итоге.

Определиться с моделью атрибуции очень важно для определенной ниши и компании. Так можно грамотно распределить свой бюджет и сократить денежные затраты, тем самым увеличив прибыль.

Доступные модели атрибуции

Существует невероятное множество моделей атрибуции. Их можно классифицировать. Классификация определяется тем, какая логика применяется во время расчета.

• Если упор сделан на определенный канал, который показал эффективность в воронке, то это – одноканальная модель атрибуции;
• Если посмотреть внимательно на место канала в цепочке перед самой покупкой, то будет применяться атрибуция на основе позиции;
• Если распределение равномерное и все каналы участвовали в цепочке, то это – многоканальная модель атрибуции;
• Если в расчете присутствуют и другие факторы, а не только позиция, то классификация – алгоритмическая модель атрибуции.

Позиции канала в цепочке

Эти варианты максимально простые и доступны в бесплатной версии GA. Также можно рассмотреть Яндекс.Метрику. Сейчас пройдемся по 6 позициям каналов в цепочке.

First Click (FCM)

В цепочке из четырех касаний ценность уходит первому каналу.

Из плюсов можно отметить легкий подход и настройку. Не надо сложных вычислений или других аргументов. Из недостатков – нет общей картины, нужно смотреть субъективно и рассматривать все каналы по отдельности. Подходит для проектов, где большое значение придается активному знакомству с целевой аудиторией.

Last Click (LCM)

Это одноканальная модель. Ценность конверсии – по последнему каналу. Из преимуществ можно отметить надежность и популярность среди крупных компанией. Позволяет точно узнать цель пользователей и подогреть интерес к товарам. Из недостатков – нет полного обзора картины, некоторые каналы придется исключить. Подходит для бизнес-компаний с коротким циклом продаж.

Last Non-Direct Click (LN-DC)

Это одноканальная модель. Подробнее можно ознакомиться в Google Analytics. Эта модель установлена по умолчанию. Ценность конверсии атрибутируется. Но различие состоит в том, что, если это прямой заход, ценность далее атрибутируется по предыдущему источнику.

Из преимуществ можно назвать возможность исключения некоторых каналов, которые мало приносят прибыли. Можно полностью сосредоточиться на других источниках доходов. Из недостатков – опять нет полной картины действий. Предпоследний канал – это обычно электронная почта. Нет представления о том, как пользователь познакомился с товаром. Подходит для оценки эффективности какого-либо платного канала.

Position Based (PB)

Это многоканальная модель. Большой упор идет на первый канал. Из преимуществ можно назвать то, что ценность передается тем каналам, которые показывают большую эффективность (мотивируют пользователей на покупки, то есть стоят в приоритете). Из недостатков – иногда средние каналы в цепочке продвигаются намного эффективнее, чем основные каналы. Подходит для бизнес-компаний, которые хотят привлечь новых пользователей и подогревать их.

Time Decay (TD)

Тут ценность конверсии распределяется между каналами, которые заняты в цепочке. Причем задействуется принцип нарастания. Из преимуществ – рассматриваются все каналы, а из недостатков – некоторые каналы можно недооценить, хотя они могут повлиять на конечный выбор пользователя. Подходит для тех, кто хочет оценить эффективность рекламных кампаний, которые ограничены по времени. Это может быть распродажа или спецпредложение.

Linear model (LM)

Ценность конверсии разделяется между всеми каналами цепочки. Перейдем к преимуществам: модель продвинутая, если брать и сравнивать с одноканальной моделью. Все каналы задействованы в цепочке. Из недостатков – плохо можно распределить свой бюджет, потому что идет разделение между всеми каналами одновременно. Подходит для тех компаний, где есть длительный цикл продаж. Это B2B-компании, например.

Исследования показывают, что в США или СНГ чаще распространены модели LCM. Такой тип модели прост и понятен большинству пользователей, правда есть и свои недостатки. Все каналы при этом обесцениваются, кроме последнего.

Причины могут быть разные. Рассмотрим основные:

• Разные источники информации. GA помогает использовать стандартные отчеты, там нет места офлайн-данными;
• Нет ответственного за атрибуцию. Реальный доход может оказаться меньше атрибутированного;
• Неполное понимание эффекта от модели атрибуции, слишком сложный механизм.

Устранив эти причины, можно решить проблему атрибуции.

Обзор сервисов и инструментов

Вернемся к сквозной аналитике. Методы организации могут быть самыми разными. Разберем подробно сервисы и инструменты для этого.

Также рассмотрим, как можно объединить данные в одну систему для построения сквозной аналитики. Возьмем и данные о продажах, и другие показатели.

Рассмотрим таблицу и примеры типов систем. Они могут быть использованы компаниями. Каждая компания использует свою систему, все индивидуально.

Эти сервисы можно разделить на три основные группы.

Дешевые сервисы

Они предлагают базовую сквозную аналитику и другие инструменты, чтобы организовывать маркетинг и получать продажи:

• Лидогенерация;
• CRM-система;
• Взаимодействия с соцсетями;
• Создание landing page;
• Управление рекламой;
• Виджеты на страницу, сайт (онлайн-консультант, обратный звонок и пр.);
• Автоворонки.

Представителями являются: LPTracker.ru, Expecto.me, CarrotQuest.io, PrimeGate.io.

Это отличный вариант для микробизнеса. Сервис будет стоить около 1 000 рублей в месяц.

Сервисы сквозной аналитики

Это уже более хорошая версия для сквозной аналитики. Данные будут давать полную информацию. Аналитика обычно идет вместе с CRM и различными веб-системами для аналитики и коллтрекинга. Представителями являются Roistat, Alytics, Comagic и Calltouch.

Применение – малый и средний бизнес, а цена варьируется от 5 000-20 000 рублей в месяц.

Кастомные решения

Это отличный вариант для развития среднего и крупного бизнеса. Бюджет – в зависимости от интегрируемых систем и других факторов, таких как объем данных и тип отчета.

Основные компоненты включают в себя базы для обработки данных – ETL и DWH, аналитический модель, систему визуализации данных и коннекторы сбора данных. Коннекторы помогают собирать информацию из системы, например из рекламных каналов, разных сайтов и CRM. Также телефония, почта и т.п.

Чтобы внедрить сквозную аналитику, необходимы будет следующее:

CRM

Подойдет любая система, которая будет иметь доступ к API. Самыми популярными представителями в России являются Битрикс24, AmoCRM

RetailCRM, Microsoft Dynamics (это если речь идет о больших компаниях). По популярности в мире: SalesForce и Microsoft Dynamics.

Сквозные идентификаторы

Обычно используется ClientID (Google Analytics). Также можно получать данные и о Яндекс.Метрике. Для базы хранения и обработки данных (если говорить об облачном решении): Google BigQuery, Microsoft Azure Cosmos DB, Яндекс ClickHouse и Amazon Redshift.

Коннекторы

Коннекторы собственной разработки или публичные коннекторы (например для Google Analytics, Google Data Studio, Microsoft Power BI) или сервисы коннекторов данных, например: OWOX BI Pipeline, Albato.ru, apix-drive.com, supermetrics.com.

Системы визуализации

BI-системы. Как пример: Google Data Studio, Microsoft Power BI, Qlik Sense / View, Tableau, а также дашборды, построенные на базе публичных сервисов. В ход могут пойти и другие системы. Например, системы автоматизации контекстной рекламы и управления ставками (Origami, Alytics, K50, Marilyn).

Кстати говоря, в других языках, а в частности в английском, нет термина «сквозная аналитика». Классификации там те же самые, но только в терминологии совсем другое. Синонимы «сквозной аналитики»: business analytics, business intelligence, ROMI analytics, LTV analytics. Там уже предполагается, что аналитика – это обязательно сквозная аналитика.

Рекомендации по внедрению сквозной аналитики

Если резюмировать, нужно помнить вот о чем:

1. Самым сложным моментом является не настройка BI-системы, чтобы отображать нужные графики, а внедрение CRM таким образом, чтобы абсолютно все важные данные проходили через нее. Если же у вас CRM уже интегрирована, то построить сквозную аналитику будет намного проще.
2. Для того чтобы от CRM был толк, она должна быть омниканальной. Все люди через каналы должны попадать автоматически без участия стороннего человека. CRM, к слову, может успешно работать без помощи ERP. Если же у вас старая 1С, придется выставлять счета вручную. Это, конечно, помешает внедрению CRM в общем.
3. Будьте готовы к сложностям. Невозможно настроить систему сразу за один час. Важно понимать, что придется настроить систему до идеала. На это уйдет некоторое время. Может месяц, может два. Вам, возможно, придется интегрировать дополнительные API. Нет определенных шаблонов, все вручную. Каждая компания индивидуальна, а значит и настраивать все нужно под себя.
4. Если вы владеете компанией, вам нужно сначала оценить, готовы ли вы к трудностям и нужна ли вам эта сквозная аналитика. Оцените свой бюджет, умножьте его минимум в 3 раза и постарайтесь задать себе вопрос: «Нужно ли мне это сейчас?» Сквозная аналитика будет хорошо работать тогда, когда у вас есть много каналов для привлечения трафика. Если же у вас, допустим, только Яндекс.Директ, то лучше подключить еще и Google.Ads и затем добиваться там схожей стоимости лида. Только потом можно будет переходить к сложным системам.
5. Не воображайте, что все так просто. Крупный бизнес – это сложно. Большие компании вообще не передают свои данные сторонним сервисам из CRM.
6. И самое главное: сквозная аналитика – это очень полезная вещь, не оглядываясь на все сложности. Без нее нельзя будет построить свой бизнес, особенно когда существует такая высокая конкуренция.

Куда движутся системы сквозной аналитики

Это очень сложный вопрос, но есть некоторые соображения.

• Замена маркетинговых метрик на бизнес-метрики. То есть инструмент маркетолога превращается в инструмент для всех: и маркетолога, и аналитика, и работника отдела продаж и даже самого собственника бизнеса.
• Упрощение и систематизация уже существующих систем. Все это, конечно, будет происходить поэтапно. Пока это все еще сложный и многоступенчатый процесс, но в будущем интеграцию можно будет настроить за несколько кликов, останется только гибко настроить интерфейс и учесть прочие детали.
• Увеличится точность данных, поскольку возникнут другие новые модели атрибуции. Модель атрибуции – это что-то очень умное. Модель атрибуции также должна принимать во внимание и другие факторы, например воронку продаж и уже все имеющиеся данные. Важно будет анализировать вклад в рекламные источники, анализировать чаты и поведение клиентов, понимать, почему в одном случае человек совершил заказ, а в другом случае засомневался и передумал. Алгоритмы в скором времени будут настолько умны, что смогут по голосу понимать, что думает человек. Они будут изучать его тембр голоса и вести аналитику, система сможет понять, остался ли клиент удовлетворен сервисом или ему что-то не понравилось. Если же что-то не понравилось, всегда можно будет настроить обратную связь и клиент сможет оценить качество сервиса.
• Скорее всего, будет введен коэффициент лояльности, который будет показывать влияние рекламы на повторную покупку. Коэффициент будет зависеть от отрасли и раскрученности бренда, разных спецпредложений и акций.
• K-factor, или рекомендации. То же самое сарафанное радио. Если же клиент привел условно 0.5 клиента, будет неверно опускать этот факт, когда нужно будет подсчитывать эффективность маркетинга. ROMI и LTV необходимо будет просчитывать с учетом этого факта.
• BI-системы продвигаются в сторону поиска на естественном языке. Это значит, что все системы будут становиться умнее и превращаться постепенно во что-то большее. В мощный бизнес-инструмент.

Удачи с освоением сквозной аналитики!