На прошлогодней конференции 8P Анна Иванова, менеджер проектов отдела аналитики в OWOX, поделилась фишками из практики специалистов компании. Если вам интересно, как не тратить на рекламу для тех, кто ничего не покупает, читайте этот пост.

Как собрать данные из разных систем в едином хранилище

Специалисты знают: используя стандартные (статистические) модели атрибуции мы не можем точно определить ценность рекламной кампании. Почему? Потому что не учитываем:

  • отмененные заказы;
  • оффлайн-заказы;
  • маржу заказа;
  • заказы по телефону;
  • воспринимаем пользователя, который заходит на сайт с разных устройств, как нескольких пользователей;
  • используем сэмплированные данные при построении отчетов.

Как же тогда увеличить ROI онлайн-рекламы? Для этого следует:

  1. Собрать данные о всех сессиях пользователя онлайн (с разных устройств) и офлайн.
  2. Оценить прибыль от каждой поисковой фразы, а не назначать 100% ценности поисковым фразам перед конверсией.
  3. Автоматизировать управление контекстной рекламой и расчет ставок.

Решение в кейсе, представленное на 8P:

Шаг 1. Сбор данных в Google BigQuery

Google BigQuery в данном случае выступает как облачное хранилище, в которое попадают данные из источников рекламы (данные по расходам), из Google Analytics — это то, что произошло в онлайне, из CRM, из Calltouch (система мониторинга звонков). Все данные выгружаются в Cloud Storage. Автоматизацию процессов осуществили с помощью Alytics.

При сборе аналитической информации существует три точки касания с пользователем:

  1. Client-ID.
  2. User-ID, который мы выдаем только тем, кто авторизовался онлайн.
  3. Карта лояльности, полученная при офлайн-покупке.

Представим клиента Аллу. Она зашла с мобильного, посмотрела диваны. У нее один Client-ID. Затем Алла второй раз зашла с мобильного — ее Client-ID не изменился, так как девайс и браузер не изменились. Она авторизовалась и мы узнали ее User-ID.

Дома Алла показала мужу диван, который присмотрела. Муж одобрил — она зашла с десктопа и заказала диван. Client-ID поменялся, а User-ID не поменялся. Что мы можем вынести из этого случая? Если Алла зайдет с любого из своих устройств, мы будем знать, что это она.

Вы спросите: «А если это общественный компьютер»? В наше время такой вариант маловероятен и поэтому подмена IP вряд ли случится.

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Также у нас есть пример другого клиента: Игорь. Он зашел с десктопа, потом — с мобильного, затем снова с десктопа. Кроме того, Игорь уже покупал что-то офлайн, и у него есть карта лояльности. То есть по взаимодействию с ним существуют все три точки касания. Можно ретроспективно прогнать эти данные и посмотреть, что Игорь делал ранее, кто привел лояльного к нам клиента.

Еще одна ситуация с Игорем. Он купил стол, затем посовещался дома и купил гарнитур. При этом заказал гарнитур через колл-центр и забрал из магазина.

И мы видим, куда и когда он пришел, на каком этапе и где исчез из поля зрения. Почему это произошло: может, он просто переехал и стал покупать с мобильного.

Этот кейс позволяет объединить и посмотреть на эти данные.

Шаг 2. Обработка сырых данных

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Шаг 3. Расчет модели атрибуции:

  • определение рекламного канала, который инициировал первую сессию;
  • назначение ценности сессиям.

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Шаг 4. Передача и использование данных в Analytics

Что получили в итоге аналитики OWOX?

  • увеличение ROI контекстной рекламы на 17% за счет оптимизации размера ставок;
  • рост числа поисковых фраз с ненулевой ценностью в 2,4 раза: стандартные модели атрибуции их просто не учитывали;

В результате выяснили, что отношение доходов офлайн к онлайну в некоторых категориях контекста на 50% больше, чем среднее отношение дохода офлайна и онлайна.

Как выявить истинную ценность канала ретаргетинга для компании

Действительно ли эффективен канал ретаргетинга? Признайтесь, вам тоже иногда нужен ответ на этот вопрос. Как на него ответили в OWOX, разбираемся на примере второго кейса.

Бизнес-задача: настроить частичную отправку данных о посетителях в партнерскую систему. То есть не показывать часть пользователей и посмотреть как она конвертится без ретаргетинга. При этом часть пользователей равномерно выделяется из всей аудитории.

Чтобы проверить, придут или не придут пользователи без ретаргетинга, провели А/В-тестирование. А/В-тест настраивали с помощью GTM. Прелесть в том, что нам не нужно выгружать варианты на страницы — необходимо просто равномерно поделить аудиторию.

В чем ценность:

  • определить, как меняется модель поведения пользователей, которые взаимодействуют с партнерской рекламой;
  • сравнить ценность пользователей, которые вернулись через рекламный сервис, и тех, кто никогда с ним не взаимодействовал.

Как решали эту задачу аналитики?

  1. Настроили две переменных:
  • для cookie, в которой хранился вариант теста, показанного пользователю;

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

  • переменную, в которой генерировалось произвольное число. На основании знания этого числа пользователи попадали в разные группы тестирования.

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Принимали значение в диапазоне от 0 до 2147483647.

  1. Создали тег, в котором фиксируется передача в ретаргетинговую систему — пользовательский HTML-тег, в котором прописали логику распределения вариантов в тесте.

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

  1. Создали дополнительные переменные: abtest_categoryabtest_actionabtest_label.
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую
  2. Создали тег, отправляющий данные об эксперименте в GA.
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустуюЗапускали по такому тригеру:
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую
  3. Создали тригер, отправляющий данные о части пользователей партнеру.
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустуюЧто получили в результате:
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую
  • показатель конверсии выше для пользователей, пришедших с помощью ретаргетинга;
  • при этом средний чек выше у пользователей, которые не взаимодействовали с рекламными объявлениями в ретаргетинге.

Несмотря на незначительную разницу в уровне конверсий, средний чек выше для пользователей, которые не взаимодействовали с данной системой. То есть продуктивные и заинтересованные пользователи часто приходят и без ретаргетинга.

Эффективный ретаргетинг по сегментам аудитории

Чтобы рекламное сообщение попало точно в цель, следует сегментировать аудиторию. Увы, не для всех это так очевидно. Клиенты, которые приносят больший доход, привлекаются точно так же, как и основная масса пользователей. Чтобы изменить ситуацию, в OWOX предложили применить RFM-анализ на основе данных Google Marketing Platform и BigQuery.

RFM и LTV-анализ направлены на то, чтобы сегментировать аудиторию и сделать e-mail-рассылки, SEO-обращения более целевыми и направленными — бить в ту точку, которая действительно принесет результат.

Итак, бизнес-задача: увеличить конверсию и ROAS для платных источников трафика. Что для этого нужно:

  1. Для каждого клиента рассчитать ожидаемый Lifetime Value (RFM model).
  2. Создать LTV-группы Аудиторий для экспорта в Google Рекламу.
  3. Провести корректировку ставок в Google Рекламе.

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Каждый день специалисты выгружали эти данные, пересчитывали RFM, при этом тратили на хранение и обработку небольшие деньги. Так, для среднего бизнеса сумма не доходила даже до $100 в месяц (данные по состоянию на 2017 год). Что в итоге: известно движение аудитории, можно смотреть, как пользователь движется между сегментами в процессе своего жизненного цикла и можно правильно продать ему рекламу.

Шаги специалистов OWOX:

  1. Импортировали заказы из CRM в Google BigQuery (365+ дней).
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую
  2. Выполнили сегментацию по давности (Recency), частоте (Frequency), сумме (Monetary) покупок — всего 125 сегментов (это не предел, может быть и 400)
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую
    Важно: Если будете использовать, задавайте фильтры, по которым пользователи будут попадать в сегменты. Они делятся, затем попадают в табличку. Эти данные выгружаются с помощью инструмента OWOX BI или через стандартный импорт Google. Затем там же все обрабатывается.
  3. Импортировали данные в Google Analytics из BigQuery.

    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

  4. Использовали данные в GA для анализа поведения по когортам.
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую
  5. Создали аудитории и настроили таргетинг в Google Рекламе по RFM группам.
    Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Результаты через четыре месяца после запуска:

  1. Конверсия в Google Рекламе увеличилась в два раза.
  2. Расходы выросли в 2,5 раза, а ROAS на 55%.

Как уменьшить процент not provided запросов

С чем наверняка сталкивались все: Google в конце 2012 начал шифровать 95% данных not provided.

Как с проблемой шифрования львиной доли ключевиков органического поискового трафика боролись в OWOX?

Для решения этого вопроса специалисты OWOX сформулировали аналитическую задачу:

  1. Собрать как можно больше слов из зоны, которую шифрует Google.
  2. Проанализировать релевантность запросов и, по возможности, поднять их в выдаче (первая десятка все равно всегда более релевантна).

Два метода решения:

Первый вариант: Использовать сторонний сервис RoyApp, который функционально похож на то, что делает Serpstat: бесплатный, встроенный и считает (в 2018 году RoyApp прекратил свое существование — примечание редакции).

Плюсы:

  • расшифровывает 30-60% (not provided) трафика;
Важно: Чем больше сайт, тем меньше процент дешифровки. То есть они базируются на определенном количестве ключевых слов, которые могут расшифровать.
  • собирает дополнительную позицию и версию поисковой системы;
  • есть 30-дневный trial. Если вы его используете, данные сохранятся в Google Analytics и вы проверите, интересно ли работать с этим сервисом.

Минусы:

  • платный сервис. Правда, не очень дорогой. И если у вас большая завязка на органическом трафике и проблема not provided стоит остро, обратите внимание на этот инструмент;
  • необходимы настройки в GTM и GA.

Краткая инструкция по настройке RoyApp:

Создать тег в GTM

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Создать переменную в GTM

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Последний шаг: создать переменные в GA для сбора расшифрованной информации.

Второй вариант: Встроенный отчет в Search Console

Основная проблема — он никак не связан с другими отчетами Google. Кастомные переменные не применяются к этому отчету, половина стандартных — тоже. Из других минусов:

  • данные становятся доступны через 48 часов;
  • хранит данные только за последние 90 дней;
  • нет возможности работать с пользовательскими параметрами и в пользовательских отчетах.

Как все же можно использовать этот отчет? Выгружать каждый день данные, например, в Google BigQuery или в CRM, тогда сохранится вся ретроспектива и скорость доступа к данным.

Плюсы:

  • не требуются дополнительные настройки GTM/кода;
  • расшифровывает порядка 50-60% поисковых запросов;
  • есть возможность посмотреть срезы по лендингам, GEO, девайсам.

Результаты:

  1. Благодаря RoyApp количество распознанных запросов выросло до 48%.
  2. С помощью выгрузки отчета из Search Console специалисты OWOX узнали на 46% больше поисковых запросов, которые раньше были not provided.

Как использовать аналитику, чтобы не расходовать рекламный бюджет впустую

Источник статьи