CC BY
62
Маркетинг
УДК 332.8 DOI: 10.14529/em180315
РАЗРАБОТКА СКВОЗНОЙ МАРКЕТИНГОВОЙ АНАЛИТИКИ ДЛЯ SAAS-РЕШЕНИЙ В СЕГМЕНТЕ ДЕЛОВОГО РЫНКА (B2B)
Д.А. Белозёров, Н.А. Беляев
Южно-Уральский государственный университет, г. Челябинск, Россия
В статье рассмотрены возможности совершенствования маркетинговой интернет-аналитики для SaaS-решений, которые ориентированы на сегмент делового рынка (B2B), при помощи стандартных средств веб-аналитики в сочетании с внешними системами. Данный подход учитывает особенности рынка SaaS и позволяет отследить весь путь клиента на пути к продаже. Суть подхода заключается в присвоении каждому пользователю уникального идентификатора, который позволяет отслеживать пользователя на каждом этапе воронки продаж. В итоге данный подход к маркетинговой аналитике SaaS-решений позволяет получать объективную оценку работы рекламных каналов, предоставляя достоверную информацию о работе каждого рекламного канала.
Ключевые слова: маркетинговая интернет-аналитика, маркетинговая аналитика SaaS-решений, эффективность маркетинговых коммуникаций, оптимизация маркетингового бюджета.
Маркетинговая деятельность любого предприятия должна быть направлена на сохранение устойчивости компании, повышения конкурентоспособности товаров и услуг на рынке, создании крепкой связи с клиентами и партнерами, что, в конечном счете, обеспечит долговременное существование самой организации [7]. Для постоянного совершенствования, предприятию необходимо регулярно оценивать результаты своей маркетинговой деятельности [1].
На данный момент у специалистов и исследователей в области маркетинга нет единого подхода к оценке маркетинговой деятельности. Наиболее популярным подходом является оценка маркетинга, исходя из его продуктивности [8]. Продуктивность в данном случае - это отношение между инвестициями в маркетинг и полученными результатами. Данный подход имеет две тенденции:
1) изучение возможностей использования нефинансовых критериев измерения результатов;
2) изучение возможностей учета при оценке адаптивности и инновационности маркетинговых усилий предприятия, это в свою очередь предполагает применение более сложных методик для оценки маркетинговой продуктивности [10].
При всей объективности данного подхода расчет эффективности маркетинговых каналов осложняется при наличии длинного цикла продаж, множественных взаимодействий пользователей с компанией и, как следствие, невозможности оценки вклада каждого рекламного канала в итоговую продажу [4]. Поэтому целью исследования было разработать систему, которая бы учитывала весь путь клиента и представляла наглядную картину, как работают рекламные инструменты [5].
Последние несколько лет рынок 1Т-продуктов характеризуются значительными изменениями, в
частности рынок облачных технологий переходит на различные модели обслуживания [2].
В последние годы на рынке информационных технологий активно развивается бизнес-модель SaaS.
SaaS (software as a service) дословно означает «программное обеспечение как услуга». Фактически это приложения для бизнеса, доступ к которым заказчик получает через Интернет. При этом он не приобретает ПО как таковое, а лишь вносит абонентскую плату за право пользования. В чем-то эту схему можно сравнить с арендой - с той лишь разницей, что в рамках модели SaaS все физические серверы и компоненты программы остаются на территории вендора [13].
Это связано с тем, что традиционная схема покупки программного обеспечения имеет существенные недостатки:
• из оборота компании приходится изымать значительные финансовые ресурсы;
• заказчик чаще всего использует только часть функционала, а платить приходится сразу за весь пакет.
Предприниматели привыкли относиться к этому как к неизбежному злу: без современного софта в полной мере оптимизировать работу компании все равно не удастся. SaaS можно рассматривать как альтернативу классическому варианту установки программного обеспечения, со своими достоинствами и недостатками.
Представим преимущества и недостатки подобных решений в виде табл. 1.
Особенности SaaS-систем заключаются в следующем:
• у бизнеса нет необходимости приобретать лицензии на использование продукта: вместо этого оплачивается его аренда на определенное время.
Таблица 1
Преимущества и недостатки модели обслуживания SaaS
Преимущества Недостатки
1. Сокращение финансовых расходов на приобретение программного продукта и последующую его поддержку. 2. Эффективный способ борьбы с распространением нелицензионных копий программного продукта, так как конечная программа не попадает в руки пользователя в готовом виде. 3. SaaS-решения не требуют определенную операционную систему или браузер для работы с приложением. 4. Использование SaaS позволяет не привязываться сотруднику к рабочему месту или компьютеру: доступ к приложению может быть осуществлен из любой точки с доступом к интернету 1. Коммерческие данные при использовании SaaS системы будут передаваться стороннему провайдеру, что не всегда безопасно. 2. Быстродействие системы напрямую зависит от скорости интернет-соединения. 3. Из-за перебоев с доступом к интернету возникают простои в работе, что весьма ненадежно с точки зрения работодателя
Это может быть ежемесячная оплата либо оплата за объем данных. При этом сервисное обслуживание (поддержка и обновление системы) уже включены в стоимость;
• одним сервисом может пользоваться одновременно несколько клиентов. Они могут иметь к нему доступ с разных операционных систем и браузеров удаленно из любой точки, где есть интернет-соединение;
• если сервис чем-то не устроил или необходимость его использования пропала, можно просто не оплачивать услуги сервиса [9].
Среди рынка облачных услуг в целом рынок SaaS остается наиболее крупным сегментом. По прогнозам аналитической компании IDC, к 2018 году 27,8 % мирового рынка корпоративных приложений будет основано на модели SaaS, генерируя $50,8 млрд выручки, по сравнению с $22,6 млрд и долей рынка в 16,6 % в 2013 году [12].
В России по этой модели активно используются услуги UC (Unified Communications), аналитические, финансовые и бухгалтерские приложения, приложения для совместной работы, CRM-системы, системы электронной коммерции, а также другие горизонтальные и вертикальные решения для сегмента делового рынка (B2B). Растущий интерес к использованию такого рода решений вместо решений on-premise обусловлен возможностью сократить капитальные затраты компаний, заменив их на операционные. Весомым фактором, влияющим на выбор SaaS, является также повышение доверия к облачным решениям в целом.
В 2016 году российский рынок услуг, предоставляемых по модели SaaS в секторе СМБ, достигнет 28 миллиардов рублей. В настоящее время в России рост рынка услуг, предлагаемых по модели SaaS, опережает общемировой рост, согласно оценкам различных аналитических агентств [11].
Когда мы говорим о SaaS-продукте, то это почти всегда корпоративное ПО с длинным циклом продажи. Сложность работы на деловом рын-
ке (Б2Б) обуславливается малым количеством потенциальных покупателей и сильным влиянием культуры компании на вероятность приобретения SaaS-решения. Например, если мы говорим о сервисе учета и контроля рабочего времени сотрудников, то нужно понимать что если компания никогда не вела учет рабочего времени, то убедить её приобрести подобный сервис будет крайне сложно, по крайней мере на это потребуется значительное время и возможно придется затратить ресурсы на изменение культуры потенциального клиента.
Типичная SaaS-воронка имеет 4 шага на пути к продаже:
• посещение сайта сервиса;
• подписка на бесплатную пробную или демо-версию;
• начало использования продукта (активация);
• обновление до платного тарифного плана.
Первые шаги достаточно понятны и просты, но
основная часть пользователей после использования пробной версии уходят и отказываются пользоваться сервисом. Следует отметить, что пользователь совершает обновление до платного плана, только когда видит ценность, которая была обещана в начале сотрудничества. Если пользователь не видит ценности продукта, то он, как правило, уходит. Важно получать обратную связь на протяжении всего времени пользования продуктом:
• от пользователей, которые активировали платную подписку - получить информацию о том, что стало решающим фактором при выборе продукта;
• от пользователей, которые отказались активировать платную подписку важно получить информацию о том, как они пользовались продуктом и что стало причиной отказа от сервиса.
При проведении анализа важно найти различия между этими двумя группами.
Важной особенностью является то, что клиенты компании всегда находятся в Интернете, и все
продажи сервиса осуществляются через веб-сайт. Типичная ситуация, когда клиент заходит на сайт сервиса, активирует пробную версию, после окончания пробной версии оплачивает доступ через электронный платеж [15].
В связи с этим коммуникация подобных сервисов с потенциальными клиентами производится с использованием:
• контекстной рекламы (Google Adwords, Яндекс. Директ, использование ретаргетинговых кампаний);
• социальных сетей (рекламные записи, настройка ретаргетинга);
• органической поисковой выдачи (работа над SEO-оптимизацией веб-сайта);
• использованием видеохостингов и др.
Длинный цикл продажи продукта, ограниченное число потенциальных покупателей - всё это накладывает свой отпечаток на то, как компании строят свои маркетинговые коммуникации, зачастую, это вынуждает комбинировать вышеперечисленные инструменты для привлечения аудитории на сайт и создает сложность при оценке вклада того или иного канала в итоговую продажу [6].
В соответствии с этим, компания должна обладать мощным инструментом маркетинговой аналитики для достоверной оценки и повышения показателей эффективности рекламных кампаний [3].
Разработку системы маркетинговой аналитики целесообразно начать с описания элементов будущей системы:
• система веб-аналитики - место, куда будет собираться информация со всех каналов;
• сервис CallTracking - система для отслеживания телефонных звонков;
• CRM-система - система для обработки заявок;
• сервис онлайн-консультирования.
В совокупности все приведенные выше сервисы будут формировать единую систему, представленную на рис. 1.
Взаимодействие элементов системы будет осуществляться следующим образом. Источники трафика создают поток посетителей на сайт. На сайте размещаются сервисы CallTracking и онлайн-консультирования. Здесь у пользователя есть 4 возможных варианта взаимодействия с сервисом:
• регистрация личного кабинета;
• осуществление звонка;
• активация онлайн-чата для общения с оператором;
• выход с сайта.
После регистрации на сайте пользователю необходимо пройти по созданной воронке. При регистрации в CRM системе автоматически открывается новая сделка с данными об организации, которые были получены на данном этапе.
Также в CRM систему подгружается история
звонков и история чатов с представителем данной организации. Это позволит хранить данные о взаимодействии в одном месте.
Если пользователь успешно прошел по всей воронке и оформил платную подписку, то в CRM у такого пользователя меняется статус с «пользователя» на «клиента» и данные о платеже вместе с данными о клиенте (источник трафика) передаются в систему аналитики. Кроме того, в систему аналитики передаются все показатели рекламных кампаний (расходы, базовые показатели) и в ней же происходит связь с данными из CRM (доход) с помощью уникального идентификатора, который присваивается системой аналитики при первом посещении пользователем сайта.
В системе аналитики будет представлена полная картина об эффективности рекламных каналов, будет возможность создавать сегменты и использовать их для создания дополнительной (стимулирующей) рекламы для тех, кто отпал на первом этапе воронки, а для тех, кто стал клиентом компании будет возможность отключить рекламу, тем самым сэкономив бюджет. На рис. 2 кратко опишем техническую реализацию этой системы.
Техническая реализация данного решения заключается в подключении двух идентификаторов пользователя в настройках счетчика: Client ID и User ID. Client ID - это уникальный идентификатор, который присваивается каждому устройству пользователя, позволяя отслеживать последовательность его действий. Подобный идентификатор прописывается в браузере пользователя и позволяет сайту связывать многократные посещения сайта воедино, что удобно для организации аналитики. Но настройки одного лишь Client ID недостаточно, так как пользователь может авторизоваться в системе с разных устройств [14].
Поэтому при регистрации каждому из клиентов будет присваиваться свой User ID, который будет привязан к личному кабинету и сможет объединить в себе все Client ID, тем самым сделав подсчет посетителей более точным.
При совершении целевого действия - регистрации на сайте, Client ID/User ID передается наравне с информацией о компании в CRM систему, что позволяет открыть сделку. Далее в личном кабинете присваивается User ID, который будет объединять в себе информацию о всех устройства пользователя. При изменении статуса в CRM-системе и приобретение платного тарифного плана связка Client ID-User ID вместе с информацией о сделке передается в систему аналитики, что позволяет связать источник трафика и доход, который этот источник принес. Затраты на источник трафика подгружаются в систему аналитики напрямую из рекламной системы, что дает возможность считать показатели ROI, LTV и многие другие маркетинговые показатели.
Дополнительная мероприятии по привлечению
Рис. 1. Схема работы продвинутой маркетинговой аналитики
Рис. 2. Схема технической реализации маркетинговой аналитики
Предлагаемый в данной работе продвинутый подход к оценке эффективности маркетинговой активности с помощью разработанной системы маркетинговой аналитики успешно апробирован в реальной коммерческой деятельности 1Т-компании в 2018 году.
Тестирование системы длилось в течение одного месяца при участии четырех рекламных каналов, которые представлены в табл. 2. Предполагается, что данные рекламные каналы будут основными при проведении рекламных кампаний.
Таблица 2
Рекламный бюджет на период апробации продвинутой системы маркетинговой аналитики
По результатам тестирования мы получили результаты, которые представлены в табл. 3.
Результат тестовых рекламных кампаний показал отрицательный возврат инвестиций в первый месяц, но стоит принять во внимание, что полученный доход - это не разовая покупка, а покупка подписки на сервис на регулярной основе. То есть полученный доход будет сохраняться на протяжении всей жизни клиента и показатели ROI в этом
случае, скорее всего, покажут положительную динамику. В данном случае более интересным показателем для анализа будет являться LTV - пожизненная стоимость клиента, который пока невозможно подсчитать.
Важно отметить тот факт, что при использовании стандартной системы веб-аналитики мы смогли бы оценить лишь количество визитов в каждом из рекламных источников и количество заявок (регистраций) в сервисе, но понимание, сколько заявок перешло в реальные сделки и сколько денег принес тот или иной канал, не представлялось бы возможным.
Стоит обратить внимание на то, что имея неполные данные (количество визитов и количество заявок), можно ошибочно предположить. что размещение контекстной рекламы в сервисе Google Adwords более эффективно и в этот канал стоит вкладывать средства, однако имея расширенную статистику мы видим, что этот канал уступает Яндекс. Директу по доходности.
На основании имеющихся данных попробуем смоделировать два управленческих решения: на основании данных расширенной статистики и на основании неполных данных, опираясь на данные стандартной системы веб-аналитики.
С точки зрения стандартной веб-аналитики наибольшее количество заявок приносит контекстная реклама в Google Adwords, увеличим рекламный бюджет на 10 000 рублей на данную рекламную кампанию, рассчитаем прирост значения и представим результаты в табл. 4.
Канал коммуникации Рекламный бюджет, руб./мес.
Яндекс. Директ 30 000
Google Adwords 30 000
Реклама в Вконтакте 5 000
Реклама в Facebook 5 000
Таблица 3
Показатели эффективности рекламных каналов на период апробации продвинутой системы
маркетинговой аналитики
Название канала Визиты Заявки Сделки Доход, руб./мес. Расход, руб. ROI, %
Яндекс.Директ 968 37 18 25 350 27 200,8 -6,80
Google Adwords 1 126 45 16 17 100 27 587,0 -38,01
Реклама Вконтакте 357 8 1 850 4 284,0 -80,16
Реклама Facebook 391 11 3 4 050 4 601,0 -11,98
ИТОГО 2 842 101 38 47 350 63 672,8 -25,63
Таблица 4
Прогнозируемые результаты рекламной кампании при увеличении бюджета Google Adwords
Название канала Визиты Заявки Сделки Доход, руб./мес. Расход, руб. ROI, %
Яндекс.Директ 968 37 18 25 350 27 200,8 -6,80
Google Adwords 1 502 60 22 22 800 36 782,6 -38,01
Реклама Вконтакте 357 8 1 850 4 284 -80,16
Реклама Facebook 391 11 3 4 050 4 601 -11,98
ИТОГО 3218 116 44 53 050 72 868,4 -27,20
Увеличивая рекламный бюджет на рекламную кампанию в Google Adwords, мы скорее всего действительно получим больше заявок, больше сделок, но в плане доходности этот канал всё еще менее эффективен по сравнению с Яндекс. Директ.
С точки зрения расширенной статистики наибольшую доходность приносит контекстная реклама в Яндекс. Директ, увеличим рекламный бюджет данной кампании на 10 000 рублей, рассчитаем прогнозные значения и занесем их в табл. 5.
Увеличивая рекламный бюджет Яндекс.Ди-рект мы, скорее всего увеличим количество заявок и количество сделок, так как конверсия заявок в сделки у данного канала выше. Имея данные, полученные в результате тестового запуска кампаний, мы можем предположить. что доходность канала значительно вырастет. Следует сказать, что каждый затраченный рубль на Яндекс. Директ приносит нам 0,93 руб. дохода, что положительно сказывается на итоговом ROI.
Общий результат можно охарактеризовать
следующим образом: моделирование двух управленческих решений на примере реальных рекламных кампаний наглядно показало, что при наличии ограниченного числа данных, при отсутствии продвинутой системы маркетинговой аналитики мы не можем адекватно оценить эффективность рекламных каналов, наличие неопределенности вытекает в ряд неверных решений. В результате этого мы неэффективно распределяем бюджет между рекламными каналами и получаем меньшую отдачу. Отсутствие четкой связи между доходами от рекламных каналов и расходами, которые они приносят, создают неверную интерпретацию итоговых результатов, что только усугубляет ситуацию, происходит отказ от каналов, которые признаются неэффективными, хотя на самом деле это не всегда так.
На данном примере мы попытались доказать эффективность новой системы маркетинговой аналитики. Предлагаемый подход позволяет не только выявлять неэффективные рекламные кана-
Таблица 5
Прогнозируемые результаты рекламной кампании при увеличении бюджета Яндекс.Директ
Название канала Визиты Заявки Сделки Доход, руб./мес. Расход, руб. ROI, %
Яндекс.Директ 1 290 49 24 33 800 36 267,7 -6,80
Google Adwords 1 126 45 16 17 100 27 587 -38,01
Реклама Вконтакте 357 8 1 850 4 284 -80,16
Реклама Facebook 391 11 3 4 050 4 601 -11,98
ИТОГО 3 164 113 44 55 800 72 739,7 -23,29
лы, но и выстраивать существующую маркетинговую активность более гибко:
- создавать сегменты пользователей, которые стали клиентами сервиса, и отключать для них показ рекламы;
- создавать сегменты пользователей, которые не стали клиентами сервиса, и направлять на них дополнительную рекламу, стимулирующую вернуться и начать пользоваться сервисом.
Литература
1. Беляевский, И. К. Маркетинговое исследование: учебное пособие, руководство по изучению дисциплины, практикум по курсу, учебная программа /И.К. Беляевский. - М. 2004, - 414 с.
2. Берёза, Н.В. Современные тенденции развития мирового и российского рынка информационных услуг / Н.В. Берёза // ИВД. - 2012. - № 2. -https://cyberleninka.ru/article/n/sovremennye-tendentsii-razvitiya-mirovogo-i-rossiyskogo-rynka-informatsionnyh-uslug (дата обращения: 20.05.2018).
3. Бесходарный, А.А. Повышение эффективности маркетинговой деятельности на основе усиления взаимосвязи стратегического и операционного уровня управления: автореф. дис. ... канд. экон. наук: 08.00.05 / А.А. Бесходарный. - Воронеж, 2011. - 24 с.
4. Вязикова, Г.В. К вопросу об оценке маркетинговой деятельности предприятий / Г.В. Вязикова, И.С. Янё //Вестник ОГУ. - 2014. - №8 (169). - https://cyberleninka.ru/article/nik-voprosu-ob-otsenke-marketingovoy-deyatelnosti-predpriyatiy.
5. Дашков, А.А. Маркетинговая деятельность компаний сегмента рынка B2B /А.А. Дашков, К.А. Судаков // Вестник МГУЛ - Лесной вестник. -2010. - № 5. - https://cyberleninka.ru/article/n/ marketingovaya-deyatelnost-kompaniy-segmenta-rynka-b2b (дата обращения: 24.05.2018).
6. Ермаков, Д.Ю. Особенности маркетинговых коммуникаций на рынке B2B / Д.Ю. Ермаков //
Молодой ученый. - 2018. - № 20. - С. 229-231. -https://moluch.ru/archive/206/50414/ (дата обращения: 08.05.2018).
7. Ивашкова, Н.И. Методические подходы к оценке эффективности маркетинговой деятельности / Н.И. Ивашкова, А.А. Камша //Маркетинг услуг. - 2013. - № 1. - С. 14-25.
8. Морган, Н.А. Продуктивность маркетинга, маркетинговый аудит, системы оценки маркетинговой деятельности: комплексное рассмотрение / Н.А. Морган, Б.Г. Кларк, Р. Гунер // Марке-тингдайжест. - 2014. - № 6. - С. 61-81.
9. Рассудов, А.Н. Применение модели SaaS в России /А.Н. Рассудов, Е.Л. Вайтекунене //Актуальные проблемы авиации и космонавтики. - 2010. - № 6. - https://cyberleninka.ru/article/n/primenenie-modeli-saas-v-rossii (дата обращения: 13.04.2018).
10. Ямпольская, Д.О. Маркетинговый анализ: технология и методы проведения: учебник / Д.О. Ямпольская, А.И. Пилипенко. - 2-е изд., перераб. и доп. - М.: Юрайт, 2018. - 268 с.
11. Информационный портал «Иксмедиа» [Электронный ресурс]. - http://www.iksmedia.ru/ news/5219062-Rost-SaaSreshenij-v-Rossii-operezha.html
12. Обзор мирового и российского рынка SaaS-решений в Б2Б-сегменте [Электронный ресурс]. - http://json.tv/ict_telecom_analytics_view/ obzor-mirovogo-i-rossiyskogo-rynka-saas-resheniy-v-segmente-v2v-2015052 7020041
13. Сайт сервиса Habr.com. Блог компании King Servers [Электронный ресурс]. -https://habr.com/company/kingservers/blog/310022/
14. Сайт сервиса Google Analytws [Электронный ресурс]. - http://www.google.com/intl/ru/ analytics/features/
15. Сайт компании LP generator [Электронный ресурс]. - https://lpgenerator.ru/blog/2015/03/ 10/chem-oblachnyj-marketing-otlichaetsya-ot-ostalnyh-vidov-marketinga/
Белозёров Денис Александрович, студент, кафедра менеджмента, Южно-Уральский государственный университет (г. Челябинск).
Беляев Николай Александрович, кандидат экономических наук, доцент кафедры менеджмента, Южно-Уральский государственный университет (г. Челябинск), nbelyaev@inbox.ru
Поступила в редакцию 10 июля 2018 г
DOI: 10.14529/em180315
DEVELOPMENT OF END-TO-END MARKETING ANALYTICS FOR SAAS SOLUTIONS IN THE BUSINESS MARKET SEGMENT (B2B)
D.A. Belozerov, N.A. Belyaev
South Ural State University, Chelyabinsk, Russian Federation
The article examines the possibilities of improving marketing Internet analytics for SaaS-solutions that are oriented to the business market segment (B2B), by using standard web analytics tools in combination with external systems. This approach takes into account the peculiarities of the SaaS market and allows you to track the entire path of the client on the way to sale. The essence of the approach is assigning each user a unique identifier that allows you to track the user at each stage of the sales funnel. As a result, this approach to the marketing analytics of SaaS-solutions allows you to get an objective assessment of the work of advertising channels, providing reliable information about the work of each advertising channel.
Keywords: marketing Internet analytics, marketing analytics of SaaS-solutions, efficiency of marketing communications, optimisation of marketing budget.
References
1. Belyayevskiy I.K. Marketingovoye issledovaniye [Marketing Research]. Moscow, 2004. 414 p.
2. Bereza N.V. [Modern trends in Development of the World and Russian Market of Information Services]. IVD [Engineering Journal of Don], 2012, no. 2. (in Russ.). Available at: https://cyberleninka.ru/article/n7sovremennye-tendentsii-razvitiya-mirovogo-i-rossiyskogo-rynka-informatsionnyh-uslug (accessed: 20.05.2018).
3. Beskhodarnyy A.A. Povysheniye effektivnosti marketingovoy deyatel'nosti na osnove usileniya vzaimosvyazi strategicheskogo i operatsionnogo urovnya upravleniya [Increasing Efficiency of Marketing Activity on the Basis of Strengthening of Interrelation of Strategic and Operational Level of Management: abstract of the dissertation for the degree of Candidate of Sciences (Economics)]. Voronezh, 2011. 24 p.
4. Vyazikova G.V., Vyazikova G.V., Yane I.S. [On the Evaluation of Marketing Activity of Enterprises]. Vestnik OGU [Vestnik of Orenburg State University], 2014, no. 8 (169). (in Russ.). Available at: https://cyberleninka.ru/article/n/k-voprosu-ob-otsenke-marketingovoy-deyatelnosti-predpriyatiy.
5. Dashkov A.A., Sudakov K.A. [Marketing Activity of Companies of the B2B Market Segment]. Vestnik MGUL - Lesnoy vestnik [Moscow State Forest University Bulletin - Lesnoy Vestnik (Forestry Bulletin)], 2010, no. 5. (in Russ.). Available at: https://cyberleninka.ru/article/n/marketingovaya-deyatelnost-kompaniy-segmenta-rynka-b2b (accessed: 24.05.2018).
6. Ermakov D.Yu. [Features of Marketing Communications in B2B Market]. Molodoy uchenyy [Young Scientist], 2018, no. 20, pp. 229-231. (in Russ.). Available at: https://moluch.ru/archive/206/50414/ (accessed: 08.05.2018).
7. Ivashkova N.I., Kamsha A.A. [Methodological Approaches to Assessing the Efficiency of Marketing Activity]. Marketing uslug [Services Marketing], 2013, no. 1, pp. 14-25. (in Russ.)
8. Morgan N.A., Klark B.G., Guner R. [Productivity of Marketing, Marketing Audit, Systems for Assessing Marketing Activity: a Comprehensive Review]. Marketingdayzhest [Marketing Digest], 2014, no. 6, pp. 61-81. (in Russ.)
9. Rassudov A.N., Vaytekunene E.L. [Application of the SaaS Model in Russia]. Aktual'nyye problemy aviatsii i kosmonavtiki [Topical Issues of Aviation and Cosmonautics], 2010, no. 6. (in Russ.). Available at: https://cyberleninka.ru/article/n/primenenie-modeli-saas-v-rossii (accessed: 13.04.2018).
10. Yampol'skaya D.O., Pilipenko A.I. Marketingovyy analiz: tekhnologiya i metody provedeniya [Marketing Analysis: Technology and Methods]. 2nd ed. Moscow, 2018. 268 p.
11. Informatsionnyy portal «Iksmedia» [Iksmedia Information Portal]. Available at: http://www.iksmedia.ru/news/5219062-Rost-SaaSreshenij-v-Rossii-operezha.html
12. Obzor mirovogo i rossiyskogo rynka SaaS-resheniy v B2B-segmente [Review of the World and Russian Market of SaaS Solutions in B2B Segment]. Available at: http://json.tv/ict_telecom_analytics_view/obzor-mirovogo-i-rossiyskogo-rynka-saas-resheniy-v-segmente-v2v-20150527020041
13. Sayt servisa Habr.com. Blog kompanii King Servers [Website of the service Habr.com. Blog of King Servers company]. Available at:://habr.com/company/kingservers/blog/310022/
14. Sayt servisa Google Analytiss [Website for Google Analytics]. Available at: http://www.google.com/intl/ru/analytics/features/
15. Sayt kompanii LPgenerator [Website of LPgenerator company]. Available at: https://lpgenerator.ru/ blog/2015/03/10/chem-oblachnyj-marketing-otlichaetsya-ot-ostalnyh-vidov-marketinga/
Denis A. Belozerov, student, department of marketing, South Ural State University, Chelyabinsk.
Nikolay A. Belyaev, PhD, department of management, South Ural State University, Chelyabinsk, nbelyaev@inbox.ru
Received July 10, 201S
ОБРАЗЕЦ ЦИТИРОВАНИЯ
FOR CITATION
Белозёров, Д.А. Разработка сквозной маркетинговой аналитики для SaaS-решений в сегменте делового рынка (B2B) / Д.А. Белозёров, Н.А. Беляев // Вестник ЮУрГУ. Серия «Экономика и менеджмент». - 2018. -Т. 12, № 3. - С. 131-139. DOI: 10.14529/em180315
Belozerov D.A., Belyaev N.A. Development of End-to-end Marketing Analytics for SaaS Solutions in the Business Market Segment (B2B). Bulletin of the South Ural State University. Ser. Economics and Management, 2018, vol. 12, no. 3, pp. 131-139. (in Russ.). DOI: 10.14529/em180315
