Презентация ВКР Анисимова-2

1.

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
федеральное государственное бюджетное образовательное учреждение высшего образования
«Тольяттинский государственный университет»
Кафедра «Прикладная математика и информатика»
Направление подготовки 09.03.03 Прикладная информатика
Профиль Разработка программного обеспечения
ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА
(БАКАЛАВРСКАЯ РАБОТА)
Тема ВКР: Разработка аналитического дашборда для оценки эффективности интернет-маркетинга
Обучающийся: Анисимова П.А
Группа: ПИбд-2106б
Руководитель: Ерофеева Е.А.
2026

2.

Актуальность разработки
Маркетинговые данные существуют, но
не становятся готовым управленческим
решением
Разрозненные источники
Рекламные кабинеты, веб-аналитика, CRM и заказы хранят сведения
отдельно.
Ручная отчётность
Маркетолог тратит время на выгрузки, сведение таблиц и проверку
формул.
Запаздывающая реакция
Руководитель получает показатели после завершения периода, а не
в момент принятия решения.
02
Потребность:
Единая панель с
понятными KPI и
детализацией по
каналам

3.

Цель и задачи работы
03
Цель: разработать дашборд для расчёта и визуализации эффективности интернет-маркетинга, сценарного
анализа бюджета и подготовки отчётов.
Объектом исследования является система оценки эффективности интернет-маркетинга интернет-магазина.
Предмет исследования — методы и инструменты визуализации маркетинговых KPI в интерактивном
аналитическом дашборде.
Задачи:
1
Систематизировать KPI
ROI, ROAS, CAC, LTV, CTR, CPC, конверсия, NPS
2
Проанализировать процессы
Выявить узкие места ручной маркетинговой аналитики
3
Спроектировать систему
Архитектура, база данных, требования, технологический стек
4
Реализовать и проверить
Интерфейс, what-if, Excel-экспорт, запуск под Windows

4.

Требования к разработанному решению
Функциональные требования
Нефункциональные требования
04

5.

Исходный процесс маркетинговой аналитики
05
Выгрузка
Сведение
Расчёт
Передача
Рекламные
кабинеты
и веб-аналитика
Excel, ручная
проверка
периодов
Формулы KPI
и диаграммы
Отчёт
руководителю
по запросу
Узкие места:
Ручное сведение
Несинхронные периоды
Ошибки формул
Задержка управленческого решения

6.

Архитектура разработанной системы
06
Источники данных
SQLite
Расчётный слой
Пользователь
Демонстрационные
данные или CSVвыгрузки, расчет
KPI, сведение в
Excel
Каналы, кампании,
метрики, заказы,
NPS
data_store
kpi_engine
scenario_engine
Streamlit
Plotly
Excel-отчёт
В качестве основных технологий применены:
Python
Streamlit
Plotly
SQLite
Pandas
openpyxl

7.

Структура базы данных SQLite
07
База хранит данные, необходимые
для сопоставления рекламных
расходов, заказов и клиентской
лояльности.

8.

Главный экран дашборда
08
Пользователь
управляет
периодом, каналами
и маржей
Карточки KPI
показывают расходы,
выручку, заказы, ROAS и
конверсию
Таблица позволяет
сравнить каналы по
метрикам
эффективности

9.

Ключевые показатели эффективности
09
В дашборде реализованы показатели ROI, ROAS, CAC, LTV, CTR, CPC, конверсии и
NPS
90
80
Интерпретация KPI
78,91
70
ROAS
60
Показывает выручку на 1 рубль
рекламных расходов.
50
40,7
40
CAC
30
Позволяет контролировать стоимость
нового клиента.
20
10
0
Email
SEO
Данные демонстрационного набора за 2024 год
0,71
0,56
0,51
0,04
VK
Яндекс
myTarget
Telegram
LTV и NPS
Оценивают качество клиентской базы и
лояльность.

10.

Сценарный анализ маркетингового бюджета
What-if анализ
Общий бюджет
Пользователь задаёт сумму для распределения
между каналами.
Доли каналов
Система нормализует доли до 100 процентов.
Прогноз
Выручка, заказы, ROAS, ROI и CAC
рассчитываются для заданного горизонта.
10

11.

Отчётность, LTV и NPS
Сгенерированный Excel-отчёт, лист «Сводка»
10

12.

13.

Тестирование
11

14.

Экономическая эффективность
600
12
450 тыс. ₽
564
разница TCO за 1 год
500
400
676%
300
ROI за 3 года
200
114
100
4,6 мес.
срок окупаемости
0
Готовое BI-решение
Собственный дашборд

15. Выводы

• Проанализированы процессы и спроектирована архитектура
• Реализована работоспособная аналитическая система, объединяющая KPI, визуализацию,
клиентскую аналитику, сценарное планирование и отчётность.
• В приложенном проекте автономный тест логики успешно проверяет базу данных, KPI, what-if
расчёт и формирование Excel-файла.
• В демонстрационной базе содержатся 6 каналов, 13 кампаний, 4 758 дневных записей и 3 793
заказа.
• Практический эффект состоит прежде всего в сокращении ручных операций и формировании
единой версии данных. Нижняя оценка прямых трудовых издержек исходного процесса
составляет 226 800 рублей в год. При этом выбранный программный стек не требует
лицензионных платежей.

16. СПАСИБО ЗА ВНИМАНИЕ!