Data-Driven Decisions: рекламные кампании на основе данных

Смотрите в каталоге
Мобильная аналитика

Как выжать больше денег из рекламных кампаний с помощью аналитических данных? И как стать более релевантными для пользователей, работая с трафиком и площадкой?

В этой статье мы рассмотрим способы настройки аналитики и тестирования, а также решения, которые были приняты на основе Data-Driven Decisions.

Добро пожаловать эффективный и считаемый мир!

Интеграция и настройка веб-аналитики

Перед тем как анализировать данные нужно откуда-то их получить. Соответственно, первым шагом, перед запуском любых кампаний будет подготовка платформы для сбора корректных данных и последующего анализа. Так мы создаём основу для принятия решений. Давайте рассмотрим этот алгоритм на примере кейса.

Кейс 1.

Клиент: Крупный E-commerce.

Задача: Подготовить платформу для корректного сбора данных и последующего анализа.

Решение:

  1. Установка Google Tag Manager
  2. Установка счетчиков через Google Tag Manager и настройка отслеживания целей и событий.
  3. Построение воронок пути пользователя.
  4. Сбор CLIENT_ID и USER_ID.
  5. Правильная UTM-разметка источников и каналов.

А теперь давайте разберём по порядку.

Установка Google Tag Manager

Data-Driven Decisions: рекламные кампании на основе данных

Google Tag Manager – это бесплатный инструмент для маркетологов. С помощью него вы можете вставлять различные теги и скрипты непосредственно в код вашего сайта на различные страницы.

Почему это удобно?

Маркетологу достаточно один раз поставить контейнер на сайт и больше не прибегать к помощи разработчиков. Таким образом, инструмент экономит время и маркетологов, и разработчиков, а также всех людей, которые взаимодействуют с кодом сайта.

Установка счетчиков через Google Tag Manager и настройка отслеживания целей и событий

Data-Driven Decisions: рекламные кампании на основе данных

Через GTM очень удобно проводить различные счетчики и скрипты. Если маркетолог работает с Google Analytics, то GTM очень сильно упрощает работу с отслеживанием целей и событий. Также через GTM мы можем в кротчайшие сроки установить и протестировать практически любой front-end инструмент, опять-таки, без помощи разработчика.

Построение воронок пути пользователя

Data-Driven Decisions: рекламные кампании на основе данных

Если это не E-commerce проект, то строится обычная воронка (визуализация последовательностей в Google Analytics) — c того момента, как пользователь пришел на сайт, проходя через различные микро-конверсии и заканчивая главным целевым действием (например, отправка заявки).

Соответственно, если это крупный E-commerce проект, то мы интегрируем плагин Universal Analytics Enhanced E-commerce, и уже непосредственно по нему можем понять, как пользователь пришел на наш сайт, какие действия он совершил, как добавляет товары в корзину и как оформляет заказ.

Enhanced E-commerce намного мощнее, чем обычные воронки, потому что эти данные можно сегментировать в самом GA.

Сбор CLIENT_ID и USER_ID

Data-Driven Decisions: рекламные кампании на основе данных

CLIENT_ID — это идентификатор браузера пользователя.

Data-Driven Decisions: рекламные кампании на основе данных

USER_ID — это идентификатор пользователя, который выдается, когда он совершает регистрацию или авторизацию.

Собирая эти идентификаторы, можно получить данные по всем сессиям авторизованных пользователей, начиная с первого посещения. При отправке события в пользовательский параметр (custom dimension) Google Analytics через GTM, появляется возможность анализировать эти данные в GA, а также выгружать их и агрегировать с данными из CRM.

Правильная UTM-разметка источников и каналов

Data-Driven Decisions: рекламные кампании на основе данных

Каждый канал, источник, кампания, каждый баннер, объявление и ссылка должны быть размечены, для того, чтобы в последующем можно было анализировать все эти данные.

Это позволяет точно узнать, какой баннер лучше отработал, какая ссылка, какое объявление, а на основе этих данных можно оптимизировать рекламные кампании.

Результат:

Так мы получили полноценную платформу для сбора аналитических данных.

  • Благодаря GTM теперь можно интегрировать любые теги и скрипты, настраивать отслеживание целей и событий. А также тестировать различные front-end инструменты и сервисы.
  • Благодаря настроенной воронке теперь можно понять, в каких местах на сайте пользователь испытывает различные проблемы. Собираются данные для оптимизации блоков, страниц и отдельных элементов.
  • С помощью USER_ID и CLIENT_ID мы получаем данные по всем сессиям авторизованных пользователей, начиная с первого посещения.
  • И так как все кампании у нас размечены по UTM, все данные собираются корректно.

Имея всю эту информацию, мы получаем огромное поле для дальнейшей работы. Теперь мы можем анализировать и тестировать эти данные, а затем принимать на их основе решения, которые повысят эффективность наших кампаний.

Тест и анализ параметров мобильного трафика

После того, как мы собираем практически все данные, у нас появилась возможность работать с ними. Зачастую аналитика и тестирование приводит к совершенно неожиданным выводам. Я приведу в пример свой любимый кейс.

Кейс 2.

Клиент: Приложение «Skout» — это глобальная сеть для новых знакомств и общения.

Задача: Максимально сегментировать трафик по различным параметрам, оптимизировать рекламные кампании и повысить количество установок приложения.

Решение:

Использовать следующие инструменты для анализа:

  • AppsFlyer — трекер установок мобильного приложения и рекламных каналов.
  • Google Analytics — анализ активности и поведения пользователя внутри приложения.
  • Для этих целей на других проектах используются различные аналоги: Adjust, MAT, MixPanel, Voluum и т. д.

Data-Driven Decisions: рекламные кампании на основе данных

Мы отслеживали все параметры: пол, возраст, тематика, площадка, локация.

Первоначально рекламные кампании были таргетированы на ожидаемую целевую аудиторию: молодые люди и девушки (в основном) в возрасте от 16 до 28 лет. Были созданы различные рекламные материалы (креативы) в нескольких вариантах. Основной таргетинг был на тематику social, то есть на тех пользователей, которые интересуются и пользуются различными мессенджерами и социальными сетями, а также знакомятся в них. Были запущены кампании по общим таргетингам, разделенные по возрастным группам.

Data-Driven Decisions: рекламные кампании на основе данных

Итог:

Полученные данные после тестовых рекламных кампаний показали, что приложение больше скачивают и используют пользователи не из целевой аудитории и не по самому очевидному подходу.

Был выставлен таргетинг social, но скачивали также по категориям business, newsstand, books. И оказались, что в основном приложение интересует мужчин в возрасте 40+, а ожидалось, что большая часть пользователей — молодые люди и девушки.

Результат:

Более 10000 установок в день, значительный прирост активных пользователей приложения.

Анализ поведения покупателей

Анализируя поведение покупателей, мы можем оптимизировать цели и менять KPI в зависимости от приоритетов. Иногда поведенческие факторы заставляют менять курс.

Кейс 3.

Клиент: Крупный E-commerce.

Задача: Максимально сегментировать трафик по различным параметрам и проанализировать показатели.

Решение:

Проводить сегментирование по следующим параметрам:

  • Источники.
  • Каналы.
  • Демография.
  • Типы устройств.
  • Операционная система.
  • Вовлеченность.
  • Активность пользователей по времени суток и т. д.

Итог:

Data-Driven Decisions: рекламные кампании на основе данных

Мы также проанализировали огромное количество целей и конверсий: заказ, регистрация в интернет-магазине, добавление в корзину и самое главное для этого кейса — подписка на рассылку.

Так как email-маркетинг имеет самый высокий коэффициент конверсии на данном проекте, полученные данные оказали существенное влияние на ход кампании.

Data-Driven Decisions: рекламные кампании на основе данных

Мы поняли, что конверсия в подписку на рассылку с мобильных устройств на 40% выше, чем по компьютерам и планшетам (причём конверсия по определенным брендам и ОС смартфонов тоже разная). Поэтому мы приняли решение таргетировать кампании по подписке на рассылку только на мобильные устройства и значительно расширить этот канал.

Результат:

Создали новые рекламные кампании по подписке на рассылку, таргетированные на мобильные устройства и получили значительный прирост к базе подписчиков (около 15%), а значит и к доходу.

Персонализированная аналитика

После того, как мы уже получили все данные по сегментам и наиболее конверсионным источникам, следующим этапом будет создание детальных портретов пользователей. Так мы сможем оптимизировать наши кампании для достижения максимальной релевантности предложения и, в конечном счёте, продавать свои товары только тем, кто их купит.

Кейс 4.

Клиент: Крупный E-commerce.

Задача: проанализировать поведение конкретных пользователей и создать различные сценарии рассылок по сегментам.

Решение:

Понятно, что на сайте мы собираем не все данные. Но мы можем их обогатить. Собрать всё то, что собрали в Universal Analytics, данные о заказах, e-mail, данные из системы внутреннего учета (к примеру, заказ который оформлен, не обязательно доставлен и выкуплен) и прочие регистрационные и персональные данные.

С помощью интегрированного решения мы можем собрать все данные о пользователе в рамках одной системы!

Мы используем наше собственное решение, которое строится на базе трекера Piwik. Собираем данные в свою базу данных. И потом, используя различные инструменты, агрегируем и строим отчеты по ним.

Data-Driven Decisions: рекламные кампании на основе данных

Итог:

Мы видим профиль конкретного пользователя с именем, фамилией, другими персональными параметрами. Видим все его сеансы и знаем, с каких устройств он заходил, а также видим его активность на сайте: какие товары он просматривал, какие добавлял в корзину и какие заказы оформлял.

Со временем такой информации может накопиться достаточно много, и она несомненно будет полезна.

По этим данным можно сделать вывод, какое количество денег приносит пользователь за всю свою жизнь на сайте (LTV), посчитать стоимость привлечения (CAC), ну и самое главное: понять, что его интересует и какие товары он чаще всего покупает.

На основе этих данных, можно делать Email-рассылки по сегментам, и предлагать пользователям те товары, которые их больше всего интересовали в предыдущих сеансах. Также могут варьироваться цены и персональные предложения для таких пользователей.

Результат:

Имеем обогащенные данные и профиль по каждому конкретному пользователю. Получаем возможность рассылок по сегментам.

Давайте вспомним, зачем всё это?

Подводя итог, я постарался продемонстрировать, как должна строиться работа с аналитикой и рекламными кампаниями. Но на самом деле, это только начало. Потому что в мире, где пользователь становится конкретным человеком, с которым мы постоянно взаимодействуем и накапливаем о нем данные, у нас появляется возможность не только заработать больше денег, но и, наконец, стать более релевантными для него.

Двигаясь в этом направлении, мы сможем продавать людям только те товары, которые им нужны и интересны.

Автор: Александр Павлов, Cubeline.ru

Компании и сервисы: Adjust, Universal Analytics, Google Tag Manager, MixPanel, AppsFlyer, Piwik , Google Analytics
Автор: Игорь Назаров

Подписаться на новости

Читайте также

10 декабря / Комментарии

Что действительно важно в теме рассылки? 6 мифов

Тема рассылочного письма, конечно, является важным элементом. С этим вряд ли кто-нибудь не согласится. При этом, многие продавцы формируют темы своих писем с учётом ряда популярных утверждений: (1) тема определяет процент открытий письма, (2) только на процент открытий тема и действует, (3) единственная задача темы – заставить получателя открыть письмо, (4) хорошая тема полна интригой и провокацией, (5) отказ получателя открыть письмо – худший результат из всех возможных и (6) если письмо не открыто, оно отправлено впустую. Между тем, всё это – мифы, которые способны скорее навредить, а не повысить эффективность email-рассылок. Давайте рассмотрим каждый из них подробнее.

далее →

7 декабря / Комментарии

Чат-боты для ритейла: проходящее веяние или новый стандарт обслуживания?

Чат-боты, или просто боты, как их называют те, кто «в теме» – программы, способные расшифровывать сообщения в мессенджерах и выполнять соответствующие действия на основе этих сообщений. В контексте утверждения Markets are converstations («Рынки это беседы»), которое сделали авторы известного многим Cluetrain Manifesto, чат-боты в ритейле – абсолютно закономерное развитие. Конечно, общение с чат-ботом ещё нельзя сравнить с оживлённой беседой, в которую может вырасти покупка на рынке, однако, судя по всему, в этом направлении всё и движется. Или нет? Или, может быть, все эти чат-боты – временная мода, которая скоро отойдёт в тень и останется в арсенале каких-то отдельных ниш? Давайте посмотрим, как чат-боты используются в ритейле и смежных отраслях сегодня и прикинем их полезность с точки зрения покупателя/потребителя.

далее →

6 декабря / Комментарии

Как использовать двойную мотивацию в распродажах

В большинстве магазинов ярко и громко озвучивается конечная дата распродажи. Это вполне соответствует известному многим продавцам феномену, который называется fear of missing out, или «страх потери». Очевидно, что ничего плохого в эксплуатации этого страха нет. Но, размышляет Риши, что если заменить посыл этого сообщения.

далее →

1 декабря / Комментарии

Как отзывы помогают повысить средний чек

Парадоксально, но факт. Отзывы приводят к повышению среднего чека интернет-магазина. Станислав Бай, CEO онлайн-платформы Shoppilot рассказал интересную и поучительную историю.

далее →

1 декабря / Комментарии

7 ошибок при ведении Яндекс.Маркета

Если вы размещаете магазин в Яндекс Маркете, то, наверняка, знаете, что семимильными шагами Маркет переходит на модель оплаты за заказ. Возможно, вы даже уже перешли на новую модель работы и начали управлять ставками. Однако, как показывает практика, магазины часто забывают о прописных истинах, которых требует Маркет.
Сегодня мы предлагаем вам пройтись по чек-листу, который поможет избежать самые распространенные ошибки.

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook