Наложение данных на карту в Google Data Studio

И обучающая статья, и мини-кейс, где я расскажу, как благодаря диаграмме «Географическая карта» в Google Data Studio мы с заказчиком смогли оценить текущую ситуацию по его проекту и перераспределить ежемесячные расходы на контекстную рекламу на уровне местоположения.

Исходные данные: сеть хостелов в Москве.

• собрать статистику для анализа (все звонки, заявки, бронирования) с привязкой к геолокации за последний год по России;
• очистить данные (не учитывать отмененные брони, «вопросительные» звонки, повторные обращения и т.д.);
• оценить «самые популярные» регионы и менее привлекательные;
• перераспределить бюджет в сторону выигрышных.

CRM-система у хостелов не имела табличного поля с регионом, поэтому отчет пришлось делать вручную. Однако это задача заняла не более 30 минут. Как же ее удалось решить и какие выводы мы сделали?

Примечание: в целях конфиденциальности данных и по просьбе заказчика я покажу не весь процесс, а только последовательность и выводы.

Итак, первым делом необходимо было выгрузить данные из Google Analytics с привязкой к гео и достигнутым целям. Это были и бронирования по отдельным хостелам, и онлайн-обращения в чате.

Звонки, которых в этой тематике 70% от общего количества, я выгрузил напрямую из интерфейса коллтрекинга Calltouch.

Следующим шагом было необходимо свести данные из двух таблиц (Google Analytics и Calltouch) по достигнутым целям. С помощью консолидации данных в Excel это удалось сделать за пару кликов. Таблица, которая была длиной 1300 строк, стала состоять всего лишь из 199.

В результате мы получили 3466 обращений за год по рекламным источникам по нашей сети хостелов. В CRM-системе данные по меткам передавались, поэтому после фильтрации по ключу «уникальный номер телефона» и подтвержденному бронированию эта цифра сократилась до 2228.

Произведя окончательные манипуляции с данными, мы получили конечную таблицу по регионам и подтвержденным бронированиям из контекстной рекламы.

Примечание: забавно, но всего этого можно было избежать, если в CRM-системе хостелов просто было бы поле по городу или региону =) Но его не было.

Далее я создал Google Таблицу, в которую загрузил наши данные по гео и клиентам. Затем в Google Data Studio выбрал коннектор Google Таблицы, добавил лист и связал источник данных с отчетом GDS.

Параметр – Регион (географические данные), Показатель – Клиенты (число). Важно: при подключении источника следует изменить тип поля с текстового на географический (Город, Регион), чтобы была возможность масштабирования на карте и не было ошибок.

После этого выбрал диаграмму Географическая карта и добавил ее на лист.

Настройки данных: Параметр — Регион, Показатель — Клиенты, Область масштабирования — Россия:

Чтобы на карте разным цветом были выделены значения, используйте различные стили. Для максимального значения можно поставить более яркий цвет (красный, оранжевый), а для минимального – более холодный (синий, фиолетовый).

В режиме просмотра географическая карта в Data Studio позволяет наводить на регион и видеть конкретное значение по количеству клиентов.

Как видим, 65% всех подтвержденных бронирований было от клиентов, которые находились в Москве. Если посмотреть по данному сегменту в CRM и комментариям к заказу, то ЦА состоит из тех:

• кому хостел был нужен всего на ночь (по разным причинам);
• кто представлял какую-нибудь компанию (в Москве) и которым было нужно заселение их групп для проживания (строители, студенты, путешественники);
• кто ищет спонтанно ночлег будучи уже в Москве (понравилось в столице и решили задержаться).

Это подтверждает и тот факт, что более 70% бронирований совершаются в ближайшие 2-3 дня после брони. То есть люди в хостелах не бронируют как типичные путешественники свои поездки за месяц, полгода, год, а действуют по обстоятельствам и быстро.

Можно исключить Москву из данных на карте, чтобы статистика была более показательной по другим регионам. Делается это с помощью фильтра:

За ней следуют такие гео, как: Санкт-Петербург, Республика Башкортостан, Краснодарский край, Московская область и другие.

Результатом работы явилось то, что мы перераспределили рекламный бюджет не только в сторону лучшего источника, но и регионов, исключив определенный перечень из показа. А те города, на которые пришло наибольшее количество бронирований (с учетом очищенных данных из CRM), были лучше проработаны.

[expert_bq id=»1570″]Если вам необходимо повторить значительную часть существующего контура при создании нового, то удобнее всего воспользоваться трассировкой Tracing , нажав на кнопку на панели инструментов прилипания. Если же вы хотите что-то уточнить, обращайтесь ко мне![/expert_bq] Облачная платформа OnlyOffice не предназначена для домашнего использования, так как слишком сложна и довольно дорого стоит. Но если вы ищите онлайн-решение для организации, она станет отличной заменой Excel Online.

5 сервисов для работы с таблицами Эксель онлайн

• собрать статистику для анализа (все звонки, заявки, бронирования) с привязкой к геолокации за последний год по России;
• очистить данные (не учитывать отмененные брони, «вопросительные» звонки, повторные обращения и т.д.);
• оценить «самые популярные» регионы и менее привлекательные;
• перераспределить бюджет в сторону выигрышных.

Сложные диаграммы невозможно сделать ни в одном ГИС-пакете. Для их имитации можно подготовить векторное представление диаграммы в формате SVG и добавить в QGIS в качестве SVG-маркера.