Подробная post-view аналитика за 200 дней: кейс Абсолют Недвижимость и Риалвеб
Как получить от post-view аналитики в рекламной кампании максимум пользы? Разберемся на примере реальной рекламной кампании для застройщика Абсолют Недвижимость. Рассказывает Валентина Свирская, ведущий специалист отдела программатик Риалвеб.
Задача
При запуске больших медийных флайтов маркетолог и клиент часто беспокоятся о том, как решить одновременно две проблемы:
Достичь максимальных результатов рекламной кампании
Отобразить эти результаты так, чтобы все взаимосвязи были очевидны и прозрачны
С этими задачами перед запуском первой медийной кампании в Риалвеб обратился клиент Абсолют Недвижимость. Необходимо было построить post-view аналитику для прозрачного инвестирования в медийную рекламу и проанализировать результат.
Мы выбрали комплексный подход:
- Собрать максимальное количество данных на старте
Разбить post-view-аналитику на несколько KPI
- Протестировать несколько способов визуализации данных и выбрать лучший
Подготовка к запуску
Подробную аналитику с сайта собрали с помощью Campaign Manager 360. Мы прометили цели на сайте флудлайтами с кастомными переменными. Далее использовали их комбинации.
Примечание: Этот кейс был создан до приостановки деятельности Campaign Manager 360 и других продуктов Google на российском рынке. В нынешних условиях мы рекомендуем переходить на одну из альтернативных аналитических трекинговых систем — Adriver, Weborama CM, Sizmec или другую. У каждой из этих платформ имеются свои особенности и нюансы, но при этом есть и необходимый для оценки прозрачного инвестирования в медийную рекламу технический функционал:
- Установка пикселей с кастомными переменными
- Анализ периода и эффективной частоты взаимодействия до совершения конверсии
- Оценка влияния медийной рекламы на перфоманс-кампании и звонок
Возможность построения дашбордов и отслеживания статистики в едином окне
Поэтому для реализации подобных кейсов сегодня мы рекомендуем использовать связку следующих инструментов: колтрекинга, Google Analytics и трекинговой системы.
На этом этапе важно было определиться с пулом флудлайтов (целей) для анализа вовлеченности аудитории после просмотра рекламы. То есть найти пул именно тех конверсий, которые встанут между широкой целью — заходом на сайт — и микроцелью — звонком или продажей.
На пул этих целей — пул макроконверсий — мы и планировали влиять в дальнейшем, чтобы провести пользователя по всей цепочке взаимодействия с рекламой.
Чтобы post-view аналитика дошла до цели «звонок», использовали динамические номера в коллтрекинговой системе Comagic. Только с таких номеров за звонком закреплялся Client ID, а без него нельзя узнать, видел пользователь рекламу или нет.
Инсайты подготовительного этапа
- Стройте максимально подробную карту флудлайтов (целей) — детальная разметка дает гибкость в выборе пула макроконверсий и, при необходимости, их замене
- Выбирая пул макроконверсий, отталкивайтесь от целей в Google Analytics. Проанализируйте их, опираясь на качество и количество конверсий с цели. Далее выберите те из них, которые будут работать над притоком трафика на сайт и вовлеченностью пользователя. Чем больше пользователь погружен в сайт, тем больше вероятность продажи или звонка
- Устанавливайте кастомную переменную Client ID в Google Analytics и трекинговой системе — так процент матчинга данных из этих систем увеличится
Запуск
После подготовительных работ мы начали строить post-view аналитику, с которой вложения в медийную рекламу стали бы управляемыми и прозрачными.
Чтобы рассмотреть задачу со всех сторон, разбили ее на 4 части. Важна была возможность использовать результаты каждой из них прямо в процессе рекламной кампании.
1. Определили период совершения конверсии и эффективную частоту
Чтобы понять, когда ждать конверсий и как часто надо показывать пользователю рекламу, сделали следующее:
Прометили кампании в разрезе форматов и источников через Campaign Manager 360. Это дало возможность менять параметры точечно, по отдельности, только на том формате, где это нужно, а не на всей рекламной кампании
- Построили графики с эффективной частотой и сроками ожидания конверсий на 3 уровнях: переход в сайт, макроконверсии, звонок. При анализе частоты в разрезе воронки появилась возможность влиять на ту цель, которая важна сейчас, а результаты от этого видеть по всем
Результат
Больше всего post-view звонков пришло в период 47-50 дней. Его мы использовали для установки сроков по оценке post-view обращений — 30 дней текущей РК + 17 дней после РК
Эффективная частота для сбора 45% макроконверсий — 3, для 80% — 8. Использовали эти цифры для корректировки частоты в рекламных кампаниях в сторону 3+
2. Проработали методы оценки влияния медийной рекламы на перфоманс-кампании и воронку в целом
Для этого использовали кастомные переменные, передающие значение источника, канала и идентификатора пользователя:
Разделили трафик с сайта на тех, кто видел и кто не видел рекламу, вне зависимости от того, с какого канала совершился переход. Так мы смогли оценить конкретно post-view эффект медийной рекламы
Отделили от всего трафика процент людей, видевших медийную рекламу
- В каждом месяце соотнесли изменение доли видевших РК с внешними и внутренними факторами: сезонностью, сменой бюджета на медийные каналы и так далее
Результат
Полгода мы следили за работой медийной рекламы. Оказалось, что больше всего она влияет на контекстные РК — 12% переходов с контекста совершены именно после ее показа. Также важен органический трафик — 11% прямых переходов тоже начались с показа медийной рекламы.
3. Построили воронки конверсий от захода на сайт до звонка
В частности:
с помощью Client ID разделили звонки на тех, кто видел и не видел рекламу
вычислили долю звонков и макроконверсий от сеансов
- получили воронку перехода пользователя от охватного до конверсионного
- получили бенч для дальнейшего пользования
Результат
Понимая долю post-view звонков, стали усиливать те кампании и конкретные интересы, с которых приводили эти звонки. В итоге приросли по влиянию на них на 7,4% за полгода.
4. Создали удобную визуализацию данных для отчетности
Было важно свести и показать все результаты наглядным образом.
Стандартные excel-таблицы совсем не отражали суть и не показывали гармоничное соединение всех результатов и параметров, так как их было слишком много.
Поэтому мы визуализировали работу через графики и диаграммы, созданные в Python + Power BI, а потом собрали всё это в PowerPoint.
Результат
На графиках и слайдах стал наглядно виден весь путь кампании из месяца в месяц и её результаты. Это дало возможность быстро принимать решения в процессе РК.
Инсайты запуска РК
Период конверсии. Одного месяца недостаточно, чтобы оценить post-view эффект от кампании. Лучше брать 30+ дней, чтобы все конверсии успели дойти до своих адресатов
Эффективная частота. Важно оценивать частоту на нескольких уровнях воронки сразу. Анализируя несколько уровней, один можно приоритезировать и выставлять частоту в РК для достижения именно его. Иначе частоты верхнего уровня может не хватить для более глубоких целей
- Оценка бренда и post-view звонков. Используйте флудлайты с кастомными переменными как источника трафика, так и идентификатора пользователя. Это поможет собрать максимум данных и разделить их на любые сегменты. Чем больше данных, тем лучше виден эффект
- Визуал. Графики и диаграммы в Power Point или Power BI значительно упрощают чтение и анализ данных. Excel-таблицы помогают только при средних или мини-флайтах
Итоги
Перед нами стояла задача показать эффект от медийной рекламы наглядно и прозрачно для понимания дальнейших инвестиций. В нашем случае это получилось сделать с помощью исследования всего пути пользователя — от показа рекламы до звонка. Это исследование дало возможность быстро корректировать кампании и прирастать во влиянии.
Важно отметить, что каждый флайт уникален. Сначала стоит провести похожую аналитику со своими сайтом и кампаниями, чтобы сделать выводы на основе реальных цифр. Только после этого можно наверняка узнать, предлагать клиенту использовать медийные размещения или нет.