Сквозная аналитика для крупного интернет-магазина (NDA)

О КЛИЕНТЕ

Крупный интернет-магазин (NDA) производит и поставляет технологичные товары, которые востребованы в сегментах В2В, В2С, В2G. Преимущество предприятия — большие товарные запасы по всему ассортименту. Поэтому поставщик быстро отгружает даже крупные оптовые партии — за 1–3 дня.

Портфель клиентов диверсифицирован от государственных структур и крупных российских корпораций до малого и среднего бизнеса и физических лиц. Структура рынка диктует конкуренцию с профильными гигантами и растущее давление со стороны маркетплейсов. 

Мы сотрудничаем с клиентом с 2019 г. Наша задача — комплексное продвижение в платных каналах через CPC и в органической выдаче через SEO. В этом кейса расскажем, как мы проводили аналитику кампаний в Яндекс Директе и какую роль это сыграло в масштабировании привлечения клиентов.

ПРОБЛЕМА

В сентябре 2025 года была поставлена цель: масштабировать привлечение новых клиентов. С этой проблемой была связана и защита результатов работы платного трафика и планирование бюджетов на 2026 г.

На тот момент масштабирование лимитировало то, что мы не могли прозрачно увидеть всю воронку по заказчикам от момента обращения до отгрузки товара. Мы столкнулись с классическим «разрывом данных»: аналитика уверенно фиксировала верхнеуровневые обращения, но была слепа к ключевому бизнес-показателю — реальной выручке. 

Техническая база для сбора данных присутствовала: были настроены колл-трекинг, отслеживание обращений из форм обратной связи, модуль электронной коммерции с фиксацией корзин и покупок на сайте. Эти поступления передавались в систему аналитики, но не было данных, сколько реально денег доходит до нашего клиента, какие каналы и форматы взаимодействия генерируют отгрузки конечному потребителю и доход. Поэтому любое масштабирование рекламы или оптимизация рекламного бюджета были бы решением вслепую.

ЦЕЛЬ

1. Построение прозрачной сквозной аналитики для отслеживания всей воронки клиента по всем возможным источникам трафика от первого обращения до физической отгрузки товара.

2. Защита роли рекламы в пути пользователя к покупке. Важно было связать онлайн‑активность пользователей — просмотр рекламы, посещение посадочной страницы — с бизнес‑результатами, т. е. визитами, покупками. Это дало бы целостную картину вклада рекламы в поток клиентов.

РЕШЕНИЕ

Перед аналитикой стояла нестандартная задача. Необходимо было не только отслеживать всю воронку, включая офлайн-уровень, но и провести сегментацию по типу клиентов: новые, существующие, ушедшие. Это позволило бы понимать качество трафика в разрезе жизненного цикла клиента.

1. Настроили сквозную аналитику

Для настройки аналитики мы использовали сервис Calltouch, который позволяет получать цифры в реальном времени без сбоев и расхождений.

Что мы сделали:

1. Провели ревизию источников трафика и оцифровали «серые зоны». Мы составили исчерпывающий список каналов и донастроили передачу данных по звонкам в тех сегментах, где ранее отслеживание отсутствовало.

2. Настроили передачу сделок в товароучетной системе 1С. Для этого мы запросили у бизнеса воронку и статусы сделок. Далее мы настроили передачу данных по трем ключевым статусам: сделка создана, сделка оплачена, отгрузка товара.

3. Реализовали кастомную передачу статусов по типам контрагентов с описанием особенностей каждого сегмента.

4. Внедрили управленческий дашборд, где собрали ключевые метрики для оценки эффективности по рекламе. Для этого провели серию брифов, чтобы узнать, какие данные нужны бизнесу для оценки эффективности по всем источникам. Далее самостоятельно сделали дашборд для оценки рекламы и помогли команде клиента корректной интерпретации метрик и показателей.

5. Запустили процесс верификации данных.

Изначально мы рассчитывали завершить настройку быстрее, однако глубина запросов клиента на кастомизацию потребовала дополнительного времени. 

2. Оцифровали часть сделок

В рамках работ по сквозной аналитике мы провели оцифровку 13% сделок за апрель, у которых в системе отсутствовал источник. Это позволило восстановить картину поведения пользователей и атрибутировать их контакты с источником трафика.

Что мы сделали:

1. Каждому пользователю, который заходит на сайт, присваивается уникальный идентификатор.

2. Если этот пользователь позже оформил сделку не через стандартную форму лида, звонок или корзину, а, например, в офлайн-магазине или на маркетплейсе, мы все равно можем связать эту сделку с его визитом на сайт.

3. Сервис Calltouch находит совпадения по контактам — телефон, email — в своей базе.

4. По найденному идентификатору мы просматриваем сессии пользователя в обратной последовательности и выявляем, из какого источника трафика он пришел на сайт.

3. Оценили эффективность каждого канала

Мы восстановили источники дополнительных 13% сделок, которые раньше были отмечены в базе как «без источника».

Что мы выявили:

1. Установили, что среди них 33% сделок с долей выручки в 21% совершили  пользователи, которые контактировали с рекламой, но не оставляли заявку сразу, а возвращалась позже в магазин или через маркетплейс.

2. Это позволило корректнее оценить эффективность каждого канала: теперь мы видим не только прямые лиды, но и отложенное влияние рекламы на сделки.

3. В настоящее время мы проводим сверку передаваемых отчетов. Каждый проверяем на расхождения и конфликты данных внутри экосистемы Calltouch, которая гарантирует чистоту цифр.

Мы благодарны заказчику за глубокое погружение в процесс, сбор необходимой информации на стороне компании, проверку данных. Команда компании задавала большое количество вопросов по разным метрикам, настройкам, что свидетельствует о желании досконально разобраться с цифрами и их интерпретацией.

4. Составили стратегию на следующий месяц на основе данных аналитики

На основе данных за март мы составили стратегию на апрель с фокусом на привлечение новых клиентов.

Что мы сделали:

1. Проанализировали каждую кампанию по лидам, сделкам, выручке и доле новых клиентов.

2. Перераспределили бюджет в пользу кампаний-лидеров — тех, где выше бизнес-эффективность и больше новых клиентов.

3. Запустили тестовые рекламные направления для масштабирования.

В итоге количество новых клиентов в апреле выросло более чем в два раза в апреле по сравнению с мартом.

РЕЗУЛЬТАТЫ

В результате настройки сквозной аналитики мы получили прозрачную картину всей цепочки поведения пользователей: от первого касания с сайтом до финальной отгрузки товара. Причем мы видим эту цепочку с привязкой к выручке и с полным разделением потоков на «новых» и «текущих» клиентов.

В апреле уже удалось масштабировать ключевые бизнес-показатели и увеличить число новых клиентов с опорой на данные аналитики марта. Были получены следующие результаты:

• выручка выросла на 80%;

• количество обращений — на 35%;

• количество сделок — на 115%;

• новых клиентов стало больше на +118%; 

• число клиентов, которые вернулись через год после последней покупки, выросло на +106%;

• текущих клиентов стало больше на 113%.

ИТОГИ

Раньше управление рекламой базировалось на таких критериях:

• рекламные показатели — показы, клики, показы, CTR;

• количество обращений — заявки, звонки, покупки;

•  доход с оформленных заказов.

Теперь благодаря сквозной аналитике мы контролируем:

• реальный доход по отгруженным заказам;

• полную воронку с разбивкой по этапам сделки от обращения до отгрузки;

• типы клиентов — новых, ушедших (повторных), существующих.

Внедрение сквозной аналитики легла в основу стратегического планирования. Мы не просто настраиваем рекламу — мы видим, откуда приходят новые клиенты и сколько они приносят денег бизнесу.

Проект продолжает развиваться. Сейчас мы нацелены на дальнейшее привлечение новых клиентов и закрепление достигнутой динамики.