Як операційний менеджер агенції з 18 людьми втрачав $2,400 щомісяця на ручній звітності

Минулого місяця я витратив понад 45 годин на ручне зведення даних з Facebook Ads та Google Ads у таблиці Google Sheets для наших 15 основних клієнтів. Мені доводилося щоранку перевіряти ROAS та вартість ліда, щоб команда SMM не злила бюджет у порожнечу. Це вимагало залучення двох медіабаєрів, чия година коштує $25, лише для заповнення щоденних звітів. У результаті ми отримали величезний файл на 20 вкладок, де дані оновлювалися із запізненням у 24 години. Такий підхід гальмував прийняття рішень щодо масштабування успішних кампаній у реальному часі.

Найскладнішим було підтримувати актуальність формул, коли API сервісів видавали помилки або змінювалися структури кампаній. Кожного разу, коли клієнт додавав новий товарний фід, вся наша структура звітності в «Діджитал Вавілон» ламалася, і я витрачав цілі вихідні на виправлення помилок. Виникав хаос у комунікації, бо клієнти бачили одні цифри в адмінці сайту, а ми показували інші в таблицях. Постійний людський фактор призводив до того, що ми могли пропустити критичне падіння конверсії на 15-20% протягом двох-трьох днів. Це створювало величезну напругу всередині команди з 18 людей.

Проблема полягала у відсутності єдиного джерела істини, оскільки кожен інструмент performance-маркетингу має свою логіку атрибуції. Ми намагалися поєднати дані з Shopify, KeyCRM та рекламних кабінетів вручну, що технічно неможливо без помилок при такому обсязі. Моя роль як операційного менеджера перетворилася на роль «людини-копіпасту», замість того щоб займатися стратегічним розвитком агентства. Брак автоматизації означав, що будь-яка відпустка відповідального співробітника повністю зупиняла процес аналітики. Це було складно через високу ціну помилки: один невірний нуль у звіті міг коштувати нам лояльності великого e-commerce клієнта.

Ми спробували впровадити сторонній сервіс конекторів даних, який обіцяв автоматичне вивантаження в BigQuery, і це коштувало нам близько $450 на місяць лише за підписку. Додатково ми найняли фрілансера-аналітика за $800 для налаштування перших дашбордів у Looker Studio. Загалом впровадження «кривого» рішення обійшлося компанії у $1,250 стартових витрат та купу нервів. Протягом двох тижнів ми намагалися зв'язати всі API, але система постійно «відлітала» через оновлення токенів доступу. Це рішення забрало ще 30 годин мого робочого часу на нескінченні зуми з техпідтримкою.

Рішення виявилося занадто дорогим і неповоротким для агентства нашого розміру, адже ми платили за функції, якими не користувалися. Дашборди вантажилися по 2 хвилини, що дратувало і команду, і клієнтів, які хотіли бачити результати миттєво. Нам все одно доводилося перевіряти дані вручну, бо ШІ-моделі в тому сервісі часто неправильно класифікували витрати на SMM. Витрати у $450/міс не виправдовували себе, оскільки гнучкість звітів була нульовою, і будь-яка зміна потребувала знову платити аналітику. Ми змінили одну рутину на іншу, технічну, не отримавши справжньої операційної свободи.