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.
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.
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.
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.
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.
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.
Power BI и myBI Connect помогли нам решить основные задачи:
- Для клиента отчет позволяет следить за работой контекстной рекламы в режиме реального времени
- 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.
- 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.
