Нужно точно знать, какое объявление, по какому запросу, в какой рекламной системе принесло заказы, чтобы посчитать сколько стоило их привлечение. Тогда можно сравнить разные рекламные кампании, понять , что приносит результат, а где сливается бюджет. Мы не беремся за размещение рекламы, пока не настроим подсчет всех метрик.
Какой смысл такой бюджет сливать без сквозной аналитики? Какая нахрен разница, сколько там стоит лид.
Большинство бизнесов нормально работают без сквозной аналитики особенно в B2B. Когда клиентов с рекламы не много, и их чеки отличаются на порядок, сквозная аналитика не даст чего-то существенного для оптимизации рекламы. Представьте, что вы получили 10 клиентов, из которых один заказал на 10 000 , один на 1 000 000 , а остальные где-то посередине. Что вам это даст, и какие правки вы внесёте в рекламу? Другая сторона вопроса - цикл принятия решения о покупке в B2B долгий. Как вы будете использовать данные о доходе с лидов , которые пришли месяц назад? Как это поможет автостратегиям? Поэтому и работаем мы в рекламе с лидами , и алгоритмы на них настраиваем. Далеко не всегда есть корреляция источника , который принёс лид , и дохода который мы в итоге получили. А вот с объемом лидов корреляция, как правило, есть - чем их больше в рамках бюджета , тем, в конечном итоге, и денег в кассе больше.
Хороший кейс. Интересно было читать.
Спасибо)
40 Лидов за месяц. Как на такой выборке вообще можно делать вывод что автоматическая рк лучше ручной?)
В реальной работе зачастую нет столько времени и денег у заказчика, чтобы получать статистически значимые данные по макроконверсиям. Приходится делать допущения и тестировать гипотезы на меньших выборках. В таких условиях профессионал должен принять решение - двигаться по воронке вверх и использовать микроконверсии , или все же опираться на небольшое число макроконверсий с вероятностью принять неверное решение. Мы обычно выбираем второе, если макроконверсий хотя бы несколько десятков. Сам Яндекс на конференциях приводит кейсы , демонстрирующие эффективность автостратегий на малом числе данных. У нас нет причин этому не верить.
Вот это комментарии, вот это огнище!!!