Построение рекламной аналитики с нуля в Retail Media
«Мой опыт доказывает, что слова Сократа “Я знаю, что ничего не знаю” актуальны для любого начинания. Расскажу о том, как этот подход помог мне в работе, когда нужно было не только собрать команду аналитики и выстроить все процессы с нуля, но и начать быстро показывать результаты», — делимся колонкой Максима Калацкого, руководителя управления рекламной аналитики Магнит ADS.
Немного
обо мне
Руковожу аналитикой в Магнит ADS. Был на разных позициях и в онлайн-, и
в офлайн-ритейлерах: ЕССО, ЦУМ, «Яндекс Еда». В Wildberries за год работы
выстроил с нуля отдел аналитики, в несколько раз нарастил
рекламную выручку. В Магнит ADS я столкнулся с интересным вызовом, где моя экспертиза
оказалась очень кстати: нужно было выстроить всю аналитику с нуля, но теперь
уже в Retail Media.
Общие этапы построения аналитики
Перед тем, как рассказать об этапах проделанной работы, поделюсь своим
наблюдением: алгоритм построения аналитики с нуля напоминает сборку кубика
Рубика. Ты не можешь прыгнуть от 0 до 10 без шага от 0 до 1 (или собрать одну сторону
кубика). Поэтому сначала необходимо выработать алгоритм, как двигаться от 0 до
1, а дальше предпринимать следующие шаги.
Исследование legacy и сбор планов от
бизнеса
Начну с базовых вещей, про которые почему-то часто забывают.
1) Основные контактные лица: можно очень долго изучать документацию и
даже разобраться, как всё устроено в техническом плане, но связи между
проектами почти всегда не задокументированы и находятся только в головах у
сторожил компании, с которыми и нужно в первую очередь наладить контакт.
2) Инфраструктура — необходимо понять стек инструментов и технологий,
которые используются в компании, и быстро запросить к ним доступы.
3) Продукты — то, за что вы будете отвечать и что будете развивать.
Главное здесь — понять, как они связаны между собой, и уточнить, на какой
стадии разработки всё находится.
4) Необходимо консолидировать в едином
пространстве всю ключевую информацию о проекте. Время
людей — ценный ресурс, надо это уважать.
5) Стратегия бизнеса — после первых 4 пунктов вы уже поняли, какая
ситуация «as is» в компании, а этот пункт отражает статус «to be». Далее уже
можно «отрисовать» проекты, которые нужно выполнить, чтобы перейти из as is в
to be, и какая для этого необходима аналитическая структура.
Вот что получилось у меня после выполнения этих пунктов.
Важны три момента:
1) обозначить чёткие границы между командами аналитики и зонами ответственности;
2) не нанимать всех одновременно (помните про ограниченность ресурса онбординга);
3) некоторые функции не будут нужны вам сразу.
Найм
Итак, теперь мы готовы переходить к найму — и делать это надо быстро.
Скоро придут заказчики, сроки по задачам будут гореть. Мы уже собрали большую команду из data-инженеров, системных аналитиков,data/продуктовых аналитиков, ML-инженеров. Поделюсь алгоритмом удачного найма и несколькими
лайфхаками.
1) Подготовительный этап:
● определить
направления работы и проекты;
● подготовить
структуру;
● описать используемый
стек;
● составить
точный бриф по вакансиям — он очень важен для создания релевантной воронки и
экономии времени и сил.
2) Отбор кандидатов:
● не
отсекать на входе сразу после скрининга — хороший бриф это предотвратит;
● чем
больше рекомендаций, тем лучше;
● сначала
закрываем позиции senior-специалистов, потом остальные — вам нужны
самостоятельные люди, так как онбордить сразу всех не получится;
● максимальное
сокращение этапов (в идеале до одного) — повышает конверсию в найм.
3) Собеседование (приоритеты):
● частично
подходящий стек;
● мэтч/не
мэтч по софт-скиллам;
● релевантная
доменная экспертиза;
● мэтч/не
мэтч с текущей командой.
Fun fact: в самый пик найма на одном из этапов воронки
было по 20 собеседований в неделю!
Мой личный принцип (не рекомендация к действию): в отношении 20%
вакансий риск допустим. На 2 из 10 позиций я позволяю нанимать кандидатов, в
которых полностью не уверен, чтобы ускорить найм.
Специфика рекламных технологий
В целом мы закончили строить аналитическую ветку и выполнили три
основных задачи:
● уточнили
объём проектов;
● провели
найм;
● собрали и
задокументировали как можно больше информации — от этого очень сильно будет
зависеть скорость погружения будущих сотрудников. А теперь перейдем к рекламной специфике, или
доменной экспертизе.
Обратите внимание на два отличия данной продуктовой воронки:
1) есть дополнительные этапы — request и
response. Между ними рекламный аукцион — алгоритм, в рамках которого происходит
отбор рекламы и расчёт суммы оплаты. Важно отслеживать эти этапы для расчёта
утилизации (fill rate) — доли инвентаря, который продан/логируется, от всего
потенциального объёма.
2) события carts и orders обычно не размечаются
как реклама. Они создаются синтетически по набору бизнес-правил с помощью
рекламной атрибуции — разметки флагом рекламы нерекламных событий по
определённому набору бизнес-правил. Так происходит потому, что с фронта
невозможно разметить рекламой по всему набору бизнес-правил (например, заказ из
офлайна).
А так выглядит полное дерево метрик. Оно разделяется на два направления: работа с поставщиками (retention, привлечение новичков, средний чек рекламодателя, CPM) и работа с пользователями (продуктовая воронка, перекруты).
Далее расскажу о том, какие проекты стоят перед командами продуктовой и коммерческой аналитики, чтобы максимизировать данные метрики.
Начнём с команды коммерческой аналитики. Для того, чтобы полностью
описать её работу, необходимо пройти по пути привлечения рекламной выручки. Он
подразделяется на следующие этапы:
Этапы привлечения рекламной выручки
Аналитика продукта
Команда продуктовой аналитики занимается, во-первых, своими
классическими задачами: разметкой и анализом полноты данных. С учётом рекламной
специфики, сюда добавляются биллинг и отслеживание перекрутов.
Во-вторых — A/B-тестирования, в основном, двух типов: внедрение новых
плейсментов и оптимизация текущих. Здесь целевой метрикой 99% A/B-рекламы
является размен рекламной выручки на пользовательские метрики/заказы. Данных не
так много и они достаточно волатильные, поэтому приходится прибегать к
различным методам оптимизации.
В-третьих — работа над различными рекламными проектами: внедрением
self-service платформы для поставщиков, блогерской платформы, рекламной
атрибуции, рекламного аукциона.
Последнее — но не менее важное — создание совместно с DWH-аналитиками источников с прода и построение
визуала по основным рекламным метрикам в контексте продукта.
Результаты
В итоге нам удалось достичь впечатляющих результатов.
С точки зрения данных и инфраструктуры:
● собраны и
автоматизированы основные витрины;
● визуализированы
ключевые adtech-метрики;
● настроен
процесс взаимодействия с DWH-аналитиками по автоматизации production-процессов;
● настроен
процесс обмена данными с разработкой;
● реализованы
автоматические алёрты на любые изменения в ключевых метриках.
С точки зрения продукта:
● внедрены
и проанализированы новые плейсменты;
● запущены
ключевые фичи по оптимизации;
● внедрён
новый алгоритм ротации медийной рекламы;
● собрана
рекламная атрибуция.
С точки зрения коммерции:
● настроена
автоматическая отправка отчётности по кампаниям;
● созданы
прайс-листы на основе эффективности инструментов;
● создан
инструмент медиапланирования.
А сейчас мы развиваем персонализацию, запускаем новые рекламные
форматы, начинаем работать над рекламным аукционом, улучшаем баннерную ротацию
и создаём различные фичи по оптимизации для наших рекламных партнёров.
How to
Неделя рекламы 
Новости 
Кейсы 
Интервью и дискуссии 
Маркетинговые исследования 
Просто о сложном 
Энциклопедия обмана 
Проверено ADPASS 
Рекламные кампании