Практически любая CRM-система позволяет построить воронку продаж и оценить конверсию на ее этапах. Однако по мере роста бизнеса становится ясно, что стандартных показателей недостаточно. Средние значения помогают увидеть общую картину, но не объясняют, почему меняются продажи и где на самом деле возникают потери.
Классическая воронка продаж описывает путь потенциального клиента от первого знакомства с компанией до покупки. Основная идея в том, чтобы показать, какая часть потенциальных клиентов на каком этапе прекращает движение, и сколько дошло до покупки.
Исторически концепция опирается на модель AIDA, предложенную Элиасом Сент-Элмо Льюисом в 1898 году. Она описывает основы взаимодействия компании и клиента, такие как: внимание (Attention), интерес (Interest), желание (Desire), действие (Action).
В зависимости от бизнес-модели компании и ее масштаба этапы пути клиента могут сильно различаться и усложняться, но суть их одна: как клиенты проходят путь к покупке. Некоторые компании идут дальше и выстраивают процессы продаж, нацеленные на повторные покупки или на постоянные поставки.
Воронка продаж
Главный показатель эффективности продаж — конверсия между этапами. Например, из 1000 лидов коммерческое предложение запрашивают только 300 клиентов, а договор подписывают 50, что сразу позволяет оценить общую эффективность процесса. Однако стандартные отчеты не отвечают на главные вопросы: кто эти лиды и почему они уходят с разных этапов?
Большинство отчетов строится вокруг сводных показателей. Общая конверсия, среднее время сделки, средний чек… Такие показатели удобны для быстрого анализа происходящего, но они не объясняют причины. Средние цифры часто скрывают детали, которые оказываются критически важными для отдельных этапов воронки и бизнеса в целом.
Допустим, в компанию приходят 1000 лидов в месяц, из них 150 совершили покупку. Если смотреть на общий отчет CRM, видно, что конверсия составляет 15%. Кажется, что каналы работают примерно одинаково.
Но стоит разделить данные по источникам, и выясняется:
Срез воронки продаж
Средняя конверсия скрывает важную деталь: почти все продажи обеспечивает канал А, тогда как вложения в канал Б практически не окупаются. Та же проблема возникает с другими средними показателями. Среднее время сделки объединяет быстрые и длительные сделки, а средний чек — небольшие и крупные покупки. Такие показатели помогают оценить ситуацию в целом, но не показывают различия между группами клиентов и этапами воронки. Чем больше данных и сложнее структура продаж, тем важнее анализировать показатели в различных разрезах.
Компания теряет прибыль не потому, что плохо продает, а потому что не видит причины потерь.
Статическая воронка продаж напоминает фотографию, а ее динамический анализ больше похож на видеозапись. Он показывает не только состояние процесса, но и направление его развития. Важно понимать, когда именно возникла проблема, развивается ли она постепенно или возникла внезапно, является ли она следствием сезонности или свидетельствует об изменении поведения клиентов.
Динамический анализ позволяет выявлять проблемы до того, как они начнут отражаться на выручке. Разрез демонстрирует место возникновения проблемы, а динамика — направление изменений.
Для наглядности в первый пример добавлена динамика по месяцам. Средняя конверсия за четыре месяца составила 14.75%, что практически соответствует значению за июнь (15%). Можно предположить, что конверсия стабильна. Однако в разбивке по месяцам становится заметно, что канал А постепенно растет, а канал Б, напротив, уменьшается. Самая большая разница между показателями конверсии у каналов А и Б зафиксирована за последний месяц.
Динамика воронки продаж
Динамика воронки продаж демонстрирует снижение эффективности канала Б на протяжении нескольких месяцев, что может указывать на изменение поведения аудитории, ухудшение качества трафика, выгорание кампании или усиление конкуренции. Игнорирование этой тенденции опасно, так как проблема становится заметной только при существенном падении продаж и выручки.
Динамический анализ воронки продаж позволяет обнаружить негативный тренд на ранних этапах и скорректировать кампанию или перераспределить бюджет до значительного снижения конверсии.
Однако он не объясняет, какие группы клиентов меняют ситуацию. Чтобы найти источник проблемы, необходимо перейти от анализа динамики к рассмотрению состава клиентов. Для этого используют когортный анализ, который позволяет сравнивать поведение различных групп и проверять гипотезы.
Когорта — это группа клиентов, объединённых по общему признаку: акция, регион, отрасль и т. д. Одним из преимуществ когортного анализа воронки продаж, помимо детальной проработки целевой аудитории, является возможность сравнивать сегменты клиентов и искать закономерности, которые неочевидны на первый взгляд.
Если применить этот метод, анализ воронки продаж в примере будет выглядеть иначе. После добавления динамики выяснилось, что снижение связано с каналом Б, однако причины этого снижения по-прежнему оставались неясными. Для проверки первой гипотезы клиентов разделили на две группы. Клиенты первой группы узнали о компании благодаря акции, а второй — участвовали в вебинаре. Затем сравнили долю успешных сделок в этих группах для обоих каналов.
Когорный анализ. Гипотеза 1
Различия между когортами оказались незначительными: и клиенты, пришедшие по акции, и участники вебинара демонстрировали схожую динамику конверсии в обоих каналах. Это означает, что способ первого взаимодействия с компанией не объясняет снижение эффективности канала Б. Следовательно, первая гипотеза не подтвердилась, и необходимо искать другие факторы, влияющие на конверсию.
После проверки первой гипотезы выдвинули новую: снижение конверсии связано с поведением клиентов из разных отраслей, привлеченных через канал Б. Для проверки этой гипотезы нужно проанализировать группы клиентов, разделив их по отраслям: производство и логистика.
Когорный анализ. Гипотеза 2
В отличие от предыдущей гипотезы, здесь различия становятся очевидными. Рост числа успешных сделок в канале А связан с логистическими компаниями.
Это позволяет сделать предварительный вывод, что ухудшение общей конверсии канала Б связано не со всеми клиентами, а преимущественно с логистическими компаниями. Вероятно, именно эта группа формирует положительную динамику в канале А, выявленную на предыдущем этапе анализа.
Далее необходимо проверить причины такого поведения: изменилось ли рекламное предложение для логистических компаний в канале Б, привлекаются ли менее целевые лиды, соответствует ли посадочная страница их ожиданиям и изменились ли потребности рынка. Таким образом, когортный анализ воронки продаж позволяет сузить область поиска и сосредоточить дальнейшее исследование на конкретном сегменте клиентов, а не на всем канале привлечения.
В примере выше рассмотрен переход от интереса к покупке как наиболее понятный и распространённый сценарий. На практике этот подход применяется к любому этапу воронки, а анализ разрезов, динамики и когорт можно использовать как по отдельности, так и в различных сочетаниях.
Если необходимо подробнее разобраться в методологии когортного анализа и увидеть его применение на практических примерах в Loginom, обратите внимание на курс «Обнаружение и измерение оттока» в Loginom.Навыки. В нем рассматриваются построение когорт, анализ удержания и оттока клиентов, а также интерпретация полученных результатов на реальных бизнес-процессах.
Воронка продаж остается полезным инструментом. Однако по мере роста бизнеса ее недостаточно анализировать по средним показателям. Чтобы понимать реальные причины изменений и принимать обоснованные решения, необходимо рассматривать воронку сразу в нескольких измерениях: анализировать показатели в различных разрезах, отслеживать их динамику и сравнивать поведение разных когорт клиентов. Только такой подход превращает воронку продаж из отчета о текущем состоянии в полноценный инструмент управления.
Другие материалы по теме:
Автоматизация рутинных операций сотрудников. Кейс Автоэкспресс
