Работа с данными по всей воронке продаж

Как проверенные сегменты и детальная аналитика позволяют сохранять ROAS (показатель рентабельности рекламных расходов) и растить продажи.

Несмотря на то, что рекламный рынок в последнее время нестабилен из-за происходящих в мире событий, возможности для реализации новых перспектив есть: он продолжает функционировать, подстраиваясь под новую реальность. Главный вопрос, волнующий компании, остался прежним: как найти свою аудиторию на рекламной площадке, чтобы проводимые мероприятия были эффективны, стоимость привлечения лида умеренной, качество – высоким, а переход конвертировался в целевое действие.

AiData совместно с TrackAd изучили, как работа с качественными данными и их анализ помогают оптимизировать маркетинговые расходы в среднем на 10%.

Для корректировки маркетинговой тактики и генерации лидов формируется ICP (идеальный портрет клиента) – это подробный профиль клиента, в котором учитывается множество параметров: пол, возраст, местоположение, интересы, язык, предпочитаемое время серфинга в интернете, устройство, с которого человек чаще всего заходит и т.п. Чем больше данных, тем лучше – детализация клиента позволяет формировать персонализированные предложения и придумывать релевантные креативные кампании.

Допустим, данные собрали. Получилось два портрета

Для первого варианта придумать рекламную кампанию будет гораздо сложнее, потому что вводных данных не так много, а ещё они достаточно общие. Сколько таких людей в России, подходящих под эти параметры? Наверняка несколько сотен тысяч. Второй же портрет даёт чёткое представление о человеке, в том числе, о его финансовых возможностях. На базе этих данных уже можно сформировать персонализированное предложение, которое учитывает потребности клиента. А это новый этап, цель которого - увеличить конверсию в покупку.

Например, алгоритмы Amazon анализируют поведение пользователя (что он посмотрел, купил, какой поставил рейтинг, и т.д.) и, собрав всю информацию, как бы предвосхищают действия клиента, выдавая ему персонализированное предложение. Результаты удивляют: согласно исследованию McKinsey, порядка 35% продаж идёт из таких рекомендаций! Netflix работает ещё интереснее: за счёт собранных данных платформе удаётся предлагать пользователям не только контент по вкусу, но и персонализировать обложки для увеличения вероятности просмотра. Персонализацией также пользуются Twitter, Spotify, AppleMusic – это действительно мощнейший инструмент для привлечения внимания клиента.

• First party data. Чем больше контактов, тем лучше! С большой базой (например, от 5000 контактов) можно регулярно напоминать о себе в интернете, выстраивать чёткую воронку в несколько касаний и искать новых клиентов при помощи LAL. Собирать данные можно в том числе через DMP AiData.
• Внешние источники данных. Это готовые сегменты или же рекламные идентификаторы пользователей, на которые настраивается реклама. Где их искать? Например, в таксономии AiData уже есть более 1700 сегментов, но, если среди них клиент не находит подходящий именно ему, по запросу возможно создать кастомный. Аудиторные сегменты могут быть на совершенно разные тематики, учитывая не только интересы пользователей, но также пол, возраст и гео. Между собой аудитории можно (и даже нужно!) пересекать. Эксперименты в данном случае порой дают удивительно приятные результаты.

Данные крайне важны на всех этапах воронки продаж: искать новые сегменты или работать с уже собранной целевой аудиторией, доносить до неё релевантные предпочтениям предложения, выстраивать персонализированную коммуникацию и использовать для удержания клиентов (побуждать к совершению повторных покупок).

Полный путь клиента – от первого касания с рекламным объявлением до заключения сделки и возвращения к продукту – помогает эффективно прослеживать сквозная аналитика. Кроме того, в отличие от веб-аналитики она показывает, насколько окупаются инвестиции в рекламу (ROI), сколько компания получила прибыли за все время работы с клиентом (LTV), сколько стоила заявка, и другие полезные метрики.

Для проведения сквозной аналитики необходимо собирать различные типы данных: трафик (точное время каждого касания, время пользователя на сайте, и тд.), данные CRM-систем (финальный статус заказа, сумма заказа, тип клиента), аналитику приложений и веб-данные. Объединив всё это, можно получить полную картину конверсии: какие источники находятся в начале пути, а какие являются последним платным кликом.

• Открывающие. Это те источники, которые приводят на сайт свежий трафик. Например, блогеры, таргет или рассылки по внешним базам. Признаки таких источников – высокая доля визитов, низкая конверсия по последнему платному клику. Открывающие каналы нужно усилить, когда нужно привлечь больше нового трафика.

• Закрывающие. Это источники, которые подталкивают к покупке: контекст на бренд, ретаргетинг, CPA-сети или рассылки по внутренней базе. Их основные признаки – высокая конверсия по последнему платному клику, маленькая доля новых визитов, а конверсия с последнего клика больше, чем с первого. Закрывающие каналы нужно усилить, когда нужно быстрее выполнить план продаж.

• Автономные. Это те источники, которые либо привели заказ в один клик, либо и открыли, и закрыли путь конверсии. Самый желанный источник трафика.
• Поддерживающие. Это те каналы, которые находятся в середине пути конверсии. Если сократить на него затраты, то можно сильно сократить расходы на рекламу.
  

Чем качественнее данные используются, тем сильнее цифры получаются по итогам рекламной кампании. Чтобы узнать подробнее, как экономить время на выгрузке отчётов, анализировать не только важные ключевые показатели (долю рекламных расходов (ДРР), стоимость привлечения одной продажи (СРО), но и роль каждого источника трафика, оптимизировать затраты на маркетинг, вы можете запросить материалы вебинара на сайте.