Чему я научился, управляя бюджетом в более чем $100 млн на платную рекламу работая в eBay

Автор: Николас Гарфинкель, четверг, 15 августа 2024 года

Перевод и дополнительные комментарии: Виталий Шахматов, пятница, 13 декабря 2024 года

Примечание от Шахматова:

"Естественно я понимаю, что Google Ads не Яндекс Директ и не обладает теми же настройками. Но все же, статья мне показалась крайне интересной и классной, так взяв изыскания автора можно применить их на источниках, которые мы зачастую используем. Я буду рад обсудить ваши мысли и выводы в комментариях. Хочу поблагодарить Павла Быкова, у которого я нашел ссылку на первоисточник данной статьи"

150 миллионов долларов могут купить многое в этом мире. Может быть, вы мечтаете о особняке в Бель-Эйр, или предпочли бы частный остров в Таиланде рядом с известным пляжем Пхукета. Но кто-то, где-то решил, что наша команда в eBay должна потратить такие деньги на платный трафик в поисковых системах, а именно на товарные объявления (PLA).

Хотя я бы предпочёл частный остров, доступ к невероятному объёму данных стал неплохой утешительной наградой. Каждый год мы проводили сотни экспериментов и анализировали каждую деталь данных, чтобы найти новую возможность для роста. Если данные – это новая нефть, то можно представить, какие инсайты может открыть бюджет в $150 миллионов.

С миллиардами визитов мы могли проверить каждую идею и провести любой тест. Ежемесячно мы генерировали больше показов товарных объявлений, чем численность населения Земли. Мы могли исследовать всё: например, влияют ли ненастные дни на более высокую стоимость кликов (влияют). Или подтвердить, что запросы из регионов с высоким доходом приводят к большему размеру первого заказа (так и есть). Мы также экспериментировали с идеями, такими как использование минус-слов для корректировки ставок на уровне ключевых слов в товарных объявлениях (и это сработало).

Хотя такой масштаб может быть весьма трудоемким, это не значит, что полученные уроки нельзя применить в вашем бизнесе. В этой статье мы обсудим три ключевых урока, которые может дать бюджет в более чем $100 миллионов, и как вы можете использовать эти знания для своих рекламных каналов.

Мы рассмотрим три концепции:

• Предельный ROI (mROI)
• Инкрементальность
• Пожизненная ценность клиента (LTV)

Предельный ROI (mROI) в контекстной рекламе

Давайте разберём небольшой сценарий.

Вы руководитель маркетинга компании среднего размера, которая тратит $250,000 в квартал на контекстную рекламу. В понедельник утром вы получаете письмо от финансового директора:

"Ваш бюджет увеличивается. Мы хотим, чтобы вы потратили дополнительно $25,000 в следующем квартале. Вы сможете справиться с таким увеличением бюджета?"

Вы быстро отправляете запрос в команду контекстной рекламы и получаете такой ответ:

"Наш ROI составил +30% в прошлом квартале при расходах в $150k. ROI остаётся стабильным, мы сможем принять увеличение бюджета, оставаясь в плюсе."

В этом подходе кроется большая ошибка. ROI ничего не значит.

Вероятно, ваша команда права, что общий ROI канала останется положительным. Однако цифровой маркетинг сильно зависит от закона убывающей отдачи. Это означает, что по мере насыщения высокоэффективных сегментов доход на дополнительный потраченный доллар будет снижаться.

Другими словами, неважно, что ROI первых $150k составил +30%. Важно, каким будет ROI на следующие $25k. Он может составить +20%, а может быть и -50%. Но он точно не будет равен или выше 30%.

Мы были уверены, что показатель mROI – это лучший способ максимизировать отдачу от затрат. При бюджете в девятизначную сумму любое улучшение даже на процент имело значение.

Мы применяли этот подход не только на уровне канала. Мы рассчитывали mROI по каждой возможной сегментации. Наша цель заключалась в том, чтобы корректировать ставки и балансировать предельный ROI по всем ключевым сегментам, чтобы обеспечить максимальную эффективность канала. Мы анализировали такие сегменты, как устройства, регионы и форматы объявлений (например, PLA против текстовых).

Хотя mROI звучит сложно, вот простой способ рассчитать его без излишних сложностей:

1. Соберите данные о ваших ежедневных расходах и доходах для каждого устройства за определённый период. Сегментируйте их по дням.

Данные должны выглядеть примерно так

2. Постройте прогноз mROI для каждого устройства. Поможет визуализация в виде диаграммы рассеивания , это улучшит понимание и наглядность.

Расчёт кривой предельной окупаемости инвестиций (mROI)

3. Рассчитайте распределение бюджета между кривыми для компьютеров, мобильных устройств и планшетов (если среди вашей аудитории имеются те, кто ими еще пользуется) так, чтобы предельный ROI (mROI) был примерно одинаковым.

Пунктирная линия указывает на целевой оптимальный уровень mROI

4. Настройте корректировки ставок в течение ближайших недель, чтобы достичь оптимального распределения.

Когда наша команда больше не могла справляться с этим вручную, мы разработали модели машинного обучения, которые автоматически прогнозировали mROI и программно корректировали ставки.

Тестирование инкрементальности на основе гео-данных
Никто в мире не любит платить за то, что можно получить бесплатно. Это справедливо для мороженого, футболок и, конечно же, клиентов. Платить Google $14 за клик от пользователя, который и так бы кликнул по вашей органической ссылке, ощущается как удар под дых. Но это неизбежная проблема для любого канала цифрового маркетинга. Контекстная реклама — не исключение. Таргетинг далек от совершенства, атрибуция оставляет желать лучшего, регуляции данных становятся строже, а браузеры всё активнее ограничивают ваши возможности измерять и ретаргетировать пользователей. Несмотря на это, тестирование инкрементальности — задача критической важности. Без понимания того, какой вклад вносят отдельные каналы, вы не сможете адекватно оценить их влияние на бизнес. Это приводит к избыточным инвестициям в одни каналы и недоинвестированию в другие, снижая общий эффект от маркетинга. Еще хуже, если этого не делать, вы окажетесь на очередной двухчасовой встрече, обсуждая, какой атрибуционной модели отдать предпочтение. И как всегда, разговор закончится выводом: идеальной атрибуционной модели не существует.

На eBay инкрементальность была ключевой частью нашего подхода к оценке каждого канала в общей маркетинговой стратегии. Мы не ограничивались единоразовыми тестами. Мы проводили их постоянно. Внутри команды эти тесты получили прозвище "щуповые тесты" (или "dipstick tests"). Как и щуп для измерения уровня масла или топлива в двигателе, эти тесты позволяют регулярно и легко проверять ситуацию. Никто ведь не измеряет уровень топлива один раз и забывает об этом. Проверять нужно часто и заранее.

Мы подошли к вопросу инкрементальности схожим образом. Мы обнаружили, что инкрементальность часто меняется по мере изменений рыночной динамики. Каналы постоянно эволюционируют, и инкрементальность сдвигалась в зависимости от нашей стратегии работы с каналами. Это показатель, который должен быть в ваших планах из года в год.

Хотя существует множество подходов к проектированию и проведению тестов инкрементальности, мы выбрали географический подход. Он заключался в отключении канала контекстной рекламы (Paid Search) в определённых регионах для оценки его влияния на бизнес по сравнению с регионами, где контекстная реклама оставалась включённой. Основная идея — создать контролируемую среду, в которой можно изолировать эффект контекстной рекламы на общие конверсии.

Как мы это делали:

1. Идентификация сопоставимых регионов.
   Первым шагом было нахождение пар регионов с похожими характеристиками: трафиком, коэффициентами конверсии и общей динамикой продаж. Это могло быть сравнение двух мегаполисов с похожей демографией или двух регионов с аналогичными рыночными условиями.
2. Оценка шума.
   Мы проводили анализ мощности теста (power analysis) и проверку стабильности, чтобы определить минимально заметное изменение (Minimum Detectable Change, MDC). Очень важно избегать тестов, которые потребуют шести месяцев на достижение статистически значимых результатов.
3. Контрольная и тестовая группы.
   В каждой паре регионов один выступал как контрольная группа, где реклама в Paid Search продолжала работать в обычном режиме. Другой регион становился тестовой группой, где контекстная реклама полностью отключалась. Это позволило нам наблюдать изменения в общих коэффициентах конверсии и продажах без влияния платного поиска.
4. Измерение воздействия.
   В течение нескольких недель мы внимательно следили за результатами в обоих регионах. Ключевые метрики включали коэффициенты конверсии, общий доход и другие KPI. Сравнивая данные контрольной и тестовой группы, мы могли оценить реальную инкрементальную ценность контекстной рекламы.
5. Анализ и корректировка.
   После завершения теста мы анализировали данные. Если в тестовом регионе (где контекстная реклама была отключена) наблюдалось значительное снижение конверсий, это указывало на то, что реклама приносила инкрементальную ценность. Если же эффект был минимальным, это говорило о том, что часть бюджета можно было бы перераспределить в другие каналы. Результаты обычно выражались в процентах от общего объёма продаж.
6. Итерация и развитие.
   По мере изменения рыночной динамики менялись и результаты наших тестов. Поэтому такие тесты проводились регулярно, а стратегия каналов корректировалась в зависимости от новых данных.

Важные предостережения при проведении тестов инкрементальности:

1. Сложности аналитики.
   Тесты инкрементальности могут быть сложными без надёжных аналитических партнёров для проектирования экспериментов и анализа данных. Принятие бизнес-решений на основе неверных данных хуже, чем отсутствие данных.
2. Размер бизнеса и канала.
   Не каждая компания подходит для проведения таких тестов. Чем меньше вклад канала в общий бизнес, тем больше объёма конверсий потребуется для получения статистически значимого результата. Используйте статистические методы, такие как анализ мощности, чтобы понять, что возможно и сколько времени займёт тест.
3. Нет партнёра? Используйте LLM.
   Если невозможно привлечь аналитическую команду, это не конец. Языковые модели (LLMs), такие как GPT, могут быть мощным инструментом для помощи в проектировании и анализе тестов инкрементальности, если это абсолютно необходимо.

Этот подход — основа для стратегических решений, которые помогут вам более эффективно инвестировать в маркетинговые каналы и добиваться максимального влияния на бизнес.

Customer Lifetime Value (LTV) / Пожизненная ценность клиента (LTV)

За последние 10 лет Google постепенно вводил изменения, чтобы облегчить жизнь рекламодателей. Они внедрили механизм вариативного соответствия ключевых слов (variant-match keywords), чтобы снизить нагрузку на управление ключевыми словами. Ввели автоматические модели ставок (auto-bidding models), чтобы бренды могли размещать ставки умнее и эффективнее. Представили новые типы кампаний, где ключевые слова больше не требуются, и теперь автоматически создают креативы для рекламы.

*Прям как наш Яндекс! :)

Хотя все эти нововведения упрощают работу рекламодателей, существует и обратная сторона: различия между вами и вашими конкурентами постепенно стираются. По мере того как Google всё больше автоматизирует функции контекстной рекламы, главным отличием, которым вы будете управлять как менеджер по платному поиску, остаются ваши данные. И наиболее важные данные — это данные о конверсиях: кто конвертируется и сколько стоят эти клиенты.

Ценность клиента, также известная как пожизненная ценность клиента (LTV), рассчитывается на основе исторических данных. Компании, такие как eBay, анализируют, например, сколько заказов в среднем совершает клиент в первые N месяцев после первого взаимодействия с брендом, чтобы понять общую ценность, которую он приносит. Обычно такие клиенты группируются по году их первого заказа, чтобы отследить, как изменяется LTV со временем. Для улучшения этого показателя могут создаваться целые команды.

Некоторые бренды выбирают период в 12 месяцев, другие — более длительные окна, чтобы захватить всю потенциальную будущую ценность клиента.

Выбор окна анализа имеет значительные последствия:

• Длительное окно: Оно необходимо, чтобы точно отразить ожидаемую ценность, которую клиент принесёт за весь жизненный цикл. Если клиент будет пользоваться вашим сервисом 5 лет, то окно в 1 год недооценит вклад данного клиента.
• Короткое окно: Оно позволяет измерить изменения LTV оперативно. Бизнесам, которые используют окно в 5 лет, приходится ждать всё это время, чтобы получить полное представление о том, как изменился LTV.

Автор статьи не раскрывает, какое окно использовалось в eBay, но делится несколькими важными инсайтами:

1. Сегментация важна. Например, первый продукт, который приобрёл клиент, оказывал существенное влияние на его общий LTV. Такие параметры, как категория товара и его цена, играли важную роль в определении ожидаемой пожизненной ценности клиента. Клиенты, начинавшие с дорогих покупок, обычно приносили больше ценности в будущем.
2. "Будущая ценность" (Future Value). Этот показатель составлял значительную долю общей ценности, генерируемой каналом. При тестировании различных моделей ставок и группировок изменение этой доли играло ключевую роль в обсуждениях.
3. Творческий подход к измерению ценности. В eBay исследовали эффект "гало" — как новый клиент в одном домохозяйстве может помочь привлечь других клиентов из того же дома. Чем лучше вы сможете находить способы измерения ценности ваших клиентов, тем большее конкурентное преимущество вы получите.

Почему это важно:

По мере того как рынок всё больше использует автоматические рекламные модели (те же, что используете вы и ваши конкуренты), разница между успехом и провалом в основном определяется вашей способностью понять полную ценность каждого нового клиента и донести эту информацию до Google.

Выигрывают те компании, которые могут предоставить Google лучшие сигналы и данные о конверсиях. Это касается не только стоимости первого заказа, но и общей добавленной ценности, которую клиент создаёт для бизнеса:

• Сколько дополнительных покупок этот клиент сделает?
• Какова маржинальность на этих товарах?
• Превращаем ли мы таких клиентов в амбассадоров бренда? Сколько новых клиентов они привлекают?
• Какова маркетинговая ценность первой конверсии для нашего бренда? Что ценит команда email-маркетинга в новых email-адресах? Как команда дисплейной рекламы оценивает возможность ретаргетинга всего дополнительного трафика, полученного через контекстную рекламу?

Поговорите с вашими маркетинговыми партнёрами. Выясните, где именно добавляется ценность, фиксируйте это и передавайте эти данные обратно в Google.

Как рассчитать LTV:

1. Окно анализа: Выберите разумное окно для расчёта LTV. Если вы не уверены, обычно безопасным выбором является период в 1 год.
2. Расчёт ценности клиента: Найдите дату первого заказа клиента и суммируйте стоимость всех заказов, совершённых в течение года с момента этой даты.
3. Группировка клиентов: В зависимости от объёма данных и потребностей бизнеса вы можете группировать данные по неделям, месяцам или годам. Если объёмы конверсий малы, возможно, придётся объединять данные за несколько лет.
4. Среднее значение: Для каждой группы клиентов вычисляйте среднее значение. Также рекомендую рассчитывать медианное значение, чтобы учитывать влияние отдельных клиентов с аномально высокой ценностью.

Выводы:

Стратегии и инсайты, такие как маржинальный ROI, инкрементальность и пожизненная ценность клиента, — это мощные инструменты для любого маркетолога, независимо от размера бюджета.

Ключевое понимание заключается в том, что успех контекстной рекламы зависит от глубокого понимания, как каждый потраченный рубль способствует достижению общих бизнес-целей.

Сфокусировавшись на инкрементальной ценности расходов, проведении строгих тестов гипотез и анализе долгосрочной ценности клиентов, вы сможете принимать обоснованные решения, приводящие к значимым результатам.

Эти принципы подходят не только для масштабных кампаний; они могут быть применены и в кампаниях любого масштаба для оптимизации эффективности и максимизации возврата на вложенные средства.

По мере развития цифрового маркетинга ваша способность использовать данные и адаптироваться к изменяющимся условиям станет вашим главным конкурентным преимуществом. Независимо от того, управляете ли вы малым бизнесом или работаете с крупными бюджетами, эти уроки помогут вам принимать более разумные решения и добиваться лучших результатов в ваших рекламных усилиях.

Примечание: Мнения и опыт, представленные в статье, являются личными и не отражают официальную позицию или мнение компании eBay. Вся информация основана на личном опыте автора во время его работы в eBay и должна рассматриваться в этом контексте.