Лого vc.ru

Как привлечь целевых пользователей и узнать стоимость клиента в «Яндекс.Директе»

Как привлечь целевых пользователей и узнать стоимость клиента в «Яндекс.Директе»

Менеджер проектов агентства интернет-маркетинга Convert Сергей Довганич рассказал ЦП о своем опыте контроля эффективности контекстной рекламы в «Яндекс.Директе» с помощью сервиса Universal Analytics.

Агентству удалось увеличить количество обращений от компаний для своего клиента-юридической фирмы и выяснить стоимость привлечения пользователя.

Поделиться

Задачи

Нашим заказчиком была юридическая фирма, а в этой сфере существует два типа клиентов: корпоративные (то есть компании) и физические лица. Если говорить о прибыли и времени жизни клиентов (CLV), то заработать на корпоративных клиентах можно в несколько раз больше. Задача заключалась как раз в том, чтобы привлечь наибольшее количество лидов (входящих заявок) от компаний.

Вторая проблема: 70% бюджета приходилось на привлечение физических лиц, которые бизнесу были неинтересны, а из-за ограниченного бюджета мы теряли долю корпоративных клиентов. Поэтому нужно было каким-то образом отсеять привлечение физических лиц.

Решение

Сегментировать аудиторию на уровне ключевых слов не получалось, поскольку все они были схожи. В качестве примера можно привести клининговый бизнес. Например, по ключевому слову «клининговая компания» может придти запрос как на уборку однокомнатной квартиры, так и на чистку фасада бизнес-центра.

Если смотреть на стоимость привлечения клиента (CPO), то она одинакова для двух типов лидов, но прибыль по ним разнится в десятки раз. Аналогичная ситуация произошла и с нашим кейсом: понять, откуда приходят корпоративные клиенты, было невозможно.

Как вариант, можно было проводить рекламные кампании в «Яндекс.Директе» по максимально вероятному количеству ключевых слов. Таким образом нам бы удалось охватить все запросы от физических лиц и не потерять запросы от корпоративных клиентов.

Однако при средней цене в 170 рублей за клик (напомню, что при курсе доллара в 32 рубля это составляло 5,3$) такой подход значительно снижал рентабельность. В итоге мы поставили перед собой следующие задачи:

  • Понять, с каких ключевых слов приходят физические лица, и отключить их.
  • Определить, откуда приходят корпоративные клиенты, и весь бюджет перераспределить на них.

Инструменты

  • API Google Docs;
  • Measurement Protocol.

Нам удалось измерить финансовую эффективность рекламных кампаний (именно по заработанным деньгам), а также получить возможность более гибкого управления «Яндекс.Директом».

Далее я расскажу о технической реализации решения.

Настройка дополнительных параметров в Universal Analytics

Нужная нам функция — это возможность добавлять пользовательские параметры, которая позволила получить информацию не только по количеству сеансов, показателю отказов и коэффициенту конверсий, но и по заданным нами значениям.
В данном случае мы добавили два показателя: компании и физлица.

Чтобы сделать это, необходимо зайти в настройки ресурса (вкладка «Администратор») и выбрать «Пользовательские определения» — «Пользовательские показатели».

После этого нужно добавить необходимые показатели. Теперь при составлении пользовательских отчетов нам доступна информация по типу клиентов.

Данные по добавленным столбцам в Universal Analytics пока не отображаются, поскольку их необходимо передавать из CRM-системы. Для этих целей можно использовать Measurement Protocol.

Передача данных с помощью Measurement Protocol

Measurement Protocol — это инструмент для отправки статистики в Google Analytics.

Данные передаются при помощи http-запроса. Это обычная ссылка следующего вида: http://www.google-analytics.com/collect?v=1&ni=1&t...

В рамках кейса мы отправили два события в зависимости от исхода сделки — «отказ» или «продажа» и два пользовательских параметра в зависимости от типа клиента — «физлицо» или «компания». Если рассмотреть POST-запрос выше, то он содержит информацию об успешной закрытой сделке от компании.

Пояснение

  • http://www.google-analytics.com/collect?v=1&ni=1 — версия протокола (всегда статична);
  • tid — ID-представление (код счетчика), в котором мы передаем значение;
  • cid — client id. Уникальный идентификатор пользователя, о котором передается информация (о том, как его получить, мы поговорим чуть позже);
  • t — тип передаваемого обращения (событие);
  • ec — категория события;
  • ea — действие по событию;
  • el — ярлык события;
  • cm2 — пользовательское значение, которое мы добавили (тип клиента — компания).

Второй пример: незакрытый лид от физического лица. Выглядит следующим образом: http://www.google-analytics.com/collect?v=1&ni=1&t...

Как менеджер узнает Client ID

В рамках проекта нас интересовали только те пользователи, которые оставляли заявку на обслуживание.

Сделать это они могли двумя способами:

  • по телефону;
  • через форму на лендинге.

Чтобы получить Client ID звонившего пользователя, мы использовали динамический колл-трекинг, а затем извлекли Client ID через API (так как технически динамический колл-трекинг для Universal Analytics также завязан на Client ID).

События следует настроить в качестве целей в Google Analytics, что позволит оценить рекламные кампании по успешно закрытым сделкам.

Чтобы проверить, насколько корректно передаются данные, достаточно зайти на страницу с отчетами в режиме реального времени в Google Analytics, а затем перейти по POST-запросу. Во вкладке события нужно проверить, зафиксировалось ли оно (если вы передаете событие).

Для отслеживания пользователей, которые заполняют формы обратной связи, мы использовали функцию JavaScript под названием get('ClientId'), которая активируется во время отправки формы обратной связи и вместе с контактной информацией, которую оставляет пользователь, импортирует данные в Google Docs.

Функция get('ClientId') выглядит следующим образом:
ga(function(tracker) {var clientId = tracker.get('clientId');});

Несколько полезных ссылок

Таким образом, вся контактная информация попадает в единую систему учета.

Мы сделали ее на базе Google Docs, но аналогичным способом можно получать и отправлять данные практически в любую CRM-систему.
В итоге получился следующий алгоритм:

  1. Все входящие лиды с сайта автоматически отправляются в Google Docs.
  2. Менеджер в Google Docs указывает, какой это тип клиента: корпоративный или физическое лицо.
  3. После этого генерируется ссылка для отправки в Universal Analytics.
  4. Далее данные, которые указывает менеджер, из Google Docs передаются в Universal Analytics.

Как итог — информация о стоимости привлечения клиентов доступна в Google Analytics:

На период начала работ (январь 2014 года) CPL (стоимость привлечения клиента) составила 2396,46 рублей. Процентное соотношение привлеченных юрлиц от общего числа заявок — 48%. К 1 марта 2015 года CPL составила 1052,47 рублей. Доля юрлиц была увеличена до 63%.

Заключение

Весь процесс реализации очень прост и заключается в том, чтобы получить Client ID и сгенерировать по заданному алгоритму POST-запрос.

По тому же принципу можно передавать информацию о чистой прибыли, что дает возможность оценивать рекламные кампании по ROMI. Это, однако, не всегда возможно в силу особенностей задач и принципа обработки данных, переданных по Measurement Protocol.

В идеале этот инструмент подходит рекламодателям с большим количеством входящих лидов, так как позволяет значительно повысить их качество.

Популярные статьи
Показать еще
Комментарии отсортированы
как обычно по времени по популярности

Как только люди не извращаются, чтобы не ставить CRM.

ах да, и еще roistat.com

Хороший кейс. С одной стороны просто, с другой стороны крутые возможности по анализу. Однако не ясно как решился вопрос "Понять, с каких ключевых слов приходят физические лица, и отключить их." если большинство ключевых слов как в гугле, так и в яндексе закрыты в аналитике?

Закрыты поисковые запросы, а не ключевые слова.

Спасибо! А уточните пожалуйста, как вы решили поставленные задачи. Не разобрался немного, где видно, как из директа идут юрлица, а как физлица по одинаковым запросам и как был перераспределен бюджет. Или речь только о том, как посчитать стоимость юрлица и физлица по факту?

0

По каждому отдельному запросу становится видно долю юрлиз и физлиц (приходится потратиться пока набегает статистика). Дальше бюджет перераспределяется в пользу запросов где интересующая доля выше.

Да, Михаил всё верно говорит :)

0

Я так понял в зависимости от заполнения формы связи.. Инструментарий норм - можно определить по каким запросам идут юрики и вбухать бюджет.

0

А формировать ссылку можно только в GoogleDocs или можно более приятный интерфейс запилить в html+javascript? Какие данные там синхронизируются и как даются?

0

Генерировать можно где угодно.
Это не принципиально.

Главное импортировать client id.

Доступные параметры:
developers.google.com/analytics/devguides/collection/protocol/v1/parameters?hl=ru

Кроме того, доступны кастомные показатели и параметры.

0

Не понял как вы поступали со звонками.
Ну то есть если с формы я так понимаю при заполнении заявки пользователь сам себя идентифицировал или к примеру идентификация проходила в зависимости от заказываемой услуге, то как со звонками?

0

Или так же в зависимости от услуги? К примеру на услугу по юр. лицам вешается отдельный виртуальный номер и соответственно если клиент пришел с тайкой-то фразы и воспользовался таким-то номер, то это "юрик".
Так?
Но тогда получается трафик для сбора статистики должен идти на какие-то общие страницы. Грубо говоря - на главную. Что бы понять действительно какова доля с этого запроса, юриков, а какова доля физиков. И наиболее интересные запросы сразу уже направлять на страницу где должны конвертироваться юрики. А это время и деньги...

0

Есть еще динамический calltracking, он работаем с привязкой к client id. Потом через API (сервисов colltrackinga) мы импортируем номер телефона, время звонка, и client id звонившего человека в CRM.

Далее менеджеры указывают, что это за человек и отправляют данные в Universal Analytics.

какой компанией пользуетесь? У меня calltouch и сейчас столкнулся с тем, что по большому количеству звонков при отправке данных из CRM присваивается источник direct/none , хотя cid забирается у calltouch корректно. Даже не знаю, в чем проблема. Сталкивались с таким(не определен источник)?

0

Не проще CPA партнерками пользоваться?

0

Партнерки далеко не всегда выход.
И даже работая с партнерками не вижу смысла отдавать те ключевики в контекстной рекламе, которые проще, эффективнее, безопаснее отработать со специализированным агентством. Тем более здесь не Rocket Science, а простое и красивое решение. Надо только голову включить.

0

А где почитать как отправлять заявки в гугл докс?

0

Сергей, отличная статья! Очень хорошо все разложили по полочкам. Только не понял зачем вы упомянули про доллар за 32 рубля. Ну да бог с ним.

А вопрос такой - сколько времени у вас заняла настройка всего процесса, включая обучение менеджера и согласования? И, если это не секрет, сколько стоит такая работа?

Интеграция буквально 2-3 дня.
А обучение менеджеров, к сожалению, цикличный процесс :)

Интересно мнение автора касательно RTB систем. Насколько это актуально для специфического бизнеса. Ведь BigData предоставляет все метрики и типы пользователь, среди которых можно вычленить ЮрЛица, а CPO будет гораздо ниже. Не?

0

RTB системы работают по принципу сегментации пользователей на основании их поведения, демографические данные, прочее.
А рассмотренный мною способ - это анализ трафика, который мы уже получили на сайт (не важно его источник).
Т.е., данный способ может помочь понять на сколько качественный трафик вы получаете с RTB.

Как я понял, мы всё равно весь трафик пытаемся прогонять через себя и ловя физиков, пытаемся понять их запросы и забанить их в директе.

На мой взгляд, очевиднее первым этапом отсеивать именно текстом объявления, аля текст объявления: Для юр.лиц - клининговая компания. Соответсвенно снижаем CTR (физики в разы меньше кликнут), повышаем цену клика, но по факту выигрываем с ценой лида.

При заходе на сайт дерзким алертом спрашиваем физическое лицо или юридическое. (другие формулировки+дизайн) и если юр.лицо - то отмечаем его для ретаргетинга (пока он не сделал заказ).

Пробовали, Максим.

В теории мы тоже так думали, но по факту ничего не поменялось.
А том числе и доля привлеченных клиентов.

Точнее данные менялись, но в пределах погрешности.

Имхо, слишком изощренный способ.

Проще и эффективнее фильтровать траффик на этапе перехода. Фактически сделать 2 типа объявлений и 2 сайта (либо 2 итерации одного сайта) и распределять траффик на этой основе.

Тогда и конверсия будет выше, и прибыль на каждый вложенный $$$ больше.

0

В этом и заключалась трудность, что по одному и тому же ключевому слову приходили два типа клиентов.
Просто с одних ключевых слов больше, а с других - меньше.

Интересный кейс. Спасибо.

К вопросу о статистике :) Статистическое описание прихода градо-троицкого собора: chevo.su/?p=2470 журнал "ренбургские епархиальные ведомости", 1874-й год.

Возможность комментирования статьи доступна только в первые две недели после публикации.

Сейчас обсуждают
Андрей Захаров

Мне Айфон и даром не нужен.

iPhone 7: первое знакомство
0
Андрей Захаров

Увы, память вам изменяет.

Первый смартфон с оптическим зумом 3x был Nokia N93, который вышел 10 лет назад (в 2006 году).

Так что Apple никакая не инновация. В Айфон из инноваций только процессор (он действительно быстр) и экран (он действительно ярок, хотя разрешение слабовато), а всё остальное - ниже среднего.

iPhone 7: первое знакомство
0
rvpyrv

Не статья, а сплошная реклама сервисов)

Один день начинающего предпринимателя из Кремниевой долины
0
Make Luv

Вот так инновация. Люмия с оптикой 41мп и диким зумом была года 4 назад. Какой-то самсунг аля фотик с функцией звонка тогда же видел.

iPhone 7: первое знакомство
1
Тагир Нурахметов

Ужасный текст :(

Кейс из России: как формат Canvas от Facebook помог «Мираторгу» охватить 70 тысяч пользователей
0
Показать еще