Як керівник «Світ Меблів» втрачав 450 000 грн через низьку конверсію та хаос у 12 рекламних каналах

Минулого кварталу ми помітили, що вартість ліда зросла на 40%, а ROMI впав нижче критичної позначки у 250%. Я зібрав команду з 5 спеціалістів, щоб переглянути всі 1200 товарних позицій нашого виробництва та оптимізувати фід для Google Shopping. Ми витратили 3 тижні на ручний аналіз маржинальності кожної категорії меблів, намагаючись виділити найбільш прибуткові позиції для пріоритетних показів. Паралельно ми тестували 15 нових креативів для Facebook, але результати залишалися нестабільними через затримки в оновленні залишків на складі. У результаті ми спалили близько 120 000 грн бюджету лише на тести без чіткого розуміння, який сегмент аудиторії спрацював найкраще.

Найбільшим викликом стала синхронізація даних між нашою складською програмою та рекламними кабінетами в реальному часі. Оскільки у нас 70 людей у команді та власне виробництво, асортимент змінюється щодня, і ми часто рекламували дивани, яких уже не було в наявності. Маркетологи вручну звіряли таблиці Excel, що призводило до помилок у 20% оголошень. Крім того, важко було відстежити шлях клієнта від перегляду кухонного гарнітура до покупки через 2 тижні в офлайн-шоурумі. Величезний обсяг неструктурованих даних просто паралізував прийняття швидких управлінських рішень.

Проблема полягала у відсутності єдиної наскрізної аналітики, яка б об'єднувала CRM, склад та рекламні метрики. Наші маркетологи витрачали до 15 годин на тиждень лише на зведення звітів з різних джерел замість генерації ідей. Людський фактор при такій кількості процесів став критичним: хтось забув вимкнути кампанію, хтось некоректно вказав ціну в оголошенні. Ринок меблів дуже конкурентний, і затримка в реакції на дії конкурентів навіть на один день коштувала нам десятків втрачених замовлень. Ми відчували, що працюємо наосліп, покладаючись на інтуїцію, а не на тверді цифри.

Ми вирішили найняти зовнішню агенцію з автоматизації маркетингу та впровадили кастомну систему дашбордів на базі Power BI. Весь процес інтеграції та налаштування скриптів для автоматичного оновлення цін у фіді зайняв два місяці інтенсивної роботи. Це рішення обійшлося нам у фіксовані $4,500 за розробку та додаткові $800 щомісячного супроводу. Також ми витратили близько $1,200 на навчання відділу маркетингу роботі з новими інструментами аналізу. Хоча це частково зняло навантаження, система все одно потребувала постійного ручного втручання для корекції стратегій.

Попри значні інвестиції, система виявилася занадто громіздкою та негнучкою до швидких змін ринку. Ми отримали красиві графіки, але вони показували лише те, що вже сталося, не пропонуючи рішень для прогнозування попиту. Будь-яка зміна в структурі кампаній вимагала залучення програмістів, що знову створювало чергу з задач на 2 тижні вперед. Крім того, вартість підтримки цього рішення з'їдала значну частину прибутку, який ми отримали від оптимізації. Ми все ще не могли автоматично генерувати персоналізовані оффери для тисяч відвідувачів сайту без залучення копірайтерів та дизайнерів.