Исследование: Новые стандарты рынка цифровой аналитики в условиях импортозамещения

В конце 2024 года, когда процесс импортозамещения после ухода зарубежных аналитических инструментов практически завершен, мы решили исследовать, как изменился рынок цифровой аналитики, появился ли новый аналитический стандарт и с какими сложностями сталкивается бизнес в новых реалиях.

Мы провели качественное и количественное исследования среди средних и крупных e-commerce, retail, finance и других проектов из ТОП-100 в РФ и хотим поделиться его результатами.

О чем мы сегодня поговорим?

1. Почему важно говорить о новых стандартах рынка? Что мы вкладываем в это определение?
2. Кто герой нашего исследования? Какие задачи и вызовы стоят перед ним? 
3. Из каких компонентов состоит аналитический проект, и появился ли “золотой” стандарт у рынка? 
4. Какие есть образы решений для нашего героя? И что мы об этом думаем?

Кому будет полезно дочитать до конца?

• Вы руководитель команды маркетинговой аналитики

Вам будет ценно соотнести ваши задачи и боли с опытом коллег по рынку. 

Мы видим, что в большинстве случаев проекты испытывают одинаковые сложности

• Вы маркетолог, и в вашем бюджете есть расход на аналитику

Вы на регулярной основе сталкиваетесь с внутренними ограничениями, которые транслирует служба безопасности

• У вас сильное IT, но ваши задачи ограничены его ресурсом и внутренним контуром

Мы видим, что это наиболее распространенная боль, но почти все наши респонденты решают ее одинаковым образом 

Что такое стандарт рынка аналитических решений?

Стандарт рынка аналитических решений — набор ключевых элементов аналитической инфраструктуры, которые являются общими для большинства участников рынка. Это могут быть трекинги web и app данных, системы для визуализации данных и построения отчетности, сервисы для проведения А/Б тестирования и другие инструменты, позволяющие оценивать эффективность маркетинговых усилий. 

Выбор верных аналитических инструментов помогает сократить издержки на их интеграцию, на развитие аналитического проекта, а также на привлечение дополнительных специалистов и их онбординг за счет более широкого владения известным стеком. 

О каких элементах аналитической инфраструктуры идет речь?

• Облачная инфраструктура, хранение и обработка данных
• Система управления тегами
• Инструменты сбора данных сайта, мобильного приложения
• Трекеры медийных просмотров
• Инструменты импорта и доставки других маркетинговых данных
• Инструменты проведения A/B тестов
• Интерфейсы доступа к данным и построения отчетности
• Инструменты трансформации данных.

Проанализировав более 50 проектов, мы отметили, что практически каждый респондент считает свой проект особенным, но, как правило, боли и сложности, возникающие в компаниях, повторяются. Поэтому мы усреднили портрет целевого респондента.

Кто он — Head of Marketing Analytics? И как он себя чувствует? 

• Head of Analytics

Находится в команде цифровых продаж. Возможно в его KPI есть результаты продаж и/или маркетинга

• У него есть своя аналитическая команда и/или внешний подрядчик

Это линейные аналитики разных уровней (Их может быть и до 5, и более 50), возможно ETL специалисты

• У команды скорее несколько бизнес-заказчиков

Работа выстроена через общий бэклог и сквозные правила приоритезации

Чем занимается руководитель маркетинговой аналитики?

• Поддержка сбора и доставки качественных маркетинговых данных

На отдельных проектах на эти задачи может уходить до 70% ресурса специалистов

• Построение и поддержание регулярной маркетинговой отчетности

В том числе иногда вовлечение в оптимизацию performance, управление LTV и т.д.

• Организация и проведение A/B тестов

Интересный инсайт: есть мнение о перекосе рынка труда в сторону таких специалистов

• Поддержка мониторинга и алертинга

На части проектов задача имеет сопоставимую важность с поддержкой регулярной отчетности

• Прогнозы и планирование

Бизнес активно вовлекает аналитические команды в форкастирование и задачи планирования 

• Предоставление self-service продуктов для бизнес-пользователей

Рано или поздно некоторые крупные проекты идут по пути своих аналитических продуктов

С какими сложностями сталкиваются Head of Marketing Analytics?

Импортозамещение. 

Как мы сказали ранее, процесс импортозамещения подходит к концу, но все-таки еще не закончен. Сложность с выбором и миграцией на альтернативный стек не стоит так остро в сравнении с 2022 годом, но усиление санкционных ограничений еще пока содержит в себе риски для аналитических проектов вместе с необходимостью завершить задачу миграции. 

Аналитическая зрелость.

В ходе опроса мы выделили наличие запроса на развитие аналитической зрелости бизнеса. Это общий тренд, который наблюдается у всех наших респондентов. Самое интересное, что это запрос не только специалистов по аналитике и маркетингу. Потребность повышения аналитической зрелости подпитывается от бизнеса.

Инвестиции. 

Почти во всех средних и крупных компаниях открыты инвестиционные аналитические проекты. Хотя есть нервозность, связанная с тем, что проходит оптимизация бюджетов, высокая ключевая ставка в банках влияет на бюджет, который выделяет бизнес на аналитические проекты.

Процесс импортозамещения, который стартовал еще в 2022 году после ухода крупных аналитических сервисов с российского рынка, накладывает сложности не только с процессом миграции на отечественный стек (сжатые сроки, обучение сотрудников и др.) Сложности возникают с ожиданиями от новых инструментов. 

Наши респонденты поделились своими ожиданиями и реальностью, с которой они столкнулись.

Ожидания команды аналитиков

• Необходим сбор и хранение сырых данных

Для реализации расчетов и проведения исследований: атрибуция, CJM, сложные тесты, узкие сегменты и т.д.

• Возможность гибкого масштабирования

Растут не только объемы собираемых данных, но и объемы и сложность вычислений

• Возможность подключить Self-Service BI-инструменты

Для бизнес-пользователей ценно передавать удобные инструменты работы с данными, чтобы этими инструментами могли пользоваться все заинтересованные команды

• Скорость получения данных

Мы все чаще слышим: “Мы стремимся к realtime отчетности”. Чаще всего это требование использование используется для ML-скоринга, для рекомендательных систем. Это накладывает сложности в использование только внутреннего контура

• Доступ к пользователям и передача данных во вне

Решение задач за пределами контура: данные для CPA систем, данные для рекламных агентств, передача аудиторий и триггеров в рекламные системы

Реальность и ее ограничения

• Сбор персональных и/или транзакционных данных

Для проектов, где маркетинг активно использует облачное хранилище данных. Это ограничение со стороны СБ.

• Доступ во внутренний контур

Для проектов, когда маркетинг использует внешние инструменты сбора данных или привлекает подрядчиков на работы во внутренний контур

А что с ограничением в кадрах?

Помимо того, что найти узкого специалиста стало сложнее и дороже, а онбординг специалистов занимает все больше времени, мы также выделяем, что требования к аналитическим профессиям стали жестче и шире. Как следствие, рынок кадров не успевает подстроиться под заявленные бизнесом требования. Это вызвало нехватку специалистов грейда middle и выше. 

• Усилились требования к техническим компетенциям

Знание SQL и Python сейчас являются скорее обязательными

• Рост зарплат

В течение года на 30 — 50%. В течение 2 — 3 лет на 200%

• Не хватает middle и senior специалистов

Проблема не новая, но каждый респондент ее упомянул

• Полярное отношение к владению стеком

В каких-то компаниях знания носят обязательный характер (и все чаще проводится live coding), в других — обучают стеку в процессе

Инструменты аналитики. Что используется на проектах? 

Где рынок пришел к стандарту?

• Yandex Cloud и Yandex Managed Service for ClickHouse

У большинства наших собеседников это решение используется как основное для хранения маркетинговых данных 

• Яндекс.Метрика и AppMetrica

Как инструмент отслеживания основных метрик сайта, приложения, эффективности источников, а также для работы с готовыми отчетами в UI

Где рынок еще идет к стандарту? 

• Сырые данные сайта

1. (Оффтоп) Удивительно, но некоторые крупные компании не работают с сырыми данными
2. Мы видим очень осознанные причины в выборе сбора сырых данных от Яндекс.Метрики или DataGo

• Менеджер тегов

Большинство проектов продолжают использовать Google Tag Manager, а в качестве альтернатив скорее аккуратно рассматривают Matomo, Clever Data

• Менеджер A/B тестов

Интересный инсайт: более 50% проектов рассматривают собственные решения с элементами open-source

• Импорт расходов из рекламных кабинетов

Несмотря на наличие продуктовых решений, большинство проектов решают задачу самостоятельно. 

Рынок значимо продвинулся с 2022 года в формировании стандарта альтернативного технологического стека, но процесс еще не завершен.

Где появилось решение, но не появился стандарт?

Наиболее важные выводы

В крупных и средних компаниях запрос к инфраструктуре маркетинговой аналитики сильно шире, чем к платформе для построения отчетности. Поэтому (несмотря на сильный в 2022 году тренд ухода в инхаус) мы видим, что в большинстве известных нам проектов можно выделить 2 контура:

1. Решение от IT / Data Office. Основное корпоративное хранилище, где собираются и обрабатываются самые различные данные бизнеса
2. Маркетинговое хранилище. Исходно является точкой сбора данных из маркетинговых источников

Часть респондентов развивает маркетинговый контур и выделяет там «песочницу» для работы с данными, передавая деперсонализированные клиентские/транзакционные данные

Это позволяет закрывать 85% задач аналитики цифрового маркетинга. Для оставшихся 15% используется корпоративное хранилище, куда частично загружаются данные цифрового маркетинга

Почему так? 

1. Решения на внутреннем контуре от Data Office не предоставляют маркетинговым командам нужной гибкости и скорости работы с данными
2. Ограниченные ресурсы IT команд не позволяют реализовать маркетингу по-настоящему все свои задумки
3. Доставка маркетинговых данных на внутренний контур, их обработка и обратная доставка в рекламные сервисы — не самая тривиальная задача, если это требуется в режиме близком к реальному времени
4. Развивая собственные аналитические продукты, маркетингу необходимо вписываться в общую корпоративную логику построения хранилища (согласования)

Какое решение? Маркетинговое хранилище данных

Фактически рынок спустя 2.5 года осознанно или неосознанно вернулся к построению т.н. маркетингового хранилища данных.

Хранилище маркетинговых данных (Marketing DWH) — это решение для хранения данных, позволяющее собирать и объединять маркетинговые данные из всех ваших различных источников данных в одном месте, а также:

• Строить отчеты и быстро проверять гипотезы
• Гибко подключать внешние BI инструменты
• В режиме близком к realtime формировать сегменты и доставлять аудитории в рекламные сервисы
• Не ограничивать себя ресурсом IT департамента и сложностями работы со службами безопасности

Издержки на поиск и интеграцию новых аналитических инструментов, недостаточный функционал отечественных решений, дороговизна привлечения уникальных специалистов и их онбординг — последствия импортозамещения, с которыми столкнулись практически все аналитические проекты.

Мы продолжаем исследовать опыт руководителей аналитических проектов крупного и среднего бизнесов и искать тот самый “золотой стандарт рынка цифровой аналитики”.