Аналитика рекламы и как с ней работать

Как не просто смотреть на цифры, а грамотно ими управлять? Об аналитике и KPI в таргетированной рекламе рассказывает руководитель агентства HotHeads Band Алёна Мумладзе. Собрали всё самое важное с выступления на «Суровом Питерском SMM»‎.

Зачем вам аналитика рекламы

9 из 10 таргетологов:

• даже примерно не изучают предыдущий опыт таргета
• если получают опыт, не выстраивают прогноз на его основе 
• не интересуются внутренней экономикой бизнеса
• не понимают точку безубыточности, объём продаж, проблемы бизнеса 
• не дают рекомендации клиенту по ходу работы, т.к. сами не знают, что именно можно улучшить.

В то же время собственники бизнеса:

• не имеют ни прошлой статистики, ни понимания экономических процессов внутри своего бизнеса в контексте трафика
• хотят делегировать, нажать кнопку «бабло», «под ключ» и не вникать 
• не умеют видеть все цифры как одну большую картину своего бизнеса  
• перекладывают ответственность за прибыль на сотрудников.

Разберёмся на примерах, какие есть проблемы в бизнесе и как их решает аналитика рекламы.

То есть аналитика рекламы используется для:

• выбора оптимальных решений
• увеличения скоростей
• наращивания объемов
• прогнозирования вложений и выручки
• сохранения клиентов и бизнеса
• понимания, что вообще происходит.

Аналитика не равно сбор данных

Аналитику рекламы часто путают со сбором данных. Однако анализ – это исследование, а сбор данных – это только подготовка к этому исследованию.

То есть в 90% случаев «отчёт»‎ по таргету – это только сбор данных:

• выгрузка данных из кабинета; 
• табличка с кликами, CTR, тратами, ценой лида – и всё.

Но при этом нет общей с клиентом таблицы с окупаемыми метриками, нет подсчёта конверсий (кроме «клик – регистрация»‎), рекомендаций по улучшению воронки и результатов. Нет гипотез, основанных на цифрах: почему что-то зашло, а что-то – нет. И нет понимания, какие цифры на какие влияют.

Частые ошибки при сборе и анализе старой статистики

• Упускают проверку фактов (например, человек уверен, что конверсия его сайта – 5%, а по факту оказывается, что 0,3%).
• Клиент в 90% случаев сообщает неверные сведения (не специально, он на самом деле их просто не знает).
• Никто не делает таблички с анализом предыдущего опыта. 
• Считают, что берут клиента с нуля, тогда как у него уже есть действующий бизнес со своей экономикой и, скорее всего, опытом таргета. 
• Всегда путают лиды с тёплой базы с потенциальными лидами с холодной.
• Свою статистику собирают формально, берут лишь то, что есть в кабинете, не добавляя закономерности вроде конверсий и маржинальности конкретных аудиторий, конкретного текста.
• Не делают сбор и сравнение месяц к месяцу, не учитывают сезонность, не ищут точки роста. 
• Собирают просто голые цифры.

Чтобы исправить ситуацию, нужно провести аналитику. Выберите методику, подходящую конкретно под ваши задачи. 

Методы аналитики

Регрессионный анализ

Регрессионный анализ – оценка отношений между переменными. Этот метод аналитики рекламы помогает находить факторы, которые влияют на результат, и понимать, до каких цифр их нужно нарастить.

Например: вы увеличили бюджет – начал расти поток заявок. Это прямая линейная зависимость. 

Процентное соотношение

Это всем известная конверсия. Мы определяем, какой процент от целого составляет значимое число. Обычно все считают соотношение из заявки в регистрацию. Но на каждом этапе воронки нужно считать дополнительные конверсии. Так мы сможем увидеть неочевидные зависимости одних показателей от других и проработать слабые места во всей маркетинговой цепочке. 

Например, как обычно анализируют:

Но эффективнее подумать, о чём нам говорит каждая метрика:

То есть люди могут кликать и не подписываться, но при этом покупать. И мы можем отследить количество покупок, приходящееся на количество кликов.  Такая зависимость видна не сразу, а только при анализе. Нам кажется, что подписок мало и всё плохо – а по факту всё нормально, подписки для продаж не нужны. 

Распределение по группам, классификация

Суть метода аналитики – систематизировать данные по общим признакам и получить на этой основе сводную характеристику. 

Обычно все выгружают данные из рекламного кабинета и анализируют то, что есть. Но правильно будет выбрать те группировочные признаки, которые реально нужны для статистики, а не те, которые просто есть перед глазами. Так вы выкинете все ненужные данные из таблицы, и каждый элемент будет помогать анализировать, а не сбивать с толку. 

Например, в таблице мы подсчитываем, какой источник эффективнее. По данным мы видим, что источники разные, число просмотров сильно отличается, а вот конверсия добавления в корзину плюс-минус одинаковая. Это значит, что все источники работают одинаково хорошо. Но если посмотреть на число покупок, то в третьем источнике процент покупок после добавления в корзину выше всего – это ретаргет. На основе этого анализа мы можем предполагать, какой источник трафика будет результативнее, и строить прогноз.

Группировка может быть количественной и качественной. Количественная – когда мы собираем статистику по тем параметрам, что есть в кабинете. Качественная – когда смотрим, какие именно параметры нам нужны для анализа, чтобы работать на результат.

Корреляционный анализ

Это когда мы выявляем корреляционные коэффициенты, которые позволят увидеть, есть ли зависимость между переменными и насколько она сильная. Такой анализ помогает обнаружить, какие микроконверсии приведут к макроконверсиям с большей вероятностью, чем другие.

Обычно корреляционный анализ никто не делает. Но на самом деле его не очень сложно собрать, если есть статистика сайта. 

Соберите данные: что чаще всего делают пользователи на сайте, и посмотрите, влияют ли эти действия на итоговую цель.

Метод аналитики очень полезен, если у вас продукт на высокий чек, который требует долгого прогрева и запуска, и нужно дожить до первых макроконверсий, пока тестируете новые офферы. При этом не слить бюджет.

Например, у вас дорогой продукт – машина (или квартира, яхта). Какие-то действия людей могут приводить к его покупке. Эти данные собираются у вас в Яндекс Метрике, Google Аналитике: просмотры страниц сайта, страницы моделей, фильтры и т.д.

Нужно выгрузить данные по каждой цепи из микроконверсий и проанализировать в Excel с помощью формулы «корреляция»‎, например: 

=КОРРЕЛ(Массив данных по цели Звонок;Массив данных по микроцели «Просмотр более 5 страниц»)

Мы сможем посмотреть, с какой вероятностью люди, которые посмотрели более 5 страниц, сконвертируются в целевой звонок.

Из анализа видно, что люди, которые провели на сайте больше N минут и открывали диалоговое окно – самые горячие клиенты. А значит, наш бюджет нужно тратить именно на эти цели, а не на увеличение просмотра N страниц или на страницу «Спецпредложение»‎.

Прогноз с помощью линейной регрессии

Это подсчёт точки безубыточности, прогноз окупаемости, оптимизация. То есть мы определяем, каких минимальных цифр надо достичь, чтобы выйти в ноль на этапе теста. И составляем прогнозы окупаемости, если всё станет плохо.

Обычно никто не интересуется точкой безубыточности и экономикой, не понимает взаимосвязи одного от другого. А нужно собрать данные для прогноза и просчитать разные варианты.

Например, мы сделали тест рекламы и получили цифры кликов, подписки и покупок. Мы можем составить позитивный прогноз – если при запуске основной рекламной кампании сохранятся такие же показатели. 

Но также делаем срединный прогноз – если показатели снизятся на 10% (например, увеличится стоимость клика), и негативный – если всё станет хуже ещё на 20%, 30%, 40%. 

Имея позитивный и негативный сценарий, мы можем понимать, в какой момент на какие результаты выходим и можем прогнозировать циклы работы.

Почему можно потерять клиентов и как этого не допустить

Что может пойти не так:

• не хватило персонала в отделе продаж, чтобы обрабатывать лиды; 
• не хватило бюджета у заказчика, чтобы держать объём продаж (кассовые разрывы); 
• не хватило аудитории, чтобы обеспечить достаточный объём трафика; 
• не хватило каналов, чтобы обеспечить прежний объём трафика.

Чтобы этого не допустить, нужно подготовиться и решить, как мы будем компенсировать денежные потери, что делать со слабыми местами. 

Для такой подготовки соберите и визуализируйте данные. 

Для опытных подойдет дашборд.

Для начинающих – гугл-документ, который заполняем вручную (кстати, этот способ позволяет лучше понимать аналитику на старте). 

Перед созданием документов нужно подумать, какие задачи мы будем решать, на какие вопросы отвечать и для каких отделов какие вкладки нужны.

Важно чётко отбирать метрики и методы для анализа, чтобы не делать лишних действий и работать с теми цифрами, которые реально нужны.