Атрибуция конверсии как способ оптимизации...
TRANSCRIPT
Атрибуция конверсии. Как оптимизировать рекламный бюджет на 30% изменив модель атрибуции.
Антон Черноталов
РИФ Новосибирск, iMetrics
Антон Черноталов
Генеральный директор агентства E-Promo и студии «Моризо»Основатель и преподаватель Школы интернет-маркетинга совместно с НИУ ВШЭ
Штат: 45 сотрудниковГодовой оборот: 120 млн руб.Офисы: Москва и Нижний НовгородСпециализация: performance-маркетинг, контекстная реклама, лидогенерация, SEO, веб-аналитика
Содержание доклада
• Атрибуция конверсии,• Модели атрибуции,• Использование модели на основе позиции,• Шаги по внедрению атрибуции конверсии,• Кейсы по сравнению разных атрибуций.
Тренды в интернет-маркетинге
• Оптимизация рекламных кампаний по CPA (cost per action)CPA — целевое действие: стоимость продажи для e-commerce, стоимость заявки/звонка/регистрации
• Лидогенерация Оплата рекламной кампании за заявки/звонки/продажи
• Запуска медийной рекламы по аудиторному принципу (напр. look a like)
• Ремаркетинг Возврат недошедших до цели посетителей на сайт
Какие рекламные каналы/кампании/ключевые фразы приводят к конверсиям,а какие нет?
Конверсия — совершение пользователем целевого действия на сайте (оставление заявки, регистрация, звонок, продажа)
Введение в атрибуцию конверсии
• Насколько сложен пользовательский путь до цели?• Сколько дней пользователи идут до цели?• Сколько раз пользователи зайдут на сайт до конверсии?• Какие каналы используют пользователи, дошедшие до цели?
• Контекстная реклама,
• Таргетированная реклама
• Социальные сети,
• Ретаргетинг,
• Органическая выдача,
• E-mail маркетинг,
• Медийная реклама,
• Прямой заход.
Сколько дней пользователи идут до цели?
Данные Google Analytics, e-commerce
Сколько дней пользователи идут до цели?
Данные Google Analytics, b2c, окна
Длина последовательности
Данные Google Analytics, e-commerce
Длина последовательности
Данные Google Analytics, b2c, окна
Пример пользовательских цепочек
Данные Google Analytics, e-commerce
Пример пользовательских цепочек
Данные Google Analytics, b2c, окна
Краткие итоги
• Длина цепочек очень часто состоит из более чем 10 шагов;
• Время принятия решения о покупке/заявке: моментально или более 7 дней (лэндинги работают эффективно только с моментальной покупкой);
• Дошедшие до цели зачастую использует более 5 рекламных каналов;
• Вариантов пользовательских цепочек огромное количество.
Правильно ли при таких цепочках взаимодействия приписывать конверсию последнему источнику?
Распространенные модели атрибуции конверсии
Последнее взаимодействие, Last Click
Первое взаимодействие, First Click
Линейная, Linear
С учетом давности, Time Delay
На основе позиции, Position Based (U model)
Сравнение моделей атрибуции
Данные Google Analytics
Какую модель атрибуции выбрать?
Универсальной модели нет.Для каждого конкретного случая (сайт, рекламная кампания) выбор модели атрибуции свой.
Last Click — самая распространенная на сегодня, стандартный отчет в системах веб-аналитики.
Position Based (U model) — «в среднем по больнице» наиболее эффективная, если вы не готовы на длительные исследования.
40% 40%6,7% 6,7% 6,7%
Кейсы
Оптимизация CPA при разных моделях атрибуции
Кейс по оптимизации бюджета
Задача: оптимизировать рекламную кампанию в системах Яндекс.Директ и Google AdWords за счет понижения стоимости заявки и/или стоимости входящего звонка.
План действий:
1. Настроить цели на сайте,
2. Внедрить call-tracking;
3. Проанализировать конверсионность разных ключевых фраз/кампаний;
4. Отключить неконверсионные ключевики, перенести бюджет на конверсионные.
Результаты оптимизации
• CPA на старте 728 руб.
• Период оптимизации: 3 месяца;• Понимание эффективности рекламного
канала/кампании/ключевой фразы;
• CPA после оптимизации: 571 руб. • Сокращение бюджета (-22%).
5 шагов к оптимизации кампании
1. Настройка конверсионных целей на сайте, – Не забыть отдельную цель на онлайн-консультант;– Отслеживание звонков;
2. Связи всех рекламных кампаний с системой веб-аналитики через UTM-метки;
3. Перенос данных о расходах в рекламных системах в систему веб-аналитики;
4. Выбор/настройка модели атрибуции;5. Оптимизация настроек рекламных инструментов с
учетом полученных данных по CPA.
