В 2026 это особенно актуально: в e-commerce средний чек проседает на 5–8%, а значит выигрывает не тот, кто громче льёт трафик, а тот, кто лучше считает повторные покупки и LTV. У Nike как раз был такой разворот: от оценки кампаний по первой продаже — к пониманию, что приносит выручку через 30, 60 и 90 дней.
Контекст был типичный для большой DTC-модели: много каналов, много стран, разные витрины, мобильное приложение, сайт, офлайн-точки, а данные лежат в разрозненных системах. В какой-то момент маркетинг видел клики и заказы, но не видел, какие креативы, сегменты и промо реально двигают удержание. Last-click (последний клик) показывал одно, а экономика повторных покупок — другое.
Решение построили вокруг BigQuery как единого слоя для маркетинговых и клиентских данных. В хранилище свели события из app/web, покупки, возвраты, подписки, данные по кампаниям и CRM. Дальше сделали три вещи:
— собрали когортные витрины по первым 7/30/90 дням после привлечения;
— посчитали LTV по каналам, странам и типам креативов;
— связали расходы на привлечение с повторной выручкой, а не только с первой покупкой.
Сильный ход был в том, что маркетинг перестал спорить с CRM на уровне мнений. В BigQuery стали смотреть, например, не «какой канал дал больше заказов», а «какой канал дал клиентов с повторной покупкой выше на 18% и маржой выше на 12%». Это уже язык RevOps — общей ответственности маркетинга, продаж и клиентского сервиса за выручку.
Результат для такой модели обычно не в «магических +30%», а в качестве решений: быстрее отключаются каналы с красивым CPA, но слабым удержанием; перераспределяются бюджеты в сегменты с высоким LTV; креативы тестируются не по CTR, а по влиянию на повторную покупку. Для Nike это особенно важно, потому что в категории бренда ценность создаётся не первой транзакцией, а серией возвращений.
Урок простой: если ваш отчёт заканчивается на первом заказе, вы оптимизируете шум. BigQuery в маркетинге нужен не ради красивых дашбордов, а чтобы видеть полный цикл денег — от первого касания до повторной выручки.
— @BigQuery4MarketingPro
BigQuery для маркетологов
@BigQuery4MarketingPro
Как Nike перестроил аналитику на BigQuery для роста удержания, а не только продаж
Этот пост опубликован в Telegram-канале BigQuery для маркетологов (@BigQuery4MarketingPro). Все его публикации — на странице канала.
Открыть в Telegram