-
Об аналитике с огоньком 🔥 от команды Smart Data Hub (smartanalytics.io)
Как считать LTV. Второе приближение
В последнем посте мы писали о 2х различных подходах к исчислению LTV: с использованием метрики Lifetime и на основе некого кумулятивного денежного потока. Однако, мы намеренно обошли вниманием одну существенную деталь — каким должен быть сам этот денежный поток. Давайте разберемся!
Каким должен быть денежный поток для расчета LTV?
Прежде всего стоит обратить внимание на... название метрики. Тссс! Никому не говорите! Это секретный прием маркетинговой/продуктовой аналитики, который помогает понимать суть львиной доли показателей без обращения к какому-либо справочнику.
Итак, метрика носит название Lifetime Value — ценность за жизненный цикл. Все просто: если бы исчисления производились на основе выручки, то метрика называлась бы Lifetime Revenue, LTR или аналогичным образом. Но ценность пользователя/потребителя меньше, чем его выручка за Lifetime или некий другой продолжительный период времени. Именно поэтому LTV рассчитывают на основе contribution margin (маржа, маржинальная прибыль) — выручки за вычетом переменных расходов, ассоциированных с этой выручкой (т.е. переменных затрат, связанных именно с теми продуктами, которые формируют эту выручку).
Таким образом, использовать ARPU (Average Revenue Per User; средняя выручка на пользователя) для исчисления LTV, строго говоря, некорректно. В этих целях следует оперировать маржинальной прибылью. Метрику, аналогичную ARPU, но построенную на марже, называют AMPU (Average Margin Per User).ARPU AMPU. Или все-таки ARPU?
Однако, почему же тогда Василий Сабиров в ebook "Lifetime Value: главная метрика проекта" использует ARPU для расчета LTV? Дело в том, что его книга хоть и описывает универсальные подходы к исчислению LTV, но все-таки больше ориентирована на специалистов в области игровой аналитики. В игровой аналитике Revenue, очищенный от комиссии сторов, по сути, уже соответствует маржинальной прибыли.
Кроме того, существует огромное количество бизнесов, для которых посчитать AMPU на практике не представляется возможным. Как правило, эти бизнесы лежат в плоскости реального сектора экономики. В таком случае, единственным выходом будет исчисление LTV на основе выручки. Криминально? Нет, отнюдь.
Считается, что если вычислять LTV на основе выручки, то некорректных выводов не избежать. Но на самом деле весь вопрос в том, что мы планируем дальше делать с полученным таким образом LTV. LTV=500$ — это хорошо или плохо? А 300$, 3000$ — это много или мало? По большому счету, из этих цифр сложно сделать какие-либо значимые выводы, не соотнеся их с некой расходной составляющей. LTV без соотнесения с CAC (или CARC) — это метрика, повисшая в воздухе. LTV:CAC ratio — конечная цель вычисления самого LTV.
Но если для LTV:CAC ratio используется LTV на основе выручки, то соотношение будет завышенным относительно реальности? И да, и нет. Если команда аналитиков понимает экономику бизнеса, то, сопоставляя LTV и CAC, она не будет ориентироваться на какое-то общепринятое соотношение вроде LTV:CAC > 3. Команда задаст рациональную норму данного соотношения уже с учетом того, что LTV не очищен от переменных расходов.
Таким образом, если у вас по тем или иным причинам нет возможности считать LTV на основе маржи, то считайте по выручке. Считайте LTV. Вникайте в суть, копайте глубоко и не бойтесь ошибиться! Ведь не ошибается только тот, кто не считает LTV.
Игорь Кузин, Co-founder&CEO в Smart'е
P.S. Несмотря на то, что мы говорим о расчете LTV уже во втором приближении, мы сказали далеко не все об этой интереснейшей метрике. CLV и LTV — это одна и та же метрика? Как же все-таки решают проблему определения Lifetime на практике? Следует ли применять дисконтирование для вычисления LTV? Как корректно считать CAC в контексте LTV:CAC ratio? С чем еще, кроме CAC, целесообразно сопоставлять LTV? Поговорим об этом в следующих выпусках!
☄️ Предиктивная аналитика в Smart Analytics
Прогнозируйте объем продаж, сделки, расходы, трафик, ROAS и десятки других метрик всего в пару кликов. Прокачайте вашу аналитику с современными возможностями машинного обучения!
Как это работает?
✔️ Воспользоваться предиктивной аналитикой очень просто — необходимо задать временной диапазон, включающий будущие периоды, и активировать переключатель "прогноз". Все данные по всем срезам и метрикам дополнятся прогнозными значениями.
✔️ Прогноз учитывает весь массив накопленной статистики и не зависит от окна диапазона отчета.
✔️ Сегментируйте прогнозные данные по самым разным параметрам: источникам, каналам, кампаниям, условиям таргетинга, ключевым словам, типам, устройствам, городам и т.д. Используйте любые типы вложенности: каскадную, линейную, мультипараметрическую, смешанную. Задавайте фильтры, работайте в таблицах и диаграммах — все как с фактической статистикой!
✔️ На диаграммах прогнозные данные выделяются штрихами и пунктирами. Это очень удобно, ведь сразу видно, какая часть данных является предиктивной, а какая построена по фактическим данным.
✔️ Прогноз продолжает ежедневно обучаться на ваших данных и с каждым днем становится все точнее и точнее.
✔️ Смешивайте фактические и прогнозные данные внутри таблиц и диаграмм или выделяйте их в отдельные периоды, используя функционал сравнения периодов.
✔️ Сопоставляйте прогнозные и плановые данные прямо в интерфейсе. Используйте прогноз для оценки вероятности реализации плана и корректировки стратегии.
В настоящее время прогнозная аналитика доступна в тарифах Business и Enterprise. Для подключения предиктивной аналитики в других тарифах обратитесь к вашему персональному менеджеру.
Конференция по маркетинговой и продуктовой аналитике — Матемаркетинг 2020
С 9 по 13 ноября в онлайн-формате пройдет Матемáркетинг — большая конференция по маркетинговой и продуктовой аналитике. 5 дней, 4 потока каждый день, 73 доклада и круглых стола!
Каждый из дней посвящен своей теме:
— 9.11, Web/App/App+Web-аналитика;
— 10.11, Продуктовая и SaaS-аналитика;
— 11.11, Global view и управление командами;
— 12.11 — Data-engineering + отчетность как продукт;
— ну и в пятницу 13го заявлены "адские" кейсы.
Доклады и трансляция пишутся в профессиональных павильонах. Вещание производится на профессиональном оборудовании, обеспечивающем Full HD сигнал, качественный звук и изображение.
И самое главное — специальный промокод на 15% скидку для наших подписчиков: SMART. Регистрируйтесь по ссылке: https://bit.ly/3kyyk3e
Наташа Гаврилова, белочка в Smart'е
Session-based аналитика должна умереть (!|?|.) Будущее за user-centric (!|?|.)
Как расставить знаки препинания в этом тезисе — разберемся на vc.ru! И на предстоящем Матемаркетинге 2020, где ожидается круглый стол и сразу несколько докладов на эту тему.
Зерокодинг — это хорошо или плохо?
Приняли эстафету от Михаила Грекова. Михаил в своем канале Про удобство рассуждает о том, насколько зерокодинг хорош и для решения каких задач он подходит. Для тех, кто не встречался с этим понятием раньше, скажу, что зерокод (зерокодинг, nocode, zerocode) — это возможность создавать какой-то продукт без кода, а значит без привлечения разработчика.
Михаил видит применение зерокода в области простых задач, малонагруженных систем и всего того, что более или менее подходит малому бизнесу. Согласен, все так, когда мы держим в поле зрения сервисы вроде Tilda, Wix или что-то наподобие AppsBuilder. Хотя эти и аналогичные им системы развиваются, совершенствуются, и в долгосрочной перспективе подавляющее большинство корпоративных сайтов будут создаваться без привлечения разработчиков.
Однако, давайте попробуем взглянуть на зерокод шире. Что стоит за nocode-трендом?
1. Зерокод — это замещение труда разработчика... трудом другого человека. Это не хорошо и не плохо, это факт. С одной стороны, труд кодера является высокооплачиваемым и nocode вроде как должен обеспечивать снижение издержек. С другой стороны, кто сказал, что этот "другой человек" является менее оплачиваемы специалистом? Кроме того, отсутствие кода заменяется графическим интерфейсом, который в принципе не очень подходит для описания очень большой и разветвленной логики. Несколько экранов "кода" в графическом интерфейсе зачастую соответствуют нескольким строкам на Python.
2. Зерокод — это снижение транзакционных издержек. Под разные задачи необходимы разные разработчики. Если их нет в штате, то затраты на поиск, коммуникацию, обсуждение ТЗ (все то, что и составляет транзакционные издержки) могут превышать прямые затраты на оплату труда. Т.е. зерокод-инструменты — это своего рода конкуренты фрилансеров от разработки, с которыми гораздо легче и быстрее договориться.
3. Зерокод — это сокращение пути от прототипа к продукту. В интерфейсе nocode-системы процесс создания продукта очень похож на процесс описания ТЗ. Пользователь буквально только описал логику процесса, а эта штуковина уже работает!
4. Зерокод — это рост уровня абстракции. ИМХО в разработке существует тренд на рост уровня абстракции. Что-то вроде: ассемблер -> C -> Python -> фреймворки -> и ... да, зерокод является логическим продолжением этого тренда.
5. Зерокод — автоматизация/роботизация разработки. Nocode-платформа выполняет автоматизацию труда разработчика. Кроме написания непосредственно кода, система берет на себя процессы поддержки работоспособности скриптов, баз данных, обновлений, деплоя и т.д. Например, сервис Electroneek позволяет создавать умные автоматизированные процессы без кода.
Тренд на автоматизацию (в т.ч. и роботизированную) в масштабах истории, можно сказать, только стартовал. Автоматизация — это всегда исключение человека из процесса. В данном случае речь о процессах, из которых исключаются разработчики. Точнее они не исключаются, а переходят на сторону разработки самих решений по автоматизации. В этом смысле я рад быть частью именно такой команды.
Игорь Кузин, Co-founder&CEO в Smart'е
📣 Мы перевели в текст одно из лучших выступлений на последнем Матемаркетинге — доклад Ильи Пестова из Groks
Видео с конфы гуляет по сети довольно давно, но для тех, кто хочет "выжать максимум из контента", как мне кажется, текстовый формат подходит гораздо лучше. Формат изложения классный, это своего рода "концентрат" мысли.
О чем говорит Илья?
Если коротко, то о фундаментальных проблемах анализа. А если чуть шире, то:
— О проблеме "тирании метрик" и законе Гудхарта.
— О "парадоксах" в статистике и эффекте Симпсона (мы, кстати, сталкиваемся в работе с этим постоянно и называем этот феномен внутри команды "когда проблема спрятана глубоко").
— Софизмах, авторитарности и когнитивных искажениях.
👉 А вот, собственно, и сама ссыль: https://bit.ly/2OPGCFI
Игорь Кузин, Co-founder&CEO в Smart'е
Кейс Smart'а и крупнейшей в России сети химчисток "Диана"
В статье подробно рассказываем, как помогли клиенту автоматизировать аналитику, начать получать данные по 100+ рекламным кампаниям из разных источников в одном интерфейсе, избавиться от ручного труда в Excel и в разы сократить время на аналитику.
☃️ С наступающим Новым годом!
Взрывных вам конверсий, растущего ROI, прозрачной аналитики и только верных бизнес-решений!!! 🎄🎉
👌 Аналитика email-маркетинга 360°
Интеграции с 4 популярными сервисами рассылок:
👉 SendPulse
👉 MailChimp
👉 GetResponse
👉 Alfa-Track
Теперь вы можете получить полноценную, всестороннюю и максимально подробную сквозную аналитику вашего email-маркетинга:
✔️ Отслеживать open rate и click rate по каждому письму или группе писем в разрезе баз или сегментов емеилов, групп целевой аудитории и даже по конкретному пользователю.
✔️Анализировать конверсию в лид или продажу по абсолютно любым параметрам и сегментам (рассылкам, базам или группам пользователей).
✔️Отслеживать метрики эффективности, типичные для сквозной аналитики: ROI, ДРР, CPO.
👌 Когда проблема аналитики сделок с длинным циклом решена
Подробная статья Игоря Кузина, Co-founder&CEO Smart'а, о проблеме сквозной аналитики в недвижимости (и любом другом бизнесе с длинным циклом) и о том, как это решить раз и навсегда. https://vc.ru/marketing/90121-skvoznaya-analitika-v-nedvizhimosti-ne-rabotaet-v-chem-oshibka-i-gde-reshenie
Интеграция с UIS и MANGO: выжимаем максимум из аналитики звонков
Теперь ни один звонок не остаётся без внимания. Интеграция с сервисами телефонии и коллтрекинга UIS и MANGO позволит вам:
👉 Анализировать не только входящие, но и исходящие звонки. Проводите полную и детальную аналитику работы менеджеров в рамках одной платформы и верно оценивайте их эффективность.
👉 Отслеживать источник перехода на сайт. Отслеживайте источник перехода звонившего на сайт ещё до первой коммуникации. Таким образом, вы можете точно понять откуда “пришёл” звонок и сколько посещений потребовалось пользователю, прежде чем он решился набрать ваш номер.
👉 Проводить когортный анализ с учетом данных по звонкам. Благодаря person-based аналитике вы можете работать с когортами, учитывающими звонки.
И это все - лишь толика тех возможностей, которые буду доступны в Smart'е!
🎉 Новый сайт уже здесь
📌 На нашем новом сайте вы сможете узнать о возможностях платформы, посмотреть демонстрационные видео и, конечно, добавиться в лист ожидания. Получите приоритетный доступ к платформе сразу после релиза!
Хотите увидеть на сайте что-то еще? Будем рады предложениям и пожеланиям!
Сайт: https://smartanalytics.io/ru/
Как считать LTV. Битва титанов
Не так давно Олег Якубенков, весьма известный в среде продуктовой аналитики человек и автор симулятора GoPractice, опубликовал эссе о том, как же все-таки правильно считать LTV.
Но вся соль в том, что Олег, по сути, раскритиковал одну из методик расчета LTV из ebook "Lifetime Value: главная метрика проекта" Василия Сабирова. А Василий, собственно, также признанный эксперт в области аналитики, человек с профильным математическим образованием и автор книги "Игра в цифры. Как аналитика позволяет видеоиграм жить лучше". Книга, кстати, бестселлер, посвященный игровой аналитике, права на которую выкупает британское издательство CRC Press - Taylor & Francis для переиздания ее на английском языке.
Хо-хо, вот это замес! Битва титанов!
В своем компактном электронном издании Василий Сабиров определяет LTV как "показатель ценности клиента, которую он приносит за все время в проекте" и представляет ряд методик расчета этой метрики. Читатель вместе с автором проходят путь от элементарных расчетов вроде "взять все доходы и поделить на количество клиентов" до методики LTV=ARPUxLifetime (в книге она №4), где ARPU =Revenue/DAU (выручка/ежедневно_активные_пользователи), а Lifetime — это время жизни пользователя в проекте. Кстати сказать, методика расчета LTV, как произведение ARPU на Lifetime, довольно часто встречается на просторах всемирной сети.
Кстати, ведь как известно, LTV считается с помощью когортного анализа, но где же когорты в формуле LTV=ARPUxLifetime? Все просто: Lifetime — это интеграл от функции Retention, которая изначально имеет зашитую в себе "когортную" логику. Графически это выглядит как площадь под Retention.
Олег же в своей статье подчеркивает ряд недостатков такой методики. Главным образом, критике подвергнут показатель "Lifetime", основной недостаток которого в том, что зачастую в любой когорте есть пользователи, которые становятся постоянными клиентами, т.е. Lifetime (как среднее время жизни пользователя в проекте) будет стремиться к бесконечности. Исчисление Lifetime как интеграла от функции Retention тоже не решает этой проблемы, поскольку остается открытым вопрос относительно правого края интегрирования.
Но Сабиров дает "рецепт" для решения этой проблемы — дисконтирование. За ставку дисконтирования Василий предлагает принимать WACC (Weighted Average
Cost of Capital), а его, в свою очередь, брать равным фактической рентабельности капитала в среднем по фирме или желаемой рентабельности капитала, или же равным рентабельности капитала альтернативных проектов. Однако замечу, что дисконтирование "убьет" рост Lifetime во времени только в случае какого-то невероятно длинного временного диапазона. Кроме того, такой подход не учитывает роста тарифов во времени. Да, деньги дешевеют, но, как правило, и тарифная сетка продукта не стоит на месте.
Итак, мы приходим к тому, что на практике практически невозможно отказаться от экспертного определения диапазона жизненного цикла. Или все-таки нет?
Примирение: мир, дружба, диджитал!
В своем эссе Якубенков предлагает методику, суть которой состоит в том, чтобы взять когорту пользователей, просуммировать доходность по ней с момента регистрации до момента N и поделить на количество пользователей в этой когорте. При этом N предлагается задавать динамически, исходя из целей и объема данных проекта, т.е. по сути, задается экспертно. Иными словами, в этой методике LTV считается как накопленный (кумулятивный) ARPU за N дней. Однако, с поправкой на то, что на практике необходимо прогнозировать LTV.
И тут бинго! Методика №5 Сабирова как раз об этом. Василий в том числе предлагает матмодель, которую удобно использовать для прогнозирования LTV: F (t) = A + ln (t+B), где t — количество дней от первого визита пользователя, F(t) — будущее уравнение, A и B — коэффициенты модели.
Т.е. вот она, золотая методика, которая объединяет двух экспертов: Cumulative ARPU(t), где t Сабирова равно N Якубенкова.
Игорь Кузин, Co-founder&CEO в Smart'е
Всем привет! У нашей команды новый крутейший релиз! Поздравляю всю команду — в Смарте появилась предиктивная аналитика. Да не простая, а смотрите какая! :)
Наташа Гаврилова, розовый пони в Smart'е
Курс по сквозной аналитике от ВУЗа #1 по версии Forbes
Отличные новости! Высшая Школа Экономики открыла программу "Сквозная аналитика в маркетинге", разработанную при непосредственном участии экспертов из Smart Analytics.
В этом году Вышка заняла 1е место в рейтинге Forbes и 1е место по рейтингу HH. Так что если вы думаете, куда пойти учиться, чтобы по-настоящему прокачаться в аналитике, то Вышка — это ваш выбор.
"Российская газета" пишет: "Детский омбудсмен назвала регионы-лидеры в РФ по качеству образования". К чему бы это здесь? Все просто — сбор, трансформация данных, хранение, визуализация и само формирование рейтинга выполнены полностью на Smart'е.
О реализации федерального цифрового проекта "Качество детства", опыте работы с Администрацией Президента РФ и массе позитивных впечатлений от работы с командой Анны Кузнецовой читайте в следующих выпусках!)
Кирилл Баскаков, CBDO в Smart'е
🔥 Батл между дата сайентистами и статистами! 🥊
Всех с пятницей! Baba Brinkman записал батл между дата сайентистом и статистом, а мы перевели. В этом противостоянии, по сути, раскрывается различие подходов классической статистики и "науки о данных".
Смотрите, что получилось! Дайте бит и шууууум!
🙌🏻 Онлайн-встреча «Антикризисные решения для рекламных агентств» – 14/05/2020 в 16:00
Как сократить расходы на обслуживание клиентов и оптимизировать кадры? Как повысить ценность услуг в глазах клиента и получить дополнительную прибыль? Как улучшить клиентский сервис без дополнительных проблем? Расскажем на онлайн-встрече!
Ключевые вопросы:
✔️ Увеличение агентской комиссии с помощью сквозной аналитики;
✔️ Существенная оптимизация кадровых ресурсов;
✔️ Улучшение клиентского сервиса и впечатлений от сотрудничества;
✔️ Бесплатное внедрение на реальном проекте + месяц обслуживания.
Регистрируйтесь по ссылке, мероприятие бесплатное: https://bit.ly/3dFZUIi
Встречайте новую фичу — ниспадающие фильтры!
Теперь в настройках таблицы можно вместо линейной вложенности использовать "ниспадающие фильтры". Фильтрация применяется ко всем диаграммам и всем элементам таблицы.
Новый инструмент также позволяет:
📈 Применять одновременно неограниченное количество фильтров в отчете.
📉 Комбинировать ниспадающие фильтры на весь отчет и drill-down в конкретных диаграммах (используя пользовательские сценарии).
📊 Добавление фильтров осуществляется без кода, просто кликните на ➕ и выберите нужный срез.
Ниспадающие фильтры — это очень удобно! Особенно при работе с когортами и отчетами с навороченной визуализацией.
🔥 Аналитика упоминаний бренда еще никогда не была такой эффективной
Реализованы ряд интеграций с сервисами отслеживания упоминаний брендов в СМИ и социальных сетях, тем самым осуществив настоящий прорыв в аналитике репутации.
Сервисы, с которыми уже есть интеграции:
👉 Медиалогия
👉 YouScan
👉 SemanticForce
👉 IQbuzz
Это значит, что вы сможете отслеживать не только частоту упоминаний бренда, но и то, как именно они влияют на динамику ключевых показателей компании.
✔️ Отслеживайте частоту и характер упоминаний.
✔️ Измеряйте индекс потребительской лояльности (NPS).
✔️ Анализируйте корреляции между рекламными и PR активностями бренда, а также характером упоминаний.
✔️ Отслеживайте влияние упоминаний бренда на рост или падение продаж в общем или по конкретным категориям продуктов или услуг.
📈 Кросспроектная аналитика готовится выйти из беты!
Суперпредставление - это возможность выводить данные по всем проектам в одном отчете или дашборде и получать полную аналитику по всем сайтам сразу, в одном окне.
Сегментировать данные можно по абсолютно разным параметрам (стандартным и кастомным), использовать таблицы и любую визуализацию с применением drill-down, анализируя данные в более глубоких срезах.
Кому это нужно:
👉 Всем тем, у кого есть несколько сайтов под один или разные проекты (например, застройщикам, у которых под каждый жилищный комплекс - свой сайт).
👉 Digital-агентствам: очень удобно видеть данные по всем клиентам в одном дашборде, "проваливаясь" в конкретного клиента прямо на диаграммах.
👉 Компаниям, у которых несколько CRM, аккаунтов коллтрекинга или несколько рекламных площадок для каждого ресурса. Инструмент позволяет объединить разрозненные данные и получить helicopter view.
🙌🏻 Встречайте новую порцию UX-обновлений
✅ Добавлена возможность массового добавления срезов/метрик/сегментов/групп сегментов. Теперь даже самые навороченные отчеты создаются буквально в считанные секунды!
✅ Появилась кнопка "обновить" - обновляет отчет без перезагрузки страницы, с сохранением всех уровней вложенностей, фильтров и прочих настроек.
✅ Реализована выгрузка отчетов в PDF - можно выгрузить только диаграммы, только таблицу или все вместе!
✅ Запущен "режим трансляции" - обеспечит презентацию отчетов и дашбородов в лучшем виде!
Работать с системой очень удобно! Попробуйте, и вы больше не сможете вернуться к другим инструментам!)
💥 Кастомные URL-параметры готовятся выйти из закрытой беты!
👉🏻 Теперь вы можете создавать свои собственные параметры прямо в интерфейсе всего в несколько кликов! Например, вы можете создать свою собственную utm-метку – utm_category, utm_direction или, допустим, utm_group. Затем создать параметр в интерфейсе (без кодинга!) и сразу же использовать его в отчетах.
👉🏻 Использовать префикс «utm_» совсем не обязательно, вы можете назвать параметр как угодно и настроить его сбор и отслеживание.
👉🏻 И да, прописывать что-либо в хвостах урлов также не обязательно – можно просто нацелить систему так, чтобы она работала с уже существующими URL’ами.
💡 Что это дает? Это дает возможность создать то, что мы называем «кастомной структурой данных». Ведь бизнес, по большому счету, не мыслит рекламными кампаниями и ключевыми словами. Он мыслит своими собственными категориями, свойственными ему срезами. И теперь вы можете с легкостью построить отчеты, дашборды и интерактивные панели на языке, понятном именно вашему бизнесу.
📌 По таким параметрам также доступны все метрики, например, сеансы, глубина просмотра, расход, доход, ROAS/ROMI и другие.