Часто бывает, что поверхностный взгляд на цифры скрывает реальную картину. Давайте разберем на конкретном примере, как углубленный анализ данных помог нам увидеть истинную эффективность рекламной кампании с блогерами на Wildberries.
Исходные данные:
- Бюджет: 2 793 788,63 руб.
- Количество рекламных размещений: 172
- Количество SKU (товарных позиций) в рекламе: 12
Результат (поверхностный анализ):
На первый взгляд, результаты выглядят не очень оптимистично:
- Количество SKU: 12
- Бюджет: 2 793 788,63 руб.
- Количество заказов: 1 637
- Сумма заказов: 2 246 899 руб.
- Количество переходов: 107 336
- Количество просмотров: 7 272 384
- CPM (цена за тысячу показов): 384 руб.
- CPC (цена за клик): 26 руб.
- ROMI (возврат на маркетинговые инвестиции): -19,58%
Отрицательный ROMI говорит о том, что кампания в целом убыточна. Но так ли это на самом деле?
Результат (углубленный анализ):
Мы копнули глубже и разделили заказы на три категории, учитывая источники их происхождения:
- Прямые заказы: Заказы, сделанные непосредственно после перехода по ссылке от блогера.
- Ассоциированные заказы: Заказы, сделанные пользователями, которые ранее видели рекламу у блогера, но совершили покупку позже, возможно, через другие каналы.
- Артикульные заказы: Заказы, где покупатель искал конкретный артикул товара, который рекламировался у блогера. Это говорит о том, что реклама повлияла на осведомленность о продукте.
Вот что показал детальный анализ:
Итоговый ROMI (с учетом всех типов заказов): 489,48%
Как видите, углубленный анализ кардинально меняет картину. Вместо убытков мы получили значительную прибыль!
Важные нюансы:
- Окно атрибуции: 30 минут. Это означает, что мы учитывали заказы, совершенные в течение 30 минут после перехода по ссылке.
- Отчет не отражает влияние на органический трафик: В данном анализе не учитывается возможное увеличение органических продаж после рекламной кампании.
- Имеется ручная работа: Часть данных собиралась и обрабатывалась вручную.
Что мы сделали для получения таких результатов и их оцифровки?
Наша команда провела серьезную работу по настройке аналитики, чтобы получить максимально точные данные:
Структура:
- Создали ссылки с использованием диплинков для точного отслеживания переходов.
- Разработали таблицы для оцифровки и загрузили в них данные из диплинков.
- Создали структуру для ведения блогеров с отслеживанием всех ключевых показателей.
- Написали скрипт для мониторинга и записи просмотров контента.
- Разработали программу для ежедневного формирования отчетов по каждому бренду в Google Sheets.
- Создали скрипт для определения прямых, ассоциированных и артикульных конверсий.
- Разработали шаблон отчета, который показывает сводные данные по каждой площадке и типу конверсий.
Инструменты:
- Google Sheets
- Yandex DataLens
- Python
- Личный кабинет Wildberries
- API Wildberries
- Mplays
Вывод:
Этот пример наглядно демонстрирует, как важно проводить глубокий анализ данных, особенно в контексте маркетинга с блогерами.
Поверхностный взгляд может привести к ошибочным выводам и упущенной выгоде.
Если вы хотите системно и профессионально работать с внешним маркетингом для маркетплейсов, напишите мне в личные сообщения.
Я расскажу подробнее о нашем подходе и помогу добиться результатов в вашем бизнесе! НАПИСАТЬ