Рост продаж на 47% за месяц для онлайн-аптеки. Агентский кейс про контекст.

2948
Рост продаж на 47% за месяц для онлайн-аптеки. Агентский кейс про контекст.

Меня зовут Антон Максимов, я работаю в агентстве Мир Рекламы и занимаюсь аналитикой и управлением специалистами. В этой статье я расскажу о решении задачи сбора, визуализации и анализа данных для нашего клиента — онлайн-аптеки. Название аптеки, я назвать, к сожалению, не могу. Основной сложностью работы с рекламными кампаниями такого типа, на мой взгляд, является очень большой объем ассортимента и географии рекламных кампаний. Над этим я и решил поработать.

Итак, к этой задаче я приступил еще в марте 2018 года. Эффективность рекламы на тот момент не соответствовала требованиям, структура не позволяла удобно отслеживать и управлять эффективностью кампаний. Крупный бюджет на контекстную рекламу и большой объем данных вызывали трудности в аналитике, потому что на поиск слабых и сильных сторон рекламных кампаний и анализ различных сегментов аудитории уходило много времени.

В качестве основной системы сбора статистики сайта мы используем Google Analytics, из него мы передавали данные в Google Data Studio, но это не устраивало ни нас ни клиента — очень много кампаний, ну а ключевых слов…представляете, какое ядро может быть для широкого ассортимента? В общем, функционала Data Studio явно не хватало для полноценной работы и мы решил перейти на Power BI, который нам показался более взрослым инструментом.

Нам нужно было создать пару отчетов — один с общими данными для клиента, второй для использования нашими специалистами в целях поиска слабых и сильных мест в рекламных кампаниях. Тут стоит отметить, что основной мой фокус был сосредоточен на функционале отчетов, а не на их красоте. Уверен, что картинки, которые я приведу ниже, можно сделать симпатичнее, гармоничнее и интереснее, но не уверен, что это принесло бы больше денег клиенту;)

Итак, у нас было два источника данных — Яндекс Директ и Google Analytics. Да, для AdWords онлайн-аптеки — это запрещенная тематика.  Для сбора данных мы начали использовать сервис myBI Connect. В нем подкупило, во-первых, хранение данных в Azure, который должен был хорошо работать вместе с Power BI, во-вторых, готовые модели данных. Там можно найти демонстрационную сводную модель данных на базе рекламных кабинетов и Google Analytics и сформированный на ее основе отчет.

UPD. На текущий момент сервис mybi connect производит выгрузку в базы PostgreSQL в Яндекс Облако. Azure не используется.

Рост продаж на 47% за месяц для онлайн-аптеки. Агентский кейс про контекст.

В ней статистика по расходам из рекламных кабинетов через utm-метки объединена с данными из Google Analytics. Ее я взял за основу, подключил свои источники и загрузил данные в нее, а дальше начал реализовывать свои хотелки:

Сегментация трафика

В отчете все рекламные кампании были сегментированы по категории товара (по каталогу на сайте), по геотаргетингу (города РФ), по типу устройств и по типу запросов (бренд/не бренд). Это позволило смотреть самые узкие срезы данных и делать выводы по эффективности каждого отдельного сегмента трафика с возможностью комбинирования. Технически это реализовано через фильтры к справочнику нашей системы utm-меток — в ней часть данных хранится в метке campaign, а часть в content.

Рост продаж на 47% за месяц для онлайн-аптеки. Агентский кейс про контекст.

Сравнение периодов

Важной частью работы стала реализация возможности сравнивать данные по любым выбранным периодам. В модели данных, доступной в myBI Connect по умолчанию, есть возможность сравнения выбранного отрезка времени с одинаковым предыдущим, но нам нужна была возможность сравнивать любые периоды для наблюдения динамики.

Доработка была реализована добавлением отдельной временной таблицы для сравнения и созданием мер, которые использовали связь с этой таблицей для расчета необходимых для сравнения данных, примерно так —

Доход для сравнения =
CALCULATE (
    'GA Оформленные заказы'[Общий доход];
    ALL ( 'SHD Параметры дат' );
    USERELATIONSHIP ( 'GA Оформленные заказы'[Дата]; 
'SHD Параметры дат для сравнения'[Дата] )
)

Деньги

Дополнительно в существующую модель были добавлены данные по e-commerce из Google Analytics, что позволило получить информацию о конкретных товарах, которые покупают пользователи из каждого сегмента. В результате это позволило нам получить ДДР в самом первом приближении. Расчет его, благодаря используемой модели данных Снежинка, получается очень простым:

ДДР =
DIVIDE (
    'SHD Статистика по расходам'[Сумма расходов];
    'GA Оформленные заказы'[Общий доход];
    BLANK ()
)

Это, к слову, один из основных показателей, на которые смотрит клиент.

Рост продаж на 47% за месяц для онлайн-аптеки. Агентский кейс про контекст.

Расчет оптимальной ставки

В отчет для специалистов было решено добавить меру, которая считает оптимальную ставку, учитывая средний чек заказа и заданный KPI (ДРР). В итоге была выбрана формула:

СТАВКА = CR * 0.13 * Ср. чек

где CR — коэффициент конверсии

0.13 — заданный KPI 13% по доле рекламных расходов.

Эта мера была добавлена в матрицу, содержащую данные по кампаниям и ключевым словам. Полученные ставки назначались как для ключевых слов, которые выходили за рамки установленного KPI, так и для более эффективных.

Рост продаж на 47% за месяц для онлайн-аптеки. Агентский кейс про контекст.

Основное внимание уделялось небрендовым рекламным кампаниям, которые при доле бюджета 80% приносили примерно 20% транзакций и дохода. К началу оптимизаций такие рекламные кампании имели ДРР = 81%.

Оптимизация трудозатрат

И, наконец, для удобства работы специалиста по рекламе мы вынесли в отдельные вкладки отчета предустановленные фильтры. С их помощью специалист быстрее «диагностирует» проблемы с кампаниями и ключами.

Рост продаж на 47% за месяц для онлайн-аптеки. Агентский кейс про контекст.

Результат

На этом скрине можно увидеть, что спустя месяц  показатели эффективности значительно улучшились — по итогам апреля 2018 удалось снизить ДРР по небрендовым рекламным кампаниям на 38%, при этом увеличив на 38% транзакции и на 47% доход.

Рост продаж на 47% за месяц для онлайн-аптеки. Агентский кейс про контекст.

Power BI и myBI Connect помогли нам решить основные задачи:

  1. Для клиента отчет позволяет следить за работой контекстной рекламы в режиме реального времени
  2. Нам теперь нет необходимости формировать ежедневный/еженедельный отчеты, делать выгрузки из Директа, Google Analytics. Все данные собраны и визуализированы в одном месте, что значительно сэкономило время аккаунт-менеджеров.
  3. Кроме этого мы значительно сократили трудозатраты специалистов по контекстной рекламе на поиск проблем и оптимизацию рекламных кампаний.

Все это позволило нам направить освободившееся время непосредственно на улучшение рекламных кампаний и результат не заставил себя долго ждать. В работе с большим ассортиментом и бюджетом — экономия времени на анализе и поддержание актуальности данных играет очень важную роль: управлять эффективностью проекта становится проще, результат достигается на глазах. Power BI — тот инструмент, который экономит время и позволяет получать реальную выгоду.

PS. Мы будем рады помочь реализовать подобные решения для Вашей компании с учетом отраслевых особенностей и желаемых результатов. Пожалуйста, заполните наш Бриф.