Роль аналитики в контекстной рекламе. Мнения и кейсы экспертов

Отец американской философии менеджмента Питер Друкер сказал: «Управлять можно только тем, что можно измерить». Насколько это справедливо для контекстной рекламы? Мы спросили у экспертов, какую роль играет аналитика в ведении контекста, что и с помощью каких инструментов они отслеживают и какие результаты это приносит.

Для клиента это независимая система мониторинга результатов работы подрядчика, а для рекламного агентства — мощный инструмент для анализа и оптимизации рекламных кампаний. Ведь, оценивая эффективность РК только по показателям, зарегистрированным системой веб-аналитики, специалисты видят только вершину айсберга. Рассмотрим реальный кейс из жизни нашего агентства, в котором внедрение сквозной аналитики стало краеугольным камнем для прорывных результатов бизнеса клиента.

Наш клиент, один из крупнейших в России интернет-магазинов товаров для сна, всегда очень трепетно относился к контекстной рекламе. Хотя бы потому, что этот канал стабильно генерировал более половины трафика сайта и около 2/3 от суммарного количества обращений в компанию. Отдельно отмечу, что сегмент товаров для сна несколько отличается от типичного e-commerce, потому что перед покупкой большинству клиентов требуется дополнительная консультация. Они не понимают, как оценить качество материалов, из которых изготовлен условный матрас, а также боятся ошибиться с жесткостью и другими важными ортопедическими функциями предлагаемых товаров. Поэтому на заказы через корзину на сайте приходится меньше половины от общего количества заказов. Остальные оформляются в процессе консультации со специалистом по телефону или через онлайн-консультанта.

Такие показатели, как средний чек покупки, конверсия из звонка в продажу и процент отмененных заказов, в разрезе рекламных каналов для нас были неизвестны. В связи с чем даже настроенная расширенная электронная коммерция в Google Analytics и Яндекс.Метрике не давала специалистам по рекламе полной картины эффективности определенных рекламных форматов. И не давала нам возможности обосновать перед клиентом эффективность размещения в рекламных сетях Яндекса и Google и необходимость масштабирования этого направления.

Внедрение сквозной аналитики на базе инструментария K50 позволило в режиме реального времени получить статистику по каждому рекламному объявлению вплоть до полученной выручки. Основной вывод, который мы получили по итогам анализа: более высокий средний чек покупки для заказов, оформленных после консультации по телефону с менеджером магазина, и меньший процент отмен. Как следствие — фактическое значение ДРР с размещений в рекламных сетях оказалось заметно ниже ожидаемого. Это позволило нам обосновать перед клиентом стратегию более активного присутствия в рекламных сетях.

В итоге после внедрения сквозной аналитики в течение одного года нам удалось увеличить выручку магазина в два раза без существенного увеличения рекламного бюджета. Клиент доволен — win-win!

Говоря о том, насколько глубоко виден эффект от вложенных средств благодаря сквозной аналитике, хочется процитировать Виталия Бианки: «Кто дальше своего носа не видит, тот с носом и останется». :) Даже сейчас немало рекламодателей работают по последнему непрямому клику. На деле это означает видеть лишь вершину айсберга, смотреть на канал google/cpc и оценивать его отдачу. При этом не видно ни ассоциативных конверсий в других online-каналах, которые дает реклама, ни offline-конверсий. Имея перед глазами полную картину взаимосвязей online- и offline- каналов, видя кроссплатформенную детализацию до уровня отдельно взятого пользователя, можно направлять инвестиции туда, куда раньше даже и не подумали бы. Это развязывает руки и дает огромный плюс перед конкурентами. Бизнес-аналитика позволяет определить узкие места в процессах компании, устранить их и получить больший выхлоп при том же объеме времени и инвестиций.

Из продуктовых решений на рынке есть OWOX, Binotel, IO analytics. Вариантов достаточно. Лично я работал с OWOX. Их продукт позволяет агрегировать в единой, собственной системе атрибуции данные online-каналов, подгружать данные offline-продаж, а также показывает вес каждого канала в воронке принятия решения пользователем. С помощью SQL-запросов можно строить свои когорты и отслеживать их поведение.

Я рекомендую подходить к настройке ответственно и обращаться в специализирующиеся на этом агентства, так как решение из коробки может подойти не всем. А неверно отображаемые данные — это неверно принятые решения, следовательно, упущенная прибыль, финансовые и временные траты.

В кейсе для клиента NAI Becar с помощью сквозной аналитики мы смогли убедиться, что продажа сложных инвестиционных продуктов осуществляется не с помощью контекстной рекламы, как мы всегда думали, исходя из данных GA, а при помощи рекламы в соцсетях. Также мы смогли оптимизировать до 30 % рекламного бюджета, так как исключили из кампании неэффективные каналы трафика, которые без сквозной аналитики показывали отличный результат — низкий CPC и даже звонки.