КЛІЄНТ
Toloka — це український синдикат приватних інвесторів, зосереджений на інвестиціях у швидкозростаючі IT-проєкти з високим потенціалом прибутковості.
Синдикат залучає приватних інвесторів, які хочуть мати диверсифікований портфель міжнародних венчурних інвестицій. Почав роботу у 2023 році.
ЗАДАЧА
- Побудувати систему звітності, яка дозволить Toloka якісно та швидко приймати управлінські рішення на основі ключових показників бізнесу.
- Сегментувати базу інвесторів для оптимізації маркетингової стратегії та персоналізованої комунікації.
- Створити дашборд Power BI для відстеження ефективності роботи менеджерів в розрізі суми залучених коштів і кількості інвесторів.
Вхідні дані
На старті проєкту команда Toloka працювала без додаткових систем обліку чи CRM, використовуючи окремі файли для організації процесів. У березні 2024 року до проєкту долучилася команда аналітиків Promodo, яка почала з аналізу та структурування наявних матеріалів.
Із розвитком бізнесу стало очевидним, що ручний формат обліку більше не відповідає його потребам, тому виникла необхідність в автоматизації.
Рішенням стало впровадження системи Notion, яка враховувала специфіку бізнесу та дозволяла персоналізовано вести базу інвесторів і партнерів. Всього за два місяці клієнт повністю відмовився від ручних файлів і перейшов на автоматизовану звітність у Notion.
Notion — це багатофункціональна платформа для управління даними, яка дозволяє ефективно організовувати робочі процеси, об'єднувати бази даних і налаштовувати автоматичну звітність відповідно до потреб бізнесу.
Хоча Notion значно оптимізував базові процеси, він мав обмеження в кастомізації та глибокому аналізі даних. А оскільки деякі бізнес-ролі в структурі синдикату мають особливу потребу у постійному моніторингу даних, але не використовують CRM, виникла потреба створити більш гнучку аналітичну систему, яка враховувала б потреби всіх партнерів.
Тому ми розробили систему BI-звітності, яка дозволяє працювати з глибокою аналітикою даних, сегментувати клієнтів, відстежувати показники в реальному часі та надає швидкий доступ до актуальних даних всім партнерам, незалежно від їх ролей.
Цей звіт дозволяє топменеджменту Toloka приймати швидко та якісно управлінські рішення, адже всі найважливіші дані вони бачать в одному вікні.
У кейсі розповідаємо про результати, досягнуті за пів року співпраці.
Рішення
Для основного звіту опрацювали:
Перенесення даних в BigQuery
Для надійного зберігання та забезпечення цілісності даних, команда аналітиків Promodo налаштувала автоматичне перенесення даних з Notion в хмарне сховище BigQuery.
Чому підключили BigQuery
Автоматичне перенесення даних з Notion до BigQuery забезпечило надійне зберігання, централізацію та інтеграцію даних для глибокого аналізу. Це також дозволяє уникнути фрагментації даних, яка була б можливою при роботі лише в Notion.
Налаштували Google Cloud Function, яка виконувала запит до Notion, парсила нові дані (тобто розбивала їх на структуровані елементи), перевіряла на помилки та виключення, щоб уникнути некоректних записів та оновлювала таблиці в BigQuery, додаючи нові записи та оновлюючи наявні.
Google Cloud Function — це серверless-рішення від Google, яке дозволяє виконувати функції без розгортання серверів. Це забезпечує масштабованість і знижує витрати на підтримку.
Складність реалізації полягала в тому, щоб опрацювати усі можливі виключення. При цьому потрібно було створити таку логіку перенесення даних, яка б дозволяла автоматично додавати нові стовпці та проєкти без потреби змінювати скрипт, а також забезпечила синхронізацію даних у реальному часі в таблиці в BigQuery.
Налаштування автоматизації перенесення даних дозволила економити час команди клієнта, мінімізувати помилки, забезпечити цілісність даних, а також зручніше аналізувати їх в BigQuery.
Створення звіту
Спочатку аналітики Promodo підготували дані для аналізу та агрегації, розробити архітектуру звіту та його прототип.
Для аналізу ми зібрали дані про ефективність залучення нових інвесторів та співпрацю з партнерами. Окремо налаштували відстеження статусів угод та їх динаміки.
Створили структуру даних, яка включала основні метрики, сегменти та враховувала специфіку бізнесу. Додатково реалізували аналіз ефективності угод, динаміку кількості інвесторів і залучених коштів, а також ефективність роботи менеджерів.
Для зручної роботи з цими даними налаштували візуалізацію в Power BI.
Реалізовані роботи надали клієнту уявлення про ефективність каналів залучення інвесторів та продуктивність менеджерів. Налаштована система візуалізації в Power BI спростила аналіз даних і дозволила швидко отримувати важливі інсайти для прийняття управлінських рішень.
Оскільки цього аналізу було недостатньо для інвестиційного бізнесу, який стрімко розвивається та потребує більш гнучкого підходу, ми продовжили роботу з командою клієнта над реалізацією наступної задачі по RFM-аналізу.
RFM-аналіз — це метод сегментації клієнтів на основі трьох параметрів: частота покупок (Recency), кількість покупок (Frequency) та обсяг витрат (Monetary).
Сегментація інвесторів на основі RFM-аналізу
Класичний RFM-аналіз використовується в eCommerce та банківській справі, де клієнтів зазвичай поділяють на 11 сегментів на основі трьох ключових метрик:
- Recency — давність останньої покупки (в нашому випадку інвестиції).
- Frequency — частота таких дій.
- Monetary — сума покупки.
Кожному клієнту в межах кожної метрики присвоюється рейтинг від 1 до 5, і залежно від комбінації цих оцінок відбувається розподіл на сегменти.
Оскільки класичний формат RFM-аналізу не повною мірою відповідав потребам клієнта, ми налаштували адаптоване рішення, яке враховує особливості інвестиційного бізнесу.
Щоб зробити сегментацію зрозумілою та зручною для клієнта, ми реалізували два підходи:
- Класичний RFM-аналіз з 11-ма сегментами, що дає детальний розподіл інвесторів.
- Спрощена версія з 5-ма сегментами, яка забезпечує швидкий доступ до базової аналітики.
Кастомний RFM-аналіз: як це працювало
Крок 1. Аналіз даних інвесторів
В системі візуалізації Power BI ми створили таблицю з усіма унікальними інвесторами, де для кожного прорахували:
- час з моменту останньої інвестиції (Recency);
- кількість угод (Frequency);
- середню суму інвестицій (Monetary).
Для фінансового показника ми обрали саме середню суму інвестицій, а не загальну, щоб виключити вплив частоти угод і водночас виділити інвесторів, які готові ризикувати більшими сумами незалежно від кількості угод.
Крок 2. Розподіл інвесторів за групами
Для розширеної сегментації клієнтів (11 сегментів) ми використали процентилі — спосіб поділу даних на частини на основі їхнього реального розподілу. Це дозволило зробити аналіз точнішим та більш динамічним, який автоматично адаптується до змін у базі.
Як це виглядає на практиці
Для кожного показника (Recency, Frequency, Monetary) інвестори розбиваються на групи за рівнем активності.
Наприклад, за Recency ми створили чотири групи:
- 0–25%: найменш активні інвестори, які давно не вкладали кошти
- 25–50%: активність нижче середнього
- 50–75%: активність вище середнього
- 75–100%: найактивніші інвестори
Як інвесторам присвоюються рейтинги
Для кожного інвестора система автоматично розраховує оцінки на основі його показників. Наприклад, якщо інвестор входить у 75–100% за Recency, він отримує рейтинг 4. Аналогічно розподіляються оцінки за Frequency та Monetary.
Що це дало Toloka
Зрозумілу логіку та структуру розподілу інвесторів за групами, які враховують специфіку інвестиційного бізнесу. Завдяки цьому клієнт отримав:
- Інструмент для пріоритезації взаємодії з різними групами інвесторів.
- Гнучкий підхід до аналізу, який адаптується до змін у бізнесі.
- Зрозумілу базу для планування маркетингових активностей.
Після визначення оцінок за кожною з трьох метрик (R, F, M), ми розподілили інвесторів на пʼять основних груп за певною логікою, наприклад:
R=4, F=3, M=3 — інвестори, які активно вкладають значні суми.
R=4, F=1, M=1 — нові клієнти, які щойно почали співпрацю з бізнесом.
R=1, F=1, M=1 — пасивні інвестори, які давно не здійснювали угод.
Такий підхід дозволяє Toloka виділяти найактивніших інвесторів, розробляти персоналізовані маркетингові стратегії та налаштувати таргетовану комунікацію для кожної групи, комбінуючи простоту спрощеного аналізу із глибиною класичного.
Налаштування системи візуалізації
Створили інтерактивний звіт з двома версіями сегментації — Lite і Classic, який містить:
Реалізоване рішення дозволяє Toloka швидко аналізувати базу інвесторів, адаптувати стратегії під різні сегменти та легко інтегрувати дані в бізнес-процеси.
Результати
Щоб забезпечити надійне зберігання даних і підтримувати їхню цілісність, ми автоматизували процес перенесення інформації з Notion до хмарного сховища BigQuery.
Цей крок дозволив уникнути ручного втручання, зменшити ризик втрати даних і створити надійну базу для подальшого аналізу.
Створені BI-звіти стали головним інструментом для моніторингу ключових метрик бізнесу. Тепер клієнт може легко відстежувати кількість відкритих і закритих угод, суму інвестицій, середній інвестиційний чек, витрати, прибуток, а також ефективність роботи менеджерів і партнерів, що займаються залученням інвесторів. І на основі актуальних даних швидко приймати якісні управлінські рішення.
Особливо важливим став функціонал, який дозволяє аналізувати ключові показники як у розрізі кожної окремої угоди, так і в динаміці. Це допомогло клієнту краще розуміти ефективність свого бізнесу та приймати обґрунтовані рішення на основі актуальних даних.
Для зручності для кожного інвестора ми розробили динамічний рейтинг, який відображає їхню поточну поведінку, забезпечуючи прозорість та зрозумілість процесу сегментації.
Окрему увагу приділили інтерпретації кожного сегмента та визначенню його ролі у бізнесі клієнта. Це дало змогу клієнту отримати ефективний інструмент для управління лояльністю, розробки таргетованої комунікації та оптимізації маркетингових стратегій.
А завдяки інтеграції сегментів у звітність, клієнт отримав можливість оперативно аналізувати базу інвесторів, використовувати дані в реальних бізнес-процесах і формувати ключові інсайти для подальшої взаємодії з клієнтами.
Що далі
Поточний стан аналітичних даних вже дозволяє працювати з окремими сегментами інвесторів персональним менеджерам команди Толоки. RFM-аналіз став основою для активації партнерів, які раніше не інвестували, в статус активних більш ніж на 15%. Це, в свою чергу, суттєво підвищало чек інвестицій в кожний проект синдикату Толока, який вже з кінця 2024 року в середньому становить $1,5 млн.
Даний підхід також дозволяє суттєво зменшити витрати часу персональних менеджерів на комунікацію з партнерами синдикату. Постійне збільшення кількості учасників синдикату несуттєво впливає на витрати часу для комунікації та процесу онбордингу партнерів.
Також команда аналітиків Promodo вже працює над розробкою додаткових інструментів для аналізу нових даних, які допоможуть відстежувати динаміку взаємодії з інвесторами та оптимізувати стратегії персоналізованої комунікації з ними.
