Как сегментировать рекламные кампании на 85 регионов и управлять ими в eCommerce?

Ранее исследовали, как уровень жизни и популярность бренда в регионе влияют на конверсию и средний чек. В этот раз расскажем, как с помощью метода ABC-анализа сегментировать регионы и оптимизировать рекламные кампании

Коротко напомним суть исследования. Клиент — большой e-commerce проект, работающий по всей России. Проблема: при одинаковых по всем регионам ценах и сайте есть заметная разница в среднем чеке, а конверсия между некоторыми регионами отличается в разы. Мы предположили, что это может быть связано с популярностью бренда и размером средней заработной платы в конкретном регионе.

Были рассчитаны коэффициенты корреляции между перечисленными величинами и связь подтвердилась. Далее расскажем как применить эти данные на практике

В первую очередь регионы нужно разделить на сегменты, на основе популярности бренда и уровня средней заработной платы. Исходная таблица с данными выглядит так:

Разброс достаточно большой, как по популярности, так и по зарплатам, поэтому сразу разбить данные по группам не получилось, нужно привести данные «к общему знаменателю». Для этого вводим дополнительные коэффициенты:

• К бр — отношение индекса популярности бренда в конкретном регионе к среднему значению индекса популярности бренда
• К зп — отношение средней заработной платы в конкретном регионе к средней заработной плате по РФ
  
• К рег — «региональный коэффициент», рассчитанный на основе К бр и К зп, с учетом их «силы» воздействия на конверсию
  

На основе «регионального коэффициента» уже можно сегментировать регионы, но это не единственная величина, которую мы хотели учесть. Еще один важный показатель – объем выручки по региону.

По каждому критерию выделено три группы, к которым относятся регионы

Коэффициент региона

K рег ≥ 1,2 - группа А

1,2 > K рег ≥ 0,8 - группа В

K рег < 0,8 - группа C

Объем выручки

Выручка ≥ 5 млн. - группа А

5 млн. > Выручка ≥ 0,5 млн - группа В

Выручка < 0,5 млн - группа C

Далее каждый регион получает соответствующую маркировку, сначала для каждого критерия отдельно, затем общее значение. На этом сегментация регионов закончена.

Всего получилось 9 сегментов, далее опишем каждый из них подробно: какие сегменты представлены и как работать с ними с точки зрения контекстной рекламы.

Преимущества такого подхода к сегментированию

• Возможность использовать разные стратегии ведения рекламных кампаний в разрезе регионов — это может быть получение максимального объема трафика (так как высокая конверсия позволяет иметь высокую CPC) или максимизация прибыли.
• Получать однородные показатели по конверсии и среднему чеку внутри сегмента — это позволяет в ручном режиме точнее управлять ставками и корректировками ставок (меньший разброс в эффективности между различными параметрами — тип устройства, демографические группы и т.д.).
  
• Повышается эффективность автоматических стратегий, так как алгоритм быстрее и точнее обучается на однородных показателях.
  
• Исключить регионы, работающие в убыток, или наоборот применить общую стратегию направленную на исправление ситуации
  

Метод достаточно простой и эффективный, кроме принципов ABC-анализа демонстрирует и «закон Парето 20/80» — позволяет выявить 20% действий, которые могут принести до 80% целевого результата.

Рассказывал

Видео по теме