Как создать автоматизированные дашборды и повысить эффективность маркетинга
Команде агентства приходилось тратить от четырех часов в неделю на составление отчетов. Это затрудняло оперативный анализ данных и принятие стратегических решений. Рассказываем, как нам удалось автоматизировать сбор рекламной статистики и превратить скучные таблички Excel в визуализированные отчеты с наглядными графиками и диаграммами.
Мнение автора может не совпадать с мнением редакции
Клиент
Сеть стоматологических клиник в Санкт-Петербурге.
Проблема
Сеть клиник столкнулась с проблемой — клиент хотел видеть более детализированную аналитику по рекламным кампаниям, и команде агентства приходилось тратить много времени на составление отчетов. Это мешало в режиме реального времени анализировать кампании и оперативно принимать стратегические решения — грамотно оптимизировать рекламные бюджеты и адаптировать digital-стратегию.
Решение
Мы в MediaNation создали для клиента автоматизированную систему отчетности и интуитивно-понятный дашборд с ключевыми метриками. Для этого использовали:
Систему сквозной аналитики StreamMyData для интеграции данных.
Хранилище данных BigQuery для обработки и анализа больших объемов информации.
Язык программирования SQL для эффективного управления базами данных.
Инструменты Apache Superset и Apache Airflow для визуализации данных и автоматизации процессов.
Этот комплексный подход позволил нам улучшить точность данных и получить доступ к ключевым метрикам и аналитическим данным рекламных кампаний.
Этап 1: подготовка к созданию автообновляемых дашбордов
Этот процесс включал следующие шаги:
1. Идентификация ключевых метрик. Создание автоматизированного отчета началось с тщательного анализа потребностей клиента. Мы определили ключевые метрики, которые необходимо включить в дашборд, например, клики, конверсии, расходы по рекламным кампаниям, CPA, CPC, CPA и т. д.
2. Выгрузка данных. Мы выгрузили данные, необходимые для расчета выбранных метрик, из кабинетов Яндекс Директа, Яндекс Метрики, VK Рекламы и ПромоСтраниц.
3. Проектирование SQL-запросов для объединения данных из различных источников. Это позволило создать единое хранилище данных, где информация была структурирована для удобного анализа.
На этом этапе столкнулись с проблемой: через API ПромоСтраниц нельзя было получить количество достигнутых целей. Это мешало точно анализировать эффективность рекламных кампаний.
Для решения этой проблемы мы использовали выгрузку данных из Яндекс Метрики через аналитическую систему StreamMyData. Сервис позволил нам обойти ограничения API ПромоСтраниц и получить полную картину по достигнутым целям в рекламных кампаниях.