Конвейер гипотез: как запускать сразу много рекламных кампаний, чтобы получать максимальную отдачу и не сливать бюджет

Старший перформанс-маркетолог IT-Agency Павел Злобин рассказывает, как с помощью конвейера быстрее находить идеи для рекламы, тестировать самые перспективные и видеть результат до продаж.

Обычные рекламные запуски отличаются от конвейера несистемным подходом. Стандартная ситуация в бизнесе: за рекламу в соцсетях отвечает один подрядчик, за рекламу в Директе — другой. В этом случае сложно оценить, что приносит каждая из кампаний, потому что у них настроены разные цели и все данные приходят в разных форматах. В результате рекламой управляют очень приблизительно, из-за чего компании часто сжигают бюджет впустую.

В конвейере гипотез мы синхронизируем запуски в разных каналах, приводим данные в единый формат и выводим результат в сквозную отчётность. Суть конвейера заключается в постоянном повторении последовательности «Выдвинули гипотезу — Проверили — Оценили результат — Выдвинули новую гипотезу».

Генерируем гипотезы — выдвигаем идеи, кому, где и как показывать рекламу

Под гипотезой мы понимаем комбинацию факторов, которые влияют на эффективность рекламы: аудиторий, каналов, площадок и так далее, вплоть до конкретных слов в объявлениях. Например:

  • медийно-контекстный баннер на поиске по группе запросов на тему «открыть карту UnionPay»;

    реклама на аудиторию брошенных корзин на сайте интернет-магазина запчастей;
  • реклама на аудиторию брошенных корзин на сайте интернет-магазина запчастей;

  • ремаркетинг в «Директе» и во «Вконтакте» на тех, кто читал в блоге компании статьи про открытие бизнеса. Им показывает продукт «бесплатное Открытие ИП или ООО с подключением расчетно-кассового обслуживания».

Вот, что помогает нам с идеями:

  • Данные прошлых рекламных запусков. Если они есть, можно убрать идеи, которые показали неэффективность.
  • Анализ конкурентов. Возможно, коллеги по нише уже потратили много времени и денег на сотни гипотез. Часть из них есть в открытом доступе. Эти гипотезы можно собрать, обработать и использовать в своих целях.
  • Личный опыт специалистов по рекламе. Если перформанс-маркетолог уже запускал рекламу для одного банка, запустить рекламу для другого ему будет значительно проще. Например, у него уже будет информация о приоритетных комбинациях гипотез.
  • Мозговой штурм. Чаще всего в нём участвует команда маркетинга со стороны клиента и команда агентства.

Приоритезируем гипотезы — решаем, что запускать в первую очередь

Методологий приоритезации много, мы часто используем RICE (Reach — охват, Impact — влияние, Confidence — достоверность, Effort — усилия): смотрим, насколько в гипотезе большая аудитория, сколько денег она может принести, насколько мы уверены что аудитория купит, насколько дорого показывать этим людям рекламу.

Методология нужна для того, чтобы учитывать не только опыт специалистов и клиента, но и систематизированные данные и возможности реализации. Часто у клиента уже есть список продуктов, которые необходимо запустить в работу в первую очередь с лучшими гипотезами продвижения.

Итоговая табличка с готовым списком гипотез может выглядеть так.

Пример сформированного списка гипотез со статусами запусков — что запускаем в первую очередь, а что во вторую и третью
Пример сформированного списка гипотез со статусами запусков — что запускаем в первую очередь, а что во вторую и третью

Тестируем гипотезы

Верхнеуровнево полный цикл тестирования у нас выглядит так:

  1. Стандартизируем названия кампаний, групп и объявлений, создаём UTM-метки.
  2. Добавляем новые сущности в сквозную отчётность.

  3. Готовим креативы и тексты объявлений, согласовываем их с клиентом.
  4. Запускаем тест на конкретное время, устанавливаем KPI.

  5. Подводим итоги гипотезы.
  6. Проверяем веб-аналитику, если воронка нестандартная. Например, для отдельного продукта сделали дополнительную страницу и упрощённую форму заявки. Там могут быть нестандартные цели, и тогда нужно оптимизировать рекламу с их учётом. В этом случае можно сделать не стандартную форму заявки с 2–3 этапами, а быструю для обратного звонка.

Первый пункт в цикле тестирования особенно важен: если не стандартизировать все названия и UTM-метки, потом не получится полноценно проанализировать результаты. Правильные UTM-метки легко разобрать регулярными выражениями с помощью одинаковых запросов и собрать в отчётность. В правильно сгенерированных ссылках видны все важные параметры: содержимое объявления, таргетинги, регион, источники, площадки, модель оплаты.

Ниже для сравнения показаны два примера — с удобным и неудобным неймингом.

Удобный нейминг: видно источник, тип площадки, регион и тип таргетинга, продукт и категорию
Удобный нейминг: видно источник, тип площадки, регион и тип таргетинга, продукт и категорию
Неудобный нейминг: в отчётность можно вытащить только тип площадки и регион. Этого мало для принятия решений
Неудобный нейминг: в отчётность можно вытащить только тип площадки и регион. Этого мало для принятия решений

Мы стандартизируем нейминг и UTM-метки с помощью справочника разметки. Физически это таблица в Google Sheets, в которую вводят адреса посадочных страниц и параметры, а на выходе получают размеченные ссылки.

Наш <a href="https://api.vc.ru/v2.8/redirect?to=https%3A%2F%2Fdocs.google.com%2Fspreadsheets%2Fd%2F1Z6muYc11wKeEoUO76HhvyMVYNs7mcjV_H7FRulnab58%2Fedit%23gid%3D1719955056&postId=397125" rel="nofollow noreferrer noopener" target="_blank">справочник разметки</a> и правила его заполнения (чтобы воспользоваться, скопируйте к себе на Google Drive через Файл → Сделать копию)
Наш справочник разметки и правила его заполнения (чтобы воспользоваться, скопируйте к себе на Google Drive через Файл → Сделать копию)

Оцениваем эффективность рекламы с помощью аналитики

Без аналитики весь конвейер гипотез теряет смысл: реклама расходует бюджет, генерирует какой-то результат, но соотнести его с действиями в рекламном кабинете невозможно. Аналитическая отчётность помогает отбросить неэффективные гипотезы и усилить эффективные.

Строить отчётность можно по-разному. Главное — иметь наглядную таблицу или диаграмму, на основе которой можно принимать решения. Ниже о том, какие варианты существуют.

Автоматическая передача данных в базу данных. Например, Google Big Query.

Плюс этого варианта — в скорости и автоматизации: сырые данные из источников автоматически складываются в базу данных, откуда их можно вывести в любые отчёты.

Минусы:

  • Высокие требования к специалисту. Он должен уметь программировать, чтобы написать код и контролировать сервисы, или знать SQL, чтобы работать с данными.
  • Стоимость зависит от объёма данных, сложности атрибуции, частоты обновления. Например, вручную обновлять отчёт каждый день дорого, дешевле один раз сделать коннектор.
Пример ежедневного отчёта по эффективности на основе выгрузки из базы данных по API: бизнес потратил на канал 422 тыс. руб. за неделю и получил 329 заявок. Средняя цена продажи — 1167 руб., экономика сошлась, продолжаем работать
Пример ежедневного отчёта по эффективности на основе выгрузки из базы данных по API: бизнес потратил на канал 422 тыс. руб. за неделю и получил 329 заявок. Средняя цена продажи — 1167 руб., экономика сошлась, продолжаем работать

Полуавтоматическая выгрузка с помощью Power Query Excel или Query Гугл таблиц.

Плюс: не нужно знать программирование и SQL, чтобы глубоко изучать полученные данные.

Минусы:

  • Нужно разобраться в инструменте бизнес-анализа QUERY в Google Sheets или его аналоге — Power Query в Excel (не работает на Mac).
  • Требуется время на обновление данных.
Пример дашборда данных в Power BI, подключаемого к отчёту в Excel
Пример дашборда данных в Power BI, подключаемого к отчёту в Excel

Ручная выгрузка с помощью Excel или Google Sheets.

Плюс: доступна в любой операционной системе.

Минусы:

  • может возникать большое количество ошибок,
  • ручное обновление занимает много времени,
  • нельзя связать принципиально разные источники данных по ключам.
Пример сводного отчёта, собранного в Excel
Пример сводного отчёта, собранного в Excel

В любом случае правильно настроенная отчётность позволяет оценивать эффективность каждой гипотезы и следить за её результатами в динамике по месяцам, неделям и дням.

Выводы

На выходе конвейер гипотез даёт положительные и отрицательные результаты. С помощью положительных легче управлять потоком заявок, положительные результаты — улучшаем.

Отрицательные результаты тоже улучшаем и забираем в тестирование, но если улучшить невозможно — отключаем.

Главное в комплексном запуске рекламы: видеть картину в целом, погружаться в специфику бизнеса, тщательно делать внутреннюю разметку и отчётность.

Вкратце вот так построена работа с перформанс-каналами в IT-Agency. Если возникли вопросы, пишите в комментарии, буду рад помочь.

3535
4 комментария

Спасибо за полезный материал. А какими сервисами можно воспользоваться, что бы данные из парсеков Targethunter автоматически вносились в гуглтаблицу для последующей автоматизации и дашбордов. Там же получается по моему представлению, нужно либо вручную запускать парсер th, потом выгружать в таблицы и сравнивать с показателями прошлого цикла (например, ежедневный мониторинг). Автоматизировать бы этот процесс и больше сосредоточить внимание на стратегических задачах. Веду бизнес мужа (тату-мастер), решили подойти с умом к организации бизнес-процессов в этой индустрии. К тому же тут поле непаханое для социологических и массовых исследований, для которых я задаю этот вопрос здесь.

Здравствуйте. Данные из парсера дополнительно в аналитические дашборды грузить не нужно, их загружаем в рекламный кабинет Вконтакте. А вот внутри кабинета уже создаём отдельную сущность под выгрузку из Таргет Хантера, это может быть группа или целая кампания.

Например, спарсили аудитории:
— подписчики сообществ тату мастеров;
— подписчики сообществ рок-групп.

В ВК Рекламе создали кампанию с меткой «реклама на сообщества» и внутри неё сделали две группы, отдельно на аудиторию тату мастеров, отдельно на рокеров. Таким образом вы получите статистику до разных аудиторий.

Чтобы автоматизировать процесс ВК → Гугл Таблицы, можно использовать, например, связку в сервисе Альбато.