Рекламная аналитика для фармацевтической компании. Кейс Mello.

497
Рекламная аналитика для фармацевтической компании. Кейс Mello.

Привет! Меня зовут Антон Астахов, я руководитель компании Mello

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Наш клиент – крупная фармкомпания, которая запускает много интернет-рекламы на десятках площадках Рунета. Для оценки эффективности запусков формируется отчет в MS Excel на основе разрозненных данных: вручную формирующиеся выгрузки и листы в файле xls. Процесс выглядит так — аналитик еженедельно выгружает данные из рекламных кабинетов в определенном формате, складывает их в Excel и потом производится анализ.

Конечно, у такой схемы есть  пара очевидных плюсов — это просто и не требует дополнительных усилий и инвестиций.

Давайте теперь посмотрим на минусы:

  1. Человеческий фактор – если один человек занимается формированием такой отчетности, то он может отказываться от внесения каких-то правок, ошибиться, взять больничный, уйти в отпуск, уволиться, не успеть из-за текущей загрузки. технологический фактор – вы собрали данные за прошлую неделю, а через какое-то время площадка пересчитала статистику (так действительно бывает;). В этот момент ваша отчетность перестает сходится с данными в рекламных площадках. Чтобы исправить ситуацию, нужно сначала определить время, когда произошло изменение данных, а потом исправить выгрузку за это время
  2. Жесткость системы — вы решили изменить отчет и добавить в него какие-то данные, с большой долей вероятности придется переделывать все предыдущие выгрузки, возможно отчет в целом. Причем мы возлагаем на сотрудника абсолютно  скучную и рутинную работу — выкачать, скопировать, вставить.
  3. Время и деньги — на сбор и обработку нужной информации, аналитики могут тратить гораздо больше времени, чем на ее анализ. Вместо достижения поставленных KPI компании, сотрудник думает о том, как бы вручную собрать отчет, чтобы данные в нем были корректные. В результате на дистанции это обходится дороже для компании.

Ручной сбор данных в отчет – это не плохо, наоборот это отличный старт для проверки гипотез и создания нужного формата отчетности. Но в какой-то момент компания понимает, что минусы такой системы начали перечеркивать все ее плюсы, тогда возникает мысль – “а давайте автоматизируем процесс сбора данных”. Именно так и произошло у нашего клиента.

Основная задача – разработка отчета по четко регламентированной структуре, которая принята в организации. Именно поэтому отчет, который вы увидите в конце статьи достаточно прост в оформлении. Отчет должен был решить главную задачу — автоматизировать получение и отображение данных о множестве рекламных кампаниях – от контекстных до медийных. Этому и посвящена наша статья. Поехали.

Выбор стека технологий

Любая автоматизация должна начинаться с выбора стека технологий, на котором будет работать созданная система. Выбор нужного стека это тема для отдельной публикации, поэтому мы не будем описывать общие принципы, а расскажем какой конкретный стек выбрал клиент. 

Для реализации данной задачи нужно:

  1. Произвести выгрузку данных из рекламных кабинетов и Google Analytics;
  2. Обеспечить хранение и обновление этих данных;
  3. Визуализировать их — превратить в конечные отчеты.

Клиент рассмотрел множество возможных реализаций от готовых систем сквозной аналитики, до совсем персональных решений и решил выбрать инструменты компании Microsoft, а именно:

  1. База данных — Azure SQL Database
  2. Программа для визуализации — Power BI

Под этот стек технологий отлично подходит сервис myBI Connect, который автоматизирует задачу выгрузки данных из онлайн-источников

Первые проблемы

Несмотря на то, что myBI Connect имеет массу коннекторов, вместе с тем не все рекламные источники были “перекрыты” сервисом. А это значит, что по ряду рекламных площадок мы не можем получить расходы в нашу БД. В основном эти проблемы возникают с медийными рекламными системами.  

Что делать, если не хватает готовых коннекторов для выгрузки данных?

После обдумывания ситуации вместе с клиентом пришли к выводу, что часть источников данных будем вручную загружать в гугл таблицы. Да, ручная выгрузка частично осталась, но формат и структура данных подверглись серьезным изменениям — все выгрузки привели к единому формату для всех возможных вариантов, чтобы упростить этот процесс и снизить вероятность появления ошибок. 

Разработка и поддержка своих коннекторов это достаточно затратная статья расходов, поэтому в большинстве случаев проще купить подписку в готовом сервисе, типа myBI Connect. Но, даже используя готовые сервисы, вы не застрахованы от ситуации, когда в этом сервисе и вообще на рынке нет нужного готового коннектора. Тогда вы возвращаетесь к идее разработки и поддержки коннектора. И вот тут важно просчитать что выгоднее, делать свое решение для текущего рекламного источника или сделать ручную выгрузку.

Наша позиция: если данная рекламная площадка работает не на постоянной основе или доля ее в общих расходах невысока, то лучше сделать ручную выгрузку. 

Также в процессе изучения рекламных кампаний была выявлена проблема, не позволяющая построить необходимым образом иерархию данных в отчете, а именно: UTM-метки хоть и составлялись по определенной схеме, но не всегда позволяли однозначно идентифицировать источник / канал трафика (на основе этих данных необходимо было построить фильтры по каналу и направлению трафика). Аналогично и с названиями рекламных кампаний. 

Эта проблема поставила под угрозу разработку отчетности. Дело в том что данные по расходам мы берем из рекламной площадки, а информацию о посещении сайта и конверсиях из Google Analytics. Связать эти данные в БД мы можем по какому-то ключу. В качестве такого ключа выступают UTM метки, и если они составлены таким образом, что по ним нельзя сделать корректный ключ для связи данных, тогда вы не можете корректно связать расходы и конверсии. В итоге разработка отчета заканчивается провалом.

Что делать если есть проблемы с UTM тегированием?

Поскольку одним из требований являлось создание определенной иерархии данных, для UTM меток и названий рекламных кампаний был разработан стандарт, к которому в результате работы были приведены все рекламные кампании во всех системах.

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Разработка единого стандарта для UTM тегирования и следование ему в дальнейшем – это обязательное условие для корректной работы отчета. Для проектов с небольшим количеством рекламных источников и с отсутствием требованием к определенной иерархии каналов в отчете может хватить базовых рекомендаций по тегированию, которые легко найти в хороших статьях о UTM метках. А вот для проектов с большим количеством источников и определенным требованиям к иерархии в отчете нужно будет разрабатывать персональный стандарт.

Использование такого стандарта позволило выстроить необходимым образом иерархию для анализа данных:

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Поскольку весь отчет строится на анализе показателей недельными интервалами, то высшей точкой в иерархии является неделя, далее идет “направление” (или канал привлечения трафика), ниже источник, далее возможные варианты для конкретного источника и нижней точкой является кампания.

Другими слова — отчет отображает информацию от сводной информации за неделю до конкретной рекламной кампании в эту неделю.

Сложности учета медийной рекламы в отчете.

В этом проекте мы столкнулись с тем, что не все рекламные каналы можно было отследить в Google Analytics. Может возникнуть вопрос — а как такое возможно? На самом деле все очень просто – видеореклама без переходов на сайт. При этом задачу о загрузке данных по расходам на рекламу и сведение ее в отчетности никто не отменял.

Учитывая специфику рекламных кампаний (значительный объем рекламные — видеоролики), клиентом была поставлена задача в обязательном порядке обеспечить вывод в отчете таких показателей как:

  • VTR — соотношение числа просмотренных полностью роликов к показам;
  • 1000CPV — стоимость 1000 досмотров роликов до 100%.

Для Google Ads были сформированы отдельные выгрузки в myBI Connect с данными рекламным кампаниям, которые транслируют видеоролики. Функционал пользовательских отчетов позволяет самостоятельно сформировать список параметров и показателей, которые требуются для решения задачи:

Рекламная аналитика для фармацевтической компании. Кейс Mello.

После такой настройки мы получили табличку в БД, которая далее ежедневно обновлялась и содержала все нужные показатели.

По оставшаяся медийка разделилась на два типа:

  1. реклама, которая не содержит ссылку на сайт, ее нет в Google Analytics
  2. реклама, по которой нет готового коннектора для получения расходов и статистики

Данные по таким рекламным кампаниям также нужно включить в итоговый отчет. Для решения этих проблем совместно с клиентом был разработан шаблон структуры файла, в которую вручную вносятся данные по результатам просмотров видео материалов.

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Чтобы обеспечить необходимый функционал в отчете для рекламных площадок без посещений в Google Analytics, нужно сделать несколько дополнительных действий к разработанному шаблону. В Power Query формируется сводная таблица по рекламным кампаниям без посещений и они добавляются к основным кампаниям (по которым можно отследить трафик из рекламных систем):

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Такое решение позволит при необходимости добавить новый источник в отчет за несколько минут.

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Сводим все данные в единое целое.

Одной из задач, которую пришлось решать в процессе работы, это получение в различных наборах данных реального идентификатора рекламной кампании, так как именно это значение используется в качестве ключа, по которому “связаны” все источники данных в модели.

Изначально в модели данных myBI Connect эти сведения присутствовали в данных по РК (ID кампании в каждой из систем) и в данных из Google Analytics (источники трафика).

Поскольку для utm меток используется специальный формат (единый для всех систем) и он предусматривает включение id кампании на определенной позиции в соответствующей метке, то проблем с его получением не возникает. Имея для источника трафика id кампании и такой-же id в данных по рекламных кампаниях, мы можем получить данные в связке: расходы на РК, сессии и достижения целей.

В некоторых исключительных случаях использовался метод сопоставления названия рекламной кампании и значения метки для получения ID кампании. Ключ, используемый для связи данных выглядит как 1234567890, может возникнуть вопрос: Каким образом все рекламные кампании были сведены в единое целое? 

Для этого использована модель myBI, в которой для каждой рекламной площадки или сервиса выгружается свой набор данных. Для решения задачи потребовалось взять для каждой из систем следующие таблицы:

  • Параметры кампаний
  • Статистика по объявлениям

Так как такие данные используются в каждой системе, то для получения общей информации полученные данных были объединены в две указанных таблицы, которые используются в отчете:

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Поскольку на сайте от посетителя ожидается совершение определенных целевых действий, то они фиксируются целями в Google Analytics. Они тоже выгружаются и их можно увидеть в отчете: 

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Вычисления

Еще один важный этап превращения данных в отчеты это вычисления, которые в данном случае мы производили на DAX. Когда мы производим выгрузку данных, то получаем таблицы с фактов и измерений, но привычных относительных показателей, на которые привыкли ориентироваться аналитики там нет. Их нужно вычислить. Останавливаться и разбирать все мы не будет, но пример приведем. Одним из основных показателей является показатель отказов, который рассчитывается как:

Рекламная аналитика для фармацевтической компании. Кейс Mello.

и отображается в отчете наряду с остальными показателями:

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Что в итоге получилось

Общий вид отчета — это сводная таблица с данными по неделям и фильтрами по направлению и каналу:

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Сама сводная таблица за несколько кликов трансформируется на разные уровни от общей картины, до детальной картины по рекламным кампаниям.

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Рекламная аналитика для фармацевтической компании. Кейс Mello.

Специфика отчета в том, что в нем нет графиков, но есть сводная таблица с хорошими возможностями трансформации. На первом этапе клиенту важно было получить именно такую сводную таблицу, так как внутри компании уже сформирован ряд процессов вокруг нее. Стоит отметить, что структура модели данных и отчета допускает очень широкие возможности по визуализации этих данных и в дальнейшем клиент сможет добавить красивые графики самостоятельно или снова обратиться к нам.

Выполненная работа по созданию отчета помогла клиенту решить основную проблему — автоматизацию процесса сбора и оперативное получение данных, доступных в удобной и привычной форме. С учетом специфики продукта и источников трафика не все получилось автоматизировать на текущем этапе, однако и предложенное решение значительно упростило ранее выполнявшиеся операции по подготовке отчета.

Стоимость и сроки выполнения проекта 

Стоимость проекта мы не можем озвучить, потому что это коммерческая тайна. А вот временные затраты можем, вместе со всеми встречами, скайпами, мозговыми штурмами,разработкой обучающих материалов, составлении документации, шаблонов и работами затраты составили 190 часов со стороны команды Mello.  

Примечание редакции. Если вы заинтересованы в реализации подобной задачи — напоминаем вам о возможности заполнить бриф для дальнейшей оценки ваших задач и реализации их нашими партнерами.

Оставить комметарий