Data restart 2017 - Automatizace klientského reportingu
•
0 likes•133 views
Kterak jsme v Sunu přešli na automatizovaný reporting, jaké byly důvody, jak reporting vypadá a probíhá nyní, jeho výhody a jaká bude nejbližší budoucnost.
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to Data restart 2017 - Automatizace klientského reportingu
Similar to Data restart 2017 - Automatizace klientského reportingu (20)
More from Sun Marketing
More from Sun Marketing (18)
Data restart 2017 - Automatizace klientského reportingu
- 1. AUTOMATIZACE KLIENTSKÉHO REPORTINGU Lukáš Jirát, DATA restart 2017
- 2. Moře času nad reportingem každý měsíc. Jednotvárná práce. Zbytečně vydaná energie specialistů, která mohla být využita daleko smysluplněji. Minimální zpětná vazba a interakce. A čte je vůbec někdo? REPORTING…TEDY TEN STARÝ
- 7. Online přístup 24/7 Každý den ráno stahována aktuální data Nadefinovány veškeré potřebné metriky ze všech použitých systémů Možnost filtrace dle jednotlivých systémů a období Rozdělení do fází SEE, THINK, DO…v budoucnu i CARE PNO, CTR, AOV – vše na jednom místě a kdykoliv k dispozici Videohovor s klientem nad aktuálními daty – žádný jednostranný reporting → prohlubování vztahů klient + specialista potažmo agentura REPORTING…TEDY TEN NOVÝ
- 8. Google AdWords Seznam Sklik Facebook Ads Adform Google MCF – vlastní extraktor Heureka.cz – vlastní extraktor Heureka.sk – vlastní extraktor Zbozi.cz – vlastní extraktor Srovname.cz – vlastní extraktor Pricemania.sk – vlastní extraktor EXTRAKTORY
- 11. Keboola nám zajišťuje celý proces získání, zpracování a zapsání dat do GoodDaty. Extraktory – získání dat (připojení na API nebo jiný zdroj dat systémů) a jejich stažení do Kebooly Transformace – zpracování, očištění a připravení dat pro zapsání do GoodData Writery – zapsání výstupu dat do GoodData, případně do databáze Orchestrace – fázování a automatické spouštění jednotlivých částí (extraktory, transformace, writery) KEBOOLA
- 16. Další využití dat z Kebooly v nástroji Power BI Keboola nám připravuje data pro reporty v GoodData, a my tato data využíváme současně individuálně v Power BI — specialisté si mohou připravit nad daty vlastní reporty — využití pro speciální reporty, které nejsou přesně definované v GoodData — dashboardy použitelné pro správu kampaní Porovnání dat z informačního systému, typicky nastavená KPI, budgety na kampaně proti reálným hodnotám ze systémů díky napojení na Keboolu POWER BI + KEBOOLA
- 18. Nasazení jednoho klienta — přibližně 2-6 hodin – dle stavu, v jakém je k dispozici Měsíční náklady na technologie a support — kolem 30.000 Kč/měsíc — je třeba poměřit se získaným časem Náklady na implementaci — jednorázové — 420.000 Kč NÁKLADY
- 20. Vyladit spolehlivost — ne vždy je na nástroj 100% spolehnutí — chyby ve vstupních datech – rozdíl mezi daty na webu a daty v API Rozvoj — propojení s klientskými CRM — integrovaný pohled na klienta — makropohled napříč kanály — přidání více zdrojů dat — reporting sociálních sítí A CO BUDE DÁL?
- 21. DOTAZY?
- 22. Lukáš Jirát +420 734 203 183 lukas.jirat@sunmarketing.cz @lukasjirat www.sunmarketing.cz www.sunitka.cz /sunmarketing @sun_marketing Sun Marketing, s.r.o. | Hybernská 1271/32 | 110 00 Praha 1
Editor's Notes
- Staré reporty – primárně v Microsoft Excel, screenshoty z Google Analytics, na týdenní/měsíční bázi. Reporty jsme klientovi zasílali přes teamwork project (případně mailem) se stručným komentářem, většinou bez odezvy.
- Staré reporty – primárně v Microsoft Excel, screenshoty z Google Analytics, na týdenní/měsíční bázi. Reporty jsme klientovi zasílali přes teamwork project (případně mailem) se stručným komentářem, většinou bez odezvy.
- Proto jsme se vydali touto cestou, spojením Kebooly a GoodData
- Videohovor s klientem s nasdílením plochy, projetí dat a čísel v reportu (v GD) při reportingu, okamžitá zpětná vazba, naplánování dalších prací na kampani (specialisté si dělají zápis z reportingu, a při dalším reportu následující měsíc probíhá shrnutí co se dělalo, co se nestihlo, jaké jsou výsledky v porovnání s předchozím obdobím, a podobně) V budoucnu i CARE – na to bude navázáno na konci prezentace v sekci „rozvoj“ – napojení na klientské CRM, a podobně
- Vlastní extraktory Google MCF (multi-channel funnels) – díky tomuto extraktoru stahujeme vícekanálové cesty v případě e-shopů – díky tomu můžeme reportovat i asistované konverze (což jinak defaultně nebylo možné).
- Jen rychlá ukázka takto, potom přepnutí do reálného prostředí GD, kde představím 2 reporty – PA/SEO zvlášť, rozdělení do fází STD (C), možnost filtrace data/reklamního systému Reporty máme pro SEO a PPC rozdělené, každé mé jiné transformace. U PPC výsledek kampaní ještě rozdělujeme podle frameworku STDC Ukázat ve fázi transformací to, že ze Solarisu se použije informace o tom, které kampaně spolu souvisí, a párují se tak exaktně podle ID, nikoliv podle názvu kampaně
- 3 hlavní fáze (ETL) – Extraction – získání dat z daných systémů –> Transformation – párování kampaní napříč systémy dle ID -> napojení na Solaris (interní informační systém) -> Load – zápis do Gooddata Orchestrace je zastřešující fáze, která v podstatě ovládá 3 hlavní fáze
- - Nasazení klienta - první stažení, je to závislé dle počtu extraktorů – reklamních systémů klienta, MUFování dat – Modify User Filters – v podstatě oprávnění co klient v GoodData vidí
- Chyby v datech – stává se, že reklamní systém vrátí nesmyslná data, nebo extraktor z nám neznámých důvodů neudělá nic. U větších klientů bývá problém se samplováním dat – což je u klasických GA problém všudě (řešíme tak, že zkrátíme období za které stahujeme data) (+ zmínku o možnosti využití toolu pro veřejnost – když bude zájem -> kontakt na mě)