Data-Driven Decisions: рекламные кампании на основе данных
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:
- Установка Google (сайт нарушает закон РФ) Tag Manager
- Установка счетчиков через Google (сайт нарушает закон РФ) Tag Manager и настройка отслеживания целей и событий.
- Построение воронок пути пользователя.
- Сбор CLIENT_ID и USER_ID.
- Правильная UTM-разметка источников и каналов.
А теперь давайте разберём по порядку.
Установка Google (сайт нарушает закон РФ) Tag Manager
Google (сайт нарушает закон РФ) 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 (сайт нарушает закон РФ) Tag Manager и настройка отслеживания целей и событий
Через GTM очень удобно проводить различные счетчики и скрипты. Если маркетолог работает с Google (сайт нарушает закон РФ) 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
Если это не E-commerce проект, то строится обычная воронка (визуализация последовательностей в Google (сайт нарушает закон РФ) 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
CLIENT_ID — это идентификатор браузера пользователя.
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 (сайт нарушает закон РФ) 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
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 (сайт нарушает закон РФ) Analytics — анализ активности и поведения пользователя внутри приложения.
- Для этих целей на других проектах используются различные аналоги: Adjust, MAT, MixPanel, Voluum и т. д.
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.
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:
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.
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.
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.
