Reply.io Кейс

Reply.io – це B2B SaaS платформа на базі штучного інтелекту, яка допомагає сейлз командам автоматизувати та масштабувати охоплення потенційних клієнтів, залучати нових і швидше збільшувати дохід своєї компанії. Заснована в 2014 році в Україні, компанія має офіси в США та Канаді. Серед її клієнтів такі бренди як Adobe, OneTrust, OpenWeb та багато інших.

На момент звернення до нас в компанії не було повноцінної централізованої аналітики. Кожен з відділів компанії намагався власноруч зводити статистику з різних джерел, щоб надавати керівникам для прийняття стратегічних рішень. Найбільшим питанням була ефективність продуктів Reply. На момент написання цієї статті їх налічується 7. Reply спеціалізується на багатоканальному залученні та пропонує різноманітні сервіси в своїх підписках. Компанія надзвичайно клієнтоорієнтована, тому вона створила більше 150 планів та ще більше аддонів до них, для того щоб найбільш точно відповідати потребам своїх користувачів. А служба підтримки завжди йде назустріч, щоб робити свій сервіс ще кращим для кожного клієнта.

Повноцінної аналітики потребував як продуктовий відділ компанії, так і маркетинговий. Для маркетингу важливо було розуміти ефективність рекламних кампаній та інших активностей, покликаних на розширення клієнтської бази, зокрема окупність інвестицій в різні джерела лідів в перспективі, а саме співвідношення LTV до CAC.

Визначивши потреби бізнесу, нам потрібно було зібрати дані з великої кількості джерел, а саме:

• Google Analytics 4
• Google Ads
• Facebook Ads
• LinkedIn Ads
• Hubspot
• ChargeBee – сервіс керування підписками
• QuickBooks – бухгалтерський софт для обліку оплат
• Внутрішня база Reply з даними про користувачів, підписки, логи, дані про користування окремими сервісами Reply та інше.

BigQuery надає можливість це зробити, тому він став місцем для імпорту, зберігання та обробки даних для побудови всієї аналітики для клієнта.

Паралельно була проведена робота по налаштуванню Google Analytics 4 та збору даних про трафік та потрібні події, зокрема відстеження початку та успішної реєстрації, початку та успішного бронювання демо, відправка лід-форм та інші події, які вказували на зацікавленість відвідувачів сайту.

Також разом з командою розробників Reply реалізували визначення та збереження даних про джерела нових лідів та реєстрацій. Це потрібно для того, щоб не втрачати ці дані, коли Google Analytics 4 не зміг відслідкувати джерело через блокувальники реклами, поганий інтернет і т.і.

Найважливішою підготовчою роботою було визначення продуктів Reply. В компанії знали з чого складаються плани та аддони, тому, скооперувавшись з клієнтом, ми прийшли до рішення розділити ці сутності по долі кожного з продуктів в них. Таким чином, наприклад, план 1 складається на 100% з продукту “Reply”, а план 2 – на 69% продукт “Reply”, ще 30% – “LinkedIn” і 1% – “AI”.

Виконавши всю потрібну роботу по обробці даних, ми приступили до побудови звітів. Для цього ми використали Power BI. Цей потужний інструмент дозволяє будувати зручні дашборди на основі великих моделей даних, як в нашому випадку, а також використовувати найменш оброблені дані, щоб потім мати змогу робити розрахунки, які на льоту перераховують дані та адаптуються під будь-які фільтри, обрані користувачем дашборду.

Оглядовий борд для маркетингової команди:

Він дає можливість проаналізувати наступне:

• Скільки трафіку прийшло на сайт, скільки було заброньовано демо, скільки зареєструвались на трайл продукту, скільки користувачів перейшли в статус кастомера (почали користуватись на платній основі), а також витрати на рекламні активності за обраний період.
• Відносні показники - вартість одного відвідувача сайту, заброньованого демо, успішної реєстрації на трайл, одного кастомера, а також співвідношення прогнозованої пожиттєвої цінності кастомера (LTV) до вартості його залучення (САС).
• Є можливість обирати кастомний попередній період та бачити всі вищенаведені метрики як в абсолютних значеннях, так і в порівнянні з поточним періодом, щоб одразу розуміти динаміку.
• Динаміка також відображається на графіку, на якому можна вивести одночасно абсолютну кількість демо, трайлів та кастомерів, а також ціну за залучення відвідувача, демо, трайлу або кастомера в розрізі по місяцям. Також абсолютні значення можна проаналізувати по групам каналів трафіку.
• Окрім того користувачу доступні фільтри по групам каналів та продуктам, щоб розуміти які з них мають найбільшу ефективність для компанії та куди краще перерозподіляти рекламний бюджет для найкращого співвідношення LTV / CAC.
• Нижче в таблиці виведені всі деталі по абсолютним і відносним показникам, що дає змогу аналізувати деталі різних фанелів залучення – в демо або в самостійну реєстрацію. А також всі співвідношення окремо для обох фанелів.

Яким користується вся компанія, а не тільки маркетингова команда:

Він дає можливість проаналізувати наступне:

• Тенденції по всім показникам, які мають важливе значення для компанії:
  • трафік,
  • початок реєстрації,
  • бронювання та проведення демо,
  • успішні реєстрації на трайл та активації трайлу,
  • залучення в платного кастомера тих, кому провели демо, та тих, хто зареєструвався самостійно,
  • кількість кастомерів як всього, так і тих, хто змінив підписку,
  • кількість тих, хто перестав користуватись послугами компанії, а також тих, хто передумав і повернувся,
  • кількість кастомерів, залучених партнерами компанії,
  • кількість відгуків, залишених на G2,
  • а також всі відносні показники.
• Користувач дашборду має змогу переключатись між чотирма логіками показників:
  • історична - всі дані виведені на дату, коли відбулась відповідна подія,
  • когорта трайлу - всі дані відображаються на дату початку трайлу, допомагає зрозуміти ступінь утримання користувачів в компанії,
  • когорта бронювання демо - дані виведені по даті, коли юзер замовив демо,
  • когорта проведення демо - всі метрики відносяться до дати демо і дають змогу аналізувати зокрема ефективність сейлз команди.
• Можна аналізувати дані в розрізі фільтрів на різних рівнях:
  • тип кастомера – це агенція або бізнес, був він залучений по демо або зареєструвався самостійно,
  • тип підписки, її MRR,
  • продукт, окремо його MRR, план та аддони, кількість сітів,
  • джерело, канал трафіку та рекламна кампанія.

Наступні звіти попередньо передбачались для продуктової команди, але нам вдалось продумати їх таким чином, що вони стали корисними для всіх в Reply – від керівників компанії до представників різних відділів. Таким чином всі мають централізований доступ до даних, що в свою чергу об'єднує компанію та дає можливість робити висновки та перевіряти гіпотези всім без вийнятку.

Продуктова команда поставила нам дещо складніші задачі.

До того, щоб розрахувати дохід в розрізі продуктів додалось ще побажання вивести ці дані по типам, а саме:

• MRR / Customers Total – кількість кастомерів на платному плані та сума їхніх MRR,
• MRR / Customers New – кастомери та MRR в їхній перший місяць користування сервісами Reply,
• MRR / Customers Reactivation – кастомери та MRR в перший місяць відновлення підписки після її попереднього закриття,
• MRR / Customers Expansion with Delta – кастомери та MRR в місяць, коли вони розширили підписку, та дельту в порівнянні з попереднім місяцем,
• MRR / Customers Contraction with Delta – кастомери та MRR в місяць, коли вони понизили підписку, та дельту в порівнянні з попереднім місяцем,
• MRR / Customers Unchanged – кастомери та MRR в місяць, коли сума не змінилась порівняно з попередньою,
• MRR / Customers Churn – кастомери та MRR в місяць, коли кастомер перестав користуватись сервісами компанії,
• ARPA – середній дохід від одного кастомера в місяць,
• LTV – прогнозована пожиттєва цінність одного кастомера.

Цей борд дає можливість оперативно бачити фактичний дохід та його зміни, зокрема:

• коливання загального MRR та кількості кастомерів на платних планах,
• суму нового MRR та кастомерів, залучених вперше, а також тих, хто повернувся в ряди кастомерів після чорну,
• співвідношення між тими, хто платить стабільно, а також знижує або підвищує підписку та дельту пониження/підвищення,
• на додаток є дані про втрачених кастомерів та MRR, а також середній дохід від одного кастомера в місяць та LTV.

Найцікавіше в цьому борді – це його інтерактивність. На скріні видно кількість фільтрів та подвійну розбивку таблиці по п’яти рівням, які може використовувати юзер, і всі метрики автоматично перераховуються у відповідь на будь-які застосовані комбінації цих фільтрів. Таким чином на верхньому рівні відображаються дані на кастомера, але при цьому є можливість фільтрувати дані впритул до кількості сітів конкретного плану.

Один з кейсів застосування: відповідальні за продумування переліку та складу планів можуть відфільтрувати нещодавно створені плани та бачити скільки користувачів почали ними користуватись.

Ще один: на верхньому рівні враховуються обидві підписки кастомера – Reply та MailToaster. Якщо відфільтрувати одну з них, то звіт перерахує всі показники суто для конкретної підписки.

Окрім MRR, продуктова команда хотіла бачити дані по оплатам на дату фактичної оплати з програми бухгалтерського обліку також розподілені по типам.

Якщо визначити типи MRR відносно нескладно, оскільки ця метрика основана на помісячній логіці, і тут одразу зрозуміло як визначити тип – просто порівняти поточний місяць з попереднім, то для оплат принцип зовсім інший.

Це кастомний розрахунок, логіку якого ми додатково погоджували с командою Reply. Він заснований на визначені типів доходу за білінг період підписки – сума оплати за поточний білінг період порівнюється зі всією сумою оплат за попередній білінг період, а чорн ревенью – це сума, яку повинен був би оплатити кастомер за наступний білінг період, якби продовжив користуватись сервісом.

Розрахунок ускладнювався тим, що, окрім визначених періодів підписок – на місяць, квартал, півроку та рік, у Reply настільки клієнтоорієнтований сервіс, що реальний термін підписки може легко варіюватись від секунди до року. Reply робить все, щоб максимально йти назустріч своїм клієнтам.

Ми теж. Тому результат цього складного розрахунку нижче:

Про те, звідки приходять кастомери та куди йдуть від компанії.

Цей звіт допомагає проаналізувати наступне:

• динаміку втрат користувачів та MRR,
• загальну кількість кастомерів та MRR на початок та кінець місяця,
• скільки нових кастомерів прийшло за період, скільки залишили компанію та потім повернулись,
• джерела залучення нових кастомерів – з трайлу, безкоштовного плану або напряму,
• причини чорну – куди пішов кастомер: на безкоштовний план або просто відмінив підписку.

Цей звіт дуже любить соманда Customer Success, котра відповідає за утримання найбільш цінних для компанії клієнтів. Маючи можливість фільтрації по MRR підписки, вона може оперативно реагувати, якщо такі клієнти залишають компанію.

Вищенаведені звіти - не всі, які ми побудували за період співпраці з Reply. Є і інші більш точкові дашборди, які відповідають на інші питання, зокрема:

• який дохід очікується в наступних місяцях від активних підписок, 
• наскільки успішними є розсилки, які створюють користувачі Reply. На основі цих даних потім надаються поради користувачам щодо більш ефективного використання цього сервісу,
• який щомісячний об'єм трафіку та реєстрацій потрібен, щоб досягти запланованого зростання в наступному році,
• між якими планами переходять користувачі та що зазвичай змінюють в підписках.

Тепер у компанії є повноцінна аналітика, на основі якої можна робити висновки про успішність як маркетингових активностей, так і своїх продуктів, планувати подальший розвиток компанії та оперативно реагувати, якщо щось йде не за планом. 

Ми не закінчуємо співпрацю. На зараз заплановані звіти для аналізу когорт та утримання користувачів.