Как отследить эффективность многоканальных рекламных кампаний

Как отследить эффективность многоканальных рекламных кампанийЮнисов Андрей

Я знаю, что половина моего рекламного бюджета расходуется впустую, 
вот только не знаю, какая именно. 
Джон Ванамейкер, легендарный американский коммерсант.

Измерение эффективности рекламных кампаний всегда было и еще долгое время останется краеугольным камнем маркетинга. Руководителям всегда захочется узнать, насколько эффективны их вложения в то или иное рекламное размещение. Тяжело, и даже невозможно, измерить эффект от показа видеоролика по телевидению. Или ротации рекламы по радио. В этом случае нельзя оценить, кто из потребителей данного медиаканала обратил внимание на послание компании, и узнать, кто и как отреагировал на него.

В интернет-маркетинге дела обстоят совершенно иначе, здесь эффект от проведения рекламных кампаний измерить вполне реально. Этот вопрос стоит достаточно остро, так как все хотели бы узнать реальную рентабельность проводимых кампаний. Нет более важного вопроса на мировом уровне изучения эффективности интернет-рекламы, чем анализ многоканальных (или, как их еще называют – интегрированных) рекламных кампаний.

С развитием различных каналов интернет-рекламы (баннеры, контекстная реклама, SEO-продвижение, партнерские программы, email-маркетинг, социальные медиа и др.) все более актуальны вопросы правильного бюджетирования многоканальных рекламных кампаний в интернете. Здесь в слово «правильное бюджетирование» в основном вкладывается значение рентабельности, ведь при размещении дорогостоящей рекламы хочется знать и финансовую отдачу от нее. Что же из себя представляют многоканальные рекламные кампании? Рассмотрим типичную ситуацию. Часто для совершения посетителем целевого действия (к примеру, покупки в интернет-магазине, регистрации или загрузке прайс-листа с корпоративного сайта) ему требуется больше одного посещения сайта. Связано это с большим количеством альтернативных предложений на рынке, поэтому такая механика распространена повсеместно во многих конкурентных индустриях.

Таким образом, до совершения целевого действия проходит время, в течение которого посетитель контактирует с различными маркетинговыми сообщениями вашей компании в различных рекламных каналах. К примеру, до покупки он сначала увидел ваш баннер на новостном сайте, далее нашел вас в поисковой системе, побывал на сайте и зарегистрировался, а купил только после вашей email-рассылки по зарегистрированным пользователям.

Задачей измерения эффективности многоканальной рекламной кампании является определение каналов, которые привнесли наибольший вклад в конверсию посетителя. В нашем примере, задача сводится к тому, чтобы определить, какой из каналов воздействовал на посетителя и в какой мере. Напомним, что в нашем примере присутствует три канала: баннер, контекстная реклама и email-рассылка. После определения степени влияния каждого канала на конверсию посетителя, нужно правильно скорректировать маркетинговый бюджет, поскольку гораздо логичнее инвестировать средства в наиболее эффективные каналы привлечения посетителей при грамотном сочетании тех или иных каналов. Иными словами, здесь можно получить ответ на извечный вопрос: «Как оптимально распределить рекламный бюджет между различными имеющимися рекламными и маркетинговыми каналами?».

Для верного решения этой задачи необходимо определить модель атрибуции трафика, то есть математическую модель, которая регламентировала бы вклад каждого рекламного канала в конечную конверсию посетителя. На данный момент мировая веб-аналитика рассматривает несколько моделей атрибуции:

1. Last-click – когда 100% эффект в конверсии принадлежит последнему источнику трафика в цепочке (в нашем примере это email-рассылка) и ему засчитывается конверсия;

2. First-click – когда 100% эффект в конверсии принадлежит первому источнику трафика в цепочке (в нашем примере это баннер) и ему засчитывается конверсия;

3. Even-click – когда эффект в конверсии распределяется между всеми рекламными источниками равномерно (по 33,3% от суммарного эффекта на каждый рекламный канал в нашем случае);

4. Custom-click – когда эффект в конверсии распределяется между рекламными источниками исходя из коэффициентов, которые аналитик подбирает самостоятельно (к примеру, в нашей ситуации – 40% баннер, 20% контекстная реклама и 40% email-рассылка).

Каждый из подходов обладает своими плюсами и минусами. Last-click используется во многих современных системах веб-анализа, однако не позволяет эффективно управлять маркетинговым бюджетом, поскольку не дает полного понимания о распределении бюджетов между каналами. First-click кажется логичным (100% на первичное восприятие рекламного сообщения), но почему тогда посетитель так долго не мог сконвертироваться и для этого ему потребовались другие рекламные сообщения? Even-click не дает возможности различать качество рекламных каналов, приравнивая эффект от рисованного баннера и текстовой контекстной рекламы, что также выглядит слишком примитивно. Поэтому, на наш взгляд, оптимальным подходом является создание собственной custom-click модели и анализ рекламных кампаний на ее основе.

Присваивание коэффициентов в модели custom-click каждому из источников трафика – довольно сложная задача, которую не стоит делать, основываясь на ощущениях. Есть несколько способов создавать модель атрибуции.

Первый из них основан на простом принципе тестирования и получения обратной связи, а также на огромных возможностях геотаргетинга интернет-рекламы. Геотаргетинг – это возможность выдачи посетителю содержимого, соответствующего его географическому положению, в последнее время этот вид интернет-рекламы пользуется достаточно большим спросом. Например, вы инвестируете бюджет в контекстную рекламу, медийную рекламу исоциальные медиа. Рекламная кампания проходит на федеральном уровне по всей России, что дает возможности для тестирования атрибуции. Попробуйте сделать предположения о том, что работает лучше и запустите рекламную кампанию в различных регионах с разным соотношением бюджетов. К примеру, в центральном федеральном округе положите 40% на контекстную рекламу, 20% на медийную и еще 40% на социальные медиа. А в сибирском – по иному алгоритму. Это хорошая возможность протестировать и сравнить различные варианты, что с учетом скорости тестирования в онлайне, очень быстро поможет поднять ROI рекламного бюджета.

Второй способ основывается на контролируемом эксперименте, в котором при увеличении маркетингового бюджета можно тестировать влияние каждого рекламного канала. К примеру, вы инвестируете в баннеры и контекстную рекламу 1 млн рублей. В вашем распоряжении появляется дополнительный бюджет в размере 100 тыс. руб. и вы тратите его на увеличение бюджета контекста. Наблюдая за ростом конверсий (причем абсолютно неважно, с какого источника они произошли по данным системы веб-аналитики), вы атрибутируете любой рост результатов на увеличение бюджета на контекст. Такое управляемое тестирование можно проводить опять же, до того момента, пока не снизится максимальная стоимость за клиента (или рекламный контакт).

Таким образом, вопрос выбора модели атрибуции является задачей управляемого тестирования, которое необходимо проводить рекламодателям с интегрированными маркетинговыми коммуникациями в целях повышения эффективности своих рекламных кампаний.

Так как отслеживание эффективности многоканальных рекламных кампаний в интернет-маркетинге тесно связано с веб-аналитикой, то необходимо упомянуть и инструмент, с помощью которого это можно осуществлять. Как сертифицированному партнеру Google Analytics, мне отрадно сказать, что в этой системе веб-анализа, которая является наиболее популярной, недавно появилась новая функция, которая называется «Мультиканальные последовательности» (Multichannel funnels). Именно она и позволяет отслеживать последовательности переходов посетителей по различным рекламным кампаниям, при этом они выстроены в удобные цепи. Она показывает то, каким образом взаимодействуют между собой все источники трафика для создания конверсий (достижения целей), выстроенных на вашем сайте. С помощью этой функции можно проследить не только за самими переходами, но и за последовательностью и влиянием переходов из разных каналов / источников трафика на сайт. Сделано это потому, что многие аналитические инструменты присваивают конверсию последнему источнику, с которого был совершен переход на сайт. Multichannel funnels дают общую картину переходов посетителя на сайт и влияния каждого источника перехода на конечное действие посетителя.

Таким образом теперь вооруженные знаниями теории и наличием инструмента вы сможете самостоятельно отслеживать эффективность многоканального маркетинга, проводимого в интернете и отбирать те ресурсы для размещения трафика, которые являются наиболее эффективными.

Поделиться:

Тема поднята хорошая, но очень напоминает популярную среди программистов картинку:

Чистая теория прекрасно выглядит, но стоит приступить к построению многоканальной последовательности в той же Google Analytics, сразу возникает миллион проблем: отказы, выходы, неквалифицированные источники. А если дело касается задания целей с помощью Java Script (onclick, например, на кнопке) - всё, кранты: маркетолог не знает JS, программист не понимает смысла целей, договориться сложно. 

Если говорить о методах накопления данных для создания моделей атрибуции, то лучше просто сперва накопить данные по всем типам рекламы, а потом их проанализировать. Во многом потому, что бюджет "1 миллион + 100 тысяч на раскидать" есть далеко не у каждого.

То есть сперва собираем по типам, смотрим конверсию или иные показатели эффективности, затем уже строим модель. Кстати, часто признаком эффективности является не только покупка/регистрация, но и глубина просмотра, и время на сайте.

А для мадам и мсье, знающих толк в извращениях, есть возможность отслеживания даже оффлайн-покупок, совершенных под влиянием онлайна. Но настройка её обойдется едва ли не дороже и не затратнее по времени, чем настройка всей рекламы в сети.

 

 

 

 

 

 

 

Dwarf (не проверено)

Картинка шедевральная))))

Не в сети

Тема и правда очень интересная, но сложная для восприятия новичков, в конце я, про себя уже подумала, "Алина, где Вы". После Вашего коммента, хоть один вопрос про модели вперёд получения данных в голове разрешился )).

Ирина, ну я разве ж смогу пройти мимо такого :-) К сожалению, я немного выпала из жизни Продажника ввиду очень неприятных семейных обстоятельств и появляюсь редко. Но к концу лета буду снова в строю, надеюсь, даже с новыми историями :-)