×

Конспект лекцій 8P. Перша частина – потік “Online Ads & Analytics”

Текстові записи лекцій Олександра Рольського та Олексія Ляха з newage., а також Андрія Осипова та Івана Страмика, які розповіли про застосування сирих даних у доставці піци "LA П'ЄЦ"

9 липня пройшла найлітніша конференція про бізнес, digital та онлайн-маркетинг 8P. Ми відвідали низку лекцій і тепер ділимося їх конспектами та інсайтами. У першій частині публікуємо доповіді про онлайн-рекламу та аналітика. Читайте, як аналізувати ефективність медійної реклами та як аналіз великих даних допоміг побудувати автоматизований маркетинг у доставці піци.

Олександр Рольський, Олексій Лях: «Як виміряти вплив медійної реклами на бренд та ключові джерела трафіку»

Спікери розповіли про місце медійної реклами у digital-міксі та поділилися інструкцією, як виміряти вплив медійної реклами на інші джерела трафіку. Як приклад показані медійні рекламні кампанії Prom.

1. Brandformance: що це таке і як оптимізувати медійні кампанії performance-інструментами

Brandformance — це медійний цільовий маркетинг, що походить від слів “brand” і “performance”. Для оцінки впливу медійної реклами на бренд агенції newage. використовує Цілісний Аналіз, в якому вивчає дані про post-view та cross-device конверсії.

2. Тактична стратегія розміщення та де в ній місце медійної реклами

Якщо кілька важливих сегментів аудиторії:

  • гаряча, яка готова до покупки,
  • тепла, яка вибирає та придивляється,
  • холодна, яка ще не знає про бренд і товар.

Вважається, що медійна реклама спрямована на холодну аудиторію, щоб познайомити її з продуктом, а з теплою та гарячою аудиторією слід працювати вже performance-інструментами. Але медійна реклама може бути корисною для всіх сегментів.

Ми поділяємо аудиторії, вибираємо для кожної свої формати та націлювання, а також встановлюємо свої KPI для кожного рівня воронки.

3. Як оцінити вплив медійної реклами

Найчастіше медійну рекламу оцінюють на кліку. Це неефективний підхід, адже є ще post-view та cross-device конверсії, які створює медійна реклама. Якщо у вас немає можливості їх подивитися post-view та cross-device, не дивіться і на кліки, адже так легко зробити помилку.

  1. Post-view – це дії користувачів, які переглянули рекламу і зробили конверсію з того ж девайса або браузера.
  2. Cross-device – це дії користувачів, які переходять з одного девайсу на інший. Часто буває, що користувач бачить рекламу на смартфоні на Youtube, а переходить з робочого столу, тому що це звичніше.

Є ще кілька варіантів, як оцінювати вплив медійної реклами: по брендовому трафіку, search insight, brand lift, місяць до місяця, або просто “на око”. Це робочі методи, але ми як MarTech-агентство вирішили знайти більш технометричний спосіб оцінки.

4. Покроковий алгоритм аналізу впливу медійних джерел на performance-інструменти

Усі медійні кампанії ми трекаємо аудитором Google Campaign Manager на сайті клієнта. У ньому можна поставити лічильники на всі рекламні розміщення та фіксувати, кому показали рекламу.

З іншого боку, є дані від клієнта в більшості випадків це Google Analytics. Ми збираємо всі дані в BigQuery і на цьому моменті важливо, щоб User ID у двох джерелах збігалися. Зіставляючи ці дані ми бачимо дві когорти користувачів:

  • ті, що контактували із рекламою
  • ті, хто не контактував із рекламою.

Відповідно, ми змогли порівняти їхню поведінку та робити висновки.

5. Як медійні кампанії впливають інші джерела трафіку. Кейс Prom.ua та приклади інших великих рекламодавців

Перший приклад – дані по кампанії Prom “Love Season”, по conversion rate дії “додати в кошик”.

Ми бачимо приріст за всіма джерелами трафіку, крім Other Advertising; і загалом людина, яка бачила медійку, на 12% ефективніша.

Читайте, який ефект дали інші медійні кампанії, у статті: Як медійні кампанії впливають на performance інструменти? Кейс Prom 

Ми такий аналіз із Prom робили вже рік, перша рекламна кампанія “Back to school”, остання категорійна, за нею ми вивантажили дані буквально минулого тижня.

У першій кампанії +16% оцінюємо ефективність медійки, тобто користувачі, які бачили рекламу, на 16% конверсійніші. Але ближче до кінця бачимо зниження «ефективності». І ці дані медійного ефекту, тенденційно сходяться з бренд ліфтом. Brand lift — це соціологія, у нас же технометричний підхід, проте дані збігаються.

Такий збіг заспокоює, адже ми переконуємось у правильності висновків. Тож ми можемо методологію оптимізації кампанії зрозуміти на цифрах, зрозуміти, чому щось працює.

Ми вирішили піти далі і переглянути вплив медійної реклами не на CR, а на глибшу конверсію — Thank you page. І тут приросту як такого немає.

Ключове завдання медійки – привести на сайт зацікавленого користувача, щоб він переглянув сайт і додав товар до кошика. А вже закриття конверсії — це завдання інших інструментів: програм лояльності, зручної доставки і т.д.

Далі ми вирішили подивитися на частки трафіку, як медійна реклама впливає джерела переходу на сайт.

Серед тих, хто не контактував із медійкою, органічного трафіку найбільше, а далі йдуть paid та direct. Якщо подивитися на ті, хто бачив рекламу, то бачимо, що частка директу суттєво зменшується та збільшується частка платного трафіку.

Коли ви запускаєте медійну кампанію, і під час і після, ви повинні інвестувати та performance теж. Ми мали кейс, коли запустили брендову кампанію з великим бюджетом і якось під час кампанії немає приросту. Ми зустрілися з клієнтом і виявилося, що на медійну кампанію віддали майже весь бюджет, сильно урізавши платний пошук.

Є ілюзія, що медійна кампанія одразу дасть багато клієнтів чи користувачів. Але це ілюзія. Медійка впливатиме на інші джерела та урізати ці джерела не можна.

Далі ми плануємо вивчити ефективність із різних креативів. Порівняти тих, хто бачив відео чи банерку. Також цікаво порівняти медійний ефект за частотами, наприклад, для людей, які бачили рекламу 2 рази та 10 разів.

Загалом медійна реклама працює, вона впливає на інші джерела трафіку та поведінку користувачів, які бачили рекламні ролики. Але цей ефект слід перевіряти у кожній окремій кампанії, щоб правильно його використовувати.

Андрій Осипов, Іван Страмик: «Автоматизація маркетингу, використовуючи сирі дані. Кейс доставки піци на дровах “LA П’ЄЦ”»

Піца на дровах «La П’ЄЦ» виходила на ринок з великою конкуренцією і підкорила його за рахунок швидкої доставки. Компанії вдалося організувати доставку у невеликому ареалі за 29 хвилин. Далі вона інвестувала у сервіс та якість, і невдовзі у Львові відкрилося кілька філій, які покривали зонами доставки все місто. Клієнтів було багато, дані про них накопичувалися і постало питання, що можна робити на підставі цих даних.

Спочатку таргетолог та аналітик «La П’ЄЦ» Іван Страмик вручну вивантажував дані із CRM до Excel-таблиці. Там він робив звіти, порівнював різні показники та шукав інсайти. Але цього було недостатньо і фахівець звернувся за допомогою до практикуючого дата інженера та директора Школи веб-аналітики Андрія Осипова.

1. Великі дані у маркетингу, як збирати, як візуалізувати

Основна ідея аналітики сирих даних у наступному: ми беремо всі можливі дані, кладемо їх в одну базу та аналізуємо. Сюди можуть входити:

  • події з Google Analytics,
  • статистика із застосування компанії;
  • внутрішні бази даних;
  • CRM;
  • дані рекламних кабінетів Facebook, Google Ads, Twitter і т.д.

Для імпорту такого обсягу інформації вже не вистачить потужностей Excel-таблички або Google Spreadsheets – потрібно освоїти бази даних. У цьому кейсі використовували Google BigQuery.

Також «La П’ЄЦ» використовували Google Analytics 4, адже вона має нативний конектор з Google BigQuery і вона відстежує не лише дані сайту, а й трафік програми.

2. Автоматизація звітности

Коли ми зібрали всю інформацію разом, можна побудувати маркетинг на базі даних. Ми можемо вважати ефективність у розрізі реальних продажів, а чи не з погляду потенційних продажів. Але щоб зробити дані зрозумілими для людини, їх потрібно об’єднати та візуалізувати у дашборді.

Когортний аналиіз

“La П’ЄЦ” почали застосовувати когортний аналіз. Раз на квартал компанія запускає нові рекламні кампанії і когортний аналіз дозволяє оцінити не лише скільки людей прийшло з нової кампанії, але й хто з них повторно робить замовлення.

Фактично це схоже на звіти про когорти в Google Analytics, але з більшою кількістю даних. Ми бачимо не просто, що сьогодні сталося (припустимо, 100 кліків та 100 продажів), а розуміємо ситуацію у розрізі кампаній.

Багатоканальні послідовності

Маючи сирі дані, ми можемо взяти всі джерела, сформувати ланцюжки та підрахувати, до якої кількості продажів привів кожен ланцюжок. Далі ми можемо подивитися на витрати на весь ланцюжок і розраховувати ROAS не тільки за останнім джерелом, а за всіма витратами, які ми вклали в цей ланцюжок.

Ці дані можна подавати зовсім по-різному. Наприклад, ми хочемо дізнатися, яке джерело і канал у нас більш продає, закриває і знаходиться наприкінці ланцюжка, а який — на її початку. Це дозволяє оцінити, як джерела трафіку в ланцюжку поводяться і з якою моделлю атрибуції нам більш коректно їх оцінювати.

План/факт

Маючи на руках усі дані щодо сесій, інсталів програми, продажу, ми можемо скласти план за показниками — яких результатів очікуємо від кампаній. Ми можемо порівняти план із фактичними результатами і робити висновки щодо ефективності стратегій рекламних кампаній з погляду досягнення цілей, які ми ставили.

3. Автоматизація direct marketing кампаній

Вся описана вище автоматизація дозволяє фахівцям зосередитись на важливих речах: на роботі, а не вивантаженні даних та написанні звітів. Але це не межа і автоматизувати можна також спілкування з аудиторією.

Користувачів багато, є ті, хто купує часто і рідко, на маленькі та великі гроші. Можна взяти всю інформацію про користувачів та скласти карту аудиторії, щоб з кожною групою спілкуватися окремо.

На слайді таких груп 12, але їх може бути і 20, і 500 — і до кожної потрібно звертатися зі своїм повідомленням, розуміючи, що це за група, як вона поводиться і чого хоче.

Інсайти

Аналізуючи клієнтів «La П’ЄЦ» помітили низку цікавих закономірностей.

  1. Клієнти, які не роблять замовлення більше 60 днів – це практично 100% разові клієнти, які прийшли та пішли. Тому в інтервалі 48-60 днів після покупки клієнту потрібно зробити гарячий оффер: запропонувати знижку, подарунок і т.д.
  2. Є взаємозв’язок між розміром знижки та поверненням клієнта. Якщо у клієнта на перше замовлення низька знижка, він і далі замовлятиме. А якщо знижка велика, то клієнт не залишиться. Такий клієнт просто приходить, користується знижкою та йде. До речі, постійні клієнти рідко розпочинають з акції «День народження».
  3. Постійні клієнти сплачують замовлення через LiqPay.
  4. Постійні клієнти часто просять не передзвонювати.
  5. Постійні клієнти рідше відмовляються від серветок, адже вони знають, коли їж піцу руками, серветки потрібні.
  6. Постійні клієнти рідше вказують на точний час доставки.

Ці інсайти стосуються La П’ЄЦ і можуть відрізнятися для інших бізнесів, навіть якщо йдеться про інші доставки піци. Тому кожному бізнесу корисно збирати та аналізувати дані про клієнтів.

Наступний крок, який потрібно робити на підставі великих даних, — збудувати архітектуру, яка дозволить автоматизовано спілкуватися з користувачами.

Залишити відповідь

Ваша e-mail адреса не оприлюднюватиметься.


Читайте також ...
Що таке cross-device трекінг та для чого він потрібен
Що таке cross-device трекінг та для чого він потрібен

У цій статті newage. розкаже, що таке cross-device трекінг та як його використовувати для найкращої аналітики реклами.

Читати далі >
Google for Startups: думки провідних маркетологів України щодо виходу на ринок
Google for Startups: думки провідних маркетологів України щодо виходу на ринок

в цій статті поділиться найкращими порадами своїми та колег щодо просування та розвитку бізнесу в цей буремний час.

Читати далі >
Конспект лекцій 8P. Друга частина, потік SEO
Конспект лекцій 8P. Друга частина, потік SEO

Лекція Володимира Лучанінова щодо захисту від копіювання сайтів. А також доповідь Віталія Цимбалюка та Ігоря Шулежка про пошук точок кратного зростання у SEO

Читати далі >
Україна, Київ, 03057
вул. Дегтярівська 33а, оф. 6/3
e-mail: info@newage.agency
+380 (68) 641-64-68