Откуда берутся «самоходы»: определяем, с какой рекламы в офис застройщика пришел покупатель квартиры
Кейс

Откуда берутся «самоходы»: определяем, с какой рекламы в офис застройщика пришел покупатель квартиры

24 сентября 2020 14 2 1 074
Бывает, что отдел маркетинга или подрядчик сделал все правильно: подключил коллтрекинг и настроил сквозную аналитику, тщательно оптимизировал рекламные кампании. Но KPI по ROMI или ДРР (для расшифровки нажмите на слово) все равно не выполнил. Не факт, что подрядчика после этого не сменят, маркетолога не уволят, или, по крайней мере, не лишат премии. А на самом деле проблема в не том, что маркетолог работал неэффективно, просто аналитика работает несовершенно — половина продаж неправильно «склеена» с лидом и рекламным источником, который его привел. 

Откуда берется погрешность, и как маркетологу верно оценить эффективность каждого рекламного канала, рассказывает Елена Чистякова, CEO GOOD.BI.

Клиенты принимают решение о покупке жилья от месяца до полутора лет. Связать клик по рекламному объявлению и покупку квартиры трудно, но реально с помощью коллтрекинга и CRM. Но когда в принятии решения о покупке участвует не один, а несколько человек, задача усложняется. Пользователь может кликнуть по рекламе, скопировать ссылку на сайт и отправить близким в семейном чате. Один из членов семьи придет в офис застройщика покупать квартиру. А лид появится в CRM без рекламного канала.

МультиТрекинг

Покажет эффективность вашей рекламы

По нашим данным, в CRM регионального застройщика таких «самоходов» — от 40 до 60%. Стандартные схемы аналитики не позволяют увидеть их действия перед покупкой: как именно эти люди узнали о ЖК, насколько долго думали над покупкой и с кем советовались. Мы в GOOD.BI разработали схему, которая дает ответ на эти вопросы и позволяет посчитать реальное количество лидов от рекламы. Даже если видел ее не тот, кто в итоге пришел в офис и оформил покупку. 

История продажи одной квартиры 

В начале 2019 года Валерий и Марина Воробьевы узнали, что ожидают пополнение в семье. Они жили в небольшой двушке, и вместе с ними — Елена Ивановна, мама Марины. Супруги поняли, что на четверых места в квартире уже не хватит. На семейном совете решили взять для Елены Ивановны однокомнатную квартиру неподалеку.

Марина плохо себя чувствовала на первых месяцах беременности и почти не выходила из дома – искала квартиру с планшета. Валерий рылся в объявлениях в смартфоне по пути на работу. Елена Ивановна смотрела объявления с компьютера.

Однажды Валерию понравилось объявление в Яндексе: застройщик «ООО Уютный дом» анонсировал акцию со ставкой по ипотеке 5,5%, плюс кухня в подарок. Он перешел на сайт и выбрал подходящую по планировке и метражу квартиру. Дома Валерий рассказал жене о застройщике и условиях покупки. Марина нашла застройщика в поиске по названию и сохранила сайт в «закладки». А через три дня позвонила в офис, чтобы уточнить сроки и условия акции. Условия устроили всю семью, и в выходные они сходили осмотреть объект. Сданные дома из первой очереди очень понравились, и семья решила оформить ипотеку. Вскоре Марина легла в больницу на сохранение, а Валерий уехал в командировку. Елена Ивановна поехала в офис застройщика одна, чтобы не упустить выгодное предложение. Она заключила договор и внесла первый взнос по ипотеке.

Как это видит застройщик: нюансы аналитики

Аналитика в ООО «Уютный дом» настроена по такой схеме:
Стандартная сквозная аналитика застройщика не может связать трех людей в одну сделку
  1. На сайте установлена Яндекс.Метрика, в ней хранятся данные о визитах на сайт и достигнутых целях (отправлена заявка, получен звонок и т.д.).

    Маркетолог Сергей размечает всю рекламу UTM-метками и видит, что Валерий (муж) пришел на сайт по контекстной рекламе. Точнее он видит в Метрике обезличенные данные, но мы с вами знаем, что это клик Валерия.

  2. В Callibri хранятся данные о звонках и других целевых действиях: сообщениях в чат, обратных звонках и т.д. Callibri передает эти события в Метрику. 

    Маркетолог Сергей видит, что Марина (жена) позвонила, но он не знает, что по рекламе. Ведь Марина сохранила закладку себе, и источник обращения определился в Метрике и Callibri как «прямой заход».

  3. В CRM хранятся данные о лидах. Сергей и сотрудники отдела продаж видят звонок, но не могут связать его с:
    • визитом Валерия по рекламе,
    • сделкой Елены.
  4. Елена Ивановна заведена в CRM как отдельный лид в отдельной сделке. Ее не могут связать ни с визитом Валерия, ни со звонком Марины.
Аналитика не показала, что на самом деле Елена Ивановна пришла по рекламе. Когда отделы маркетинга и продаж подводили итоги квартала, в очередной раз выяснилось, что среди общего количества лидов меньше половины добыты силами маркетологов. Большинство клиентов пришли в офис сами. 
Руководитель отдела продаж твердил, что на рекламу тратят слишком много, а толку никакого. Его позиция понятна: он хочет заполучить дополнительные бюджеты на наружную рекламу и оформление точек продаж. И в этот раз коммерческий директор крепко задумался. А маркетолог Сергей приуныл: понял, что бюджеты, скорее всего, урежут. И вообще, могут сократить.

Чем необъективные данные грозят компании

Чем чреваты последствия необъективных данных по лидам для Сергея понятно. А как это влияет на работу компании?
  1. Нарастает конфликт между отделами. Все подразделения должны работать в команде, только так можно выполнить план продаж.
  2. Застройщик будет тратить ресурсы на поиск нового подрядчика снова и снова. Возможно, кто-то из них все-таки выполнил план по лидам, но застройщик об этом не знает. И продолжает искать того, кто справится лучше, не понимая, что принимает решение на основе неверных данных.
  3. Может снизиться количество лидов. Допустим, в отчете написано, что один из каналов работает неэффективно, но по факту именно он принес наибольшее количество лидов и продаж. Если Застройщик его отключит, даже число «самоходов» может уменьшиться.

Как склеить данные в одну сделку: спасаем ситуацию

У нас есть три источника данных:
  1. Яндекс.Метрика, которая присваивает уникальный client ID каждому посетителю сайта.
  2. Callibri, которые передают событие (звонок) в Яндекс.Метрику и создают лид в CRM, если звонок уникальный.
  3. CRM, где каждому лиду присвоен свой ID.
Что имеем:
Исходные данные не пересекаются между собой, невозможно определить причастных к сделке

Теперь осталось объединить Валерия, Марину и Елену Ивановну в одну сделку в CRM. Так мы увидим историю всех действий, которые привели к покупке: клики по рекламе, звонки и другие обращения.

Чтобы матчить данные нам нужна база данных и дашборд GOOD.BI.
Новая схема сквозной аналитики для застройщика: настройка через Good BI
Делаем ход конем: отправляем Елене Ивановне планировку квартиры в виде ссылки в мессенджер и на email. Она пересылает ссылку в семейный чат, где каждый открывает ее со своего устройства. Ссылка содержит UTM-метку, в которой в параметре UTM_content прописан номер CRM ID Елены Ивановны. Как только все участники чата перейдут по ссылке с нашей UTM, мы сможем объединить их визиты на сайт, звонки и другие обращения в конкретной сделке.
С помощью UTM-метки мы смогли связать трех разных пользователей и их действия в одной сделке

В базе данных GOOD.BI сопоставили переходы, которые зафиксировала Яндекс.Метрика, со звонками в Callibri и лидами в CRM.
Так работает матчинг в базе данных GoodBI

Таким образом на финальном дашборде маркетолог Сергей увидел, что к сделке привела именно реклама. Она привлекла Валерия, он передал Марине, а ипотеку оформила Елена Ивановна. И она никакой не «самоход».

Что делать, чтобы схема работала

  1. Подготовьте материал для отправки клиентам, которые пришли в офис ногами. Мотивация покупателей перейти по ссылке зависит от содержания и качества этого материала. Например, многие захотят посмотреть планировку квартир или вид из окна, снятый квадрокоптером с высоты. Пример таких материалов есть в нашем Telegram-боте.
  2. Научитесь автоматически подставлять к URL отправляемой ссылки UTM-метку с уникальным CRM ID. 
  3. Вместе с руководителем отдела продаж обучите менеджеров работать с «самоходами» и отправлять необходимую ссылку.
  4. Готово. Информация об эффективности рекламных каналов обновится в дашборде автоматически.
Есть вероятность, что ссылку откроют не все. Например, Марина откроет планировку квартиры у себя на компьютере и позовет Валерия посмотреть. Но так мы хотя бы «склеим» звонок Марины и сделку в CRM. Или в офис придет человек, который «на вы» с техникой и потребует все материалы на бумаге. Мы верим, что с каждым годом таких пользователей станет меньше. А поколение, которое родилось с гаджетами в руках, скоро начнет покупать квартиры.

Резюме

Если вы хотите увидеть реальный вклад рекламы в продажи, посмотреть историю лидов, которые считали «самоходами», рекомендуем использовать наш подход для настройки сквозной аналитики. Да, это требует дополнительных усилий: нужно настроить посадочные страницы, сгенерить на них уникальные ссылки и замотивировать покупателей их открыть. Но продумать и настроить нужно один раз, зато вы получите гораздо более объективные данные для управления рекламными кампаниями.

Объединяйте данные с умом, чтобы принимать верные решения!
У Callibri есть телеграм-канал — присоединяйтесь, чтобы не пропустить свежие кейсы, материалы блога и обновления сервисов.

Поделиться:

Комментарии

Советуем прочитать:

Инструменты Callibri для застройщиков: исследование рынка и сценарии настройки
4 10.10.2018
Кейс
Как продавать квартиры неизвестного застройщика без очевидных УТП
19 04.04.2019
Кейс
SEO для застройщика: как и зачем поддерживать трафик из поиска, если объекты уже проданы
11 07.10.2019