Как не просто смотреть на цифры, а грамотно ими управлять? Об аналитике и KPI в таргетированной рекламе рассказывает руководитель агентства HotHeads Band Алёна Мумладзе. Собрали всё самое важное с выступления на «Суровом Питерском SMM».
Забирайте по ссылке разбор 100+ примеров таргетированной рекламы, которая дала результат. Это бесплатно
Зачем вам аналитика рекламы
9 из 10 таргетологов:
- даже примерно не изучают предыдущий опыт таргета
- если получают опыт, не выстраивают прогноз на его основе
- не интересуются внутренней экономикой бизнеса
- не понимают точку безубыточности, объём продаж, проблемы бизнеса
- не дают рекомендации клиенту по ходу работы, т.к. сами не знают, что именно можно улучшить.
В то же время собственники бизнеса:
- не имеют ни прошлой статистики, ни понимания экономических процессов внутри своего бизнеса в контексте трафика
- хотят делегировать, нажать кнопку «бабло», «под ключ» и не вникать
- не умеют видеть все цифры как одну большую картину своего бизнеса
- перекладывают ответственность за прибыль на сотрудников.
Разберёмся на примерах, какие есть проблемы в бизнесе и как их решает аналитика рекламы.
То есть аналитика рекламы используется для:
- выбора оптимальных решений
- увеличения скоростей
- наращивания объемов
- прогнозирования вложений и выручки
- сохранения клиентов и бизнеса
- понимания, что вообще происходит.
Аналитика не равно сбор данных
Аналитику рекламы часто путают со сбором данных. Однако анализ – это исследование, а сбор данных – это только подготовка к этому исследованию.
То есть в 90% случаев «отчёт» по таргету – это только сбор данных:
- выгрузка данных из кабинета;
- табличка с кликами, CTR, тратами, ценой лида – и всё.
Но при этом нет общей с клиентом таблицы с окупаемыми метриками, нет подсчёта конверсий (кроме «клик – регистрация»), рекомендаций по улучшению воронки и результатов. Нет гипотез, основанных на цифрах: почему что-то зашло, а что-то – нет. И нет понимания, какие цифры на какие влияют.
Частые ошибки при сборе и анализе старой статистики
- Упускают проверку фактов (например, человек уверен, что конверсия его сайта – 5%, а по факту оказывается, что 0,3%).
- Клиент в 90% случаев сообщает неверные сведения (не специально, он на самом деле их просто не знает).
- Никто не делает таблички с анализом предыдущего опыта.
- Считают, что берут клиента с нуля, тогда как у него уже есть действующий бизнес со своей экономикой и, скорее всего, опытом таргета.
- Всегда путают лиды с тёплой базы с потенциальными лидами с холодной.
- Свою статистику собирают формально, берут лишь то, что есть в кабинете, не добавляя закономерности вроде конверсий и маржинальности конкретных аудиторий, конкретного текста.
- Не делают сбор и сравнение месяц к месяцу, не учитывают сезонность, не ищут точки роста.
- Собирают просто голые цифры.
Чтобы исправить ситуацию, нужно провести аналитику. Выберите методику, подходящую конкретно под ваши задачи.
Методы аналитики
Регрессионный анализ
Регрессионный анализ – оценка отношений между переменными. Этот метод аналитики рекламы помогает находить факторы, которые влияют на результат, и понимать, до каких цифр их нужно нарастить.
Например: вы увеличили бюджет – начал расти поток заявок. Это прямая линейная зависимость.
Процентное соотношение
Это всем известная конверсия. Мы определяем, какой процент от целого составляет значимое число. Обычно все считают соотношение из заявки в регистрацию. Но на каждом этапе воронки нужно считать дополнительные конверсии. Так мы сможем увидеть неочевидные зависимости одних показателей от других и проработать слабые места во всей маркетинговой цепочке.
Например, как обычно анализируют:
Но эффективнее подумать, о чём нам говорит каждая метрика:
То есть люди могут кликать и не подписываться, но при этом покупать. И мы можем отследить количество покупок, приходящееся на количество кликов. Такая зависимость видна не сразу, а только при анализе. Нам кажется, что подписок мало и всё плохо – а по факту всё нормально, подписки для продаж не нужны.
Распределение по группам, классификация
Суть метода аналитики – систематизировать данные по общим признакам и получить на этой основе сводную характеристику.
Обычно все выгружают данные из рекламного кабинета и анализируют то, что есть. Но правильно будет выбрать те группировочные признаки, которые реально нужны для статистики, а не те, которые просто есть перед глазами. Так вы выкинете все ненужные данные из таблицы, и каждый элемент будет помогать анализировать, а не сбивать с толку.
Например, в таблице мы подсчитываем, какой источник эффективнее. По данным мы видим, что источники разные, число просмотров сильно отличается, а вот конверсия добавления в корзину плюс-минус одинаковая. Это значит, что все источники работают одинаково хорошо. Но если посмотреть на число покупок, то в третьем источнике процент покупок после добавления в корзину выше всего – это ретаргет. На основе этого анализа мы можем предполагать, какой источник трафика будет результативнее, и строить прогноз.
Группировка может быть количественной и качественной. Количественная – когда мы собираем статистику по тем параметрам, что есть в кабинете. Качественная – когда смотрим, какие именно параметры нам нужны для анализа, чтобы работать на результат.
Корреляционный анализ
Это когда мы выявляем корреляционные коэффициенты, которые позволят увидеть, есть ли зависимость между переменными и насколько она сильная. Такой анализ помогает обнаружить, какие микроконверсии приведут к макроконверсиям с большей вероятностью, чем другие.
Обычно корреляционный анализ никто не делает. Но на самом деле его не очень сложно собрать, если есть статистика сайта.
Соберите данные: что чаще всего делают пользователи на сайте, и посмотрите, влияют ли эти действия на итоговую цель.
Метод аналитики очень полезен, если у вас продукт на высокий чек, который требует долгого прогрева и запуска, и нужно дожить до первых макроконверсий, пока тестируете новые офферы. При этом не слить бюджет.
Например, у вас дорогой продукт – машина (или квартира, яхта). Какие-то действия людей могут приводить к его покупке. Эти данные собираются у вас в Яндекс Метрике, Google Аналитике: просмотры страниц сайта, страницы моделей, фильтры и т.д.
Нужно выгрузить данные по каждой цепи из микроконверсий и проанализировать в Excel с помощью формулы «корреляция», например:
=КОРРЕЛ(Массив данных по цели Звонок;Массив данных по микроцели «Просмотр более 5 страниц»)
Мы сможем посмотреть, с какой вероятностью люди, которые посмотрели более 5 страниц, сконвертируются в целевой звонок.
Из анализа видно, что люди, которые провели на сайте больше N минут и открывали диалоговое окно – самые горячие клиенты. А значит, наш бюджет нужно тратить именно на эти цели, а не на увеличение просмотра N страниц или на страницу «Спецпредложение».
Прогноз с помощью линейной регрессии
Это подсчёт точки безубыточности, прогноз окупаемости, оптимизация. То есть мы определяем, каких минимальных цифр надо достичь, чтобы выйти в ноль на этапе теста. И составляем прогнозы окупаемости, если всё станет плохо.
Обычно никто не интересуется точкой безубыточности и экономикой, не понимает взаимосвязи одного от другого. А нужно собрать данные для прогноза и просчитать разные варианты.
Например, мы сделали тест рекламы и получили цифры кликов, подписки и покупок. Мы можем составить позитивный прогноз – если при запуске основной рекламной кампании сохранятся такие же показатели.
Но также делаем срединный прогноз – если показатели снизятся на 10% (например, увеличится стоимость клика), и негативный – если всё станет хуже ещё на 20%, 30%, 40%.
Имея позитивный и негативный сценарий, мы можем понимать, в какой момент на какие результаты выходим и можем прогнозировать циклы работы.
Почему можно потерять клиентов и как этого не допустить
Что может пойти не так:
- не хватило персонала в отделе продаж, чтобы обрабатывать лиды;
- не хватило бюджета у заказчика, чтобы держать объём продаж (кассовые разрывы);
- не хватило аудитории, чтобы обеспечить достаточный объём трафика;
- не хватило каналов, чтобы обеспечить прежний объём трафика.
Чтобы этого не допустить, нужно подготовиться и решить, как мы будем компенсировать денежные потери, что делать со слабыми местами.
Для такой подготовки соберите и визуализируйте данные.
Для опытных подойдет дашборд.
Для начинающих – гугл-документ, который заполняем вручную (кстати, этот способ позволяет лучше понимать аналитику на старте).
Перед созданием документов нужно подумать, какие задачи мы будем решать, на какие вопросы отвечать и для каких отделов какие вкладки нужны.
Важно чётко отбирать метрики и методы для анализа, чтобы не делать лишних действий и работать с теми цифрами, которые реально нужны.
