Наш підхід до аналізу реклами у Google Display & Video 360
Давайте з вами обговоримо, як би ви діяли, маючи на меті збільшити кількість виданих споживчих кредитів для одного з найбільших банків Казахстану?
Цілком логічно, що насамперед ви б подбали про «теплу» аудиторію, яка вже шукає інформацію про кредити. Так і ми зробили. Першим пріоритетом переглянули та посилили рекламні кампанії у контекстній рекламі, обравши майже весь трафік за основними ключовими запитами. Також ми оптимізували кампанії, налаштовані по CPC-моделі з націленням на відвідувачів нашого сайту (ремаркетинг).
Після цього перед нами постало логічне запитання: «Як зробити більше?» Прийшли до того, що треба збільшувати попит. Вирішили використовувати медійну рекламу (відео та банери). До вирішення цього завдання ми підійшли ґрунтовно і вирішили використати досить нові для ринку Казахстану programmatic-рішення від Google – Display & Video 360.
Для початку ми глибше визначили свою цільову аудиторію та її потреби. Тому сегментували свої меседжі на:
- тих, хто шукає кошти на весілля;
- тих, хто шукає коштів на ремонт;
- тих, хто шукає коштів на відпустку;
- широкий меседж, який має дістати інших, що не входять до попередніх груп.
Відштовхуючись від такого сегментування, ми розділили аудиторії відео та банерки на кілька великих груп.
- Загальна група. Покупці, що цікавляться бізнес-послугами, побутовою електронікою та фінансовими послугами. А також групи, чий Custom Intent пов’язаний із брендовими запитами, конкурентами клієнта та споживчими кредитами.
- Ті, хто планує ремонт. Аудиторія зацікавлених покупців у темах “Будинок та сад” і “Побутова техніка”.
- Ті, хто шукає кошти на весілля. Аудиторія зацікавлених покупців “Подарунки” та “Планування весілля”, а із ними Custom Intent за ключовими словами “Підготовка до весілля”.
- Для тих, хто шукає кошти на відпустку: “Аудиторія зацікавлених покупців — Подорожі”.
Загалом результати підключення медійки стали видно буквально з першого тижня.
Напевно, на цьому можна було б закінчити кейс, оскільки для багатьох це і є достатнім рівнем опрацювання.
Але ми розуміли, що оцінювати результати відео та банерної кампаній суто на кліки не зовсім правильно. Оскільки конверсії, які ми отримали через кліки з медійних форматів, зовсім не тішили, але при цьому зростання кількості заявок на кредити ми побачили. Потрібно було копати глибше і розумітися, як це працює.
Post-view аналіз кампанії
Ми вирішили підключити хлопців із агентства newage., які якраз спеціалізуються на подібних питаннях. У двох словах, наші дані команда newage. доповнила даними post-view, які ми змогли отримати за допомогою аудитора Google Campaign Manager. Це рішення дозволяє окрім cookies-matching (прив’язка до запису в cookies користувача) використовувати дані крос-девайсних конверсій.
При цьому хотілося б показати різні висновки, які ми робили без урахування даних post-view і з ними.
Спочатку нам необхідно було зрозуміти структуру даних та як користувач взагалі взаємодіє з брендом. Для цього ми вивчили, як користувачі поводяться після кліку протягом першого, другого і так далі дня після контакту з користувачем. А потім порівняли результат із post-view аналізом.
Результати та висновки
Які висновки можна зробити на цьому етапі.
- При оцінці медійної реклами враховувати тільки кліки неправильно, тому що в нашому випадку це було як максимум 1/10 частина корисних дій, які користувачі після контакту з рекламою зробили на нашому сайті (89% дій, вчинених на нашому сайті після контакту з рекламою, були по post-view).
- При цьому в даному графіку немає даних крос-девайсних конверсій (які аудитор, на жаль, не дозволяє розбити в такому зрізі).
- Відповідно, оцінюючи в стандартній моделі post-click — ви робитимете типову помилку того, хто вижив, і робитиме висновки по всій кампанії, враховуючи лише тих, хто клікнув.
Медійний хвіст досить довгий, але ми бачимо, що його основний ефект присутній у перші 5–8 днів після контакту з рекламою.
Більше того, в цій рекламній кампанії ми ще й оцінювали дані з cross-device — нам важливо було оцінити користувачів, які могли бачити рекламу на одному девайсі, а зробити підсумкову конверсію на іншому. Наприклад, смартфон-десктоп та будь-які інші подібні ланцюжки. Це важливо, зважаючи на те, що ми використовували YouTube, в якому багато показів було в додатку.В результаті підсумковий розподіл даних виглядає так:
Разом 92% — це та частина даних, яку нам додав подібний аналіз у вирву. При цьому ми бачимо, що на кожному етапі вирви частка кожного з сегментів трафіку може відрізнятися, що необхідно враховувати надалі.
Динаміка по post-view діям дуже відрізняється від динаміки post-click. Вона більш згладжена, і дійсно користувач може зацікавитися в товарі/послуги не відразу і прийти на сайт через час. Що стосується реклами банківських послуг це дуже актуально.
Як використовувати ці дані
Ось такий висновок ми могли зробити, використовуючи традиційні для ринку методи аналізу медійної кампанії, а саме:
Вважаємо, ви бачите, як сильно ми могли помилитися та наскільки змінюються пріоритети.
З допомогою цих даних ми вчасно виявили, які сегменти не працюють, які працюють. Наприклад: вже в середині кампанії ми зрозуміли, що меседж “Візьми кредит до весілля” не знаходив такого відгуку, як, наприклад, меседж “Візьми кредит до відпустки”. Тому ми відключили перший та посилили останній.
Також важливо оцінювати і YouTube. Якщо розглядати цей майданчик з погляду стандартного підходу через кліки, може здатися, що його використання є неефективним. Причиною цього є велика частка переглядів ролика на YouTube у мобільному додатку. Наслідком є неможливість пов’язати перегляд відео користувачем з подальшим його переходом на сайт через браузер у смартфоні або на десктопі.
Але якщо ми доповнимо картину отриманими даними з Google Campaign Manager, який може відстежувати взаємодії користувачів через різні пристрої (cross-device), то ми можемо побачити, що наші розміщення на YouTube нічим не поступаються ряду банерних розміщень, а то й перевершують деякі з них по% конверсій.
Загалом висновків та інсайтів, які нам вдалося зробити, було значно більше. За допомогою цих даних ми могли визначити ефективну частоту, ланцюжок конверсій, через який канал повертався цей медійний “хвіст” та багато іншого.
