Маркетинговая аналитика для бизнеса, который не может использовать рекламу в соцсетях или контекст: кейс Лиги Ставок
Как маркетологи БК «Лига ставок» смогли узнать реальную эффективность каждого рекламного канала и удвоить число конверсий. С помощью внедрения предиктивной атрибуции SegmentStream.
«Лига Ставок» — одна из старейших и крупнейших российских букмекерских компаний: более 250 клубов в 80 городах РФ.
Основанная в 2008 году, сейчас БК «Лига Ставок» является лидером рынка. В 2020-м году к стратегии компании добавилось развитие digital-источников привлечения качественно новой аудитории, в связи с чем сильно вырос бюджет. Поэтому компания решила построить систему сквозной аналитики, чтобы увидеть реальный вклад каждого канала в выручку.
Особенности кейса
- Особенность кейса в том, что у Лиги Ставок нет возможности использовать стандартные рекламные каналы, такие как таргетированная реклама в соцсетях и контекст. Все маркетинговые активности сосредоточены на различных медиа-площадках, данные по которым собирать сложнее, чем автоматически выгружать из стандартных рекламных систем;
- Помимо сайта, конверсии совершаются в мобильном приложении «Лига Ставок» и офлайн – когда люди вносят депозиты и делают ставки непосредственно в клубах;
- Главное событие оптимизации рекламы в беттинге — первое пополнение депозита (first-time deposit, FTD). Отслеживать его было сложнее, чем просто действия на сайте – регистрации или ставки, так как FTD происходит или на стороне единого регулятора – центра учета переводов интерактивных ставок, или даже офлайн;
- Внесение первого депозита могло произойти не сразу, а в течение 30 дней после перехода пользователя;
- Данные о поведении пользователей на сайте фиксировались в GA и выгружались в BigQuery. Данные о поведении пользователей в мобильном приложении – собирались в AppsFlyer. Рекламные расходы загружались в BigQuery вручную, также туда загружались данные о ставках и депозитах, сделанных офлайн.
Задача №1: Увидеть истинный вклад в конверсию каждого источника трафика
Чтобы привлекать новых клиентов на сайт и в мобильное приложение компании, маркетологи «Лиги Ставок» использовали различные медийные источники. Ежемесячно на рекламу тратилось довольно много средств, при этом общего понимания, насколько эти инвестиции окупаются – сколько они приносят конверсий и конкретно денег – у маркетинговой команды не было.
У нас были проблемы с атрибуцией медийных источников, на которые мы ежемесячно тратили большой бюджет. Поэтому было решено построить систему сквозной аналитики, которая даст возможность понять реальную ценность наших рекламных каналов и как следствие – увеличить их эффективность.
Мы провели тендер, и решили внедрить платформу SegmentStream – компания превосходила конкурентов благодаря беспрецедентной скорости внедрения и по соотношению цены и качества.
Задача №2: Внедрить предиктивный подход к аналитике
С помощью модели предиктивной атрибуции SegmentStream предсказывать конверсии и оценивать эффективность каждого источников сразу, а не через 30 дней. Читайте подробнее про то, как мы решаем проблему атрибуции в digital-маркетинге при помощи машинного обучения.
Решение
Шаг 1. Сбор и сопоставление всех данных между собой:
Чтобы построить модель ML-атрибуции, сначала было необходимо собрать все разрозненные данные в единое хранилище и связать их между собой.
Что это за данные?
- Информация о поведении людей на сайте;
- Информация о поведении людей в мобильном приложении;
- Данные по ставкам и депозитам.
Сделали так, чтобы все эти данные собирались автоматически в едином хранилище — без семплирования и прочих ограничений.
Шаг 2: Считаем, сколько конверсий принесет каждый рекламный источник в будущем
Модель предиктивной атрибуции SegmentStream работает на основе машинного обучения, которая предсказывает вероятность совершения конверсии.
Используя машинное обучение мы рассчитываем вероятность совершения конверсии на момент начала сеанса и окончания сеанса. Затем считаем дельту – как выбранный источник приблизил покупателя к конверсии, которая может произойти в будущем.
Как работает наша прогностическая модель? Мы запускаем рекламную кампанию и сразу видим клики по ней. При этом у нас есть окно в 30 дней, в течение которого пользователь может сделать свой первый депозит. И если раньше нужно было ждать эти 30 дней, чтобы присвоить ценность каждому клику, теперь в этом нет необходимости. Мы сразу видим, какова вероятность того, что человек совершит конверсию ближайшие 30 дней. Например, на момент начала сеанса она была 10 %, а в конце сеанса – 25%. Исходя из этого мы можем определить ценность этого сеанса – 0,15 предиктивной конверсии.
Архитектура решения SegmentStream для БК «Лига ставок»:
Результаты внедрения SegmentStream:
Компания получила, во-первых, автоматизированную отчетность по всем источникам в одном месте. А во-вторых, теперь маркетологи Лиги Ставок видят в отчете конверсии, которые произойдут в рамках другого браузера, другого девайса, другой куки, в другое время и т.д. Это помогает тратить рекламный бюджет только на эффективные источники привлечения.
Теперь маркетологи Лиги Ставок знают наперёд, как отработает каждый рекламный канал, кампания и даже креатив
Знание ценности каждого перехода позволяет нам принимать быстрые решения. Сейчас при запуске новой рекламной кампании, мы сразу видим, насколько качественный (или нет) она приносит трафик. Вклад того или иного канала, кампании и даже баннера в привлечение пользователей становится видно уже через несколько дней. И мы можем принимать решение по оптимизации быстро, используя наш рекламный бюджет более эффективно.
Какие результаты принесет вам SegmentStream?
Оставляйте заявку на демо, чтобы узнать, как аналитика от SegmentStream решит задачи вашего бизнеса. Поделимся опытом компаний из вашей отрасли и покажем, какой рост выручки получают наши клиенты.
Интересно.
СегментСтрим, я ваш фанат! Ваш продукт, стратегия, статьи - просто супер!