Повысить ROI рекламных кампаний? Оценить эффективность вложений в SEO? Доказать эффективность online-рекламы? Это ключевые задачи маркетинга, решение которых кроется в данных.
На нашем вебинаре мы рассмотрим самые распространенные задачи, которые бизнес ставит перед командой маркетинга и аналитиков. Расскажем о решениях, основываясь на опыте работы с сотнями клиентов и подскажем, как эти решения можно реализовать с технической точки зрения.
Скачать запись вебинара можно по ссылке https://www.owox.com/c/4ol
3. Сбор данных
с OWOX BI
Автоматически объединяйте данные
из разных систем: все действия на
вашем сайте, звонки и заказы из CRM,
email-рассылки и расходы на
рекламные кампании.
Записаться на демо
4. Маркетинговые
отчеты с OWOX BI
Мы настроим для вас сквозную аналитику
и автоматизируем отчеты любой
сложности: по рекламным кампаниям,
когортному анализу, ROPO, CPA, ROI, ROAS,
LTV, САС, атрибуции и многие другие.
Записаться на демо
5. Сегодня в программе
1. Сегментация и отправка сегментов в рекламные сервисы;
2. Оценка эффективности рекламы с учетом реальных продаж (CRM-данные);
3. Анализ эффективности рекламы с учетом продаж в offline (ROPO);
4. Анализ эффективности SEO-трафика. От ключевого слова до фактической продажи;
5. Оценка эффективности трафика из Apps;
6. Атрибуция от OWOX BI как альтернатива LNDC (Last Non-Direct Click). Использование
результатов расчета;
7. Post-View аналитика. От просмотра до продажи.
7. Бизнес цель
Повышение ROI рекламных кампаний, которые нацелены на реактивацию пользователей.
Бизнес задача
Улучшить качество таргетинга рекламных кампаний, которые работают с брошенными корзинами
и ушедшими пользователя.
Гипотеза, как можно решить задачу
ROI рекламной кампании должен быть выше, если она будет таргетирована исключительно на
пользователей, которые в течение последних Х дней добавили товар в корзину, но не купили.
Вводные данные
8. 1. Сформировать сегмент пользователей, который в течение последних Х дней добавил товар
в корзину, но не купил;
2. Автоматизировать передачу полученных сегментов в Google Ads (Google client_id) и в
Yandex Direct (Yandex Client_id).
Техническая задача
9. 1. Написали SQL-запрос, который формирует нужный нам сегмент пользователей, используя
“сырые данные” о поведении пользователей на сайте (owox bi streaming). Сегмент содержит
данные Google client_id и Yandex client_id, которые можно использовать внутри рекламных
сервисов Google Ads и Yandex Direct;
2. Автоматизировали ежедневные обновления данного сегмента и их отправку в Google
Analytics и Yandex Audience через сервис OWOX BI Pipeline;
3. В рекламных сервисах настроили правила, которые будут повышать ставки для этих
сегментов.
Решение технической задачи
10. Нюансы
● Нужно настроить передачу Yandex Client_id в стриминг, и иметь какое-то количество
исторических данных;
● Чтобы загрузить сегмент в Yandex Audience, он должен содержать минимум 1000 строк
(уникальных Yandex Client_id).
Результат
ROI рекламных кампаний, которые работали с пользователями из данных сегментов вырос на
100-150%.
Особенности и итоги
12. Бизнес цель
Повысить ROI рекламных кампаний при фиксированном показателе ДРР.
Бизнес задача
Перераспределить рекламный бюджет, основываясь на фактических продажах, которые
сгенерировали рекламные источники.
Гипотеза, как можно решить задачу
Мы знаем, что часть online-заказов не выкупается или изменяется в момент подтверждения
заказа.
Если специалисты по закупке трафика будут ориентироваться на ROI рекламных кампаний,
основанных на реальном доходе, а не на факте online-заказа, мы сможем повысить ROI за счет
инвестиций в кампании, которые генерируют фактические продажи.
Вводные данные
13. ● Настроить выгрузку CRM-данных с фактическими продажами в Google BigQuery;
● Сформировать таблицу, которая будет содержать информацию об online-заказах, а также
информацию из CRM о факте выкупа или невыкупа заказа и его конечную сумму;
● Визуализировать результаты в Google Data Studio.
Техническая задача
14. 1. Настроили корректную передачу данных с сайта об online заказах в CRM-систему клиента.
Предавали Transaction_id и Google client_id;
2. Настроили формирование User_id на стороне CRM клиента и его передачу в стриминг в
момент оформления заказа;
3. Настроили выгрузку CRM-данных в Google BigQuery в необходимой для работы структуре;
4. Написали SQL-запрос, который объединяет данные стриминга с данными из CRM. Ключи
для связки: Transaction_id, User_id, Client_id. Также, как ключ для связки можно использовать
Email и Phone number.
5. Построили отчет, который показывает ROI источников трафика, с учетом выкупаемости
заказов. ROI рассчитывали на марже.
Решение технической задачи
15. Нюансы
Процесс настройки корректной передачи данных с сайта в CRM, а также выгрузка CRM-данных в
GBQ требует привлечение разработчиков на стороне клиента, что зачастую сильно тормозит
процесс.
Результат
Команда клиента получила отчет по эффективности источников трафика, который базируется на
фактических продажах.
Отчет используется для принятия как стратегических решений, так и микро-менеджмента по
управлению рекламными источниками трафика.
Особенности и итоги
18. Бизнес цель
Аргументировать ТОП менеджменту необходимость повышения бюджета на Online рекламу при
годовом планировании. А также продемонстрировать скрытую ценность, которую генерируют
вложения в Online рекламу.
Бизнес задача
Проанализировать эффективность Online рекламы с учетом последующего ее влияния на
продажи в offline.
Гипотеза, как можно решить задачу
Мы предполагаем, что инвестируя в online трафик, часть пользователей познакомится с товаром
на сайте, однако пойдет покупать его в offline магазины. То есть, online кампании останутся
недооцененными.
Если мы сможем проследить влияние захода на сайт и дальнейшие покупки этих пользователей в
offline магазинах, мы сможем измерить упущенную ценность, которую online создает в offline.
Вводные данные
19. 1. Связать действия пользователя на сайте с его последующими покупками в offline магазинах;
2. Построить отчет, который будет базироваться на объединенных данных.
Техническая задача
20. 1. Настроили формирование User_id на стороне CRM-системы клиента и передачу его в
стриминг;
2. Настроили корректную передачу Client_id в CRM-систему клиента и стриминг;
3. Настроили корректную передачу user phone и user email с сайта в стриминг и CRM в момент
оформления заказа на сайте;
4. Настроили выгрузку данных из CRM клиента в GBQ. Выгрузка содержит не только online
заказы, но и заказы из розничных магазинов;
5. Написали SQL-запрос, который связывает данные стриминга с данными из CRM. Ключи для
связки с offline продажами: User_id / User_phone / User_email;
6. Построили отчет в Google Data Studio, который помог проанализировать ROPO-эффект.
Решение технической задачи
21.
22. Нюансы
● Online пользователей мы можем связать с offline продажами только если пользователь был
авторизован на сайте или совершал покупку на сайте (есть ключ для связки);
● Доля авторизованных online пользователей от всех пользователей составляет около 5%, что
довольно мало;
● Не все offline продажи содержат идентификатор (User_phone / User_email / Loyalty card).
Особенности
23. Построенный отчет позволил посмотреть данные в следующих разрезах:
● Доход только online;
● Доход только offline;
● Доход ROPO;
● Доход по Source / Medium / Campaign только Online;
● Доход по Source / Medium / Campaign с учетом последующих offline продаж;
● Доход по категориям товаров и подкатегориям Online и ROPO;
● Доход по городам Online и ROPO;
● Время от Online визита до ROPO-покупки в днях;
● Количество сессий на сайте до совершение ROPO-покупки;
● И др.
После реализации ROPO, ROI рекламных кампаний увеличился на 50-150%.
Итоги
24.
25. 1. Как компания М.Видео оценила вклад онлайн-рекламы в офлайн-продажи
2. Компания Darjeeling провела ROPO анализ и выяснила, что 40% покупателей заходят на
сайт перед покупкой в магазине
3. Онлайн-влияние на офлайн-покупки — измеряем ROPO-эффект. Кейс компании Rendez-
Vous
4. ROPO-анализ: чем полезна система сквозной омниканальной аналитики
5. Кто сидел на моем стуле? Кто лежал в моей кровати? Компания Fabelio выяснила, что
делают онлайн-пользователи в офлайн-точках продаж
6. Вебинар. ROPO-эффект: как оценивать влияние онлайн-рекламы на офлайн-продажи
Полезные материалы по ROPO-анализу
27. Бизнес цель
Оценить эффективность вложений в SEO, основываясь на фактических продажах.
Бизнес задача
Построить отчет, который будет показывать эффективность SEO в разрезе продвигаемых
категорий товаров. Отчет должен базироваться на фактических продажах.
Гипотеза, как можно решить задачу
Мы знаем, какие SEO keywords прокачивали и на каких страницах. Мы знаем позицию в SEO
выдачи по этим ключам. Мы знаем продажи с этих страниц, с источником Search. Если мы свяжем
эти данные, то получим продажи с тех ключей, которые в ТОПе SEO выдачи. То есть, сможем
измерить эффективность вложений в SEO.
Вводные данные
28. 1. Собрать в GBQ данные из систем: Google Search Console, Yandex Metrica, сервис измерения
позиций сайта в органической выдачи (например, Allpositions), данные из CRM по
фактическим продажам.
2. Объединить данные с помощью SQL-запроса;
3. Автоматизировать выполнение SQL-запроса;
4. Визуализировать результаты.
Техническая задача
29. 1. Выгрузили данные в GBQ из Google webmaster tool и Yandex Metrica по ТОП ключевых слов,
которые приводили трафик на сайт, а также посадочные страницы;
2. На основе URL сформировали кластеры ключевых запросов в разрезе посадочной
страницы;
3. Прогнали ключевые слова, по которым приходил SEO трафик на сайт через сервис
измерения позиций в выдаче (Allposition). Сделали выгрузку результатов в GBQ и
отсортировали запросы, позиция в выдаче которых была ниже Х;
4. Связали данные стриминга с фактическими продажами (CRM-данными);
5. Выделили сессии, которые привели к транзакциям, с источником SEO (атрибуция Last Non-
Direct Click);
6. Выделили посадочные страницы этих транзакций и связали их с SEO ключами, которые
приводили трафик на эти страницы;
7. Клиент построил отчет, который показывал влияние SEO над теми или иными кластерами
страниц, на фактический трафик, который на них приходил и покупки этого трафика.
Решение технической задачи
30. Нюансы
● Webmaster tools позволяют выгрузить ограниченное количество строк. Мы не можем
проанализировать все ключевые запросы, приводившие трафик на сайт;
● Нет возможности точно измерить, какие ключевые запросы приводили трафик на
анализируемые нами страницы. Поэтому на старте анализа мы приняли как данность то, что
результаты анализа будут иметь определенную погрешность.
Результат
Бизнес получил отчет, который позволяет проанализировать эффективность работ по SEO за
определенный период. Анализ эффективности проводился на основании фактических продаж,
поэтому можно было посчитать ROI SEO-трафика.
Особенности и итоги
32. Бизнес цель
Оценить эффективность привлечения трафика через платные источники (Google Ads), для
установки мобильного приложения и последующих продаж внутри приложения.
Бизнес задача
Построить отчет, который покажет эффективность источников трафика в разрезе основных
конверсионных действий (инсталлы, кол-во регистраций, кол-во транзакций, revenue).
Гипотеза, как можно решить задачу
У нас есть сырые данные из Appsflyer (установки, действия пользователей, источники трафика,
доход), а также расходы из Google Ads. Если мы свяжем эти данные, то сможем построить отчет,
который покажет ROI рекламных кампаний в разрезе актуальных для нас транзакционных
действий.
Вводные данные
33. 1. Загрузить в GBQ данные о поведении пользователей в мобильном приложении, а также
данные об источниках установок, последующих транзакциях и доходе (Appsflyer - GBQ);
2. Загрузить в GBQ расходы на инсталлы из Google Ads;
3. Построить отчет в Google Data Studio.
Техническая задача
34. 1. Настроили выгрузку сырых данных из AppsFlyer в GBQ через OWOX BI;
2. Проверили аудит данных на предмет наличия всех нужных для отчета данных и их
совпадения с данными из CRM (доход, кол-во конверсий)
3. Настроили выгрузку расходов Google Ads в GBQ, используя метод Data transfer;
4. Написали SQL-запрос, который связывает данные из Appsflyer и Data transfer, а также
проводит нужные нам расчет;
5. Реализовали отчет в Google Data Studio.
Решение технической задачи
35. Нюансы
● Одной из задач клиента была возможность анализировать эффективность закупленного
трафика с течением времени. То есть, если мы в марте закупили Х инсталов с канала Y, то
сколько эти инсталлы принесли нам конверсионных действий в апреле, мае, июне и т.д;
● Также была задача сделать анализ в разрезе стран и групп рекламных кампаний, что было
реализовано за счет фильтрации в отчете;
● В отчете осознанно не использовались данные из CRM-выгрузки, так как погрешность между
реальными продажами из CRM и данными приложения была незначительна.
Особенности
36. Автообновляемый отчет в Google Data Studio, который решает поставленную задачу клиента и
отвечает на следующие вопросы:
● Сколько инсталов приложения принес источник трафика Х в месяц Y?
● Сколько конверсий было в приложении в месяц инстала и в последующие месяцы после
инстала? Информация была в разрезе источников трафик.
● Какая эффективность групп кампаний в разрезе описанных выше параметров?
● Насколько эффективны наши кампании в разрезе стран?
Итоги
37. Month Installs Instal to Reg Reg to Purchase Revenue, $
January 746 165 29 480
February 450 87 5 33
March 987 180 20 373
April 872 92 15 350
May 1003 211 38 790
June 995 196 32 802
39. Бизнес цель
Повысить ROI управляемых платных источников трафика при фиксированном показателе ДРР
(Доля Рекламных Расходов).
Бизнес задача
Построить отчет, который покажет недооцененные источники трафика и их эффективность в
деньгах, а также будет основан на модели атрибуции, которая учтет каждое касание пользователя
с сайтом.
Гипотеза, как можно решить задачу
Мы сможем не повышая ДРР повысить ROI, если будем управлять рекламными бюджетами,
базируясь на показателе ROI рекламный кампаний, который расчитан на основе вклада этой
кампании в конечную конверсию на всем этапе движения пользователя по воронке, а не только за
факт закрытия сделки (модель LNDC, Last Non-Direct Click).
Вводные данные
40. 1. Собрать в GBQ сырые данные о поведении пользователей;
2. Загрузить в GBQ данные о фактических продажах (CRM выгрузка) в подходящей структуре;
3. Объединить CRM-данные и данные о поведении пользователей на сайте;
4. Посчитать модель атрибуции на основании подготовленного источника данных.
Техническая задача
41. 1. Настроили стриминг сырых данных о поведении пользователей на сайте в GBQ;
2. Настроили импорт расходов из рекламных сервисов в GA и далее в GBQ;
3. Настроили корректную передачу Client_id, User_id, Transaction_id в стриминг и в CRM;
4. Реализовали выгрузку данных о фактических продажах из CRM в GBQ;
5. Связали данные о поведении пользователей на сайте и заказы с фактически выкупленными
заказами в виде отдельной GBQ View;
6. Настроили и рассчитали модель атрибуции с помощью OWOX BI;
7. Провели первичный анализ данных, используя стандартные отчеты Smart Data, чтобы не
тратить ресурсы на визуализацию данных в сторонних BI системах.
Решение технической задачи
42. Нюансы
● Настройка передачи в CRM client_id и transaction_id вместе с заказом потребовала
значительных усилий команды разработки на стороне клиента;
● Настройка генерации User_id также была непростым техническим решением;
● Для правильной интерпретации результатов расчета модели нужно привлечь специалистов
из команды заказчика, так как поведение некоторых источников трафика было сложно
правильно оценить, не зная контекста и логики настройки этих рекламных кампаний.
Особенности
43. ● На основе отчетов Smart data проведен сравнительный анализ атрибуции FB и LNDC по ROI
источников трафика с учетом выкупленных заказов;
● Проанализирована эффективность источников трафика на разных этапах воронки;
● Автоматизирована передача результатов расчета модели атрибуции в Alytics, Google Ads,
K50 для последующей автоматизации управления ставками на основании результатов
расчета модели.
Итоги
46. Бизнес цель
Повысить эффективность вложений в медийную рекламу (баннер / видео).
Бизнес задача
Реализовать отслеживание факта просмотра медийного креатива (без клика) и последующего
факта посещения сайта клиента пользователем, который увидел рекламу.
Гипотеза, как можно решить задачу
Если мы разместим код отслеживания (пиксель) на площадках, на которых будет показываться
реклама и затем присвоим уникальную Cookie этому пользователю, то когда пользователь зайдет
на сайт клиента, мы сможем считать присвоенную нами Cookie и использовать эти данные для
построения Post-View аналитики.
Вводные данные
47. 1. Разработать метод отслеживания, который позволит собрать информацию о просмотрах,
чтобы потом можно было объединить ее с данными поведения пользователей на сайте.
2. Собрать данные о просмотрах рекламы в едином хранилище (GBQ) с данными о поведении
пользователей, чтобы с ними можно было работать используя SQL.
Техническая задача
48. 1. Собрать бизнес-требования от заказчика;
2. На основании бизнес-требований подготовить ТЗ на внедрение пикселя для площадок, на
которых будет размещение;
3. Протестировать качество внедрения ТЗ (тестовый рекламный флайт). Тестируем качество
данных, которые попадают в GBQ в процессе показов рекламы;
4. Запускаем флайт и отслеживаем качество передачи данных в процессе флайта;
5. Сопоставляем данные, которые собрали в процессе флайта, с данными о поведении
пользователей, а также CRM-данными;
6. Строим отчет, который отвечает на бизнес-вопросы заказчика.
Решение технической задачи
49. Нюансы
● Не все площадки заинтересованы в размещении нашего пикселя;
● Для сопоставления данных используем 3rd party cookie OWOX UserID;
● Постоянно мониторим отслеживание, так как есть риск, что у
паблишера отвалится наш скрипт;
● Учитываем не только прямые продажи в рамках конверсионного окна,
но и влияние флайта на привлечение новой аудитории (один из KPI
заказчика).
Особенности
50. Клиент получил отчет, который отвечает на следующие вопросы:
● Какой ROI флайта с учетом Online заказов;
● Какой ROI флайта с учетом выкупленных заказов в течение 10 дней с момента просмотра
рекламы;
● Какой ROI рекламы с учетом влияния ROPO;
● Какие площадки оказались наиболее эффективными в разрезе (ROI / CR / New users);
● Какая доля пользователей, которые видели рекламу уже были на сайте ранее;
● Сколько мы привлекли на сайт новых пользователей в течение Х / Y / Z дней с момента
просмотра рекламы;
● Сколько новых пользователей купили после просмотра рекламы;
● Какие товары покупали пользователи, которые видели рекламу;
● Сколько нам удалось “реанимировать” ушедших пользователей (не заходили / не покупали
на сайте в течение Х дней).
Итоги
51.
52. На демо мы познакомим вас с OWOX BI и
расскажем, как с помощью нашего инструмента
вы сможете решить задачи маркетинг-
аналитики.
Записаться на демо
53. ● Данные ㅡ это нефть 21 века;
● Работа с данными требует экспериментов, тестирования гипотез;
● Нужно быть готовым, что не все эксперименты могут оказаться успешными;
● Одного желания CMO мало, нужны процессы внутри компании, чтобы данные начали
приносить деньги. Команде это должно быть нужно;
● Трансформация данных в деньги ㅡ алхимия 21 века? Не думаю =)
Общие выводы