Как с помощью контекстной рекламы тестировать гипотезы, чтобы управлять привлечением пользователей
Какие гипотезы можно проверить с помощью контекстной рекламы, почему это важно, и как сделать этот процесс управляемым.
Всем привет! Меня зовут Болычев Сергей, я специалист по контекстной рекламе и эксперт акселератора ФРИИ/СПРИНТ. За моими плечами 7 лет опыта работы с контекстной рекламой в разных бизнесах: от недвижимости и интернет-магазинов до B2B и B2C IT-продуктов.
Последние 1,5 года я часто работаю со стартапами и сталкиваюсь со схожими проблемами и запросами: сложность в понимании инструмента и принципов тестирования гипотез с помощью контекстной рекламы.
В своей статье я хочу поделиться своим опытом в тестировании гипотез привлечения с помощью контекстной рекламы. Я расскажу:
- как выстроить процесс формулирования и проверки гипотез привлечения;
- какой фреймворк использовать;
- как анализировать показатели;
- приведу несколько примеров гипотез, которые можно проверить с помощью контекстной рекламы.
Кому будет полезна статья: стартапам, малому бизнесу.
Время чтения: 7 минут.
Маркетинговые гипотезы, которые можно проверить через контекст
В простом понимании гипотеза — это предположение, требующее проверки.
Мы поговорим о маркетинговых гипотезах, так как именно их можно проверить с помощью контекстной рекламы.
Возьмем базовую маркетинговую воронку AARRR, как одну из самых популярных воронок в маркетинге, и рассмотрим какие гипотезы можно выделить на основе этой воронки.
На каждом из этапов воронки могут проверяться свои гипотезы: привлечения, активации, удержания, виральности и монетизации.
В этой статье мы сфокусируемся на первом этапе воронки — привлечение, и рассмотрим как с помощью контекстной рекламы генерировать и проверять гипотезы привлечения.
Что такое гипотезы привлечения, какие они бывают, как измерять эффективность
Гипотезы привлечения — это гипотезы, которые связаны с каналами привлечения пользователей.
Примеры гипотез привлечения для контекстной рекламы:
- «Если мы добавим в заголовок призыв к действию, то CTR увеличится на 2%»;
- «Если мы перейдем на автоматическую стратегию, то сможем снизить стоимость клика на 20%»;
- «Если мы сделаем кампании в РСЯ, то увеличим число посетителей сайта на 100%».
Ключевыми метриками для проверки гипотез привлечения чаще всего являются:
- показы нашей рекламы;
- охват аудитории;
- количество переходов на сайт;
- кликабельность (CTR);
- стоимость клика (СРС).
Как генерировать гипотезы привлечения
Первым этапом, нам нужно проанализировать нашу рекламу от общего к частному:
Что анализируем:
- Статистика по кампаниям
На что смотрим:
- сколько показов и переходов мы получили за отчетный период по каждой из кампаний;
- какой CTR у наших кампаний;
- по какой стоимости мы получаем клики.
Примеры интерпретации результатов:
- Можем выделить кампании «чемпионы»: они принесли больше всего показов и кликов, значит в них мы можем проверить наши гипотезы быстрее и эффективнее, т. к. собрано больше данных.
- Можем оценить кликабельность наших кампаний (средний CTR для поисковых кампаний >=8-10%, для сетевых кампаний >=0,3%) . Если показатели кампаний ниже средних, то стоит сформулировать гипотезы по увеличению этого показателя.
- Можем оценить какие кампании приносят дорогие клики, и сформулировать гипотезы о снижении этого показателя.
2. Статистика по объявлениям
На что смотрим:
- на какие объявления чаще кликают, что влияет на это: УТП, призыв к действию в тексте, изображение, расширения объявлений, и т. д.;
- какие объявления приносят больше конверсий.
Примеры интерпретации результатов:
- Можем выделить объявления с самыми высокими показателями кликов и CTR, и на основе этого объявления предположить какой элемент влияет на кликабельность и переходы по рекламе, и подстроить остальные объявления по примеру наиболее «успешного»;
- Можем выделить самые конверсионные объявления и предположить какие элементы объявления могут влиять на конверсию и подстроить остальные объявления по примеру наиболее «успешного».
3. Статистика по ключевым словам
На что смотрим:
- какие запросы принесли больше всего конверсий;
- какие запросы приносят наиболее дешевые конверсии;
- какие запросы дают много трафика, но не приносят конверсии.
Примеры интерпретации результатов:
- Можем выделить запросы, которые принесли больше всего конверсий. Предполагаем, что эти запросы вводят максимально заинтересованные в продукте пользователи. Значит, мы можем попытаться масштабировать трафик по этим запросам, тем самым получим прирост числа конверсий;
- Можем выделить запросы, которые принесли много кликов, но мало конверсий — возможно, они приводят нецелевой трафик, и их стоит либо отключить, либо под них сделать отдельную посадочную страницу.
На основе полученных данных можно приступать к формулированию гипотез привлечения.
Какой фреймворк использовать в работе с гипотезами привлечения
Для работы с гипотезами я использую один из самых простых и популярных фреймворков — HADI циклы.
Правила, которые я советую соблюдать при формулировании гипотез:
- Строим гипотезу по формуле «Если мы сделаем ___, то получим ___». Желаемый результат должен быть оцифрован и задекларирован в самой гипотезе, в противном случае мы не сможем оценить «успех» нашего теста.
- Задаем временной промежуток, в рамках которого мы будем проверять наши гипотезы (неделя, две недели, с 1 по 10 число, месяц и т.д. — здесь все зависит от скорости получения статистически значимых данных).
- Если мы проверяем гипотезы при помощи А/Б теста (сравнение двух вариантов) , то обязательно результаты проверяем через калькулятор достоверности А/Б тестирования (легко находится в любой поисковой системе) .
- При тестировании изменений на уровне кампаний, объявлений и ключевых слов — лучше создать копию текущей кампании, и запустить проверку на копии. Чтобы в случае провала гипотезы, мы легко могли вернуться к прежним настройкам.
Предположим, что мы получили некоторые вводные данные, на основе анализа, описанного выше.
Приступаем к первому этапу фреймворка.
H — hypothesis (формулирование гипотезы)
Пример: мы увидели, что из нашего списка ключевых слов основные конверсии приносят лишь 5 ключевых слов, а остальные имеют либо нулевые или около-нулевые показатели, либо стоимость конверсии выше ожидаемой (выше той, что мы можем себе позволить) .
Можем сформулировать, например, такую гипотезу: «если мы выделим ключевые слова с высокой стоимостью конверсии в отдельную кампанию, и сделаем для них посадочную страницу с релевантным запросу УТП, то стоимость конверсии по этим запросам снизится на 15%».
Либо представим такую ситуацию: мы видим, что из нашего списка объявлений, есть одно, которое получило больше показов, кликов, у него выше CTR, и ниже стоимость клика чем у всех остальных.
Можем сформулировать, например, такую гипотезу: «Если мы сделаем объявления, похожие на нашего лидера (напишем похожий текст, подберем похожее изображение, и добавим такие же расширения) , то сможем увеличить CTR кампании на 2%».
A — action (реализация)
После того, как мы сформулировали некоторое количество гипотез, которые мы собираемся проверить приступаем к их реализации.
Важно помнить: для чистоты данных нужно проверять только одно изменение за одну итерацию тестов. Так, мы сможем точно понять что повлияло на успех или неуспех нашей гипотезы.
На этом этапе мы вносим изменения в нашу рекламу, согласно сформулированным гипотезам.
D — data (получение данных)
По истечению времени, которое мы отвели на проверку гипотезы, снова возвращаемся к аналитике. Измеряем динамику показателей отчетного периода с аналогичным периодом в прошлом, чтобы наглядно увидеть изменения.
I — insights (выводы)
На этом этапе мы подтверждаем либо опровергаем нашу гипотезу.
Если динамика оказалась положительной (мы получили прирост показателя, который закладывали в гипотезу) — значит наша гипотеза оказалась верной. Стоит запускать ее в полноценную работу.
Если динамика оказалась отрицательной, значит мы были не правы в своем предположении, стоит вернуться на шаг назад: оставить прежние кампании, объявления и запросы, и сформулировать новые гипотезы, на основе полученных данных.
После того, как мы сформулировали выводы, на основе них мы можем сформулировать новые гипотезы, тем самым мы возвращаемся к 1 шагу цикла, и повторяем цикл заново.
Как оценить эффективность гипотез привлечения
Отслеживание конверсий очень важно для любой маркетинговой активности.
Если мы не видим реальных показателей конверсии, то не можем эффективно управлять привлечением пользователей и их поведением на других этапах воронки.
Очень важно настроить отслеживание всех этапов воронки на сайте.
Например, ваша воронка может выглядеть так: посещение сайта -> регистрация -> подтверждение данных -> демо-период -> оплата.
На каждый из этих этапов в системах аналитики должна быть настроена отдельная цель. Например это могут быть такие цели:
- Посещение сайта;
- Клик по кнопке «регистрация»;
- Прохождение регистрации;
- Подтверждение данных;
- Активация демо-периода;
- Оплата.
В таком случае мы сможем увидеть воронку целиком:
- сколько посетителей совершило регистрацию;
- сколько зарегистрировавшихся подтвердили свои данные;
- сколько из этих людей использовали пробный период;
- сколько из тех, кто использовал пробный период совершили оплату.
Далее, мы сможем перенести эту воронку на каждый наш источник трафика (например, данные о конверсиях, совершенных через Яндекс Директ), и формулировать более точные гипотезы по увеличению показателей.
Предположим, мы увидели, что с Яндекс Директа очень низкая конверсия из посетителя в регистрацию. Этому может быть 2 причины:
- мы привлекаем нецелевой трафик, который не конвертируется;
- есть проблема на стадии регистрации на самом сайте (запутанный процесс регистрации, лишние и необязательные поля, неочевидная польза регистрации и т. д.).
Как мы можем работать с этими предположениями.
- Если мы предполагаем, что проблема в трафике — мы обращаемся к подготовительному этапу, который я описывал выше, и анализируем все данные нашего рекламного кабинета (кампании, объявления, запросы). Смотрим конверсию в регистрацию по каждой кампании, объявлению и ключевому слову. С помощью фреймворка HADI циклов формулируем гипотезы к проверке, и тестируем их.
- Если мы предполагаем, что проблема в самой посадочной странице — обращаемся к бесплатным инструментам Яндекс Метрики: вебвизор, карта кликов, карта форм и карта скролинга. Анализируем поведение пользователей на сайте, формулируем гипотезы как потенциальному клиенту помочь совершить нужное нам действие, и снова переходим к проверке через HADI циклы.
Если вы столкнулись с тем, что у вас нет исторических данных о конверсиях на вашем сайте, то нет ничего страшного в том, чтобы обратиться к рыночным бенчмаркам. Вот исследование компании Roistat по средней конверсии сайтов в разрезе разных бизнесов.
Заключение
- Ничто не гарантирует результата — маркетинг это не точная наука.
- Чем системнее вы выстраиваете работу с гипотезами и чем больше гипотез проверяете, тем больше шансов добиться роста показателей.
- Старайтесь уйти от хаоса в тестировании гипотез: анализируйте данные, формулируйте «правильные» (измеримые и выполнимые) гипотезы, двигайтесь поэтапно по фреймворку HADI циклов, основывайте свои предположения и выводы на полученных данных и снова тестируйте.
Если у вас появились вопросы, задавайте их в комментарии или в личные сообщения в телеграм: @Serji_Athens, с удовольствием отвечу.