Внедрите UTM-шаблон до (!) миллионных инвестиций в сквозную аналитику

Привет! Я Надя, руковожу маркетингом платформы Mindbox и хочу поделиться опытом внедрения UTM-шаблона.

Статья будет полезна тем, кто подумывает о сквозной аналитике. Прежде чем тратить миллионы на ее внедрение, важно разобраться с качеством данных. Иначе вы будете принимать решения о масштабировании рекламных каналов на искаженных данных — и сливать бюджет впустую.

Я хотела собирать данные о трафике таким образом, чтобы мы могли находить в них ответы и при проверке рекламных гипотез, и по стратегическим вопросам:

• Мы запустили рекламу на новые аудитории в таргетированной рекламе. Как понять, лучше или хуже старых они отрабатывают?
• Какие каналы и креативы стали первым касанием наших клиентов? Куда вложить деньги, чтоб получить больше таких касаний?
• Мы увеличили бюджет на канал или кампанию. Как увидеть, влияет ли это на что‑то?

Мы понимали, что вряд ли сможем найти ответы без сквозной аналитики. Но прежде чем ее внедрять, проверили разметку — и стало ясно, что ее придется пересмотреть.

Сейчас у нас есть практичный UTM‑шаблон и сквозная аналитика, и мы хотим рассказать:

• Какие бизнес‑решения принимаем на основе данных.
• Из‑за чего и как эволюционировал шаблон UTM‑разметки.
• Что делаем, чтобы данным можно было доверять.

В конце поделимся нашим шаблоном UTM‑разметки — копируйте файл и меняйте под себя.

Благодаря качественной UTM‑разметке мы получаем больше надежных данных о рекламе и трафике. Приведу в пример два маркетинговых решения, принятых на основе таких данных.

До внедрения шаблона разметки мы понимали, что SEO — хороший источник лидов, но никаких решений о вливании ресурсов в канал не принимали: не хватало данных. Руководствовались только «чуйкой». Теперь мы уверены, что разметка корректна — отделяет поисковый трафик от рекламного и прочего, и можем сравнить между собой источники.

Мы работаем в B2B, и наш маркетинг все больше выстраивается вокруг целевых персон. Целевые персоны — новые контакты из организаций, которым подойдет Mindbox. Нам важно, откуда они про нас узнали, каким было первое касание с брендом, что клиент читал и что именно стало для него поводом оставить заявку. Благодаря новой разметке мы знаем, какие источники приносят нам больше персон. Например, SEO принес нам 43 целевые персоны за 3 месяца.

SEO принес нам больше целевых персон, чем другие источники трафика. Оговоримся, это результат не только обучающих SEO‑статей в нашем журнале, но и брендовых запросов. Однако по детальному отчету видно, что доля обучающих статей значительная.

Получается, что сотрудники целевых компаний действительно начинают знакомство с Mindbox с обучающих статей по популярным запросам. Отсюда гипотеза, что нужно масштабировать канал, — мы приняли решение удвоить количество выпускаемых в месяц статей. Думаем также над тем, чтобы актуализировать и переверстать старые статьи с высоким трафиком: очевидно, что в SEO имеет смысл вкладывать ресурсы.

Все данные о персонах мы передаем из Mindbox в Pipedrive. Там они собираются в единый профиль с полной историей взаимодействия. Благодаря этому мы можем отследить, для каких именно персон какая статья стала первой точкой взаимодействия с брендом. Так, в прошлом месяце через статьи из поиска к нам пришли два клиента: магазин бытовой техники и крупная ювелирная компания.

До внедрения UTM‑разметки и сквозной аналитики мы не могли ответить на вопрос, какие аудитории в Facebook работают лучше. Оценивали эффективность рекламы по стоимости достижения оптимизационной цели в рекламном кабинете.

Вместе с изменением разметки мы переименовали группы объявлений и объявления в личном кабинете так, чтобы информацию в отчетах было удобнее изучать. И сделали так, чтобы при просмотре данных в отчетах на верхнем уровне у нас были сами аудитории:

Оказалось, что далеко не все аудитории приносят нам целевых персон, зато некоторые аудитории работают значительно лучше остальных. Так мы получили инструмент для тестирования новых аудиторий. Главное — правильно размечать креативы метками, чтобы данные подтягивались в нужные строчки.

Когда началась пандемия, мы запустили в Facebook акцию — давали скидку 50% на подписку в первые 6 месяцев для пострадавших отраслей:

Это была первая акция со скидкой в истории Mindbox, и перед нами стояла задача внимательно изучить эту рекламную кампанию и понять, какие аудитории Facebook лучше реагируют, насколько это предложение эффективнее, чем другие объявления. Оказалось, это никак не проверить при существующей разметке объявлений в Facebook. Мы видели, что один вариант объявления отработал лучше по целям рекламного кабинета, чем второй, — но на этом все.

Главный недостаток генераторов UTM‑меток — они не позволяют зашить нестандартную информацию, например размер баннера, название аудитории, тип контента (кейс, видео, пиар-статья), тип рекламы (эксперимент или лидогенерация).

Поскольку клиент взаимодействует с рекламой несколько раз в разных каналах, принимать решение об эффективности того или иного объявления только по last-click-атрибуции ошибочно. Необходимо смотреть на несколько касаний:

• на самую первую метку — первое касание клиента с брендом;
• на взаимодействие, когда клиент оставил свой контакт на сайте;
• в идеале — на все промежуточные взаимодействия клиента с рекламой.

Так появилась идея внедрить шаблон UTM‑меток, чтобы подтвердить интуитивные решения цифрами и лучше понимать картину происходящего с трафиком. Подобные шаблоны используют и другие компании с долгим циклом принятия решения о покупке, например ПИК.

Для начала мы пересмотрели весь трафик и историю разметки. Стало понятно, что нам придется создавать шаблон с нуля: слишком разрозненно выглядели данные.

Хотелось сделать шаблон таким, чтобы при добавлении новых параметров структура не ломалась, иначе мы не смогли бы «склеить» два периода: до и после добавления. Например, сейчас у нас нет задачи сравнивать разделы сайта, но, возможно, когда‑нибудь нам это понадобится.

Чтобы принимать решения на данных, нужно удостовериться в их надежности.

За аккуратность при проставлении меток обычно отвечает тот же человек, что и за за достижение целей маркетинга или повышение отдачи от конкретного канала. В нашем случае это я. А помогает мне Жанна из Intensa Agency — она исполняет роль таргетолога.

Пока я самостоятельно ищу ошибки в метках. В ближайшее время планирую настроить процесс так, чтобы при добавлении нового источника трафика или кампании все коллеги из команды маркетинга сначала сверялись с шаблоном. Важно осознавать, что другие маркетологи будут пользоваться шаблоном разметки, только если увидят, какую пользу получат от его внедрения.

Бывает и так, что за таргетинг в социальных сетях отвечает сотрудник компании, а за контекстную рекламу — агентство, и каждый проставляет метки на свое усмотрение — сравнить эффективность каналов и кампаний друг с другом становится невозможным. Стоит обучить всех работе с шаблоном и договориться о единообразии.

Шаблон UTM‑меток — результат работы нескольких месяцев и трех команд: Intensa Agency, сервиса сквозной аналитики Elly.pro и Mindbox. Он поможет навести вам порядок в данных и станет первым этапом на пути к сквозной аналитике. Копируйте файл и меняйте под себя.

Даже если не используете его целиком, сможете почерпнуть полезные идеи. Например, чтобы отследить, какой тип контента лучше работает на привлечение целевых лидов, мы добавили его в метку:

Надя Маринчева, автор, CMO

Марианна Любарова, помогала автору

Марья Авраменко, редактор

Жанна Трофимова, руководитель отдела интернет‑маркетинга Intensa Agency

Алиса Васильева, руководитель отдела веб‑аналитики и CRM‑маркетинга ПИК

Роман Рязанов, аналитик сервиса сквозной аналитики Elly.pro