Настольная книга для директоров по маркетингу. 200 советов

Например, разберем типичную задачу: «Сформировать и обосновать гипотезы для увеличения среднего чека по продажам сервисных карт для корпоративных клиентов». В такой постановке ошибка в том, что решения, которые вырабатывались аналитиком, не подходили для текущих клиентов. Не проговорив, что нас интересуют только новые клиенты, мы получили неподходящие гипотезы.

 

Формирование и сбор данных

Цели в Яндекс.Метрика, кол‑трекинг, отчет по сделкам за период, статистика поведения потребителей – это все информация, сбор которой должен быть настроен заранее, желательно централизованно, для быстрого и удобного доступа к различным срезам данных.

 

Выводы и рекомендации

Имея статистически значимые выводы, мы можем генерировать рекомендации по изменениям. Задача на этом этапе: указать конкретные шаги, которые можно предпринять, чтобы использовать результаты анализа для улучшения бизнеса.

 

Представьте, что у вас есть две гипотезы по результатам анализа:

 

С вероятностью 90% действие А принесет рост продаж на 5% в год. Стоимость внедрения 10% от годового оборота.

 

С вероятностью 50% действие Б принесет рост продаж на 30% в год. Стоимость внедрения 5% от годового оборота.

 

Какое решение вы бы выбрали при прочих равных?

 

Ретроспектива

Аналитик отвечает за качество своего анализа, как и любой профессионал. Ретроспектива должна показать, какие гипотезы отработали, и какое отклонение от плановых показателей произошло фактически. А также почему эти отклонения возникли, и что предпринять в будущем.

 

Мы сознательно используем слово «отклонение», а не «падение», поскольку считаем, что значимые отходы от плана в обе стороны – это ошибка анализа и планирования. Просто при отклонении в сторону роста показателя клиент радуется, а в отрицательную – грустит, но нам грустно всегда, когда аналитик значимо отошел от плана.

 

Ретроспектива – прекрасный инструмент оценки своей квалификации и накопления опыта, когда понимаешь разницу между «данные говорили об ХХХ» и «по факту получилось NNN».

 

Разные взгляды на аналитику

Давайте разберемся, как видит аналитику заказчик.

 

Заказчикам важны лишь рекомендации и технические задания на изменения, именно в них они видят ключевую сложность

и определяют эти этапы как основные.

 

Так происходит, потому что рынок предоставления данных довольно развит – это разные виды баз данных, включая Google Analytics, CRM, облачные данные и Big Data – все это стоит относительно небольших денег, а отчеты можно снимать и агрегировать практически мгновенно и автоматически. Но некоторые ребята пытаются монетизировать и эту работу, называя аналитикой сбор данных.

 

Для аналитика же все этапы равнозначны по трудозатратам и сильно зависят друг от друга – выдать отдельно каждый участок за аналитику нельзя. Например, когда в отчете просто набор данных, тот, кто его формировал, перекладывает работу по выводам и рекомендациям

на читателя.

 

Для того чтобы прийти к рекомендациям и конкретным ТЗ на изменения чего‑либо, нужно отработать на каждом участке большое количество времени.

 

Серия аналитических отчетов может стать новым стандартом

и ведением бизнеса. Например, если вам нужно понять ключевые причины оттока покупателей, аналитик берет текущие данные, анализирует причинно‑следственные связи, и вы получаете отчет, который можно формировать системно, видя KPI бизнеса под новым углом.

 

 

Борьба с когнитивными искажениями

Кто читал Даниэля Канемана знает, насколько человек находится

в плену своих убеждений и заблуждений. Аналитику нужно регулярно раздупляться, поэтому эту работу мы даем прорабатывать в паре. Кто не читал – кратко опишем искажения, которые регулярно накрывают аналитика.

Поспешные выводы: что видишь, то и есть